CN104579439B - 适用于大规模mimo的天线选择方法及系统 - Google Patents

Abstract

本发明公开了一种适用于大规模MIMO的天线选择方法及系统，其中，所述方法包括如下步骤：在接收端估计信道参数，建立信道矩阵，并获得待选信道子矩阵和剩余信道矩阵；基于所述待选信道子矩阵和剩余信道矩阵之间的列交换，计算并获得符合条件的优选信道矩阵；将所述优选信道矩阵所标示的发射天线编号反馈到发射端。本发明显著降低了计算的复杂度，明显节约了计算空间，具有优异的使用性能，非常适合在大规模MIMO系统中应用。

Description

适用于大规模MIMO的天线选择方法及系统

技术领域

本发明涉及无线多天线通信领域，尤其是一种能够适用于大规模MIMO的天线选择方法和系统

背景技术

大规模MIMO(Multiple-Input Multiple-Output)具有更高的传输速率，更强的链路可靠性，并能够显著地降低功率消耗，因此引起了人们的广泛关注，并成为下一代移动通信网络(5G)的候选技术之一。由于它能够在基站部署成千上百根的天线，一度困扰常规MIMO技术的难题，比如丰富的散射环境，对大规模MIMO来说已经不再是个问题，因为在这么巨大的信道空间中(用户天线数目的)独立信道一定会存在。

但是，随着天线数目的增加，系统的造价以及相应信号处理的负担也越来越无法承受。为了降低造价，并减少相应的信号处理负担，同时最大限度地保留巨大数目的天线所带来的性能增益，使用发射天线选择技术就显得必不可少。使用发射天线选择技术，可以降低所需要的射频(RF)模块的数量，从而降低系统的造价，功率损耗，以及庞大的数字信号处理负担。

虽然最优的发射天线子集可以通过穷举法来得到，但是，穷举法的计算复杂度随着可用天线数目的增加成指数级增长。所以说，在大规模的MIMO系统中，由于可用的天线数目过于庞大，穷举法是不实用的，有时甚至是无法使用的。

在常规的MIMO系统中，也有很多低复杂度的，以获取一个次优解为目标的算法。但是，这些算法并不适合在大规模MIMO中实时应用。例如，有文献提出的算法受制于其“局部搜索”的特点，在一些极端的例子下会遭受可观的性能损失。

另一些技术在实施的过程中存在很多的矩阵操作，并需要很大的计算空间，这同样不太适合在大规模MIMO系统中实时应用。算法能够在系统中实时应用需要相当的可靠性，并且需要在规定的时间和计算空间中完成。

发明内容

发明目的：一个目的是提供一种适用于大规模MIMO的天线选择方法，以解决现有技术的上述问题，降低复杂度和计算空间。另一个目的是提供一种适用于大规模MIMO的天线选择系统。

技术方案：一种适用于大规模MIMO的天线选择方法，包括如下步骤：

步骤1、估计信道参数，建立信道矩阵，并获得待选信道子矩阵和剩余信道矩阵；

步骤2、基于所述待选信道子矩阵和剩余信道矩阵，计算并获得符合条件的优选信道矩阵；

步骤3、将所述优选信道矩阵反馈到发射端。

在进一步的实施例中，获得待选信道子矩阵包括：

采用随机排列的方式从可用的发射天线中选择天线并建立选择矢量π＝randperm(N_t)；根据选择矢量π建立待选信道子矩阵H_sel＝H(：，π(1：N_r))和剩余信道矩阵H_left＝H(：，(π(N_r+1：N_t)))；

其中，N_t为可用的发射天线数量，H表示信道矩阵；N_r为接收天线数量；H(：，π)对矩阵H的列矢量根据向量π被重新排列后的矩阵，H_sel是矩阵H(：，π)的前Nr列，H_left是其余的部分。

在进一步的实施例中，所述步骤2具体为：计算判决矩阵计算W(i，：)×H_left(：，j)；i＝1，2，…Nr；j＝1,2…N_t-N_r；

如果|对任意的i，j；均有W(i，：)×H_left(：，j)|大于1,则交换π(i)和π(j+Nr)的值,即交换H_sel的i列和H_left的j列，并重新根据选择矢量π建立待选信道子矩阵和剩余信道矩阵；否则输出该矩阵，即为优选信道矩阵。

