CN104168091A - 一种面向多播业务的多天线分组预编码方法 - Google Patents

Abstract

本发明针对支持多播或组播业务的多用户无线通信系统，公开了一种用于分布式多天线系统下行链路的多天线分组预编码方法。在分布式多天线系统中，多个远端天线单元通过光纤连接到中央处理单元进行联合信号处理。本发明利用系统中多播业务用户接收相同业务数据的特点，将接收同一路多播业务数据流的多个用户构建为一个多播业务分组，并分别针对每个多播业务分组中的多个用户联合设计一个分组预编码矩阵用于下行链路发射。另外，根据不同多播业务分组中的用户数目，该分组预编码方法基于最小平均路径损耗的准则选择满足系统要求的最小数目的下行链路发射天线，能够在抵消不同多播业务分组间的多用户数据互干扰的同时，进一步降低系统实现复杂度。

Description

一种面向多播业务的多天线分组预编码方法

技术领域

本发明属于无线及移动通信技术领域，涉及一种基于分布式多天线网络架构的无线通信系统中的面向多播或组播业务的多天线分组预编码方法。

背景方法

随着时代的进步与发展，人类社会对无线通信系统的数据速率、传输质量等方面提出了越来越高的要求，并且需要更加高效地同时支持广播、组播和单播数据业务。由于无线频谱资源的有限性，分布式多天线系统作为一种能够降低发射功率、提高系统容量以及改善系统覆盖性能的技术越来越受到人们关注。目前研究的下一代无线广播电视系统标准中，采用了基于单个高塔的广播大区与多个基站蜂窝小区相结合的网络架构。同时，蜂窝小区中采用分布式多天线系统业已成为下一代移动通信系统的标准技术方案。

发明内容

本发明的目的在于针对支持多播数据业务的多用户无线通信系统，提出了一种用于下行链路的多天线分组预编码方法。如图1所示，系统中的K个活动用户同时请求接收R种不同的业务数据，从而构成R个多播业务分组。对于采用多个发射天线的下行链路，本发明利用同一个多播业务分组中的多个用户接收相同业务数据的特点，通过设计分组预编码矩阵降低系统运算复杂度，同时，根据多播业务分组中用户数目的不同，该方法基于最小平均路径损耗的原理选择最小数目的总体发射天线，在满足抵消不同多播业务分组之间数据互干扰的前提下，进一步降低系统实现的成本。本发明可以应用于集中式或者分布式天线系统，在保持与传统预编码方法相近性能的同时，减少了运算复杂度。

一个典型的基于OFDM调制的多用户分布式MIMO(D-MIMO)多天线系统的下行链路系统模型如图2所示。假设系统中有K个用户终端且每个终端配置M_k(k＝1,2,...,K)个接收天线，基站侧共有L个远端天线单元(RAU，Remote Antenna Unit)且每个RAU配置N_l(l＝1,2,...,L)个发射天线。当所有远端天线单元都用于下行链路发射时，系统中对应第k个用户的无线信道可以建模为一个M_k×N_SR的矩阵其中N_SR＝N₁+N₂+...+N_L是所有RAU的发射天线数目之和。系统中第k个用户与第l个RAU之间的MIMO多天线平坦衰落信道由维度M_k×N_l的信道矩阵表示。其中，服从复高斯或者瑞利分布。包括无线信道相应的大尺度路径损耗和阴影衰落，并建模为均值标准偏差为σ_PS(dB)的对数正态分布的随机变量，其均值由公式确定，其中，参数β为路径损耗因子，表示第k个用户终端与第l个RAU之间的距离。因此，分布式MIMO多天线系统小区中所有的K个用户终端与L个RAU之间的无线传播信道由维度为M_SU×N_SR的矩阵表示，其中，M_SU＝M₁+M₂+...+M_K表示所有K个用户终端的接收天线数目之和，运算符[]^T代表一个向量或者矩阵的转置。

假设对应第k个用户的下行链路发送数据符号为其经过相应的预编码矩阵处理后通过全部RAU的天线发射，则在第k个用户终端的接收信号为

$\begin{array}{c}{r}_k=H_k\·\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{F}_i{S}_i+n_k\\ =H_k{F}_k{S}_k+H_k\·\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{F}_i{S}_i+n_k\end{array}---\left(1\right)$

