CN104144036B - 一种基于pu2rc的mu‑mimo用户选择方法 - Google Patents

Abstract

本发明公开了一种基于PU²RC的MU‑MIMO用户选择方法，包括：离线设计多组正交码本，并由相邻码本矢量分组的方法重新划分码本；用户端信息反馈CDI量化矢量序号和CQI参数；基站端将进行如下处理：首先，当多个用户量化到同一个码本向量，则将CQI最大的用户保留下来；选出各码本矩阵V^g上信道条件最好的用户，构成用户集合逐一扩大这些最优用户对应码本矩阵中其余码本向量所关联的用户集合；CDI量化误差以及用户恢复信道与真实波束赋形矢量之间的误差，重新构造SINR计算公式，并依据构造的公式计算的和速率对各码本矩阵V^g遍历搜索其最优模式L_g及对应的用户集合；基于和速率最大准则选出最优的它所对应的最优模式和用户集合，即为系统的MIMO传输模式及入选用户集合。

Description

一种基于PU2RC的MU-MIMO用户选择方法

技术领域

本发明属于MU-MIMO技术设计领域，涉及一种基于PU²RC的MU-MIMO用户选择方法。

背景技术

MU-MIMO系统中有限反馈的情况下，一些经典的用户选择算法，比如穷举搜索算法，GS(贪婪搜索)算法，最大化容量上界的GS算法、半正交用户选择算法、基于SLNR(信漏噪比)最大的用户选择算法、基于弦距离最大的用户选择算法和ZFBF(迫零波束赋形)算法等。这些算法需要分别设计CDI量化和预编码两套码本，不利于系统的简化设计。

近年来，PU²RC(Per user unitary rate control)方案被建议为LTE标准中MU-MIMO的基本实现方案，受到了人们的广泛关注。PU²RC最主要的特征就是支持有限反馈和用户间采用正交的波束赋形矢量。它先生成多组标准正交向量组，各用户的波束赋形矢量是从其中某个码本矩阵的正交列向量中选出的，接收端反馈的CDI序号同时对应着该用户的波束赋形矢量序号，然后基站将基于和速率最大准则选出最佳码本矩阵对应的用户，将它们同时加入选择集合。PU²RC算法只需要设计一个码本(同时作为CDI量化码本与波束赋形码本)，并且降低了用户选择的复杂度。但是在低用户数和高信噪比情况下性能较差。

为此人们提出了一些改进方法。一种是相邻码本矢量分组方法。首先将与码本矢量(第g个码本矩阵中第i个码本矢量)相近的码本向量分为一组，然后找出这组向量上所有量化到的用户，让他们以为码本重新进行量化，找出最优(CQI最大)的一个作为对应的用户，显然上量化到用户的概率有明显提升。该方法的效果相当于扩大了用户规模，一定程度上解决了用户数相对较少情况下系统性能差的问题，但是未考虑用户之间干扰的影响，导致高信噪比情况下性能并不理想。

另一种是用户端搜索模式方法。首先基于和速率最大准则，通过简化的与模式相关的SINR公式，用户选择各自CDI量化索引及最优传输模式(即同时服务用户数)。该信息反馈到基站端后，基站再选出选择了相同传输模式和相同码本矩阵的用户来配对。该方案在低用户数且高信噪比情况下系统性能有所改善，但是由于模式搜索公式的简化以及未考虑CDI量化误差，在高用户数或低信噪比情况下性能较差。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于PU²RC的MU-MIMO用户选择方法，该方法可以在低用户数及高信噪比的情况下用户完成MU-MIMO传输的效果好。

