CN104010372B - 大规模mu‑miso系统低复杂度用户调度方法 - Google Patents

Abstract

本发明公开了一种大规模MU‑MISO系统低复杂度用户调度方法，包括以下步骤：设定基站选择用户的先后顺序，并对每个基站信道Gram矩阵的逆进行特征根分解得到等效的低维信道矩阵；Q个基站依次根据自己的等效信道矩阵中列向量的范数选择范数值最小的向量索引值对应的用户作为第一个用户，每个基站再依次采用贪婪优化方法和矩阵逆的递归计算思想选择使传输功率最小的等效信道列向量的索引值作为自己下一个调度用户，期间一旦选定用户立即通知其他基站更新当前允许选择的用户集合；直到每个基站选择

Description

大规模MU-MISO系统低复杂度用户调度方法

技术领域

本发明涉及无线通信传输技术领域，具体为大规模多用户MISO（Multiple InputSingle Output）下行链路系统中无线通信传输技术和用户选择方法。

背景技术

在当今的无线通信领域中，无论是实际系统中还是在理论研究中，小区间的干扰仍然严重限制了通信系统的信道容量和吞吐量，处在小区边缘的用户受到小区干扰尤其严重。因此很多学者和无线传输服务供应商，一直致力于改善小区边缘用户的传输服务质量。2010年，一种大规模天线技术进入人们的视野，当基站天线数趋于无穷时，通常严重影响通信系统性能的噪声和不相干的小区间干扰将可以忽略不计，这样一来，小区间的边缘用户受到的干扰将降低，可实现对边缘用户较好的传输速率服务。

众所周知，在多天线技术的基础上进行预编码设计可获得很高的信道容量，比如脏纸编码（DPC，Dirty Paper coding），然而DPC的实现非常复杂，所以在实际中，通常采用迫零（ZF, Zero-forcing）和矢量扰动（VP, Vector perturbation）预编码，不仅相对于DPC编码更容易实现，还能降低算法的复杂度。而矢量扰动预编码相对迫零预编码能够提供更好传输性能。同时，在多用户系统中，也经常通过采用用户选择分配技术来实现多用户分集和空间分集增益。特别地，对于采用大规模天线的多用户系统，可以采用用户调度/选择来取得性能和复杂度的折中。经过对现有技术检索发现，J.Choi发表在2013年IEEE WCNC会议上的文章“A user selection criterion for vector-perturbation precoding inmultiuser system”针对采用迫零—矢量扰动预编码技术的大规模天线多用户系统的用户选择问题，提出了一种基于降低传输功率为目的集中式贪婪用户选择方法。

发明内容

本发明的目的在于针对现有技术的不足，提供一种大规模MU-MISO系统低复杂度用户调度方法。

本发明的目的是通过以下技术方案来实现的，一种大规模MU-MISO系统低复杂度用户调度方法，包括以下步骤：

步骤1：设定个基站选择用户的先后顺序，，初始化t=1，，其中，为每个基站要选择的用户数，为Q个基站选择的总用户数，为每个基站当前允许选择的用户集，t为基站当前选择用户轮数；然后对每个基站信道Gram矩阵的逆进行特征根分解得到等效低维信道矩阵，即：

，

其中：，表示基站到用户的信道向量，表示基站的等效低维信道矩阵；

步骤2：Q个基站依次选择自己的第一个用户，第一个基站根据自己的等效低维信道矩阵中列向量的范数选择范数值最小的向量索引值对应的用户作为自己的第一个用户，即：

其中：表示等效低维信道矩阵的第列，然后将所选用户索引值通过基站间回程链路通知其余基站排除掉当前选择用户从而更新当前允许选择的用户集，即，其中表示从当前允许选择用户集合中排除掉已被选择的用户；然后更新所选择的等效低维信道矩阵列向量集合，并计算；剩余基站依次根据自己等效低维信道矩阵中列向量的范数值和当前允许选择的用户集合来选择自己的第一个用户，并通知其他基站更新，再求出自己所对应的集合和；

步骤3：用贪婪优化方法和矩阵逆的递归计算思想进行下一轮用户选择，更新t值，即，每个基站依次选择使传输功率最小的等效信道列向量的索引作为自己下一个选择用户，即：

期间一旦选定用户立即通知其他基站更新当前允许选择的用户集合，即，并更新：，同时更新，此时可根据块矩阵求逆公式简化求得：

其中，,；

步骤4： 重复步骤3直到，此时每个基站选择个用户，完成用户调度。

本发明的有益效果是，本发明采用分布式用户调度策略，即当每一个基站选取用户后，基站间可进行信息交互，通过回程链路告知其他基站排除掉当前所选择的用户从而更新可选用户集合，不仅减少了大规模MISO多用户系统基站的传输功率，降低了用户调度方法的计算复杂度，同时采用分布式的思想减少了基站间信令开销。