其中n_k表示接收机的加性高斯白噪声。从公式(1)可以看出，第k个用户的有用期望信号为H_kF_kS_k，而公式中的第二项是来自其它用户数据信号造成的干扰信号。因此，系统需要针对每个用户设计预编码矩阵F_k使得各用户的接收信号中消除其它用户数据造成的干扰，即上式第二项为零，从而第k个用户的接收信号可以表示为

由此可见，在接收端进行相应的线性处理即可以恢复出发射的源数据信息。

在基于分布式MIMO多天线网络架构的下一代无线移动通信系统中，由于RAU的发射天线分布在小区不同的地理位置，下行链路多天线信道之间的相关性大大降低，更加有利于终端用户通过下行链路预编码获得空间分集和复用增益，并且抑制或消除多用户干扰。另外，下一代移动通信系统中存在大量的多播或者组播业务。对于下行链路的多播业务而言，多个用户同时接收相同的业务数据流，我们将这些用户定义为一个多播业务用户分组。本发明根据一个多播业务组内的多个用户对应的联合MIMO信道矩阵设计一个预编码器，称为分组预编码。在系统的下行链路，基站或中心处理单元(CU，Central Unit)利用同一个分组预编码矩阵对多个用户共同接收的同一路多播数据流进行预处理。与针对每个终端用户分别设计一个预编码器的传统方法相比，分组预编码方法可以减少设计预编码矩阵的运算复杂度，从而提高系统的处理效率。

如图1所示，假设系统中总共存在R(R≤K)个多播业务用户分组，系统在下行链路向R个多播业务分组分别发送R路不同的多播业务数据流P_g(g＝1,2,...,R)，每个多播业务分组包括一个或多个用户接收相同的业务数据流。假设每个多播业务用户分组中包括K_g(g＝1,2,...,R)个用户，即为了分析方便，将第一个多播分组中的K₁(K₁≥1)个用户编号标注为用户1，2，…，K₁，并假设此K₁个用户接收第一路多播业务数据流P₁，而每个用户相应的下行链路信道矩阵分别为类似地，第二个多播分组中的K₂个用户接收第二路多播业务数据流P₂，并标注为K₁+1，K₁+2，…，K₁+K₂。依此类推，第R个多播分组中的K_R个用户接收第R路多播业务数据流P_R，并标注为K₁+K₂+...+K_R-1+1，K₁+K₂+...+K_R-1+2，…，K₁+K₂+...+K_R-1+K_R。因此，第1个多播业务分组用户相应的信道矩阵可以表示为第2个多播分组用户对应的信道矩阵表示为依此类推，第R个多播分组用户对应的信道矩阵表示为对于任一多播业务分组，其用户相对应信道矩阵的干扰矩阵定义为除去该组用户的信道矩阵以外，其它各分组用户的信道矩阵的联合矩阵，即对于第g个多播业务分组用户相应的信道矩阵G_g的干扰矩阵可以表示为 ${\tilde{G}}_g={\left[\begin{array}{cc}{G}_1^T\·\·\·G_{g-1}^T& G_{g+1}^T\·\·\·G_R^T\end{array}\right]}^T.$

不失一般性地，假设每个用户终端的接收天线数目均为M_T，系统中用于下行链路发射的总天线数目为N_Tx，且K₀＝min{K₁,K₂,...,K_R}表示包含最少用户的多播业务分组中的用户数目。因此，对应于系统中用户数目最少的多播业务分组的信道矩阵，存在至少一个维度为[(K-K₀)*M_T]×N_Tx的多播业务分组用户信道干扰矩阵该信道干扰矩阵的相应行数目最大。

根据矩阵的块对角化(Block Diagonalization,BD)方法的限制条件，只要保证任意一个实现完全正交化，则系统中其它多播业务分组用户信道的干扰矩阵也能够实现完全正交化。进一步地，对进行奇异值分解(SVD)可以得到

