CN103765805B - 一种多用户预编码方法和装置 - Google Patents

Abstract

本发明实施例提供了一种多用户预编码方法和装置，该方法包括：更新步骤，根据多个用户中的每个用户的初始预编码矩阵更新所述每个用户的合并矩阵；第一计算步骤，根据所述每个用户的合并矩阵计算所述每个用户的信道质量；排序步骤，根据所述每个用户的信道质量对所述多个用户进行排序；第二计算步骤，根据所述公式，依次计算每个用户的预编码矩阵。本发明实施例的方法和政治通过结合SINR优化准则和SLNR优化准则，利用发送端预编码矩阵和接收端合并矩阵的关系，优化预编码矩阵，提升系统容量。

Description

一种多用户预编码方法和装置

技术领域

本发明涉及无线通信技术领域，尤其涉及一种多用户预编码方法和装置。

背景技术

多输入多输出(Multiple-Input Multiple-Output，MIMO)技术可以利用收、发端配置多副天线产生的空间自由度和空时信号处理技术在不增加带宽和天线发送功率的情况下，成倍地提高通信系统容量和频谱利用率。智能天线(Smart Antennas，SA)技术能够利用数字信号处理技术产生空间定向波束，有效抑制干扰信号，大幅提高频谱利用率和信道容量。波束赋形技术能够根据使用者的信道特性对天线阵列加权来进行信号预处理，具有扩大覆盖、提高系统容量、降低干扰的能力。多天线多流波束赋形技术将MIMO与智能天线技术融合起来，可以充分利用空域资源，在不增加功率和牺牲带宽的前提下，同时传输多个赋形数据流来实现空间复用，提高无线通信系统的信道容量，实现高速和可靠的信息传输。

发明人在实现本发明的过程中发现，多用户多流波束赋形技术利用多用户分集效应带来更高的系统总容量，也可以实现更多用户数据流的同时传输，但多用户同时也带来了用户间干扰等新问题。在传统的基于块对角化、信漏噪比算法的多用户MIMO技术中，需要处理系统内的所有用户，算法的实现需要很多的矩阵求逆或者迭代求解，复杂度极高。抑制MIMO信道中的多用户干扰在多用户系统中是首要解决的问题，用户数的提高会造成信道状态更复杂，需要更大的反馈信道的开销，因此设计更有效的多用户多流波束赋形算法具有重要的意义。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

本发明实施例的目的在于提供一种多用户预编码方法和装置，以优化多用户MIMO系统的各用户的预编码矩阵，提升系统容量。

根据本发明实施例的一个方面，提供了一种多用户预编码方法，其中，所述方法包括：

更新步骤，根据多个用户中的每个用户的初始预编码矩阵更新所述每个用户的合并矩阵；

第一计算步骤，根据所述每个用户的合并矩阵计算所述每个用户的信道质量；

排序步骤，根据所述每个用户的信道质量对所述多个用户进行排序；

第二计算步骤，根据公式依次计算每个用户的预编码矩阵；

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰分量。

根据本发明实施例的另一个方面，还提供了一种基站，其中，所述基站包括：

更新单元，其根据多个用户中的每个用户的初始预编码矩阵更新所述每个用户的合并矩阵；

第一计算单元，其根据所述每个用户的合并矩阵计算所述每个用户的信道质量；

排序单元，其根据所述每个用户的信道质量对所述多个用户进行排序；

第二计算单元，其根据公式依次计算每个用户的预编码矩阵；

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰分量。

根据本发明实施例的再一个方面，还提供了一种计算机可读程序，其中当在基站中执行该程序时，该程序使得计算机在所述基站中执行前述的多用户预编码方法。

根据本发明实施例的又一个方面，还提供了一种存储有计算机可读程序的存储介质，其中该计算机可读程序使得计算机在基站中执行前述的多用户预编码方法。

本发明实施例的有益效果在于：通过结合SINR优化准则和SLNR优化准则，利用发送端预编码矩阵和接收端合并矩阵的关系，优化预编码矩阵，提升系统容量。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

参照以下的附图可以更好地理解本发明的很多方面。附图中的部件不是成比例绘制的，而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分，附图中对应部分可能被放大或缩小。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外，在附图中，类似的标号表示几个附图中对应的部件，并可用于指示多于一种实施方式中使用的对应部件。在附图中：

