CN105375967A - 一种基于统计方法的增强型最大比合并检测方法和接收机 - Google Patents

Abstract

本发明公开了一种基于统计方法的增强型最大比合并检测方法，属于多天线无线通信网络技术领域。所述检测方法包括接收信号、产生功能矩阵Q、生成检测矩阵T最后获得检测信号r的步骤。本发明在一般信道下(莱斯信道)，利用估计信道矩阵的统计性能，大大削弱了多用户间的干扰，提高了用户接收信号的信号干扰噪声比(SINR)，改善了系统的性能，在发送信噪比不变的情况下提高了原有MRC接收机的传输速率。充分利用了多天线的优势，在天线数量M增大的情形，系统性能会稳定提升，特别适合用在Massive？MIMO场景。

Description

一种基于统计方法的增强型最大比合并检测方法和接收机

技术领域

本发明属于多天线无线通信网络技术领域，特别涉及一种基于统计方法的增强型最大比合并(EMRC)检测方法。

背景技术

大规模天线阵列(MassiveMIMO)是指基站配备上百根天线的多用户无线通信系统，它以其极大频谱效率被列入5G的候选技术之一。然而大规模的天线阵列导致了基站处理基带信号的复杂度随天线数量直线飙升。为了能够实时处理信号，简单的线性接收机就成为MassiveMIMO下的必要条件。

最大比合并(MRC)接收机以其简单的结构、优越的性能成为MassiveMIMO下的理想接收机，不过其性能的优越性只有在瑞利信道下才能实现。然而在MassiveMIMO系统中经常会涉及一些视距场景：比如空旷的蜂窝场景，一些微小区场景以及多数毫米波场景。此时MRC接收机的性能会大打折扣，且无法利用多天线带来的优势。迫零(ZF)接收机虽然在更一般的信道上比MRC接收机有更好的性能，但其计算复杂度随多用户数量的立方增长。当用户数量较多时，ZF接收机的复杂度将远大于MRC接收机。

综上所述，如何设计一个结构简单且适用性好的线性接收机成为MassiveMIMO下的主要议题之一。

发明内容

针对以上问题，本发明设计了一种基于统计方法的增强型最大比合并(EMRC)检测方法和接收机。该方法通过对估计信道矩阵左乘功能矩阵后得到检测矩阵，采用与MRC接收机相同的形式处理接收信号。增强型最大比合并接收机拥有简单的线性结构且可以弥补现有MRC接收机在莱斯信道下的性能不足并且在莱斯因子很高的场景(视距场景)下拥有与ZF接收机相似的性能但处理复杂度大为降低。

本发明公开了一种基于统计方法的增强型最大比合并检测方法，包括如下步骤：

第一步，接收信号。

接收信号表示为其中，y为M×1接收信号向量，y_i表示第i根天线接收的信号，为归一化的发送信噪比，G是M×K信道矩阵(M为天线阵列中的天线数量，K为用户数量)，g_ij表示第j个用户到第i根天线上的传输系数，x为K×1上行传输数据向量，x_j表示第j个用户的上传信号，n是M×1噪声向量，n_i表示第i根天线上的噪声信号；

第二步，产生功能矩阵Q。

其中Q是M×M功能矩阵,M为天线阵列中天线数量；

第三步，生成检测矩阵T。

检测矩阵对信道估计矩阵中的元素按照功能矩阵Q进行加权，其中T是M×K检测矩阵，是M×K信道估计矩阵；

第四步，获得检测信号r，其元素由r＝T^Hy获得(相当于对接收信号y中的元素按照检测矩阵T进行加权，)，其中r是K×1检测信号向量，r_j表示第j个用户的检测信号。

本发明还提供一种基于统计方法的增强型最大比合并接收机，包括检测信号模块，用于接收天线信号y；信道估计模块，用于对接收信号进行信道估计得到信道估计矩阵检测矩阵生成模块，用于生成检测矩阵T；功能矩阵生成模块，用于生成功能矩阵Q；所述接收机配有M根天线，接收信号包括导频信号和用户信号，所述的导频信号将作用于信道估计模块用以产生信道估计矩阵，所述的用户信号作用于检测信号模块用以产生K个用户的检测输出信号。

本发明的优点在于：

1、在一般信道下(莱斯信道)，利用估计信道矩阵的统计性能，大大削弱了多用户间的干扰，提高了用户接收信号的信号干扰噪声比(SINR)，改善了系统的性能，在发送信噪比不变的情况下提高了原有MRC接收机的传输速率。