附图说明

图1是本发明一个实施例的系统模型图；

图2是本发明一个实施例的具体实施流程图；

图3是本发明一个实施例与J.Choi的文章“A user selection criterion forvector-perturbation precoding in multiuser system”选择方法的平均传输功率比较图；

图4是本发明一个实施例与现有用户调度方法比较图。

具体实施方式

下面结合附图详细描述本发明，本发明的目的和效果将变得更加明显。

假设在蜂窝系统中有个基站，边缘用户数为，并且每个用户配置1根接收天线，每个基站配置根发射天线，且远远大于一般多天线系统中发射天线数，满足，。系统模型如图1所示，个边缘用户处于离基站较远的位置，且通常聚集在一起。

由此信道模型可知，第个用户接收到的信号为：

（1）

其中：，分别表示基站到用户预编码向量和信号，，，表示基站到用户的信道向量，为信道噪声。从而可以得到接收信号向量为：

（2）

其中：，。

根据J.Choi的文章“A user selection criterion for vector-perturbationprecoding in multiuser system”可知，第个基站发射功率为：

（3）

其中：表示基站所选用户集合，，，是扰动矢量；为的常量用户选择矩阵，其元素为0和1（如果的列向量中第个元素为1，则表示第个基站选择了第个用户）；为每个基站需要选择的总用户数，即满足；,其中为QAM调制星座点之间的距离，为QAM调制所采用的进制数（例：）。又因为（ZF预编码），所以有：

（4）

由此式子，可以得出结论，第个基站的发射功率是关于信道矩阵和的函数，所以可以通过选择使总的发射功率达到最小。为了方便计算，首先将进行特征值分解得到低维等效信道矩阵，即。代入（4）得到：

（5）

从而用户选择问题转化为根据，确定，使得最小，即从每个中选出互补交叠的个列。

为了得到低复杂度的用户选择方法，本发明设计一种基于贪婪优化思想的用户调度方法，该方法可描述如下。设：为迭代次数（基站当前选择用户轮数）， ；为等效信道矩阵的第列；为第个基站前轮所选等效信道矩阵列向量集合。根据Shur分解，可以得到：

同时，根据块矩阵求逆定理可知，可通过下式求解，从而降低计算复杂度：

其中，,。

如图2所示，本发明一种大规模MU-MISO系统低复杂度用户调度方法，包括以下步骤：

步骤1：设定个基站选择用户的先后顺序，，初始化t=1，，其中，为每个基站要选择的用户数，为Q个基站选择的总用户数，为每个基站当前允许选择的用户集，t为基站当前选择用户轮数；然后对每个基站信道Gram矩阵的逆进行特征根分解得到等效低维信道矩阵，即：

，

其中：，表示基站到用户的信道向量，表示基站的等效低维信道矩阵；

步骤2：Q个基站依次选择自己的第一个用户，第一个基站根据自己的等效低维信道矩阵中列向量的范数选择范数值最小的向量索引值对应的用户作为自己的第一个用户，即：

其中：表示等效低维信道矩阵的第列，然后将所选用户索引值通过基站间回程链路通知其余基站排除掉当前选择用户从而更新当前允许选择的用户集，即，其中表示从当前允许选择用户集合中排除掉已被选择的用户；然后更新所选择的等效低维信道矩阵列向量集合，并计算；剩余基站依次根据自己等效低维信道矩阵中列向量的范数值和当前允许选择的用户集合来选择自己的第一个用户，并通知其他基站更新，再求出自己所对应的集合和；

步骤3：用贪婪优化方法和矩阵逆的递归计算思想进行下一轮用户选择，更新t值，即，每个基站依次选择使传输功率最小的等效信道列向量的索引作为自己下一个选择用户，即：

期间一旦选定用户立即通知其他基站更新当前允许选择的用户集合，即，并更新：，同时更新，此时可根据块矩阵求逆公式简化求得：

（6）

其中，,；

步骤4：重复步骤3直到，此时每个基站选择个用户，完成用户调度。

下面对上述算法进行复杂度分析。可以看出，本发明方法的计算复杂度主要集中于步骤1和步骤3。

①步骤1计算复杂度。对维矩阵进行特征根分解的复杂度为，所以求的复杂度为

②步骤3计算复杂度。这部分运算量主要集中于公式（6）中（即）的计算。该矩阵向量相乘的复杂度，即：

所以步骤3的总的复杂度为：

③综合以上两部分，可以得到该算法总的复杂度为：

而J.Choi的文章“A user selection criterion for vector-perturbationprecoding in multiuser system”所提出来的贪婪算法复杂度为。因为一般情况下用户数选大于基站数，即，所以本发明方法的复杂度更低。

