3D-MIMO系统中基于最小SLNR最大准则的分布式干扰协调
方法
技术领域
本发明涉及无线通信中用户3D分布下3D-MIMO系统中的干扰协调方案,具体为一种3D-MIMO系统中基于最小SLNR最大准则的分布式干扰协调方法。
背景技术
受限于传统的基站天线构架,现有的MIMO传输方案一般只能在水平面实现对信号空间分布特性的控制,还没有充分利用3D信道中垂直维度的自由度,更没有深层地挖掘出MIMO技术对于改善移动通信系统整体效率与性能及最终用户体验的潜能。近年来,在基站处配备大量天线并可同时与多个同信道用户通信的大规模MIMO(Very Large MIMO orMassive MIMO)系统,因其仅通过增加基站的天线数量便可使得系统容量显著提高而受到了学者的广泛关注。由于空间及天线尺寸的限制,3D-MIMO被引入到大规模MIMO系统中,以此来解决大规模天线阵列的实现问题。简单来说,3D MIMO技术在不改变现有天线尺寸的条件下,可以将每个垂直的天线阵子分割成多个阵子,从而开发出MIMO的另一个垂直方向的空间维度,进而将MIMO技术推向一个更高的发展阶段,为LTE传输技术的性能提升开拓出更广阔的空间,使得进一步降低小区间干扰、提高系统吞吐量和频谱效率成为可能。
3D-MIMO现有文献研究内容大致包括3D信道建模、小区垂直分裂(研究不同分裂方式、分裂数目情况下系统总体性能及干扰分析)、3D波束赋形(以系统和速率或干扰等为目标优化天线权值或预编码,形成不同波束)、基于3D-MIMO的干扰协调(通过优化下倾角、功率分配、资源分配等降低小区及扇区间干扰)等,其有一共同点是均假设用户分布在接近地面的同一水平高度。然而随着经济的发展,城市中建筑物的高度越来越高,密度越来越大,用户处于高楼层的概率也逐渐增大,现有文献中关于用户分布在地面的假设也越来越不符合实际。为了系统性能的进一步提升,基于用户3D分布的3D-MIMO系统性能研究也急需提上研究日程。
现有的调整倾角方案通过调整天线权值来调整波束指向,以服务不同3D位置的用户。然而其既不能调整波束半功率波束宽度,又不能对用户间干扰进行抑制,其边缘用户服务质量较差。
发明内容
针对现有技术中存在的问题,本发明提供一种能够提升边缘用户及系统总体性能的,3D-MIMO系统中基于最小SLNR最大准则的分布式干扰协调方法。
本发明是通过以下技术方案来实现:
本发明3D-MIMO系统中基于最小SLNR最大准则的分布式干扰协调方法,包括如下步骤,
第一步,在一个用户3D分布的多小区3D-MIMO系统中,将每小区划分为多个水平扇区,其中每个水平扇区划分为多个的垂直扇区;在每个水平扇区内,基站初始化各垂直扇区波束主方向,根据用户3D位置确定各用户所属的初始服务波束;
第二步,对每个垂直扇区波束参照所服务用户的最小SLNR最大准则,搜索出最优的天线权值,使不同垂直扇区波束干扰最小。
优选的,每小区划分为3个水平扇区,其中每个水平扇区划分为3个的垂直扇区;垂直扇区划分时按照等面积方法划分扇区,高于基站天线的空间划分为高扇区,低于基站天线的空间等面积划分为近扇区与远扇区。
优选的,每个水平扇区的基站天线为一个面天线阵,该天线阵按列划分为多个子阵,每个子阵生成一个波束服务一个垂直扇区,天线子阵列数由对应扇区内用户数决定。
进一步,具体包括如下步骤,
1)按照TR36.873协议参数播散每个小区内的建筑位置和用户位置,并确定初始垂直扇区波束主方向;
2)确定各垂直扇区波束服务的用户集合;同一用户集合内的用户俯仰角与垂直扇区服务波束主方向最为接近;
3)分别优化各用户集合对应的天线权值;
3.1对用户集合中的一个用户进行最大SLNR优化操作,得到该用户对应的天线权值矩阵;将该天线权值矩阵应用于该用户集合内所有用户得到该用户集合内所有用户的等效信道,对等效信道进行最大比传输MRT预编码之后计算得到所有用户的SLNR值集合,得到其中的最小SLNR值;
3.2对用户集合内的其他用户重复步骤3.1的操作得到各自对应的最小SLNR值;
3.3根据步骤3.1和3.2得到的最小SLNR值集合中的最大值,将该最大值对应的天线权值矩阵作为该用户集合的最优天线权值;
4)更新各垂直扇区波束服务的用户集合;
计算各垂直波束所用天线子阵在每个用户处的天线增益,增益最大的波束即为该用户新的服务波束,对用户集合进行重新划分;
5)判断是否继续各用户集合对应的天线权值优化;