${\tilde{G}}_{\max }=\left[\begin{array}{cc}{U}_{\max }& {\tilde{U}}_{\max }\end{array}\right]\left[\begin{array}{cc}\mathrm{\Σ}& 0\\ 0& 0\end{array}\right]{\left[\begin{array}{c}{\tilde{V}}_{\max }^T\\ V_{\max }^T\end{array}\right]}^T---\left(3\right)$

其中，矩阵V_max的维数为N_Tx×M_min且满足M_min＝N_Tx-(K-K₀)*M_T，它的列组成了干扰矩阵的零空间。为了保证实现完全正交化，V_max的列数必须大于等于每个用户终端的接收天线数，即M_min应满足

M_min＝N_Tx-(K-K₀)*M_T≥M_T  (4)

从公式(4)可以看出，为了满足块对角化算法的条件进而实现干扰矩阵完全正交化，系统用于下行链路的最少发射天线数目应为(K-K₀+1)*M_T，其中M_T为每个用户终端的接收天线数目。

在支持多播业务的多用户分布式MIMO多天线系统中，当多个RAU配置的天线数目之和满足公式(4)定义所需的最小发射天线数目时，为了降低处理复杂度和减少系统能耗，我们可以选择部分RAU天线用于下行链路发射的分组预编码处理。与传统的集中式MIMO系统不同，分布式MIMO多天线系统中的多个RAU位于小区的不同地理位置，通常各个RAU的天线到某个用户的距离及大尺度衰落均不相等，因此，选择不同的RAU发射天线将获得不同的下行链路传输性能。

图2给出了包括K个用户和L个RAU的系统无线信道模型示意图，我们据此说明分布式多天线小区下行链路发射天线选择方法原理。小区中的K个用户终端编号为UE#k(k＝1,2,…,K)，L个RAU编号为RAU#l(l＝1,2,…,L)，系统中第k个用户终端和第l个RAU之间的距离表示为通常，因为同一个RAU的多个天线安装的位置彼此靠近，所以假设它们与同一用户终端距离近似相等。假设系统选择用于下行链路发射的总天线数目为N_Tx，而每个RAU配置天线数目均为N_Q，则经过选择参与发射的RAU数目为

其中，表示不小于Z的最小整数。为了选择参与发射的RAU，定义

$D_{\mathrm{avg}}^{\mathrm{PL}}\left(l\right)=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left(d_k^l\right)}^{\mathrm{\β}}}{K}(l=1,...,L)---\left(6\right)$

为第l个RAU与系统中所有K个用户终端之间的平均大尺度衰落路径损耗。首先，将L个平均路径损耗数值从小到大进行排序，然后，选择N_RAU个最小的平均路径损耗数值所对应的RAU参与下行链路发射，从而使得下行链路无线传输的总体平均路径损耗达到最小。当实际系统中N_Tx不能被N_Q整除时，则上述排序选择的最后一个RAU(其平均路径损耗值相对最大)的N_Q个天线不需要全部用于发射，又由于假设同一个RAU配置的多个天线与一个终端用户的距离近似相等，此时可以随机选择其中个天线用于下行链路的发射。

以上给出了一种基于平均路径损耗最小的次优的天线选择方案，即首先选择参与发射的分布式RAU，再选择其中配置的多个天线。另外一种最优方案是在所有RAU天线中，选择对应的平均信道增益最大，即平均大尺度衰落路径损耗最小的所需数目的天线用于下行链路发射。不失一般性，假设系统需要选择最少N_T＝(K-K₀+1)*M_T个天线在下行链路进行发射，并且所选择的N_T个天线与所有K个用户终端之间的平均路径损耗最小，即

$D_{\mathrm{avg}}^{\mathrm{PL}}\left(j\right)=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left(d_k^j\right)}^{\mathrm{\β}}}{K}(j=1,...,N_T)---\left(7\right)$

