CN105743559B

CN105743559B - 一种Massive MIMO混合波束形成和空时编码多用户下行传输方法

Info

Publication number: CN105743559B
Application number: CN201610255399.7A
Authority: CN
Inventors: 王慧明; 刘峰
Original assignee: Xian Jiaotong University
Current assignee: Xian Jiaotong University
Priority date: 2016-04-21
Filing date: 2016-04-21
Publication date: 2019-01-15
Anticipated expiration: 2036-04-21
Also published as: CN105743559A

Abstract

本发明公开一种Massive MIMO混合波束形成和空时编码多用户下行传输方法，在设计线性加权矩阵的时候，利用了信道的协方差矩阵进行了二阶段的设计，由于信道的高度相关性，使得信道协方差矩阵具有低秩特性，从而能够降低信道估计的开销。效果方面，利用各个用户的角度不重叠性，二阶段设计中，消除了用户间的干扰。考虑了各个用户独立功率约束和求和功率约束的情况。对于问题的非凸性，采用了SDR和交替迭代方法进行处理，将原问题的非凸性转化为凸优化问题，从而对问题进行了有效的数值求解。相比SDR方法，交替迭代方法计算复杂度较低。

Description

一种Massive MIMO混合波束形成和空时编码多用户下行传输方法

技术领域

本发明属于无线传输技术领域，特别涉及一种Massive MIMO系统中混合波束形成和空时编码多用户下行信号传输方法。

背景技术

Massive MIMO技术成为了无线通信5G里面的关键技术。通过配置大量天线，使得信道近似正交，通过简单的接收发送技术，比如最大比合并和最大比发送，即可消除多用户间干扰，平滑噪声，从而极大的提升了系统的能量和频谱效率。但是，Massive MIMO系统所带来的性能的提升，很大程度依靠信道信息的获取情况。对于TDD系统来说，可以利用上下行的互易性，利用上行发送导频进行信道估计，从而用在下行上。而对于FDD系统来说，由于缺少上下行的互易性，没有通过对上行信道的估计，来进行下行信道的获取。当在下行发送导频对信道进行估计的时候，需要的导频资源是与天线数目成正比的，从而大大增加了系统的资源负担。因而，如何在FDD系统中获取下行信道信息，已然成为了学术界的研究热点。空时块码(STBC)技术是在多输入多输出(MIMO)技术里面提出来的，当发端不知道信道信息的时候，通过空时块码实现发射分集增益，提升系统的误码率性能。

G.等人在文献“Combining beamforming and orthogonal space-timeblock coding,”Information Theory,IEEE Transactions on,vol.48,no.3,pp.2599-2613,2002中提出了联合波束成形和正交空时块码的信号传输方案。利用获得的部分信道信息，结合给定的空时块码，设计波束形成器系数，最小化系统误码率。但是文章考虑的是点对点通信系统，没有考虑到多用户的问题。A.Adhikary等人在文献“Joint spatialdivision and multiplexing-the large-scale array regime,”Information Theory,IEEE Transactions on,vol.59,no.10,pp.6441-6463,2013里面提出了一种利用信道协方差矩阵，通过两个阶段设计发端预编码矩阵。由于信道协方差矩阵的高度相关性，降低了系统对信道估计的开销。然而，文章里面的两阶段方案，在利用信道协方差矩阵完成第一阶段的预编码设计后，第二阶段的预编码，需要知道精确的等效信道，系统复杂度仍然较高。

发明内容

本发明的目的在于提供一种Massive MIMO系统中混合波束形成和空时编码多用户下行信号传输方法，减低系统信道估计的开销，并提升系统的误码率性能。

为了实现上述目的，本发明采用如下技术方案：

一种Massive MIMO混合波束形成和空时编码多用户下行传输方法，所述MassiveMIMO系统包括一个具有大规模均匀线阵的基站，天线数目为M，K个单天线的用户节点，在考虑角度时，彼此不重叠；

所述一种Massive MIMO系统中混合波束形成和空时编码多用户下行信号传输方法，包括以下步骤：

1)首先，基站对发送给各个用户的数据进行空时块码编码，得到发送空时块码矩阵其中Z_k是给第k个用户的空时块码矩阵；

2)然后，基站对发送空时块码矩阵Z，进行线性加权，线性加权系数矩阵为W，第k个用户的接收信号为：其中h_k是第k个用户的信道矢量，e_k是加性高斯白噪声，y_k是接收矢量；

3)在各个用户功率独立约束下，分解加权系数矩阵为k个小矩阵，对每个用户分别进行优化，最小化系统误码率；

4)在总功率约束下，优化系统的加权系数矩阵，最小化系统误码率。

进一步的，步骤2)中利用信道协方差矩阵进行线性加权的步骤包括：

首先对第k个用户的信道协方差矩阵R_kk进行特征值分解得到：

其中U_k是M×r_k的列酉矩阵，r_k是信道协方差矩阵R_kk的秩，

是有特征值构成的对角矩阵；

设计发端线性加权系数矩阵为：

W＝[W₁,W₂,…,W_K]＝[U₁M₁,U₂M₂,…,U_KM_K]