为达到上述目的，本发明所述的基于PU²RC的MU-MIMO用户选择方法，包括以下步骤：

1)生成G组M×M的酉矩阵，其中，G为码本矩阵的数量，M为基站端天线数，G×M＝2^B，B为CDI量化索引反馈比特数；

离线生成码本，然后对码本进行重新分组，将相邻的码本矢量划分为同一组，则邻近的码本矢量集合为

其中，d_T为预设的阈值，为第g个码本矩阵中的第i个码本列向量，为第j个码本矩阵中的第l个码本列向量，F为码本集合， 为两个码本向量之间的弦距离，并且

2)用户进行码本矢量量化，并反馈CDI量化矢量序号及CQI参数，当多个用户量化到同一个码本矢量时，则保留CQI值最大的用户；

3)选出各码本矩阵V^g上信道条件最优的用户，构成最优用户集合 其中

用户的量化码本向量为最优用户 为最大CQI的值；

然后扩大各码本矩阵中非最优码本矢量关联的用户集合，当任意一个码本矩阵上没有量化到用户时，则直接跳过该码本矩阵，具体如下：

根据组建新的用户集合

然后对中的各用户进行信道矢量重构；

找出各码本矩阵中有用户关联的码本矢量，第g个码本矩阵中有用户关联的码本矢量组成集合B_g，设集合B_g的大小为M′，则最优模式L搜索表达式为

其中，集合I′为从集合B_g中先选再依次选择其余L-1个矢量所对应的矢量序号的集合，L≤M′，为各用户信干噪比的均值，其中，L为系统同时服务用户数；

采用贪婪算法先将该码本矩阵中最优用户入选，再依次从非最优码本矢量对应的用户集合中以系统和速率最大为目标进行选择，直到所有用户量化到的每个码本矢量都有一个最优用户对应为止；

则搜索最优的码本矩阵g^*为：

然后根据搜索的最优码本矩阵对用户完成MU-MIMO传输。

信干噪比SINR的表达式为

其中， j＝1，…，M，l＝1，…，G，θ_k表示真实信道与量化码本矢量之间的夹角；

令则有

同一码本矩阵中的码本矢量相互正交。

步骤2)的具体操作为：用户进行码本矢量量化，并反馈CDI量化矢量序号及CQI参数，当多个用户量化到同一个码本矢量时，则将拥有相同码本矢量索引的用户分配到同一组I(i，g)中，即

I(i，g)＝{1≤k≤K|BVI_k＝(i，g)} (5)

然后在I(i，g)中选择具有最大CQI值的用户J(i，g)，并保存最大CQI值其中，

本发明具有以下有益效果：

本发明所述的基于PU²RC的MU-MIMO用户选择方法通过相邻码本矢量分组方法扩大关联到同一码本矩阵的用户数，并在这些用户中通过模式搜索选择出使得系统和速率最大的配对用户，克服了传统PU²RC在低用户数和高信噪比情况下系统性能较差的问题。本发明所提方案由于搜索模式操作的加入，系统性能与SNR基本呈线性关系，克服了传统PU²RC方案由于未考虑用户间的干扰问题，随SNR增加系统性能都会有“平台效应”，即达到某一SNR值，系统性能不再增加的问题。

附图说明

图1为本发明中扩大非最优码本矢量关联用户集合的示意图；

图2为本发明中信道与码本及误差矢量示意图。

具体实施方式

下面结合附图对本发明做进一步详细描述：

考虑MU-MIMO下行传输场景，假设eNode B配置M根天线，系统中UE数为K，每个UE有N根天线。假定发送给每个用户的数据流数为L，若L＝1则为单流传输，若L＞1则为多流，eNode B端首先对发射给每个用户的L×1维信号b_k(k＝1，…，K)用M×L维预编码矩阵T_k进行预编码处理后再发射到MIMO信道中。如果将每个用户对应的MIMO信道表示为N×M维的矩阵h_k，则第k个用户接收到的信号可表示为

r_k＝h_kx+n_k (1)

其中：M×1维的信号向量为基站端的发射信号，其平均功率为E{||x||²}＝P，n_k表示第k个用户端的加性高斯白噪声，服从CN(0，I)分布。

将代入到式(1)中，接收信号可以进一步表示为

从式(2)中可见，接收信号中第二项表示用户k接收到的来自于其它用户的CCI，多用户预编码的目的则为尽可能地消除或者抑制CCI的大小，提高每个用户的信干噪比(SINR)。