为系统所有N_SR个天线相对应的中最小的N_T个平均大尺度衰落路径损耗，其中，表示第k个用户与第j个RAU配置天线之间的距离。

以下假设系统仅利用基于上述算法选择出的N_T个发射天线进行分组预编码设计。为了表述简单，我们以N_T代替N_SR，(K·M_T)代替M_SU分析上述多用户D-MIMO系统下行链路信道模型，即所选择的N_T个天线与所有K个用户终端之间的下行链路无线信道通过维度为(K·M_T)×N_T的信道矩阵表示。其中，H_k(k＝1,2,...,K)是对应第k个终端用户的无线信道的维度为M_T×N_T的子信道矩阵。类似地，对于第g(g＝1,2,...,R)个多播业务分组中用户相对应的信道矩阵G_g的干扰矩阵可以表示为其中，第g个多播业务分组的信道矩阵G_g的维度是(K_g·M_T)×N_T，而相应的信道干扰矩阵的维度是[(K-K_g)·M_T]×N_T。

进一步对第g个多播业务分组的信道干扰矩阵进行SVD分解可以得到

${\tilde{G}}_g=\left[\begin{array}{cc}{U}_g& {\tilde{U}}_g\end{array}\right]\left[\begin{array}{cc}\mathrm{\Σ}& 0\\ 0& 0\end{array}\right]\left[\begin{array}{c}{\tilde{V}}_g^H\\ V_g^H\end{array}\right]---\left(8\right)$

根据矩阵奇异值分解原理，的列向量构成了干扰矩阵的零空间的正交基，其中，V_g的列维度Z_g＝N_T-(K-K_g)·M_T等于的零空间向量的维数。因此，对于系统中满足集合{1≤j≤＝K₁+K₂+...+K_g-1∪K₁+K₂+...+K_g≤j≤K}的第j个用户，即不属于第g个多播业务分组中的第j个用户，可以推导得到

H_j×V_g＝0  (9)

综上所述，我们构造第g个多播业务分组的分组预编码矩阵为

F_g＝V_g  (10)

假设系统中的第i个用户属于第g(g＝1,2,...,R)个多播业务分组，且该用户在下行链路相应接收的第g路发射数据流为那么经过分组预编码处理的接收信号为

$\begin{array}{c}{r}_i=H_i\·F_g\·S_g+H_i\·\underset{j=1,j\≠g}{\overset{R}{\mathrm{\Σ}}}{F}_j\·S_j+n_i\\ =H_i\·V_g\·S_g+n_i\end{array}---\left(11\right)$

其中，H_i是第i个用户相对应的M_T×N_T信道矩阵，n_k表示接收机加性高斯白噪声。从公式(11)可见，经过分组预编码处理可以消除多用户干扰，而第i个用户相对应的等效信道矩阵

综上所述，当多用户MIMO多天线系统中存在K个用户终端请求接收R(R≤K)路多播业务数据流P_g(g＝1,2,...,R)时，传统方法需要针对每一个用户分别设计总共K个预编码矩阵，并对每个用户相应的[(K-1)·M_T]×N_T的信道干扰矩阵进行如公式(2.13)所示的SVD分解运算，即总计需要完成K个[(K-1)·M_T]×N_T的矩阵的SVD分解运算。本发明申请的分组预编码方法分别针对R(R≤K)个多播业务分组设计R个预编码矩阵，并且需要进行R个业务分组相对应的信道干扰矩阵的SVD分解运算(矩阵的维度根据用户分组情况不同而不同)，其运算复杂度不大于传统预编码方法，在实现抵消多用户信号干扰的同时，系统平均差错性能近乎相同。

附图说明

图1为包括K个用户及R个多播业务分组的分布式MIMO多天线系统示意图；

图2为多用户分布式MIMO多天线系统无线信道建模示意图；

图3为本发明实施例性能仿真的分布式天线系统小区架构示意图；

图4为实施例1中3个多播业务分组场景的6用户等效系统示意图；

图5为在瑞利平坦衰落信道条件的分布式多天线系统中，采用迫零和最小均方误差准则块对角化的传统预编码方法，以及实施例1({1,2,3},{4,5},{6})和实施例2({1,2,3},{4,5,6})两种多播业务分组场景中分组预编码方法的平均误符号率性能；