图1是本发明一个实施例的多用户MIMO系统模型示意图；

图2是本发明一个实施例的多用户预编码方法流程图；

图3是本发明实施例的计算每个用户的初始预编码矩阵的流程图；

图4是本发明另一个实施例的多用户预编码方法流程图；

图5是预编码系统处理流程图；

图6是预编码矩阵和接收矩阵求解流程图；

图7是本发明实施例提供的一种基站组成示意图。

具体实施方式

参照附图，通过下面的说明书，本发明实施例的前述以及其它特征将变得明显。这些实施方式只是示例性的，不是对本发明的限制。为了使本领域的技术人员能够容易地理解本发明的原理和实施方式，本发明的实施方式以图1所示的多用户MIMO系统模型为例，对本发明实施例的方法和装置进行说明，但可以理解，本发明并不限于图1所示的多用户MIMO系统模型，对于其他多用户MIMO系统模型，只要是根据本发明实施例的精神和主旨所作的多用户预编码方法和装置都包含于本发明的保护范围。

图1为本发明一个实施例的多用户MIMO系统模型示意图，在图1所示的多用户MIMO下行链路中，基站发射天线数为M，该基站同时为K个用户服务，每个用户的接收天线数目为N_k，且满足每个用户支持的数据流数为l_k。第k个用户的数据s_k(l_k×1维)经过预编码矩阵w_k(M×l_k维)加权后送至发射天线，因此天线发送的实际信号为：

$X={\mathrm{\Σ}}_{k=1}^K{w}_k{s}_k\stackrel{\mathrm{\Δ}}{=}\mathrm{Ws}---\left(1\right)$

其中，w_k＝[w₁，w₂，…，w_K]为系统的预编码矩阵，为发射到K个用户的数据s的各个元素独立，且为零均值，单位方差。

上述信号X经过信道H后，受高斯白噪声干扰，接收端收到的信号为：

y＝HWs+n (2)

其中，为信道状态信息矩阵，其元素独立同分布，服从均值为0每维方差为0.5的复高斯分布，即服从CN(0，1)。为加性复高斯噪声矩阵。每个元素为复数加性高斯白噪声，服从且满足 $E\left[n_k^H{n}_k\right]={\mathrm{\δ}}_k^2{I}_{N_k}.$

为了得到较小的干扰，接收端需要对接收信号做出处理。假设用户k的线性合并矩阵为R_k，那么用户k接收到的信号为：

$y_k=R_k{H}_k{w}_k{s}_k+R_k{H}_k{\mathrm{\Σ}}_{i\≠k}^k{w}_i{s}_i+R_k{n}_k---\left(3\right)$

其中，R_kH_kw_ks_k为用户k的接收信号，为其他K-1个用户的干扰，R_kn_k为噪声干扰。在实际系统中，接收端可以通过信道估计得到用户本身对应的信道状态信息矩阵H_k，但不要求得到其他用户的状态信息。

基于图1所示的多用户MIMO系统模型，本发明实施例提供了一种多用户预编码方法，如下面的实施例1所述。

实施例1

图2为本发明实施例提供的一种多用户预编码方法的流程图，请参照图2，该方法包括：

更新步骤201，根据多个用户(UE，User Equipment)中的每个用户的初始预编码矩阵更新所述每个用户的合并矩阵(Combining Matrix)；

第一计算步骤202，根据所述每个用户的合并矩阵计算所述每个用户的信道质量；

排序步骤203，根据所述每个用户的信道质量对所述多个用户进行排序；

第二计算步骤204，根据公式依次计算每个用户的预编码矩阵。

在一个实施例中，用户的信道质量通过用户的信干噪比(SINR，Signal toInterference plus Noise Ratio)来表示。

在图1所示的多用户MIMO系统中有K个用户，对求解该K个用户预编码矩阵的先后顺序共有K！种方法。在本发明实施例中，以误码性能为指标对该K个用户进行排序，最优的排序方式对应最小的平均误码率，得到平均误码率其中，P_k为用户k的误码率。P_k中的最大值对获得P_ave最小化有着显著的影响，所以较大的误码率应该排在较后的位置，而误码率越大用户的信干噪比SINR越小，因此本发明实施例采用SINR从大到小的顺序对该多用户MIMO系统中的K个用户进行排序，以得到最小的平均误码率和最大的信道容量，进一步提高系统性能。

