CN104821840B - 一种大规模多输入多输出下行系统的抗干扰方法 - Google Patents

Abstract

本发明涉及一种大规模多输入多输出下行系统的抗干扰方法，步骤如下：1)基站获取所有用户与所有基站的实时信道状态信息CSI；2)下行系统中，基站为发射端，用户为接收端，则在发射端选择与接收端天线数目相等的发射端天线；3)获取被选择的发射端天线与本小区用户及其他小区用户之间的实时信道状态信息CSI；4)获取相邻小区基站相应的预编码矩阵；5)在接收端设置相邻小区接收波束赋形矩阵，获得剩余小区的预编码矩阵。本发明采用贪婪算法进行天线选择，在发射端选择与接收端天线数目相等的发射端天线传送信号，不仅有效的减少了系统的复杂度，而且实现成本大大减少。

Description

一种大规模多输入多输出下行系统的抗干扰方法

技术领域

本发明涉及无线通信技术领域，更具体地说，涉及一种大规模多输入多输出下行系统的抗干扰方法。

背景技术

对更高传输速率和更高频谱效率的追求是无线通信领域一个长久不变的话题。大规模阵列天线多输入多输出技术(Massive Multiple Input Multiple Output，MassiveMIMO)通过在发送端和接收端配置大量天线，为无线通信引入了额外的空间自由度，从而极大地提高了系统的频谱利用率和吞吐量。

多输入多输出(Multiple Input Multiple Output，MIMO)系统在发送端和接收端同时采用多根天线进行信号的发送和接收，这就要求使用与天线一样多的射频链路(如A/D转换器、放大器、调制器等)，大大增加了系统的硬件成本，此外，空时编码、检测译码的复杂度也大幅增加。当天线数较大时，系统的复杂度会变得很高，实现成本也会很高，这严重影响MIMO系统实用化的进程。

MIMO天线选择技术作为减少MIMO系统的实现复杂度和代价的一种有效手段，每个时刻从配置的多天线中按照一定的性能准则激活一组最优的天线子集来实现通信，通过天线选择保留最优化MIMO系统容量，同时大大减少射频链路开销。天线选择的准则有两种，一种是以最大化多天线提供的分集增益为准则提高传输质量，另一种是以最大化多天线提供的容量为准则来提高传输效率。

干扰长久以来一直是无线通信系统设计中主要挑战之一。以蜂窝网为例,蜂窝小区的半径不断地缩小,相同面积可以容纳更多的小区,系统容量也随之提高。但小区半径缩小,采用相同的频谱资源的小区站间距也就随之缩小,小区边缘用户,会受到非常强的小区间干扰,所以如何抑制干扰,尤其是抑制边缘小区用户间干扰,成为现代通信系统设计中的一个不可回避的问题。干扰对齐(Interference Alignment，IA)在这种背景下应运而生。该技术核心思想在于将来自于不同数据流的干扰信号在一个方向上或者一个信号空间里对齐,以减少干扰空间的自由度，达到提升自由度的目的。干扰对齐技术使得无线干扰网络的容量有了飞跃式的增长,大大拓展了之前学者对干扰网络容量界限的认识,有助于下一代通信系统中多用户干扰情况下的大容量可靠传输。

发明内容

本发明的目的在于克服现有技术的不足，提供一种不仅有效的减少了系统的复杂度，而且实现成本大大减少大规模多输入多输出下行系统的抗干扰方法。

本发明的技术方案如下：

一种大规模多输入多输出下行系统的抗干扰方法，步骤如下：

1)基站获取所有用户与所有基站的实时信道状态信息CSI；

2)下行系统中，基站为发射端，用户为接收端，则在发射端选择与接收端天线数目相等的发射端天线；

3)获取被选择的发射端天线与本小区用户及其他小区用户之间的实时信道状态信息CSI；

4)获取相邻小区基站相应的预编码矩阵；

5)在接收端设置相邻小区接收波束赋形矩阵，获得剩余小区的预编码矩阵。

作为优选，在步骤1)中，建立的系统模型，具体为：在获取所有用户与所有基站的实时信道状态信息CSI情况下，对三个Massive MIMO基站A、B、C，设基站A服务用户α，基站B服务用户β1和β2，基站C服务用户γ，对容易受到干扰的边缘用户α、β1、β2、γ，在满足最大信道容量的情况下，发射端选择与接收端天线数目相等的发射端天线传送信号。