参考图1及图2，本发明的具体操作过程为：

1)首先生成G组M×M的酉矩阵，G为码本矩阵的数量，M为基站端天线数，其中G×M＝2^B，B为CDI量化索引反馈比特数；

2)离线生成码本，生成码本时，各组码本矢量是正交的，将相邻的码本矢量划分为同一组，预先设定一个阈值d_T，则邻近的矢量集合为

其中，d_T为预设的阈值，为第g个码本矩阵中的第i个码本列向量，为第j个码本矩阵中的第l个码本列向量，F为码本集合， 为两个码本向量之间的弦距离，并且

用户进行码本矢量量化，并反馈CDI量化矢量序号和CQI参数，具体的量化量化方法如下：

CDI量化：其中

CQI参数反馈：SINR计算式如下：

其中j＝1，…，M，l＝1，…，G，令η_k＝||h_k||²，θ_k表示 真实信道与量化码本矢量之间的夹角，则有 用户k反馈到基站端的信息包括：η_k，μ_k与CDI量化矢量索引；

当多个用户量化到同一个码本矢量，则保留CQI最大的用户，将拥有相同波束赋形矢量索引的用户被分配到同一组I(i，g)中，即

I(i，g)＝{1≤k≤K|BVI_k＝(i，g)} (5)

然后在I(i，g)中选择具有最大CQI值的用户J(i，g)，并保存最大CQI值

3)选出各码本矩阵V^g上信道条件最优的用户，构成最优用户用户集合其中

其中，用户的量化码本向量为最优用户当码本矩阵V^g上没有量化到用户，则为空，为最大CQI的值，因此有

扩大每个V^g码本矩阵中非i^*码本矢量关联的用户集合，当V^g上没有量化到用户时，则直接跳过该码本矩阵；

由于对每个码本矢量的处理相同，根据集合A(i′，g)(i′＝1，2，...M，i′≠i^*)，定义一个新的用户集合为

然后利用用户反馈的BVI和CQI参数对中的各用户 进行信道矢量重构，设用户kl的BVI_k＝(j，l)，则重构的信道矢量可以表示为：

将模式选择与每个码本矢量上的用户选择同时进行，首先找出V^g码本矩阵中有用户关联的码本矢量集合定义为B_g，并将其大小记为M′，最优模式L搜索表达式如下：

其中，集合I′表示从B_g先选再依次选择其余L-1个矢量时所对应的矢量序号的集合(L≤M′)。

贪婪算法依次选择用户，在V^g码本矩阵中，第一个用户我们选择V^g码本矩阵中最优的用户然后用户在量化到非最优码本矢量上的用户集合以速率最大为目标进行选择，依次在未选择对应用户的码本矢量上进行用户筛选，直到有用户量化到的每个码本矢量都有一个最优用户对应。

式(10)中表达式理论上用真实信道代入最好，但基站端不可能得到真实信道；

设恢复信道与真实信道h_k之间的夹角为θ_k，误差定义为 即其中为单位误差向量，代入理想SINR表达式：

其中，v_k′为用户k所用的波束赋形矢量，v_i′为用户i所用的波束赋形矢量，S为入选用户集合，。

若单位向量g_k与v_i′各向同性独立同分布在垂直于v_k′(k′≠i′)的(M-1)维的超平面上，v_i′仅与v_j′(j′≠i′，j′≠k′)有关，则|g_kv_i′|²呈参数为(1，M-2)的Beta分布，故令其中为与v_k′之间的夹角，g_k为垂直于v_k′的单位向量，则可以推出则以天线数M＝4为例，由概率分布函数计算得

对SINR取均值下限，由詹森不等式，绝对值不等式可得

则最优模式L搜索表达式改为：

集合I′为从集合B_g中先选再依次选择其余L-1个矢量所对应的矢量序号的集合，L≤M′，为各用户信干噪比的均值，其中，L为系统同时服务用户数；

则搜索最优的码本矩阵g^*为：

根据搜索的最优码本矩阵对用户完成MU-MIMO传输。

Claims (3)