其中M_k是待优化变量。

进一步的，步骤3)中考虑各个用户功率独立约束，得到各个用户的误码率及各自的功率约束为：

其中是估计的等效信道，其和等效信道的关系是ξ_k是相关系数，τ_k是误差矢量；等效矩阵其中ν_k是利用Karhunen-Loeve表示的信道，即α_k是各个用户的独立功率约束，ρ_k,min是关于s_k和的最小值，其中s_k是发送符号，是检测错误的符号，E_k是发送能量，N₀是噪声功率谱密度。

进一步的，对各个用户功率独立约束时的误码率及其功率约束采用SDR方法求解；首先进行变量代换得到优化问题为：

上式是一个凸优化问题，对其求解获得各个用户功率独立约束时的误码率及其功率约束。

进一步的，步骤4)中，总功率约束条件下，考虑系统平均误码率最小，其优化问题为：

其中

进一步的，对总功率约束下的误码率及其功率约束采用SDR方法求解或者采用交替迭代方式求解；采用SDR求解，令得到优化问题：

其中采用交替迭代方法，对原始优化问题变形为：

采用交替迭代的方法，首先固定令得到优化问题：

其中其中是特征值分解，β_k,i是β_k的第i个元素，σ_k,i是Σ_k的第i个对角元素；对上式求解，得到最优的相应的最优的

当给定p_k时，优化问题变为

上述优化问题使用SDR求解，令优化问题为：

交替求解，得到一个收敛点，从而得到加权系数矩阵。

与现有的方法相比，本发明的有益效果是：

1、提供了多用户通信下的混合波束形成和空时编码方案；

2、考虑了利用信道协方差矩阵的高度相关性进行波束形成器的设计，降低了对信道估计的开销。

3、考虑了各个用户的独立功率约束和求和功率约束，提出了SDR和交替迭代的方法求解加权系数矩阵，计算复杂度较低。

本发明在设计线性加权矩阵的时候，利用了信道的协方差矩阵进行了二阶段的设计，由于信道的高度相关性，使得信道协方差矩阵具有低秩特性，从而能够降低信道估计的开销。效果方面，利用各个用户的角度不重叠性，二阶段设计中，消除了用户间的干扰。考虑了各个用户独立功率约束和求和功率约束的情况。对于问题的非凸性，采用了SDR和交替迭代方法进行处理，将原问题的非凸性转化为凸优化问题，从而对问题进行了有效的数值求解。相比SDR方法，交替迭代方法计算复杂度较低。

附图说明

图1是本发明方法所涉及的系统模型示意图。

图2a，图2b和图2c是现有方法的仿真结果图，其中：图2a给出了估计信道和真实信道的相关系数对系统误码率的影响图，图2b给出了不同用户数下的发送总功率对系统误码率的影响图，图2c是独立用户功率约束下SDR方法和求和功率约束下SDR方法和交替迭代方法的误码率曲线图。

具体实施方式

下面结合附图与具体实施例对本发明做进一步的详细说明。

本发明涉及系统模型如图1所示，一个具有大规模均匀线阵的基站，天线数目为M，K个单天线的用户节点，在考虑角度时，彼此不重叠。发端对各个用户的数据进行空时块码编码，发送空时块码矩阵为利用信道的协方差矩阵，进行线性加权，加权矩阵的形式为W＝[W₁,W₂,…,W_K]＝[U₁M₁,U₂M₂,…,U_KM_K]。

当考虑各个用户独立功率约束的时候，利用SDR方法得到的优化问题为

当估计信道和真实信道相关系数ξ_k变大的时候，上述优化问题的目标函数会变小，从而降低系统的误码率，这个从图2a可以反映出来。这是因为信道信息越准确，空时编码越接近波束形成。同样的可以看到，随着用户数目K的增大，误码率会升高，这一个是因为相应的α_k会减小，另一个是用户间的干扰会增大，从而误码率性能变差，如图2b所反映的。

当考虑求和功率约束时，利用SDR和交替迭代的方法，得到的优化问题分别为：

SDR：

交替迭代：

可以看出来，相对于独立用户功率约束，求和功率约束具有更好的误码率性能，因为其在各个用户之间进行了功率分配。此外，交替迭代性能会比SDR性能差一点，这个是因为在交替迭代中也用了SDR的方法，这个可以从图2c中体现出来。图2a-2c给出的系统误码率，采用的空时块码都是Alamouti编码。

本发明一种Massive MIMO混合波束形成和空时编码多用户下行传输方法，包括以下步骤：

2)然后，对发送空时块码矩阵Z，进行线性加权，线性加权系数矩阵为W，第k个用户的接收信号为：其中h_k是第k个用户的信道矢量，e_k是加性高斯白噪声，y_k是接收矢量；