2、充分利用了多天线的优势，在天线数量M增大的情形，系统性能会稳定提升，特别适合用在MassiveMIMO场景。

3、本发明提供的增强型最大比合并接收机结构简单，仅比原有MRC接收机多了一个Q矩阵的加权模块就可换取明显的检测增益。

4、在一些特殊情形下，达到了与ZF接收机近似相同的性能，但计算复杂度大大降低，节省了硬件的成本。

附图说明

图1是本发明提供的一种基于统计方法的增强型最大比合并检测方法的流程图；

图2是本发明提供的一种基于统计方法的增强型最大比合并接收机示意图；

图3是不同天线数量以及不同莱斯因子下的EMRC与MRC频谱效率仿真结果图；

图4是不同莱斯因子以及不同发送信噪比下的EMRC与MRC频谱效率仿真结果图；

图5是不同莱斯因子下的ZF、EMRC与MRC频谱效率仿真图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。

本发明设计了一种基于统计方法的增强型最大比合并(EMRC)检测方法及接收机。其具体的实施方案可以为：通信设备(可以为基站)配有M根天线同时服务K个用户，数据上行阶段分为两个部分，一是用户发送导频估计信道，二是用户发送上行传输数据。当通信设备接收到K个用户发来的上行传输数据时，首先根据预先估计的信道信息对信道估计矩阵进行列去均值化处理(即将的每一个元素减去该元素所在列的均值,相当于将特殊矩阵Q左乘信道估计矩阵)后得到检测矩阵T，将T的共轭转置T^H左乘接收向量y即得到上行发送信号的估计。

本发明提供的一种基于统计方法的增强型最大比合并检测方法，如图1所示流程，包括如下具体步骤：

步骤一、接收信号。

配有M根天线的天线阵列接收到K个用户发来的上行传输数据即接收信号y，

$y=\sqrt{p_u}Gx+n,$

其中y为M×1接收信号向量，y＝(y₁,y₂,…,y_i,…,y_M)，i＝1,2,…,M，y_i表示第i根天线接收的信号。为归一化的发送信噪比，G是M×K信道矩阵(M为天线数量，K为用户数量)， $G=\left[\begin{array}{cccc}{g}_{11}& ...& ...& g_{1K}\\ ...& g_{ij}& ...& ...\\ ...& ...& ...& ...\\ g_{M1}& ...& ...& g_{MK}\end{array}\right]$

g_ij表示第j个用户到第i个天线上的传输系数，i＝1,2,…,M，j＝1,2,…,K。x为K×1上行传输数据向量，x＝(x₁,x₂,…,x_j,…,x_K)，x_j表示第j个用户的上传信号，n是M×1噪声向量，n＝(n₁,n₂,…,n_i,…,n_M)，n_i表示第i根天线上的噪声信号；

瑞利信道下的MRC检测可表示为：当天线数较多时，趋向于对角阵，这时并没有引入用户间干扰，但是在莱斯信道下，不再是对角阵，故而会引入用户间干扰，极大影响系统性能。

这时我们可以通过对进行列均值化处理得到(即对矩阵的每一个元素减去其列向量的均值μ_i)，令这时是对角阵，用户间的干扰消除了。

当天线数量M较大时， ${\mathrm{\μ}}_i\≈\frac{1}{M}{\mathrm{\Σ}}_{j=1}^M{\hat{G}}_{ji},$ 即 $\stackrel{\‾}{G}\≈Q\hat{G},$ 其中这里利用了估计矩阵的统计特性。

步骤二、生成功能矩阵。生成功能矩阵Q，其中功能矩阵Q是M×M矩阵，且 M为设备天线数量)，其中功能矩阵Q的对角线元素均为而其余元素为

步骤三、得到检测矩阵。

检测矩阵T的元素由公式获得(相当于对信道估计矩阵(获得信道矩阵估计的方法很多，例如最小均方误差法)中的元素按照功能矩阵Q进行加权，)，其中T是M×K检测矩阵，是M×K信道估计矩阵；Q_ij为功能矩阵Q中第i行第j列元素。为信道估计矩阵中第j行第i列元素。

步骤四、获得检测信号。

检测信号向量r的元素由公式r＝T^Hy获得(相当于对接收信号y中的元素按照检测矩阵T进行加权，)，其中r是K×1检测信号向量，r_j表示第j个用户的检测信号，j＝1,2,…,K。