在步骤201中，用户的合并矩阵表明了发送端预编码矩阵和接收端预编码矩阵的关系，根据该合并矩阵，可以确定用户的信道质量。

在一个实施例中，用户的合并矩阵可以根据用户的接收机类型确定，根据图1给出的系统模型，用户k的合并矩阵R_k为：

$R_k=\frac{{\left(H_k{w}_k\right)}^H}{{\left|\right|H_k{w}_k\left|\right|}_F^2}---\left(4\right)$

其中，H_k代表第k个用户的信道传输矩阵，w_k代表第k个用户的预编码矩阵，||||_F代表Frobenius范数，()^H代表共轭转置。

在一个实施例中，每个用户的初始预编码矩阵可以通过图3所示的方法来计算获得，请参照图3，该方法包括：

步骤301：根据每个用户的接收机类型对所述每个用户的合并矩阵初始化；

其中，用户的接收机类型可以通过预先配置确定，也可以通过用户上报确定，本实施例并不以此作为限制。

在一个实施例中，可以将每个用户的合并矩阵初始化为一个单位阵，以公式(4)所示的用户k的合并矩阵为例，将其初始化为其中，i表示迭代次数，k＝1，2，…，K表示第k个用户，而表示取N_k×N_k维矩阵的第k行。

步骤302：根据每个用户反馈的信道状态信息(CSI，Channel State Information)确定每个用户的初始信道质量；

步骤303：根据每个用户的初始信道质量对所述多个用户排序；

在一个实施例中，在所有的用户进行预编码之前，本发明实施例先对该K个用户进行排序，由于此时不存在干扰，无法直接得到SINR，用户的信道质量(此时称之为初始信道质量)只能通过接收端信号能量与噪声能量比值来体现，如公式(11)所示：

$q_k^0=\frac{\mathrm{tr}\left[R_k^0{H}_k{H}_k^H{R}_k^{0H}\right]}{N_k{\mathrm{\δ}}_k^2}---\left(11\right)$

其中，为接收端信号能量，为噪声能量。

根据公式(11)确定了每个用户的初始信道质量后，即可按照从小到大的顺序对该K个用户进行排序。

步骤304：根据公式依次计算每个用户的初始预编码矩阵。

在一个实施例中，在根据步骤302和步骤303对该K个用户排序后，即可根据步骤304的预编码矩阵计算公式依次求得每个用户的初始预编码矩阵其中，对该预编码矩阵计算公式的原理和各参数的含义将在以下进行详细说明。

在步骤202中，基于每个用户的合并矩阵，即可计算获得每个用户的信道质量，也即信干噪比SINR。

在一个实施例中，可以通过以下公式计算第k个用户的信道质量

$q_k^i=\frac{{\left|\right|R_k^i{H}_k{w}_k^i\left|\right|}_F^2}{{\left|\right|{\mathrm{\Σ}}_{m\≠k}^K{R}_k^i{H}_k{w}_m^i\left|\right|}_F^2+{\left|\right|R_k^i{n}_k\left|\right|}_F^2}---\left(12\right)$

其中，为接收端信号能量，为除第k个用户(也即用户k)以外的其他K-1个用户对第k个用户的干扰，为噪声能量。

在步骤203中，按照从大到小的顺序对该K个用户进行排序。

在步骤204中，同样根据公式先后求得该K个用户的预编码矩阵

其中，为M行l_k列的复矩阵集合，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰能量。

当l_k＝1时，用户k的预编码矩阵为以下矩阵的最大广义特征值所对应的特征向量： ${({\tilde{H}}_k^H{\tilde{H}}_k+N_k{\mathrm{\δ}}_k^2{I}_{N_k}+{\mathrm{\Σ}}_{i=1}^{k-1}{\left|\right|R_k{H}_k{w}_i\left|\right|}_F^2{I}_{N_k})}^{-1}{H}_k^H{R}_k^H{R}_k{H}_k.$

当l_k＞1时，用户k的预编码矩阵为对应于最大l_k个广义特征值所对应的特征向量对。

为了使步骤204和步骤304中的预编码矩阵的计算公式的原理更加清楚易懂，以下通过该公式的求导过程对该公式进行详细说明，以下求导过程仍然是以图1所示的多用户MIMO系统模型为例。