图6为在Brazil B信道模型的分布式多天线系统中，采用迫零和最小均方误差准则块对角化的传统预编码方法，以及实施例1({1,2,3},{4,5},{6})和实施例2({1,2,3},{4,5,6})两种多播业务分组场景中分组预编码方法的平均误符号率性能；

图7为实施例2中2个多播业务分组场景的6用户等效系统示意图；

图8为瑞利平坦衰落信道条件下的分布式多天线系统中，实施例3的2个多播业务分组({1,2,3},{4,5,6})场景中分别选择8个和12个发射天线的分组预编码方法的平均误符号率性能；

图9为在Brazil B信道模型的分布式多天线系统中，实施例3的2个多播业务分组({1,2,3},{4,5,6})场景中分别选择8个和12个发射天线的分组预编码方法平均误符号率性能。

具体实施方式

以下结合具体实施例进一步阐述本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，本发明的保护范围不限于下述实施例。在阅读了本发明之后，本领域技术人员对于本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

为了通过仿真评估对比本发明的分组预编码方法与传统预编码方法的系统性能，假设系统为一个基于分布式多天线系统(DAS)架构的蜂窝小区，它包括1个基站设备的中央处理单元(BS/CU)和7个分布在小区不同地理位置的远端天线单元RAU1～RAU7。BS/CU通过光纤与多个RAU相连，每个RAU配置4天线，如图3所示。假设终端用户在小区内随机均匀分布，基于蒙特卡罗方法仿真得到系统平均误误符号率。

实施例1：一种3个多播业务分组的6用户场景

假设系统包括标识为编号1～6的6个用户，它们需要分别接收3路不同的多播业务数据流，据此可以将它们分为3个多播业务分组。假设第一个多播业务分组包括用户1,用户2和用户3，标记为{1,2,3}；第二个多播业务分组包括用户4和用户5，标记为{4,5}；第三个多播业务分组仅包括用户6，标记为{6}。

实施例1中的总用户数为K＝6，假设每个用户终端配置天线数M_T＝2，第三个多播分组中对应的最少用户数K₀＝1。根据前述的本发明分组预编码方法，下行链路的总发射天线最小数目为(K-K₀+1)*M_T＝12，仿真采用上述基于最小平均路径损耗的准则选择12个发射天线。经过分组预编码方案处理后，系统可以等效为3个独立的多播系统，如图4所示。

为了对比分组预编码与传统未分组预编码方法的性能，在瑞利平坦衰落信道条件下的分布式多天线系统中，通过计算机仿真得到了传统预编码方案和对应实施例1中用户场景({1,2,3}，{4,5}，{6})的基于BD-ZF和BD-MMSE检测的分组预编码方法的平均误符号率性能曲线，分别如图5中的第1、2和第4、5条曲线所示。其中，图例“Conv.Pre-coding”表示传统预编码方法，BD-ZF表示基于迫零准则的块对角化检测方法，BD-MMSE表示基于最小均方误差准则的块对角化检测方法。由图可见，当信噪比小于25dB时，本发明的分组预编码方法与传统预编码方案的性能近乎相同。

类似地，在Brazil B信道模型的分布式多天线系统中，未分组的传统预编码方法和实施例1({1,2,3}，{4,5}，{6})中基于BD-ZF和BD-MMSE检测的相应分组预编码方法的平均误符号率性能仿真曲线分别如图6中的第1、2和第4、5条曲线所示。由图可见，本发明的分组预编码方法与传统预编码方案的性能基本相同。

实施例1中，未分组的传统预编码方法需要针对6个用户分别设计6个预编码矩阵，而本发明的分组预编码方法只需要针对3个多播业务分组设计3个预编码矩阵。

实施例2：一种2个多播业务分组的6用户场景

假设系统包括标识为编号1～6的6个用户，它们分为2个多播业务分组，分别请求接收2路不同的多播业务数据流。假设第一个多播业务分组包括用户1，用户2和用户3，标记为{1,2,3}；第二个多播业务分组包括用户4，用户5和用户6，标记为{4,5,6}。