图3与图4是与J.Choi在文章“A user selection criterion for vector-perturbation precoding in multiuser system”所提出来的用户选择方案进行性能比较，参数具体设置为：发射天线数，基站数，则每个基站所需调度用户数为 ，采用调制，符号平均功率设为mW，蒙特卡洛仿真次数为， 比较结果分析如下：

图3比较了本发明用户选择方法与J.Choi所提方法的平均性能。纵坐标表示平均传输功率，横坐标表示用户数。可以看出，对于不同的用户数，本发明方法的系统性能优于J.Choi所提出的用户选择方法的性能。

图4给出了本发明方法优于J.Choi方法的概率。纵坐标表示本发明方法所需传输功率小于等于J.Choi方法所需传输功率的概率。可以看出，本发明方法胜出的概率非常高（大于等于）。特别地，随着用户数逐渐增大，本发明方法总是优于J.Choi方法。

通过前面的复杂度分析与性能仿真比较，本发明的方法不仅计算和通信复杂度低，而且能降低基站的传输功率，可以预见本发明方法能很好地适应未来基于大规模天线的移动通信技术，让边缘网络用户的性能得到提升。

本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方案实施本发明。因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护范围。

Claims (1)

1.一种大规模MU-MISO系统低复杂度用户调度方法，其特征在于，包括以下步骤：

步骤1：设定Q个基站选择用户的先后顺序，K＝NQ，初始化t＝1，ζ＝{1,…,K}，其中，N为每个基站要选择的用户数，K为Q个基站选择的总用户数，ζ为每个基站当前允许选择的用户集，t为基站当前选择用户轮数；然后对每个基站信道Gram矩阵的逆进行特征根分解得到等效低维信道矩阵，即：

${\left(H_q^H{H}_q\right)}^{-1}={\tilde{H}}_q^H{\tilde{H}}_q,$

其中：H_q＝[h_q,1…h_q,K]，h_q,k表示基站q到用户k的信道向量，表示基站q的等效低维信道矩阵；

步骤2：Q个基站依次选择自己的第一个用户，第一个基站根据自己的等效低维信道矩阵中列向量的范数选择范数值最小的向量索引值k^*对应的用户作为自己的第一个用户，即：

$k^{*}=\arg \underset{k\∈\mathrm{\ζ}}{min}{\left(h_1^{\left(k\right)}\right)}^H{h}_1^{\left(k\right)}$

其中：表示等效低维信道矩阵的第k列，然后将所选用户索引值k^*通过基站间回程链路通知其余基站排除掉当前选择用户从而更新当前允许选择的用户集ζ，即ζ＝ζ\k^*，其中ζ＝ζ\k^*表示从当前允许选择用户集合ζ中排除掉已被选择的用户；然后更新所选择的等效低维信道矩阵列向量集合并计算剩余基站依次根据自己等效低维信道矩阵中列向量的范数值和当前允许选择的用户集合ζ来选择自己的第一个用户，并通知其他基站更新ζ，再求出自己所对应的集合和

步骤3：用贪婪优化方法和矩阵逆的递归计算思想进行下一轮用户选择，更新t值，即t←t+1，每个基站依次选择使传输功率最小的等效信道列向量的索引作为自己下一个选择用户，即：

$k^{*}=\arg \underset{k\∈\mathrm{\ζ}}{\min }{\left(h_q^{\left(k\right)}\right)}^H{h}_q^{\left(k\right)}-{\left(h_q^{\left(k\right)}\right)}^H{H}_q^{\left(t\right)}{A}_q^{(t-1)}{\left(H_q^{\left(t\right)}\right)}^H{h}_q^{\left(k\right)}$

期间一旦选定用户立即通知其他基站更新当前允许选择的用户集合ζ，即ζ＝ζ\k^*，并更新：同时更新此时可根据块矩阵求逆公式简化求得：

$A_q^{\left(t\right)}=\left[\begin{array}{cc}{A}_q^{(t-1)}-A_q^{(t-1)}{b}_q{(d_q-b_q^H{A}_q^{(t-1)}{b}_q)}^{-1}{b}_q^H{A}_q^{(t-1)}& -A_q^{(t-1)}{b}_q{(d_q-b_q^H{A}_q^{(t-1)}{b}_q)}^{-1}\\ -{(d_q-b_q^H{A}_q^{(t-1)}{b}_q)}^{-1}{b}_q^H{A}_q^{(t-1)}& {(d_q-b_q^H{A}_q^{(t-1)}{b}_q)}^{-1}\end{array}\right]$

其中，

步骤4：重复步骤3直到t＝N，此时每个基站选择N个用户，完成用户调度。