根据图1给出的系统模型，得到用户k的接收矩阵为：

$R_k=\frac{{\left(H_k{w}_k\right)}^H}{{\left|\right|H_k{w}_k\left|\right|}_F^2}---\left(4\right)$

在现有的基于信干噪比(SINR)的算法中，为了得到用户k的预编码矩阵w_k，需要利用用户k的SINR，该用户k的SINR的计算公式如下：

${\mathrm{SINR}}_k=\frac{{\left|\right|R_k{H}_k{w}_k\left|\right|}_F^2}{{\left|\right|R_k{H}_k{\mathrm{\Σ}}_{i\≠k}^K{w}_i\left|\right|}_F^2+{\left|\right|R_k{n}_k\left|\right|}_F^2}---\left(5\right)$

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量。

在现有的基于信漏噪比(SLNR，Signal to Leakage plus Noise Ratio)的算法中，由于基于SLNR的算法是针对在广播信道下对所有用户的发射信号“泄漏”到其他用户的接收机上的分量来进行考虑，这种分量也可以看作属于干扰，应该被尽量抑制。此处的SLNR考虑的是接收机输入端的信漏噪比，SLNR具体表示如下：

${\mathrm{SLNR}}_k=\frac{{\left|\right|R_k{H}_k{w}_k\left|\right|}_F^2}{{\left|\right|{\mathrm{\Σ}}_{i\≠k}^K{R_i{H}_{i}w}_k\left|\right|}_F^2+N_k{\left|\right|R_k{n}_k\left|\right|}_F^2}---\left(6\right)$

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量。

其中，由于 ${\left|\right|R_k{n}_k\left|\right|}_F^2=\mathrm{tr}\left[R_k{n}_k{n}_k^H{R}_k^H\right]={\mathrm{\δ}}_k^2\mathrm{tr}\left[R_k{R}_k^H\right]={\mathrm{\δ}}_k^2,$ 则公式(6)简化为：

${\mathrm{SLNR}}_k=\frac{{\left|\right|R_k{H}_k{w}_k\left|\right|}_F^2}{{\left|\right|{\tilde{H}}_k{w}_k\left|\right|}_F^2+N_k{\mathrm{\δ}}_k^2{\left|\right|R_k\left|\right|}_F^2}---\left(7\right)$

其中， ${\tilde{H}}_k={[{\left(R_1{H}_1\right)}^H,{\left(R_2{H}_2\right)}^H,...,{\left(R_{k-1}{H}_{k-1}\right)}^H,{\left(R_{k+1}{H}_{k+1}\right)}^H,...,{\left(R_k{H}_k\right)}^H]}^H,$ 为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量。

根据公式(7)可以计算获得使SLNR_k达到最大值的预编码矩阵w_k，即：

当l_k＝1时，即每个用户收到一个数据流时，所求预编码矩阵就是以下矩阵的最大广义特征值所对应的特征向量： ${({\tilde{H}}_k^H{\tilde{H}}_k+N_k{\mathrm{\δ}}_k^2{\left|\right|R_k\left|\right|}_F^2{I}_{N_k})}^{-1}{H}_k^H{R}_k^H{R}_k{H}_k.$

当l_k＞1时，即每个用户收到多个数据流时，所求预编码矩阵为对应于最大l_k个广义特征值所对应的特征向量对。

由公式(8)可以看出，每个用户的预编码矩阵的求解都是独立的，因此可以使用前面k-1个用户的预编码矩阵来优化求解第k个用户的预编码矩阵。根据公式(5)可以得出用户k受到的来自前k-1个用户的干扰是：

${\mathrm{\δ}}_{\mathrm{in},k}^2={\mathrm{\Σ}}_{i-1}^{k-1}{\left|\right|R_k{H}_k{w}_i\left|\right|}_F^2---\left(9\right)$

对于用户k的预编码矩阵w_k，越小，效果越好，因此，公式(8)可以改进为：

上述公式(10)即为本发明实施例的预编码矩阵计算公式。其中：

当l_k＝1时，用户k的预编码矩阵为以下矩阵的最大广义特征值所对应的特征向量： ${({\tilde{H}}_k^H{\tilde{H}}_k+N_k{\mathrm{\δ}}_k^2{I}_{N_k}+{\mathrm{\Σ}}_{i=1}^{k-1}{\left|\right|R_k{H}_k{w}_i\left|\right|}_F^2{I}_{N_k})}^{-1}{H}_k^H{R}_k^H{R}_k{H}_k;$