实施例2中的总用户数为K＝6，多播分组中的最少用户数K₀＝3。为了与实施例1的算法性能对比，假设每个用户终端天线数M_T＝2，下行链路采用选择合计12个发射天线。经过分组预编码方法处理后，系统可以等效为2个独立的多播系统，如图7所示。

为了对比分组预编码与未分组传统预编码方法的性能，在瑞利平坦衰落信道条件下的分布式多天线系统中，通过计算机仿真得到了未分组的传统预编码方案和实施例2({1,2,3}，{4,5,6})中基于BD-ZF和BD-MMSE检测的相应分组预编码方法的平均误符号率性能曲线，分别如图5中的第1、3和第4、6条曲线所示。由图可见，当信噪比小于25dB时，本发明的分组预编码方法与传统预编码方案的性能近乎相同。

类似地，在Brazil B信道模型的分布式多天线系统中，未分组的传统预编码方法和实施例2({1,2,3}，{4,5,6})中基于BD-ZF和BD-MMSE检测的相应分组预编码方法的平均误符号率性能仿真曲线分别如图6中的第1、3和第4、6条曲线所示。由图可见，本发明的分组预编码方法与传统预编码方案的性能几乎相同。

实施例2中，未分组的传统预编码方法需要针对6个用户分别设计6个预编码矩阵，而本发明的分组预编码方法只需要针对2个多播业务分组设计2个预编码矩阵。

实施例3：一种最小发射天线数目的2个多播业务分组的6用户场景

实施例3中假设系统包括标识为编号1～6的6个用户，它们分别接收2路多播业务数据流。假设第一个多播业务分组包括用户1，用户2和用户3，标记为{1,2,3}；第二个多播业务分组包括用户4，用户5和用户6，标记为{4,5,6}。

实施例3中的总用户数为K＝6，假设每个用户终端配置天线数M_T＝2，多播分组中的最少用户数K₀＝3，根据前述的本发明分组预编码方法，下行链路的合计发射天线最小数目为(K-K₀+1)*M_T＝8。在下行链路采用基于最小平均路径损耗的准则选择最小数目的8个发射天线，经过分组预编码方法处理的等效多播系统如图7所示。

图8和图9分别在瑞利平坦衰落信道和Brazil B信道模型的分布式多天线系统中，给出了在多播业务分组场景({1,2,3},{4,5,6})中分别选择总计8个和12个发射天线时，基于BD-ZF和BD-MMSE检测的分组预编码方法的平均误符号率性能仿真曲线。由图可见，对于采用基于最小平均路径损耗准则选择出的8个和12个发射天线进行比较，系统平均误符号率性能只有很小的损失。需要指出的是，12个发射天线是在下行链路采用传统预编码方法所需的最小发射天线数目。

由以上分析可知，当系统中任一多播业务分组中存在至少2个用户，即多播分组中的最少用户数K₀>1时，则本发明的分组预编码方法可以采用较传统预编码方法所需天线总数目更少的天线用于下行链路的发射，而进一步降低运算复杂度和系统成本，同时系统的平均误符号率性能仅有轻微地劣化。

本发明申请的分组预编码方法及传统预编码方法的基本原理均是对多播业务分组或者单个用户信道的干扰矩阵基于块对角化原则进行奇异值分解而得到用户的预编码矩阵。为了进一步阐述分组预编码方法相比传统预编码方法在处理复杂度上的优势，以下针对实施例中的多播业务分组场景分析具体运算复杂度。由于精确统计本发明方法处理中所需的运算量数目较为困难，所以采用分组预编码方法中最重要的对信道干扰矩阵进行奇异值分解处理所需要的浮点运算数(flops)来替代。