作为优选，在步骤2)中，选择发射端天线的方法为：将基站的M根发射端天线分成相等的两份，每份M/2根，从其中一份的M/2根发射端天线中选取N根发射端天线，然后把这N根发射端天线并入到另外一份M/2根发射端天线中，然后从(M/2+N)根发射端天线中选取N根发射端天线。

作为优选，在步骤3)中，各个基站获取选择的N根发射端天线，并获取选择的发射端天线与本小区用户及其他小区用户之间的信道状态信息CSI：用H_u,B表示用户u与基站B之间的信道状态信息矩阵，其中u∈{α,β1,β2,γ}表示对应的用户，b∈{A,B,C}表示对应的基站。

作为优选，在步骤4)中，采用干扰对齐算法，获取相邻小区基站相应的预编码矩阵的方法为：

设基站A和基站C的预编码矩阵V_A和V_C，将基站A和基站C对基站B的用户β1和β2的干扰对齐到一个子空间中，V_A和V_C分别满足：

span(H_β1,AV_A)＝span(H_β1,CV_C)；

span(H_β2,AV_A)＝span(H_β2,CV_C)；

其中，span(·)表示矩阵列向量张成的子空间，H_β1,A表示用户β1与基站A之间的信道状态信息矩阵，H_β1,C表示用户β1与基站C之间的信道状态信息矩阵，H_β2,A表示用户β2与基站A之间的信道状态信息矩阵，H_β2,C表示用户β2与基站C之间的信道状态信息矩阵；

计算基站A和基站C对用户α和γ的预编码矩阵：

其中，eig(·)表示归一化特征向量，(·)^-1表示求矩阵的逆运算，||·||表示求矩阵的模。

作为优选，步骤5)具体为：每个用户设置接收波束赋形矩阵，用于消除干扰信号，具体如下：

W_α＝N((H_α,CV_C)⁺)；

W_γ＝N((H_γ,AV_A)⁺)；

W_β1＝N((H_β1,AV_A)⁺)＝N((H_β1,CV_C)⁺)；

W_β1＝N((H_β2,AV_A)⁺)＝N((H_β2,CV_C)⁺)；

其中，N(·)表示矩阵零空间的标准正交基，(·)⁺表示共轭转置运算；

求出基站B对用户β1和β2的预编码矩阵V_B1和V_B2：

V_β1＝N([(W_α ⁺H_α,B)⁺(W_γ ⁺H_γ,B)⁺(W_β2 ⁺H_β2,B)⁺])；

V_β2＝N([(W_α ⁺H_α,B)⁺(W_γ ⁺H_γ,B)⁺(W_β1 ⁺H_β1,B)⁺])。

本发明的有益效果如下：

本发明采用贪婪算法进行天线选择，在发射端选择与接收端天线数目相等的发射端天线传送信号，不仅有效的减少了系统的复杂度，而且实现成本大大减少。

本发明在获取实时信道状态信息CSI情况下，对三个Massive MIMO基站A、B、C，在满足最大信道容量的情况下，对于大规模MIMO场景，利用改进的低复杂度的分布式贪婪选择算法，在发射端选择与接收端天线数目相等的发射端天线传送信号，针对于三个小区的边缘用户，根据已选择的发射端天线和获取的相应的信道状态信息，在发射端和接收端设计预编码矩阵和接收波束赋形矩阵进行干扰对齐，将来自于不同小区不同数据流的干扰信号在一个方向上或者一个子空间里对齐，将大部分的空间自由度留给有用信号，有效的提高了边缘用户的吞吐量。

附图说明

图1是本发明涉及的Massive MIMO多用户下行传输场景；

图2是本发明涉及的贪婪搜索算法流程；

图3是本发明涉及的对齐算法流程。

具体实施方式

以下结合附图及实施例对本发明进行进一步的详细说明。

本发明提供一种大规模多输入多输出下行系统的抗干扰方法，涉及的MassiveMIMO多用户下行传输场景如图1所示，下行系统中，基站为发射端，用户为接收端，本发明所述的方法具体如下：

1)在获取所有用户与所有基站的实时信道状态信息CSI情况下，三个相邻小区的Massive MIMO基站A、B、C，假设基站A服务用户α，基站B服务用户β1和β2，基站C服务用户γ，对容易受到干扰的边缘用户α、β1、β2、γ，在满足最大信道容量的情况下，发射端选择与接收端天线数目相等的发射端天线传送信号，并根据已选择的发射端天线和获取相应的实时信道状态信息CSI，在发射端和接收端设计预编码矩阵和接收波束赋形矩阵进行干扰对齐，将来自于不同小区不同数据流的干扰信号在一个方向上或者一个子空间里对齐，将大部分的空间自由度留给有用信号。