当l_k＞1时，用户k的预编码矩阵为对应于最大l_k个广义特征值所对应的特征向量对。

根据本发明实施例的方法，一方面，通过公式(10)计算获得的用户的预编码矩阵结合了SINR的优化准则和SLNR的优化准则，并利用了发送端预编码矩阵和接收端预编码矩阵的关系，优化了预编码矩阵，提升了系统容量。另一方面，通过图2所示的计算预编码矩阵的步骤，按照SINR从大到小的顺序对用户排序，得到了最小的平均误码率和最大的信道容量，进一步提高了系统性能。

基于图1所示的多用户MIMO系统模型，本发明实施例还提供了一种多用户预编码方法，如下面的实施例2所述。

实施例2

本发明实施例的多用户预编码方法在实施例1的基础上，除了进行以上实施例1的处理以外，还进一步通过迭代处理来优化计算获得的预编码矩阵，确定每个用户的最终预编码矩阵。

其中，由于该实施例2包含了实施例1的全部内容，实施例1的内容被合并于此，在此不再赘述。

在本实施例的一个实施方式中，可以根据迭代次数和/或每次迭代时用户的平均信漏噪比来确定每个用户的最终预编码矩阵。

如果当前迭代次数等于预先设定的迭代次数阈值，或者当前迭代次数下用户的平均信漏噪比小于等于预先设定的信漏噪比阈值，则将当前迭代次数下计算获得的每个用户的预编码矩阵作为每个用户的最终预编码矩阵。其中，当前迭代次数等于预先设定的迭代次数阈值，说明图2所示的多用户预编码方法的处理次数已经达到了预先设定的最大迭代次数，则将当前迭代次数下计算获得的每个用户的预编码矩阵作为每个用户的最终预编码矩阵。其中，当前迭代次数下用户的平均信漏噪比小于等于预先设定的信漏噪比阈值，说明当前系统性能已经稳定，无需再对图2所示的多用户预编码方法进行迭代处理，则将当前迭代次数下计算获得的每个用户的预编码矩阵作为每个用户的最终预编码矩阵。

如果当前迭代次数小于预先设定的迭代次数阈值，且当前迭代次数下用户的平均信漏噪比大于预先设定的信漏噪比阈值，则根据当前迭代次数下计算获得的每个用户的预编码矩阵，更新所述每个用户在下一次迭代时的合并矩阵，并执行所述第一计算步骤，所述排序步骤，以及所述第二计算步骤。其中，当前迭代次数小于预先设定的迭代次数阈值，并且当前迭代次数下用户的平均信漏噪比大于预先设定的信漏噪比阈值，说明图2所示的多用户预编码方法的处理还没有达到最大迭代次数，而系统的性能也没有趋于稳定，仍然可以继续预编码矩阵的计算，则根据当前迭代次数下计算获得的每个用户的预编码矩阵，更新所述每个用户在下一次迭代时的合并矩阵，并继续执行图2的步骤。

其中，用户的平均信漏噪比可以通过以下公式来实现：

${\mathrm{SLNR}}^i=\frac{{\left|\right|R_k{H}_k{w}_k\left|\right|}_F^2}{{\left|\right|{\tilde{H}}_k{w}_k\left|\right|}_F^2+N_k{\mathrm{\δ}}_k^2{\left|\right|R_k\left|\right|}_F^2}---\left(13\right)$

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量。

其中，当i＞1时，如果|SLNRⁱ-SLNR^i-1|≤ε(ε为信漏噪比阈值，其表示一个事先设定的较小实数)，或者i＞T(T为迭代次数阈值，其表示最大迭代次数)，则迭代优化结束，将当前迭代次数下的合并矩阵作为最终合并矩阵，也即将当前迭代次数下的预编码矩阵作为最终预编码矩阵，也即，否则，本次迭代结束，进行下一次迭代的处理，即令i＝i+1，返回步骤201，更新继续第i+1次迭代的预编码矩阵的计算。