在进一步的实施例中，迭代更新判决矩阵的步骤进一步为：

其中e_i表示第i个单位向量，Wⁿ表示W第n次迭代时得到的矩阵，表示H_left第n次迭代时得到的矩阵。

一种适用于大规模MIMO的天线选择系统，包括：

第一模块，用于估计信道参数，建立信道矩阵，并获得待选信道子矩阵和剩余信道矩阵；

第二模块，用于基于所述待选信道子矩阵和剩余信道矩阵，计算并获得符合条件的优选信道矩阵；

第三模块，用于将所述优选信道矩阵反馈到发射端。

在进一步的实施例中，所述第一模块包括待选信道子矩阵确定模块，其采用随机排列的方式从可用的发射天线中选择天线并建立选择矢量π＝randperm(N_t)；根据选择矢量π建立待选信道子矩阵H_sel＝H(：，π(1：N_r))和剩余信道矩阵H_left＝H(：，(π(N_r+1：N_t)))；

其中，N_t为可用的发射天线数量，H表示信道矩阵；N_r为接收天线数量；H(：，π)对矩阵H的列矢量根据向量π被重新排列后的矩阵，H_sel是矩阵H(：，π)的前Nr列，H_left是其余的部分。

所述第二模块具体用于：计算判决矩阵计算W(i，：)×H_left(：，j)；i＝1，2，…Nr；j＝1,2…N_t-N_r；

如果|对任意的i，j；均有W(i，：)×H_left(：，j)|大于1,则交换π(i)和π(j+Nr)的值,即交换H_sel的i列和H_left的j列，并重新根据选择矢量π建立待选信道子矩阵和剩余信道矩阵；否则输出该矩阵，即为优选信道矩阵。

所述第二模块采用如下方法迭代更新判决矩阵的步骤进一步为：

其中e_i表示第i个单位向量，Wⁿ表示W第n次迭代时得到的矩阵，表示H_left第n次迭代时得到的矩阵。

有益效果：本发明显著降低了计算的复杂度，明显节约了计算空间，具有优异的使用性能，非常适合在大规模MIMO系统中应用。

附图说明

图1示出了本发明与现有技术所需的计算空间。

图2示出了本发明的收敛速度。

图3示出了本发明与现有技术的信道容量。

图4示出了本发明与现有技术的遍历容量。

具体实施方式

本发明的适用于大规模MIMO的天线选择方法，包括如下步骤：

建立一具有N_t根发射天线和N_r根接收天线的大规模MIMO系统，其具有丰富散射特性和准静态的衰落信道环境，其输入输出关系可以表示为：

其中，

r(t)为接收信号向量，r_Nr(t)表示该向量的第Nr个元素，s(t)为发射信号向量，s_Nr(t)表示该向量的第Nr个元素，w(t)为圆对称复高斯噪声向量，w_Nr(t)表示该向量的第Nr个元素，为信道矩阵，ρ为接收端的平均信噪比；

由设定发射端没有瞬时的信道状态信息，发射机把它所能用的功率平均分配到各个发射天线上，对于一个给定的信道H，其信道容量可以表示为

假设有Ns根天线从可用的Nt根天线中选出，且信道为准静态信道，因此准确的信道状态信息可以在接收端准确无误地获取。所以，在接收端进行的发射端天线选择可以有相当的准确度。在接收端，天线选择完成之后，所选择的天线的编号被通过一个有限速率的信道反馈到接收端。

假设信道选择矢量π被定义为所有发射天线编号的一个排列。因此，被选择的信道矩阵和剩下的矩阵可以以matlab语言的方式写为

Ｈ_sel＝H(：，π(1：N_r))，H_left＝H(：，π(N_r+1：N_t))

这里矩阵H(：，π）是对矩阵H的列矢量根据向量π被重新排列后的矩阵。显然被选择的矩阵H_sel是矩阵H(：，π）的前Nr列，H_left是其余的部分。所以，经过发射天线选择之后的信道容量为

对于基于信道容量最大化的发射天线选择方法来说，其目标就是找到一个最优的子矩阵H_opt，使得信道容量C(H_sel)达到最大。这个问题可以表述为问题(P1)

在上式中，S(H)指矩阵H所有列数为Nr行数也为Nr的子矩阵。对于两个非负定矩阵A，B，我们有下列的关系式：det(A+B)≥det(A)+det(B)，

显然，矩阵是非负定的，可以得到：

因此，在信噪比ρ＞0dB时，我们可以通过求解下面的问题(P2)来求得问题(P1)的一个次优解

假设一个最优的子矩阵H_sel，可以得到如下的关系式：

因此，所有元素的模值都必须小于或等于1.否则的话，H_sel肯定不是最优的。但是，即便H_sel不是最优的，我们也可以通过找到矩阵B：中一个模值大于1的元素来对换H_sel的i列与H_left的j列，从而得到一个更好的H_sel。重复这一过程，我们就能找到最优的H_sel。这个方法可以总结如下：

步骤1.以随机排列的方式初始化选择矢量π＝randperm(N_t)；

步骤2.得到子矩阵：

H_sel＝H(：，π(1：N_r))，H_left＝H(：，π(N_r+1：N_t))

步骤3.求出用于判决的矩阵：

步骤4.计算W(i，：)×H_left(：，j)，如果

对换π(i)andπ(j+N_r)的值，然后转到步骤2；如果得不到模值大于1的W(i，：)×H_left(：，j)，则进入下一步骤；

5.输出最优的子矩阵H_opt＝H_sel.