考虑第k个用户的接收信号为：

假设H_k∈C^N×M为Massive MIMO系统的第k个用户的下行信道矩阵(其中M为基站天 线数，K为用户数，N为每个用户配置的天线数，M>KN)；s_k∈C^d×1是用户k的发送符号矢量，p是下行传输功率；V_k∈C^M×d是第k个用户的预编码矩阵， W_k∈C^M×d是第k个用户的接收波束赋形矩阵，n_k是加性高斯白噪声，n_k∈ CN(0,I_N)。

乘以接收波束赋形矩阵后，第k个用户的接收信号为：

其中

其中(·)⁺表示共轭转置运算，即W⁺为W_k的共轭转置运算结果。

2)发射端天线选择算法流程如图2所示，将基站的M根发射端发射端天线分成相等的两份，每份M/2根，从其中一份的M/2根发射端天线中根据贪婪搜索算法选取N根发射端天线，然后把这N根发射端天线并入到另外一份M/2根发射端天线中，然后从这(M/2+N)根发射端天线中根据贪婪搜索算法选取N根发射端天线，算法结束。

假设下行信号是独立同分布的高斯传输信号，并且接收端能获取好的实时信道状态信息CSI，那么信道容量为：

其中，det(·)表示行列式运算，I表示单位矩阵，(·)^H表示共轭转置运算；

针对其中一个基站A的M根发射端天线，先将其分为两份，每份M/2根，从其中一份的M/2根发射端天线中根据贪婪搜索算法选取N根发射端天线，具体步骤可以表示为：

2.1)初始化：对基站A，设定初始的发射端天线集合为Γ_A,0＝{1,2K,M/2}，初始的迭代次数n＝0，则剩下的发射端天线数为M/2-n；

2.2)对于基站A的发射端天线集合，选择其中的第i根，0<i≤M/2-n，假设将第i根发射端天线去掉，更新相应的信道状态信息H_A,i(n)，其中，H_A,i(n)通过H_A(n)将第i列去掉得到，H_A(n)为第n次迭代结束之后小区A对应的信道状态信息矩阵；

2.3)对基站A和所有可能的发射端天线选择i，计算将第i根发射端天线假想去掉 之后的信道容量：

2.4)对于基站A，选择使其信道容量最大的发射端天线

2.5)更新基站A的发射端天线集合：Γ_A,n+1＝Γ_A,n\{I_A}，其中a\{b}表示把b从集合a中移除；

2.6)更新基站A的信道状态信息矩阵：分别去掉H_A(n)的第I_A列，得到H_A(n+1)；

2.7)更新迭代次数n＝n+1，若M/2-n>N，跳转到步骤2.2)，否则结束发射端天线选择过程，输出最终的发射端天线集合：Γ_A＝Γ_A,n；至此，步骤2)结束。

然后把M/2根发射端天线中选取的这N根发射端天线并入到另外一份M/2根发射端天线中，然后从另外的(M/2+N)根发射端天线中继续根据上述贪婪搜索算法选取N根发射端天线，基站A发射端天线选择结束，最终选取了N根发射端天线。基站A和基站C的发射端天线选择同理可得。

3)基于天线选择的Massive MIMO下行干扰对齐算法如图3所示，各个小区获取选择的天线与本小区用户及其他小区用户之间的信道状态信息矩阵：用H_u,b表示用户u与基站b之间的信道状态信息矩阵，其中u∈{α,β1,β2,γ}表示对应的用户，b∈{A,B,C}表示对应的基站；具体步骤可以表示为：

3.1)设计基站A和基站C的预编码矩阵V_A和V_C，将基站A和基站C对基站B的用户β1和β2的干扰信号对齐到一个子空间中，其中，V_A和V_C分别满足：

span(H_β1,AV_A)＝span(H_β1,CV_C)；

span(H_β2,AV_A)＝span(H_β2,CV_C)；

其中，span(·)表示矩阵列向量张成的子空间，H_β1,A表示用户β1与基站A之间的信道状态信息矩阵，H_β1,C表示用户β1与基站C之间的信道状态信息矩阵，H_β2,A表示用户β2与基站A之间的信道状态信息矩阵，H_β2,C表示用户β2与基站C之间的信道状态信息矩阵。