图4为实施例的多用户预编码方法的流程图，请参照图4，该方法包括：

步骤401：合并矩阵初始化；

步骤402：接收发送端反馈的当前CSI；

步骤403：根据信道质量(通过公式11计算获得)对用户排序；

步骤404：依次求取各用户的初始预编码矩阵；

步骤405：更新当前合并矩阵；

步骤406：根据信道质量(通过公式12计算获得)对用户排序；

步骤407：依次求取各用户的预编码矩阵；

步骤408：判断是否达到最大迭代次数，如果是则执行步骤410，否则执行步骤409；

步骤409：判断系统性能是否稳定，如果是则执行步骤410，否则执行步骤405；

步骤410：迭代优化结束，将当前迭代次数下求得的预编码矩阵作为最终预编码矩阵。

其中，步骤401-404的处理与前述步骤301-304的处理相同，步骤405-407的处理与步骤201-204的处理相同，在此不再赘述。

其中，本实施例并不限定步骤408和步骤409的先后顺序，例如也可以先执行步骤409，判断系统性能是否稳定，如果稳定则结束，否则执行步骤408，判断是否达到最大迭代次数，如果已经达到最大迭代次数则结束，否则执行步骤405。

根据本发明实施例的方法，不仅可以获得实施例1的效果，通过对多用户预编码方法的迭代处理还可以进一步优化预编码矩阵，提升系统容量，提高系统性能。

为了表明实施例1和实施例2所提供的方法的效果，以下通过仿真的方法验证本发明实施例提供的方法比原有的基于SLNR的方法具有更高的数据传输速率和更低的误码率。

图5为预编码系统的信号处理流程图，从中可以清楚整个通信过程如下：

步骤501：首先对发射信号向量进行预编码加权，并送至天线进行发射；

步骤502：信号通过无线衰落信道后，进入用户接收机；

步骤503：接收机对接收到的信号进行合并处理，得到输出信号。

在图5所示的流程中，其核心问题是预编码矩阵和合并矩阵的求解，也是整个方法的关键。

图6为根据本发明实施例的多用户预编码方法的预编码矩阵和合并矩阵的迭代求解流程，请参照图6，该流程包括：

步骤601：首先接收端的合并矩阵进行初始化，在所有的用户进行预编码之前，我们先要对K个用户依据信道质量进行排序，接着按照从大到小的顺序，利用公式(10)先后求得初始预编码矩阵

步骤602：重新计算K个用户的信道质量按照从大到小的顺序对用户排序，利用公式(10)先后求得K个用户的预编码矩阵

步骤603：计算用户的平均信漏噪比；

步骤604：当i＞1时，如果|SLNRⁱ-SLNR^i-1|≤ε，或者i＞T，则流程跳转到步骤605；否则，本次迭代结束，计算R_k，然后跳转至步骤602，继续下一次迭代处理；

步骤605： $R_k=R_k^i,w_k=w_k^i,$ 结束算法。

根据本发明实施例的方法，通过对文献[1](Gao Xiangchuan，Fei Xiongand LeiSong.A Successive Iterative Optimization Precoding Method for Downlink Multi-userMIMO System.Wireless Communications and Signal Processing(WCSP)，2010)和本发明实施例所提供的方法进行平均误码率性能的仿真，来验证本发明实施例提供的方法的效果。

一方面，在设定相同系统条件和相等的迭代次数10的情况下，分别仿真上述两种预编码方案在不同的信噪比下对应的用户平均误码率性能。可以看出，在相同的系统条件下，本发明实施例提供的方法能够进一步优化系统结构，降低误码率，提高系统的可靠性。

另一方面，在设定相同系统条件和相等的迭代次数的情况下，分别仿真上述两种预编码方案在不同的信噪比下对应的用户平均信道容量性能。可以看出，在相同的系统条件下，本发明实施例提供的方法在原有方法基础上进一步提高了信道容量，提高了系统的数据传输有效性。

由仿真结果可知，本发明实施例提供的方法进一步优化了系统结构，提高了信道容量，降低了误码率。这是因为本发明实施例提供的方法考虑了多用户通信系统中发送端和接收端的相互迭代的嵌套关系，对发送端和接收端进行联合迭代处理求取预编码矩阵，这种方法优化了系统的结构，因此能够进一步提高系统信道容量，降低误码率。

本发明实施例还提供了一种基站，如下面的实施例3所述，由于该基站解决问题的原理与实施例1和实施例2的多用户预编码方法相似，因此该基站的实施可以参见实施例1和实施例2的方法的实施，重复之处不再赘述。