图2给出了实现本发明提供的检测方法的增强型最大比合并接收机的结构示意图，所述接收机配有M根天线且第i根天线接收到信号y_i，接收信号包括导频信号和用户信号，所述的导频信号将作用于信道估计模块用以产生信道估计矩阵所述的用户信号作用于检测信号模块用以产生K个用户的检测输出信号r_j(j＝1，2，…，K）。其中，检测信号模块所需的检测矩阵T由检测矩阵生成模块提供，而生成检测矩阵模块所需的信道估计矩阵和功能矩阵Q分别由信道估计模块与功能矩阵生成模块提供。它们之间的结构关系如图2所示。

图3为不同天线数量以及不同莱斯因子下的EMRC与MRC频谱效率仿真图：图中横坐标是莱斯因子，单位分贝；纵坐标是频谱效率，单位比特每秒每赫兹；M为天线数量，单位根。从图3中可以看出：首先，在瑞利信道条件下(莱斯因子很低时)，MRC与EMRC有着近似相同的性能，随着莱斯因子的增加(即视距传输主导程度增加)，MRC的性能急剧下滑，而EMRC的性能下滑缓慢，证明了EMRC的有效性，其次，随着天线数量的增加，在莱斯因子较大时，MRC的性能无变化而EMRC的性能却随着天线数量的增加得到改善，说明了EMRC更适合MassiveMIMO系统。

图4为不同莱斯因子以及不同发送信噪比下的EMRC与MRC频谱效率仿真图：图中横坐标是发送信噪比，单位分贝；纵坐标是频谱效率，单位比特每秒每赫兹；Kr为莱斯因子，单位分贝。从图4中可以看出在莱斯因子较大(视距传输主导)时，MRC通过改善发送信噪比提高的性能微乎其微而EMRC却有较好的效果，证明了EMRC在视距传输主导时的有效性。EMRC无论在非视距或者视距主导的传输下均可以通过改善输入信号的信噪比提高检测性能，而MRC只有在非视距主导的传输时，才能通过改善输入信号的信噪比提高检测性能。

图5为不同莱斯因子下的ZF、EMRC与MRC频谱效率仿真图：图中横坐标是莱斯因子，单位分贝；纵坐标是频谱效率，单位比特每秒每赫兹。从图中可以看出，随着莱斯因子的增加，EMRC的性能要强于MRC但弱于ZF。但是，当莱斯因子较大时，EMRC与ZF性能相仿。现对比三者的计算时间复杂度。MRC的检测矩阵为G；EMRC的检测矩阵为QG；ZF的检测矩阵为G(G^HG)^-1。G的时间复杂度设为O(1)；由于Q的特殊性，QG的时间复杂度近似为O(MK)；G(G^HG)^-1的时间复杂度近似为O(M²K⁷)。可以看到ZF的复杂度要远高于EMRC，证明了EMRC的有效性。EMRC相比MRC拥有更优越的性能，而在视距主导的传输时，EMRC性能接近ZF但复杂度大为下降。

图3-图5的仿真结果表明，EMRC算法具有结构简单且适用性好的特点。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (2)

1.一种基于统计方法的增强型最大比合并检测方法，其特征在于：包括如下步骤，

第一步，接收信号；

接收信号表示为其中，y为M×1接收信号向量，为归一化的发送信噪比，G是M×K信道矩阵，M为天线阵列中的天线数量，K为用户数量，x为K×1上行传输数据向量，n是M×1噪声向量；

第二步，产生功能矩阵Q；

其中Q是M×M功能矩阵；

第三步，生成检测矩阵T；

检测矩阵 是信道估计矩阵，其中T是M×K检测矩阵，是M×K信道估计矩阵；

第四步，获得检测信号r，r＝T^Hy，其中r是K×1检测信号向量。

2.一种基于统计方法的增强型最大比合并接收机，其特征在于：所述接收机包括，

检测信号模块，用于接收天线信号y；

信道估计模块，用于对接收信号进行信道估计得到信道估计矩阵

检测矩阵生成模块，用于生成检测矩阵T；

功能矩阵生成模块，用于生成功能矩阵Q；

所述接收机配有M根天线，接收信号包括导频信号和用户信号，所述的导频信号将作用于信道估计模块用以产生信道估计矩阵，所述的用户信号作用于检测信号模块用以产生K个用户的检测输出信号。