根据Shen Z和Chen R等作者2006年发表在IEEE Transactions on Signal Processing杂志第54期第9卷的论文“Low complexity user selection algorithms for multiuser MIMOsystems with block diagonalization”，对于浮点数运算，1个flop表示1次实数乘法或1次实数加法运算。对于复数运算，1次复数加法需要2个flops，而1次复数乘法需要6个flops。根据上述论文和John Hopkins大学出版社2012年出版的Golub G H和Van Loan等作者的书籍《Matrix computations》，对于任意的M×N(M≥N)的实数矩阵采用SVD算法进行奇异值分解时，所需要的flops数目约为4M²N+8MN²+9N³。而对于一个M×N(M≤N)的复数矩阵采用SVD算法进行奇异值分解时，将每一步操作都当作复数乘法，则需要的flops数目约为24MN²+48M²N+54M³。另外，对一个M×N(M≥N)的实数矩阵采用R-SVD算法进行奇异值分解时，需要的flops数目约为4M²N+22N³，而对一个M×N(M≤N)的复数矩阵采用R-SVD算法进行奇异值分解时，需要的flops数目约为24MN²+132M³。

当系统中每个用户均接收不同业务数据，6个分组的分组预编码方法退化为未分组的传统预编码方法。由表1可见，此时系统需要设计6个预编码矩阵，并且需要进行6个维度均为10×12的干扰矩阵的奇异值分解。完成一次SVD算法所需运算的flops数目为146160，因此，对于传统预编码方法进行6次SVD分解所需的flops总数为876960。

对于实施例1中的3个多播业务分组({1,2,3}，{4,5}，{6})场景，本方法需要进行3次奇异值分解，且进行奇异值分解的干扰矩阵维数分别为6×12、8×12、10×12。根据上述采用SVD算法所需的浮点运算数计算公式可知，系统对3个矩阵进行SVD所需的flops数分别为53136、92160、146160，因此分组预编码矩阵设计时进行SVD分解所需的flops总数为291456。由此可见，对于实施例1中的多播业务分组场景，分组预编码方法进行SVD分解的浮点运算量只有相应传统预编码方法的大约1/3。

对于实施例3中的2个多播业务分组({1,2,3}，{4,5,6})场景，系统下行链路采用最少8个发射天线时，分组预编码方法需要对2个维数均为6×8的信道干扰矩阵进行奇异值分解。根据前述计算公式，采用SVD算法对一个6×8的复矩阵进行奇异值分解所需的flops数目为34704，因此，实施例3中分组预编码矩阵设计时SVD分解所需的flops总数为69408。由此可见，对于实施例3的多播业务分组场景，分组预编码方法进行SVD分解的浮点运算量少于传统预编码方法的1/12。

针对系统中存在6个用户时所有可能的分组情况，我们分析了本发明的分组预编码方法所需的最少发射天线数目，预编码矩阵数目，该方法需要进行奇异值分解的信道干扰矩阵数目和维度，以及采用SVD算法进行奇异值分解所需的flops浮点运算数目。我们归纳各种分组场景如表1所示，其中，[·]_m×n表示一个维度为m×n的矩阵。

表16用户系统不同分组场景分组预编码方法运算复杂度

从表1中可以看出，多播业务用户的分组数目决定了分组预编码所需要设计的预编码矩阵个数以及需要进行SVD分解运算的数目。系统用户的分组数目越少，使用分组预编码时系统所需设计的预编码矩阵个数以及进行SVD分解运算的数量就越少。此外，各分组中的最小用户数目决定了下行链路所需的最少发射天线数。

当系统只包括一个多播业务分组时，即所有用户都接收相同的数据而等效为广播业务场景，发射天线数目最少且无需设计分组预编码以抵消多用户信号干扰。对于其它可能的分组情况，分组预编码方法与传统预编码方法相比，在设计预编码矩阵数目，所需总发射天线数目，生成预编码矩阵所需浮点运算数目等指标方面，均显著降低了处理复杂度和系统实现成本。

Claims (9)

1.一种面向多播业务的多天线分组预编码方法，其特征在于，包括以下步骤：

(1)在包括K个用户的无线通信系统中，将接收同一路多播业务数据流的多个用户构建为一个多播业务分组，系统总共构建R(R≤K)个多播业务分组，每个多播业务用户分组中包括K_g(g＝1,2,...,R)个用户，即