实施例3

图7是本发明实施例提供的一种基站的组成示意图，请参照图7，该基站包括：

更新单元71，其根据多个用户中的每个用户的初始预编码矩阵更新所述每个用户的合并矩阵；

第一计算单元72，其根据所述每个用户的合并矩阵计算所述每个用户的信道质量；

排序单元73，其根据所述每个用户的信道质量对所述多个用户进行排序；

第二计算单元74，其根据公式衣次计算每个用户的预编码矩阵；

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰分量。

在一个实施例中，该基站还包括：

第三计算单元75，其计算所述每个用户的初始预编码矩阵，以便所述更新单元根据所述每个用户的初始预编码矩阵更新所述每个用户的合并矩阵。

在一个实施例中，该第三计算单元75包括：

初始化模块751，其根据每个用户的接收机类型对所述每个用户的合并矩阵初始化；

确定模块752，其根据每个用户反馈的信道状态信息CSI确定每个用户的信道质量；

排序模块753，其根据每个用户的信道质量对所述多个用户排序；

计算模块754，其根据公式依次计算每个用户的初始预编码矩阵；

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰分量。

在另外一个实施例中，该基站还包括：

判定单元76，其根据迭代次数和/或每次迭代时用户的平均信漏噪比确定每个用户的最终预编码矩阵。

在一个实施例中，该判定单元76包括：

第一判定模块761，其判断当前迭代次数是否达到预先设定的迭代次数阈值；

第二判定模块762，其判断当前迭代次数下用户的平均信漏噪比是否大于预先设定的信漏噪比阈值；

确定模块763，其在所述第一判定模块761确定当前迭代次数等于预先设定的迭代次数阈值，或者所述第二判定模块762确定当前迭代次数下用户的平均信漏噪比小于等于预先设定的信漏噪比阈值时，将当前迭代次数下计算获得的每个用户的预编码矩阵作为每个用户的最终预编码矩阵；其在所述第一判定模块761确定当前迭代次数小于预先设定的迭代次数阈值，且在所述第二判定模块762确定当前迭代次数下用户的平均信漏噪比大于预先设定的信漏噪比阈值时，根据当前迭代次数下计算获得的每个用户的预编码矩阵，更新所述每个用户在下一次迭代时的合并矩阵，并通过所述第一计算单元72，所述排序单元73，以及所述第二计算单元74计算每个用户在下一次迭代时的预编码矩阵。

根据本发明实施例的基站，一方面，通过公式(10)计算获得的用户的预编码矩阵结合了SINR的优化准则和SLNR的优化准则，并利用了发送端预编码矩阵和接收端预编码矩阵的关系，优化了预编码矩阵，提升了系统容量。另一方面，通过图2所示的计算预编码矩阵的步骤，按照SINR从大到小的顺序对用户排序，得到了最小的平均误码率和最大的信道容量，进一步提高了系统性能。

本发明实施例还提供了一种计算机可读程序，其中当在基站中执行该程序时，该程序使得计算机在所述基站中执行实施例1或实施例2所述的多用户预编码方法。

本发明实施例还提供了一种存储有计算机可读程序的存储介质，其中该计算机可读程序使得计算机在基站中执行实施例1或实施例2所述的多用户预编码方法。

本发明以上的装置和方法可以由硬件实现，也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序，当该程序被逻辑部件所执行时，能够使该逻辑部件实现上文所述的装置或构成部件，或使该逻辑部件实现上文所述的各种方法或步骤。逻辑部件例如现场可编程逻辑部件、微处理器、计算机中使用的处理器等。本发明还涉及用于存储以上程序的存储介质，如硬盘、磁盘、光盘、DVD、flash存储器等。

以上结合具体的实施方式对本发明进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改，这些变型和修改也在本发明的范围内。

Claims (11)