为进一步降低步骤3的计算复杂度，从而加快天线对调的速度，进一步下述方法求逆公式来迭代更新根据矩阵求逆公式

(A+uv^H)^-1＝A^-1-A^-1uv^HA^-1/(1+v^HA^-1u)

假设在第n次迭代时，得到的子矩阵是经过对换的i列与的j列之后，我们可以得到

定义根据上式，矩阵的迭代更新公式可以写为

进一步定义

于是，可以上述迭代算式写为：

如图1所示，在大规模MIMO系统中，N_t＞＞N_rand N_s＝N_r，于是，上述方法的计算复杂度可以估计为图1直观呈现了这些算法所需要的计算空间(其中发射天线的数目设为N_t＝200)。

通过比较我们可以看出，本发明所需要的计算空间大大降低，比起对照1提出的算法，本发明最多能够节约67％的计算空间，而比起对照2提出的算法，本发明能够节约最多95％的计算空间。需要指出的是，所有的方法在接收天线数目非常大的时候(比如N_r＝100)，它们所需要的计算空间一样大。但是在实际的大规模MIMO系统中，这是不可能发生的，因为不可能有用户设备装备超过10根以上的天线。于是，我们可以看出，在给定的条件下，本发明算法优于以前所提出的算法。

转到图2，该图给出了在某个特定的信道条件下，本发明的收敛情况，由该图可以看出，raise算法的收敛速度相当的快，该算法基本上能够在3次循环迭代内达到收敛。

接着描述图3，它给出了一个在16×8MIMO的系统配置下，对照1的方法在10000次信道实现下的累积经验分布函数。从该图可以看出，本发明和对照2所提出的算法能达到一样的容量性能指标，并且在数值上非常接近穷举法所能达到的最优性。另外需要指出的是，这个性能远远高于对照1所提出的方法的性能。比如，在此环境设置下，本发明的10％中断概率性能比对照1提出的方法高约3bps/Hz.

最后描述图4，四种算法在200×10大规模MIMO的系统条件下，在1000次信道实现下的遍历容量性能。穷举法由于太过复杂，在这样的系统设置下完全无法使用。从该图可以看出，本发明仅需要一次循环就能在性能上远远超过对照1提出的方法，在两次及两次以上的循环中，也能够性能上超越对照2提出的方法。当然，以上所述的这三种都能够在性能上超越随机选择算法。

总之，本发明在性能上有显著地提高，并且在相似的计算复杂性下，需要更少的计算空间；能够大大地降低计算复杂性，并显著地节约计算空间，同时能够取得可相比拟的性能。从仿真结果，我们可以进一步看出，本发明能够在些微牺牲一些性能的条件下进一步降低计算复杂性，比如，我们可以仅仅做一次迭代循环。这样的话，显然，本发明更适合在大规模MIMO系统中实时应用。

需要指出的是，图2至图4的所有仿真都采用随机开始的方式，并且没有用到天线排队的技术。

本文，我们就关注并设计了这个一个低计算复杂度、对计算空间要求低的算法，并完全可以实时应用到大规模MIMO系统中去。本文设计的算法通过最大化所选信道矩阵行列式的模值来获取，而不是直接对信道容量的公式进行优化。理论分析和仿真实验都表明，我们提出的算法，能够以较低的计算复杂度，较低的计算空间需求获取近似最优的性能，并且该算法的收敛速度相当地快。

基于上述方法，可以构建一种适用于大规模MIMO的天线选择系统，包括：

第一模块，用于估计信道参数，建立信道矩阵，并获得待选信道子矩阵和剩余信道矩阵；所述第一模块包括待选信道子矩阵确定模块，其采用随机排列的方式从可用的发射天线中选择天线并建立选择矢量π＝randperm(N_t)；根据选择矢量π建立待选信道子矩阵H_sel＝H(：，π(1：N_r))和剩余信道矩阵H_left＝H(：，(π(N_r+1：N_t)))；