(2)假设每个用户接收天线数目均为M_T，系统多播业务分组中的最小用户数目为K₀＝min{K₁,K₂,...,K_R}，假设分布式多天线系统在基站侧共有L个远端天线单元，每个远端天线单元配置N_l(l＝1,2,...,L)个发射天线，为了满足干扰矩阵完全正交化的条件，基于平均大尺度衰落路径损耗最小化的准则选择不小于(K-K₀+1)*M_T个多天线用于下行链路发射，平均大尺度衰落路径损耗定义为 $D_{\mathrm{avg}}^{\mathrm{PL}}\left(j\right)=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left(d_k^j\right)}^{\mathrm{\β}}}{K}(j=1,...,{\mathrm{\Σ}}_{l=1}^L{N}_l)$

其中，表示第k个用户终端与第j个RAU发射天线之间的距离，参数β为无线传播路径损耗因子；

(3)针对第g(g＝1,2,...,R)个多播业务分组内的K_g个用户下行链路联合信道矩阵G_g，分别计算该多播业务分组的信道干扰矩阵其中，G_g表示第g个多播业务分组内的所有用户的多个接收天线与系统基站侧选择用于发射的所有天线之间的联合无线传输信道矩阵；

(4)根据矩阵块对角化原理，分别对每个多播业务分组g(g＝1,2,...,R)的信道干扰矩阵进行奇异值SVD分解处理，

${\tilde{G}}_g=\left[\begin{array}{cc}{U}_g& {\tilde{U}}_g\end{array}\right]\left[\begin{array}{cc}\mathrm{\Σ}& 0\\ 0& 0\end{array}\right]\left[\begin{array}{c}{\tilde{V}}_g^H\\ V_g^H\end{array}\right],$

设计第g(g＝1,2,...,R)个多播业务分组的预编码矩阵F_g＝V_g用于下行链路发射，即可完全消除不同多播业务分组之间不同发射数据造成的多用户干扰。

2.根据权利要求1所述的一种多天线分组预编码方法，其特征在于：根据多用户无线通信系统中各用户的数据业务需求，将接收同一路多播业务数据流的一个或多个用户构建为一个多播业务分组。

3.根据权利要求1所述的一种多天线分组预编码方法，其特征在于：针对一个多播业务分组中的多个用户设计一个共同的预编码矩阵。

4.根据权利要求1所述的一种多天线分组预编码方法，其特征在于：根据无线通信系统中多播业务分组内的多用户数目，在基站侧选择最少数目的(K-K₀+1)*M_T个多天线用于下行链路的发射。

5.根据权利要求1所述的一种多天线分组预编码方法，其特征在于：系统基站侧选择下行链路发射天线的最优方案是对所有天线分别计算与K个用户之间的平均大尺度衰落路径损耗，排序后基于平均路径损耗最小化的准则进行选择。

6.根据权利要求1所述的一种多天线分组预编码方法，其特征在于：系统选择下行链路发射天线的次优方案是对L个远端天线单元分别计算与K个用户的平均大尺度衰落路径损耗，排序后基于平均路径损耗最小化的准则选择需要参与发射的远端天线单元，然后在相关远端天线单元的多天线中随机选择所需数目的天线。

7.根据权利要求1所述的一种多天线分组预编码方法，其特征在于：分别针对系统第g(g＝1,2,...,R)个多播业务分组内的K_g个用户的下行链路联合信道矩阵G_g，构建得到每个多播业务分组的信道干扰矩阵

8.根据权利要求1所述的一种多天线分组预编码方法，其特征在于：分别针对每个多播业务分组g(g＝1,2,...,R)的信道干扰矩阵进行SVD奇异值分解得到， ${\tilde{G}}_g=\left[\begin{array}{cc}{U}_g& {\tilde{U}}_g\end{array}\right]\left[\begin{array}{cc}\mathrm{\Σ}& 0\\ 0& 0\end{array}\right]\left[\begin{array}{c}{\tilde{V}}_g^H\\ V_g^H\end{array}\right].$

9.根据权利要求1所述的一种多天线分组预编码方法，其特征在于：无线通信系统中的第g(g＝1,2,...,R)个多播业务分组的预编码矩阵设计为F_g＝V_g，该分组中的K_g个用户均通过矩阵F_g的预编码处理后进行下行链路发射，能够完全消除不同多播业务分组之间的由不同发射数据导致的多用户干扰。