比较更新后与更新前的各波束服务用户集合;如果相同,则停止迭代,否则,以更新后的各波束服务用户集合重新按照步骤3)继续优化。
再进一步,步骤1)中确定用户位置后,通过如下公式得到每个用户的接收信号模型;
式中:
L为3D-MIMO系统中的小区数量,L为正整数;
K为每个小区的用户数量,K为正整数;
Pk,l为第l个小区第k个用户的下行发送功率;
为第l个小区第k个用户到该用户所属扇区ik,l天线阵间的信道信息,其中ik,l为该用户所述扇区的序号;
为扇区ik,l的天线权值矩阵,为的对角阵,表示扇区ik,l所用天线的阵元个数;
vk,l为第l个小区第k个用户的预编码矢量,维度为
ck,l为第l个小区用户k的发送符号,且满足|ck,l|=1;
ηk,l为用户接收端处的高斯白噪声,均值为零,方差为σ2。
再进一步,步骤3)中,各用户的SLNR表达式为,
式中,为第l个小区内第ik,l个波束所用天线权值矢量形式。
与现有技术相比,本发明具有以下有益的技术效果:
本发明通过在每个水平扇区内,基站初始化各垂直扇区波束方向,根据用户3D位置确定各用户所属的初始服务波束;然后对每个垂直波束参照所服务用户的最小SLNR最大准则,搜索出最优的天线权值,从而使得不同垂直扇区波束的干扰最小,提高了信干噪比,保证了系统整体性能。与传统只调整倾角的方案相比,该方案通过优化问题求出最优的天线权值,既可以调整天线的波束主方向增益,又可以自适应的调节其半功率波束宽度。在保证小区覆盖的基础上,通过每个用户最小SLNR最大的准则保证了用户一定的接收功率的条件下,对其他用户的泄露干扰最小。因此该方案不仅可以提高小区边缘用户的服务质量,更能带来系统总体性能的提升。
附图说明
图1是本发明实例中基于用户3D分布的多小区3D-MIMO系统模型。
图2是本发明实例中各波束划分垂直空间,波束方向及HPBW的确定示意图。
图3是本发明实例中列16天线MRT预编码七小区场景下不同方案的用户平均频谱效率对比。
图4是本发明实例中列16天线MRT预编码七小区场景下不同方案中某水平扇区频谱效率随信噪比变化。
图5是本发明实例中列32天线MRT预编码七小区场景下不同方案的用户平均频谱效率对比。
图6是本发明实例中列32天线MRT预编码七小区场景下不同方案中某水平扇区频谱效率随信噪比变化。
图7是本发明实例中列16天线SLNR预编码七小区场景下不同方案的用户平均频谱效率对比。
图8是本发明实例中列16天线MRT预编码七小区场景下不同方案中某水平扇区频谱效率随信噪比变化。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
本发明3D-MIMO系统中基于最小SLNR最大准则的分布式干扰协调方法的核心思想是:第一步,在每个水平扇区内,基站初始化各垂直扇区波束方向,根据用户3D位置确定各用户初始服务波束;第二步,对每个波束参照最小SLNR最大准则,搜索出最优的天线权值。
考虑一个用户3D分布的多小区3D-MIMO系统,系统中共有L个小区,如图1所示,每小区划分为3个水平扇区,其中每个水平扇区划分为3个垂直扇区,优选的按照等面积方法划分扇区,即高于基站天线的空间划分为高扇区,低于基站天线的空间等面积划分为近扇区与远扇区,每个小区服务K个单天线用户,用户分布模型采用3D分布模型。每个水平扇区的基站天线为一个面天线阵,天线数为NT,该天线阵按列划分为3个子阵,每个子阵生成一个波束服务一个垂直扇区,天线子阵列数由对应扇区内用户数决定。假设天线列与列之间相关性较小,可在水平方向上做MU-MIMO预编码,而一列天线内各个天线阵元间相关性较强,用来做波束赋形。在每个水平扇区内,可以认为水平方向上天线全覆盖,只考虑垂直方向上的波束调整。假设第l个小区用户k的发送符号为ck,l,满足|ck,l|=1,MU-MIMO采用MRT预编码算法,预编码矢量为其中ik,l为该用户所述扇区的序号,且ik,l∈{1,...,9}。则第l个小区第k个用户的接收信号可以表示为
式中:
Pk,l——第l个小区第k个用户的下行发送功率;
——第l个小区第k个用户到该用户所属扇区ik,l天线阵间的信道信息,其中ik,l为该用户所述扇区的序号;
——扇区ik,l的天线权值矩阵,为的对角阵,表示扇区ik,l所用天线的阵元个数;
vk,l——第l个小区第k个用户的预编码矢量,维度为
ck,l——第l个小区用户k的发送符号,且满足|ck,l|=1;
ηk,l——接收机处的高斯白噪声,均值为零,方差为σ2。