3.2)计算基站A和基站C对用户α和γ的预编码矩阵：

其中，eig(·)表示归一化特征向量，(·)^-1表示矩阵的逆运算，||·||表示求矩阵的模；

3.3)设计每个用户的接收波束赋形矩阵，用于消除干扰信号，每个用户的接收波束赋形矩阵分别如下：

W_α＝N((H_α,CV_C)⁺)；

W_γ＝N((H_γ,AV_A)⁺)；

W_β1＝N((H_β1,AV_A)⁺)＝N((H_β1,CV_C)⁺)；

W_β1＝N((H_β2,AV_A)⁺)＝N((H_β2,CV_C)⁺)；

其中，N(·)表示矩阵零空间的标准正交基，(·)⁺表示共轭转置运算，H_α,C表示用户α与基站C之间的信道状态信息矩阵，H_γ,A表示用户γ与基站A之间的信道状态信息矩阵。

4.4)求出基站B对用户β1和β2的预编码矩阵V_β1和V_β2：

V_β1＝N([(W_α ⁺H_α,B)⁺(W_γ ⁺H_γ,B)⁺(W_β2 ⁺H_β2,B)⁺])；

V_β2＝N([(W_α ⁺H_α,B)⁺(W_γ ⁺H_γ,B)⁺(W_β1 ⁺H_β1,B)⁺])。

至此，步骤3)结束。

上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

Claims (1)

1.一种大规模多输入多输出下行系统的抗干扰方法，其特征在于，步骤如下：

1)基站获取所有用户与所有基站的实时信道状态信息CSI，建立的系统模型，具体为：在获取所有用户与所有基站的实时信道状态信息CSI情况下，对三个Massive MIMO基站A、B、C，设基站A服务用户α，基站B服务用户β1和β2，基站C服务用户γ，对容易受到干扰的边缘用户α、β1、β2、γ，在满足最大信道容量的情况下，发射端选择与接收端天线数目相等的发射端天线传送信号；

2)下行系统中，基站为发射端，用户为接收端，则在发射端选择与接收端天线数目相等的发射端天线；

在步骤2)中，选择发射端天线的方法为：将基站的M根发射端天线分成相等的两份，每份M/2根，从其中一份的M/2根发射端天线中选取N根发射端天线，然后把这N根发射端天线并入到另外一份M/2根发射端天线中，然后从(M/2+N)根发射端天线中选取N根发射端天线；

3)获取被选择的发射端天线与本小区用户及其他小区用户之间的实时信道状态信息CSI；

在步骤3)中，各个基站获取选择的N根发射端天线，并获取选择的发射端天线与本小区用户及其他小区用户之间的信道状态信息CSI：用H_u,b表示用户u与基站b之间的信道状态信息矩阵，其中u∈{α,β1,β2,γ}表示对应的用户，b∈{A,B,C}表示对应的基站；

4)获取相邻小区基站相应的预编码矩阵；

在步骤4)中，采用干扰对齐算法，获取相邻小区基站相应的预编码矩阵的方法为：

设基站A和基站C的预编码矩阵V_A和V_C，将基站A和基站C对基站B的用户β1和β2的干扰对齐到一个子空间中，V_A和V_C分别满足：

span(H_β1,AV_A)＝span(H_β1,CV_C)；

span(H_β2,AV_A)＝span(H_β2,CV_C)；

其中，span(·)表示矩阵列向量张成的子空间，H_β1,A表示用户β1与基站A之间的信道状态信息矩阵，H_β1,C表示用户β1与基站C之间的信道状态信息矩阵，H_β2,A表示用户β2与基站A之间的信道状态信息矩阵，H_β2,C表示用户β2与基站C之间的信道状态信息矩阵；

计算基站A和基站C对用户α和γ的预编码矩阵：

其中，表示第i根天线，其中M表示基站端发射天线的总数，eig(·)表示归一化特征向量，(·)^-1表示求矩阵的逆运算，||·||表示求矩阵的模；

5)在接收端设置相邻小区接收波束赋形矩阵，获得剩余小区的预编码矩阵；

步骤5)具体为：每个用户设置接收波束赋形矩阵，用于消除干扰信号，具体如下：

其中，表示矩阵零空间的标准正交基，(·)⁺表示共轭转置运算；

求出基站B对用户β1和β2的预编码矩阵V_β1和V_β2：