1.一种多用户预编码方法，其中，所述方法包括：

更新步骤，根据多个用户中的每个用户的初始预编码矩阵更新所述每个用户的合并矩阵；

第一计算步骤，根据所述每个用户的合并矩阵计算所述每个用户的信道质量；

排序步骤，根据所述每个用户的信道质量对所述多个用户进行排序；

第二计算步骤，根据公式依次计算每个用户的预编码矩阵；

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰分量。

2.根据权利要求1所述的方法，其中，在所述更新步骤之前，所述方法还包括：

计算所述每个用户的初始预编码矩阵。

3.根据权利要求2所述的方法，其中，计算所述每个用户的初始预编码矩阵包括：

根据每个用户的接收机类型对所述每个用户的合并矩阵初始化；

根据每个用户反馈的信道状态信息CSI确定每个用户的信道质量；

根据每个用户的信道质量对所述多个用户排序；

根据公式依次计算每个用户的初始预编码矩阵；

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰分量。

4.根据权利要求1所述的方法，其中，所述第二计算步骤之后，所述方法还包括：

根据迭代次数和/或每次迭代时用户的平均信漏噪比确定每个用户的最终预编码矩阵。

5.根据权利要求4所述的方法，其中，所述根据迭代次数和/或每次迭代时用户的平均信漏噪比确定每个用户的最终预编码矩阵，包括：

如果当前迭代次数等于预先设定的迭代次数阈值，或者当前迭代次数下用户的平均信漏噪比小于等于预先设定的信漏噪比阈值，则将当前迭代次数下计算获得的每个用户的预编码矩阵作为每个用户的最终预编码矩阵。

6.根据权利要求4所述的方法，其中，所述根据迭代次数和/或每次迭代时用户的平均信漏噪比确定每个用户的最终预编码矩阵，包括：

如果当前迭代次数小于预先设定的迭代次数阈值，且当前迭代次数下用户的平均信漏噪比大于预先设定的信漏噪比阈值，则根据当前迭代次数下计算获得的每个用户的预编码矩阵，更新所述每个用户在下一次迭代时的合并矩阵，并执行所述第一计算步骤，所述排序步骤，以及所述第二计算步骤。

7.一种基站，其中，所述基站包括：

更新单元，其根据多个用户中的每个用户的初始预编码矩阵更新所述每个用户的合并矩阵；

第一计算单元，其根据所述每个用户的合并矩阵计算所述每个用户的信道质量；

排序单元，其根据所述每个用户的信道质量对所述多个用户进行排序；

第二计算单元，其根据公式依次计算每个用户的预编码矩阵；

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰分量。

8.根据权利要求7所述的基站，其中，所述基站还包括：

第三计算单元，其计算所述每个用户的初始预编码矩阵，以便所述更新单元根据所述每个用户的初始预编码矩阵更新所述每个用户的合并矩阵。

9.根据权利要求8所述的基站，其中，所述第三计算单元包括：

初始化模块，其根据每个用户的接收机类型对所述每个用户的合并矩阵初始化；

确定模块，其根据每个用户反馈的信道状态信息CSI确定每个用户的信道质量；

排序模块，其根据每个用户的信道质量对所述多个用户排序；

计算模块，其根据公式依次计算每个用户的初始预编码矩阵；

其中，为接收端信号能量，为用户k传输有用信号时泄漏到其它K-1用户上的干扰能量，为噪声能量，为第k个用户之前的k-1个用户对该第k个用户的干扰分量。

10.根据权利要求7所述的基站，其中，所述基站还包括：

判定单元，其根据迭代次数和/或每次迭代时用户的平均信漏噪比确定每个用户的最终预编码矩阵。

11.根据权利要求10所述的基站，其中，所述判定单元包括：

第一判定模块，其判断当前迭代次数是否达到预先设定的迭代次数阈值；

第二判定模块，其判断当前迭代次数下用户的平均信漏噪比是否大于预先设定的信漏噪比阈值；

确定模块，其在所述第一判定模块确定当前迭代次数等于预先设定的迭代次数阈值，或者所述第二判定模块确定当前迭代次数下用户的平均信漏噪比小于等于预先设定的信漏噪比阈值时，将当前迭代次数下计算获得的每个用户的预编码矩阵作为每个用户的最终预编码矩阵；其在所述第一判定模块确定当前迭代次数小于预先设定的迭代次数阈值，且在所述第二判定模块确定当前迭代次数下用户的平均信漏噪比大于预先设定的信漏噪比阈值时，根据当前迭代次数下计算获得的每个用户的预编码矩阵，更新所述每个用户在下一次迭代时的合并矩阵，并通过所述第一计算单元，所述排序单元，以及所述第二计算单元计算每个用户在下一次迭代时的预编码矩阵。