其信干噪比公式为:
信道模型采用TR36.873协议建议的基于WINNER II/WINNER+2D信道模型改进的3D信道模型,支持多种网络拓扑场景和仿真控制参数设定,支持任意的3D天线阵列分布。能够完全实现传统2D信道模型的功能,是对2D信道模型的扩展。并且3D信道模型还具有2D信道模型所不具有的性质,即它能支持垂直分布的天线阵列,能反映出垂直维度上的天线分集增益。
所述基于最小SLNR最大准则干扰协调方法的具体步骤如下:
对于某个小区内某个水平扇区,作如下操作:
1)播散建筑、用户及初始波束方向确定。
按照TR36.873协议参数播散用户及高楼建筑之后,需要确定各波束的初始方向。这里,我们首先采用传统的等面积分区方法划分近扇区、远扇区和高扇区,如图2所示,各波束初始方向θtar1,θtar2,θtar3为基站天线到各垂直扇区边缘俯仰角的中值。
2)确定各波束服务用户集合。
用户所属服务波束为主方向与此用户到基站天线俯仰角最为接近的波束,例如图2中用户k1,k2,k3的俯仰角与θtar3最为接近,则这些用户被划分为高扇区波束服务用户集合。
3)分别优化各波束的天线权值。
设某一波束服务的用户集合大小为L,用户集合A={k1,k2,...,kL}。对A中每个用户进行最大SLNR优化操作,求得后,将作为等效信道,通过MRT预编码可计算对应的L个用户的SLNR值集合在中求最小SLNR值,记为对A中每个用户进行如上操作后,可得到每个用户SLNR最大化所得天线权值及此天线权值对应的各用户SLNR最小值集合取C中最大值对应的作为波束最终的天线权值这样即可使得用户集合中各用户的最小SLNR最大。具体操作如表1伪代码所示。
表1某一波束天线权值优化方法伪代码
表1第2行中的最大SLNR优化问题如式(4)所示。
式中:
——第l个小区内第ki个用户对应的SLNR最大的天线权值矩阵;
——第l个小区内第ki个用户的SLNR。
由式(1)可得SLNR表达式为
式中:
——第l个小区内第ik,l个波束所用天线权值矢量形式;
可知式(4)的优化问题已转化为瑞利熵问题,可求得闭式解为
表1第5行中SLNR计算公式SLNReq为
4)更新各波束服务用户集合。
按步骤3)搜索出天线权值之后,各垂直扇区的波束主方向及HPBW都已发生变化。以用户k为例,计算各波束所用天线子阵在用户k处的天线增益,增益最大的波束即为用户k的新的服务波束;用户k在各波束处的天线增益为:
其中,为单个天线在用户k水平方位角和垂直俯仰角θ处的阵元增益;dy为水平方向天线间距,dz为垂直方向天线间距;wm,n即为第m、n个天线阵元的权值。
5)判断是否继续优化。
比较更新后与更新前的各波束服务用户集合,如果相同,则停止迭代,否则,以更新后的各波束服务用户集合重新计算SLNR并继续优化。
实施例1
考虑小区簇七小区3D信道场景,每水平扇区基站天线阵列为水平12天线,垂直16天线,预编码算法采用MRT预编码,其余仿真参数参考表2。
表2用户3D分布场景仿真参数
由图3可知,本发明方案采用每个波束服务用户的SLNR最小值最大准则,在保证用户一定的接收功率的条件下,对其他用户的泄露干扰最小,无论是边缘用户还是中心用户,其性能均优于只调整倾角方案。由图4可知,本发明方案系统性能在高低信噪比情况下均优于传统只调整倾角方案。
实施例2:
每水平扇区基站天线阵列水平12天线,垂直32天线,其余场景配置与实施例1相同。如图5所示,列天线数增多,天线形成的波束变窄,可以更精确的服务目标用户,因此用户的最高频谱效率相比于列16天线场景增加了约3bit/s/Hz。另外,只调整倾角方案中的天线波束是指向多用户俯仰角度范围中心,其边缘用户的接收功率要优于指向单个目标用户的本发明方案。如图6所示,列32天线场景中,波束指向更为精确,系统总体性能提升相比列16天线场景明显。
实施例3:
预编码算法采用可替代SLNR预编码方案,其余场景配置与实施例1相同。如图7和图8所示,将MRT预编码改为SLNR预编码之后,用户频谱效率cdf曲线没有明显变化,而各SNR情况下各方案某水平扇区频谱效率相比于MRT预编码略有下降。
系统开销和计算复杂度分析:
只调整倾角方案仅需要知道用户的位置信息,反馈开销较小,每个波束的计算复杂度本发明方案需要知道用户的位置信息及本扇区天线到小区簇内用户的信道信息,可进行分布式优化。通过瑞利熵闭式解求解天线权值,每个波束对应的天线权值矩阵求解计算复杂度为