其中，N_t为可用的发射天线数量，H表示信道矩阵；N_r为接收天线数量；H(：，π)对矩阵H的列矢量根据向量π被重新排列后的矩阵，H_sel是矩阵H(：，π)的前Nr列，H_left是其余的部分。

第二模块，用于基于所述待选信道子矩阵和剩余信道矩阵，计算并获得符合条件的优选信道矩阵；所述第二模块具体用于：计算判决矩阵计算W(i，：)×H_left(：，j)；i＝1，2，…Nr；j＝1,2…N_t-N_r；

如果|对任意的i，j；均有W(i，：)×H_left(：，j)|大于1,则交换π(i)和π(j+Nr)的值,即交换H_sel的i列和H_left的j列，并重新根据选择矢量π建立待选信道子矩阵和剩余信道矩阵；否则输出该矩阵，即为优选信道矩阵。

所述第二模块采用如下方法迭代更新判决矩阵的步骤进一步为：

其中e_i表示第i个单位向量，Wⁿ表示W第n次迭代时得到的矩阵，表示H_left第n次迭代时得到的矩阵。

第三模块，用于将所述优选信道矩阵反馈到发射端。

以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (2)

1.一种适用于大规模MIMO的天线选择方法，其特征在于，包括如下步骤：

步骤1、在接收端估计信道参数，建立信道矩阵，并获得待选信道子矩阵和剩余信道矩阵；

步骤2、基于所述待选信道子矩阵和剩余信道矩阵之间的列交换，计算并获得符合条件的优选信道矩阵；

步骤3、将所述优选信道矩阵所标示的发射天线编号反馈到发射端；

获得待选信道子矩阵包括：

采用随机排列的方式从可用的发射天线中选择天线并建立选择矢量π＝randperm(N_t)；根据选择矢量π建立待选信道子矩阵H_sel＝H(：，π(1：N_r))和剩余信道矩阵H_left＝H(：，(π(N_r+1：N_t)))；

其中，N_t为可用的发射天线数量，H表示信道矩阵；N_r为接收天线数量；H(：，π)为对矩阵H的列矢量根据向量π重新排列后的矩阵，H_sel是矩阵H(：，π)的前Nr列，H_left是其余的部分；

所述步骤2具体为：计算判决矩阵计算W(i，：)H_left(：，j)；i＝1，2，…Nr；j＝1,2…N_t-N_r；

如果对任意的i，j，有|W(i，：)H_left(：，j)|大于1,则交换π(i)和π(j+Nr)的值,即交换H_sel的i列和H_left的j列，并重新根据选择矢量π建立待选信道子矩阵和剩余信道矩阵；否则输出该待选信道子矩阵，即为优选信道矩阵；

迭代更新判决矩阵的步骤进一步为：

其中e_i表示第i个元素为1的单位向量，Wⁿ表示W第n次迭代时得到的矩阵，表示H_left第n次迭代时得到的矩阵。

2.一种适用于大规模MIMO的天线选择系统，其特征在于，包括：

第一模块，用于在接收端估计信道参数，建立信道矩阵，并获得待选信道子矩阵和剩余信道矩阵；

第二模块，用于基于所述待选信道子矩阵和剩余信道矩阵之间的列交换，计算并获得符合条件的优选信道矩阵；

第三模块，用于将所述优选信道矩阵所标示的发射天线编号反馈到发射端；

所述第一模块包括待选信道子矩阵确定模块，其采用随机排列的方式对可用的发射天线进行随机排列并建立选择矢量π＝randperm(N_t)；根据选择矢量π建立待选信道子矩阵H_sel＝H(：，π(1：N_r))和剩余信道矩阵H_left＝H(：，(π(N_r+1：N_t)))；

其中，N_t为可用的发射天线数量，H表示信道矩阵；N_r为接收天线数量；H(：，π)对矩阵H的列矢量根据向量π重新排列后的矩阵，H_sel是矩阵H(：，π)的前Nr列，H_left是其余的部分；

所述第二模块具体用于：计算判决矩阵计算W(i，：)H_left(：，j)；i＝1，2，…Nr；j＝1,2…N_t-N_r；

如果对任意的i，j，有|W(i，：)H_left(：，j)|大于1,则交换π(i)和π(j+Nr)的值,即交换H_sel的i列和H_left的j列，并重新根据选择矢量π建立待选信道子矩阵和剩余信道矩阵；否则输出该待选信道子矩阵，即为优选信道矩阵；

所述第二模块采用如下方法迭代更新判决矩阵

其中e_i表示第i个元素为1的单位向量，Wⁿ表示W第n次迭代时得到的矩阵，表示H_left第n次迭代时得到的矩阵。