1.一种基于PU²RC的MU-MIMO用户选择方法，其特征在于，包括以下步骤：

1)生成G组M×M的酉矩阵，其中，G为码本矩阵的数量，M为基站端天线数，G×M＝2^B，B为CDI量化索引反馈比特数；

离线生成码本，然后对码本进行重新分组，将相邻的码本矢量划分为同一组，则邻近的码本矢量集合为

$A(i,g)=\{v_j^l\∈F|d(v_i^g,v_j^l)\≤d_T\}---\left(3\right)$

其中，d_T为预设的阈值，为第g个码本矩阵中的第i个码本列向量，为第j个码本矩阵中的第l个码本列向量，F为码本集合，为两个码本向量之间的弦距离，并且

$\begin{array}{cc}d(v_i^g,v_j^l)=\sqrt{1-{\left|{\left(v_i^g\right)}^H{v}_j^l\right|}^2}=sin(\∠(v_i^g,v_j^l\left)\right)& 1\≤i,j\≤M;1\≤g,l\≤G\end{array};$

2)用户进行码本矢量量化，并反馈CDI量化矢量序号及CQI参数，当多个用户量化到同一个码本矢量时，则保留CQI值最大的用户；

3)选出各码本矩阵V^g上信道条件最优的用户，构成最优用户集合其中

$k_{max}^{V^g}=J(\arg \underset{1\≤i\≤M}{max}{\mathrm{CQI}}_{max}^{(i,g)},g)---\left(7\right)$

用户的量化码本向量为最优用户 为最大CQI的值；

然后扩大各码本矩阵中非最优码本矢量关联的用户集合，当任意一个码本矩阵上没有量化到用户时，则直接跳过该码本矩阵，具体如下：

根据A(i',g)(i'＝1,2,…M,i'≠i*)组建新的用户集合

$U(i^{\′},g)=\left\{J(j,l)\right|v_j^l\∈A(i^{\′},g)\},(i^{\′}\≠i^{*})---\left(8\right)$

然后对U(i',g)中的各用户进行信道矢量重构；

找出各码本矩阵中有用户关联的码本矢量，第g个码本矩阵中有用户关联的码本矢量组成集合B_g，设集合B_g的大小为M'，则最优模式L搜索表达式为

$(L_g,k_1^g,...,k_{L_g}^g)=\underset{1\≤L\≤M}{\mathrm{argmax}}\left(\underset{(i_1,i_2,...i_L)\∈I^{\′}}{max}\underset{x=1}{\overset{L}{\Σ}}{\log }_2\right(1+E\left({\mathrm{SINR}}_{g,i_x,L}\right)\left)\right)---\left(13\right)$

其中，集合I'为从集合B_g中先选再依次选择其余L-1个矢量所对应的矢量序号的集合，L≤M'，为各用户信干噪比的均值，其中，L为系统同时服务用户数；

采用贪婪算法先将该码本矩阵中最优用户入选，再依次从非最优码本矢量对应的用户集合中以系统和速率最大为目标进行选择，直到所有用户量化到的每个码本矢量都有一个最优用户对应为止；

则搜索最优的码本矩阵g^*为：

$g^{*}=\arg \underset{1\≤g\≤G}{\max }{R}_{L_g}^g=\arg \underset{1\≤g\≤G}{\max }\underset{1\≤L\≤M}{\max }\left(\underset{(i_1,i_2,\mathrm{...}{i}_L)\∈I^{\′}}{\max }\underset{x=1}{\overset{L}{\Σ}}{\log }_2\right(1+E\left({\mathrm{SINR}}_{g,i_x,L}\right)\left)\right)---\left(14\right)$

然后根据搜索的最优码本矩阵对用户完成MU-MIMO传输。

2.根据权利要求1所述的基于PU²RC的MU-MIMO用户选择方法，其特征在于，

信干噪比SINR的表达式为

${\mathrm{SINR}}_k^{(j,l)}=\frac{\left|\right|h_k|{|}^2{\cos }^2{{\mathrm{\θ}}_k}^{(j,l)}}{\left|\right|h_k|{|}^2{\sin }^2{{\mathrm{\θ}}_k}^{(j,l)}+M/P}---\left(4\right)$

其中，j＝1,…,M,l＝1,…,G，θ_k表示真实信道与量化码本矢量之间的夹角；

令η_k＝||h_k||²，则有

3.根据权利要求1所述的基于PU²RC的MU-MIMO用户选择方法，其特征在于，同一码本矩阵中的码本矢量相互正交。