按照上述的方法，首先需要得到线性加权系数矩阵的分解式，然后在功率约束下，最优化线性加权系数矩阵。

对线性加权系数矩阵采用两阶段的设计方法：

1、首先对第k个用户的信道协方差矩阵R_kk进行特征值分解得到：

其中U_k是M×r_k的列酉矩阵，r_k是信道协方差矩阵R_kk的秩，

是有特征值构成的对角矩阵。

设计发端线性加权系数矩阵为：

W＝[W₁,W₂,…,W_K]＝[U₁M₁,U₂M₂,…,U_KM_K]

其中M_k是待优化变量；

2、在各个用户功率独立约束下，优化问题为：

其中是估计的等效信道，其和等效信道的关系是ξ_k是相关系数，τ_k是误差矢量。等效矩阵其中ν_k是利用Karhunen-Loeve表示的信道，即α_k是各个用户的独立功率约束，ρ_k,min是关于s_k和的最小值，其中s_k是发送符号，是检测错误的符号，E_k是发送能量，N₀是噪声功率谱密度。

3、为了有效求解上式，采用SDR方法进行近似；首先进行变量代换得到优化问题为：

上式是一个凸优化问题，能够数值有效求解。

4、在总功率约束条件下，考虑系统平均误码率最小，其优化问题为：

其中

5、为了求解上式，分别采用SDR方法和交替迭代方式求解。采用SDR求解，令

得到优化问题：

其中该优化问题是凸优化问题，可以数值有效求解。采用交替迭代方法，对原始优化问题变形为：

采用交替迭代的方法，首先固定令得到优化问题

其中其中是特征值分解，β_k,i是β_k的第i个元素，σ_k,i是Σ_k的第i个对角元素。上式是一个凸优化问题，能够数值有效求解。得到最有的相应的最优的

当给定p_k时，优化问题变为

上述优化问题可以使用SDR求解，令优化问题为

上述优化问题是凸优化问题，可以数值有效求解。交替求解，即可得到一个收敛点，从而得到加权系数矩阵。

Claims

1.一种Massive MIMO混合波束形成和空时编码多用户下行传输方法，其特征在于，所述Massive MIMO系统包括一个具有大规模均匀线阵的基站，天线数目为M，K个单天线的用户节点，在考虑角度时，彼此不重叠；

3)在各个用户功率独立约束下，分解线性加权系数矩阵为k个小矩阵，对每个用户分别进行优化，最小化系统误码率；

4)在总功率约束下，优化系统的线性加权系数矩阵，最小化系统误码率；

步骤2)中利用信道协方差矩阵进行线性加权的步骤包括：

其中U_k是M×r_k的列酉矩阵，r_k是信道协方差矩阵R_kk的秩，是由特征值构成的对角矩阵；

设计发端线性加权系数矩阵为：

W＝[W₁,W₂,…,W_K]＝[U₁M₁,U₂M₂,…,U_KM_K]

其中M_k是待优化变量；

步骤3)中考虑各个用户功率独立约束，得到各个用户的误码率及各自的功率约束为：

其中是估计的等效信道，其和等效信道的关系是ξ_k是相关系数，τ_k是误差矢量；等效矩阵其中ν_k是利用Karhunen-Loeve表示的信道，即ρ_k,min是关于s_k和的最小值，其中s_k是发送符号，是检测错误的符号，E_k是发送能量，N₀是噪声功率谱密度。

2.根据权利要求1所述的一种Massive MIMO混合波束形成和空时编码多用户下行传输方法，其特征在于，对各个用户功率独立约束时的误码率及其功率约束采用SDR方法求解；首先进行变量代换得到优化问题为：

3.根据权利要求2所述的一种Massive MIMO混合波束形成和空时编码多用户下行传输方法，其特征在于，步骤4)中，总功率约束条件下，考虑系统平均误码率最小，其优化问题为：

其中

4.根据权利要求3所述的一种Massive MIMO混合波束形成和空时编码多用户下行传输方法，其特征在于，对总功率约束下的误码率及其功率约束采用SDR方法求解；

采用SDR求解，令得到优化问题：

其中

交替求解，得到一个收敛点，从而得到线性加权系数矩阵。

5.根据权利要求3所述的一种Massive MIMO混合波束形成和空时编码多用户下行传输方法，其特征在于，对总功率约束下的误码率及其功率约束采用交替迭代方式求解；

采用交替迭代方法，对原始优化问题变形为：

采用交替迭代的方法，首先固定令得到优化问题：

其中

其中是特征值分解，β_k,i是β_k的第i个元素，σ_k,i是Σ_k的第i个对角元素；对上式求解，得到最优的相应的最优的

当给定p_k时，优化问题变为：

交替求解，得到一个收敛点，从而得到线性加权系数矩阵。