CN105763238A - 一种基于量化预编码的多用户mimo系统用户选择方法 - Google Patents

Abstract

本发明公开了一种基于量化预编码的多用户MIMO系统用户选择方法，包括以下步骤：首先基站端根据现有的方法获得用户端反馈的预编码向量索引(PMI)和信道质量信息(CQI)后通过计算用户集合的预编码矩阵的相关性来获得待选的用户集合Ω；然后，基站端根据信道质量信息(CQI)计算所有待选用户集合S_i∈Ω的和容量，并得到最大计算和容量；接着基站端根据用户集合的和容量和用户调度次数，计算待选择用户集合S_i∈Ω的归一化和容量和归一化用户调度次数；最后，基站端根据归一化和容量和归一化用户调度次数计算待选择用户集合调度标识位，再根据用户调度标识位选择一组理想用户集合进行服务。

Description

一种基于量化预编码的多用户MIMO系统用户选择方法

技术领域

本发明涉及无线通讯网络领域，具体是一种基于量化预编码的多用户MIMO系统用户选择方法。

背景技术

为了满足未来无线通信数据传输需求的快速增长，关于5G的需求和候选关键技术的研究已经成为国内外的研究热点。其中，作为关键技术之一的大规模MIMO(MassiveMIMO)技术可以进一步挖掘空间维度无线资源，提升无线系统的频谱效率和能源效率。多用户MIMO(MU-MIMO)系统比单用户系统增加了空间维度的概念，因而进一步提升了系统的容量。

系统容量域定义为一个可以同时达到的速度矢量的集合，常用来衡量一个系统同时与多个用户通信的能力。脏纸编码(DirtyPaperCoding，DPC)可以达到高斯的多天线广播信道的和容量。但是DPC算法的复杂度极高，在现实中不可能实现，因此DPC算法提供的是一种容量可达域的描述。在实际中常采用一些次优预编码方法来达到高容量和复杂度的折中。理论研究表明，MIMO广播系统采用迫零波束赋形(ZeroForcingBeamForming，ZFBF)预编码技术，并结合恰当的多用户选择算法，可以达到接近脏纸编码的容量。但是该结论的前提是基站端可以获得全部的信道信息，对于频分双工系统来说是不可能实现的。因此针对有限反馈预编码下的多用户选择成为研究的重点。

有限反馈的信息可能包括信道状态信息(CSI)、信道质量信息(CQI)、预编码矩阵索引(PMI)等。根据用户端反馈的信息，反馈分为非码本的反馈和基于码本的反馈。对于MIMO下行信道，基于码本的反馈是一种常见的反馈方式。基站端和用户端存储着同一个量化码本，用户端根据信道信息选择码本中的一个向量，并将这个向量的索引和信道质量信息反馈给基站端。基站端根据收到的索引值和信道质量信息，按照多用户选择方法选择同时服务的用户集合，最后对该用户集合进行预编码。针对基于码本预编码(即基于量化预编码)系统的多用户选择方法的研究引起了人们的关注。穷举法是遍历所有用户组合，选取使系统容量最大的一组用户。该方法可以达到容量最大化，但是计算的复杂度很高，且没有考虑用户间的公平性问题。轮询调度是不考虑各用户信道质量的差异，没有优先顺序的轮流地调度用户。它充分保证了用户的公平程度，但是难以保证系统的容量。因此设计既可以保证系统容量又可以保证用户公平性的多用户选择方法是必要的。

对基于量化预编码的多用户选择方法进行研究的文献《EffectiveuserselectionalgorithmforquantizedprecodinginmassiveMIMO》(NayanFang，XinSuy，JieZengy，YujunKuang.EffectiveuserselectionalgorithmforquantizedprecodinginmassiveMIMO[J].CommunicationsandNetworkinginChina(CHINACOM)，20138thInternationalICSTConferenceon，2013，pp：353-357.)针对量化预编码MU-MIMO系统，提出了一种基于最小化预编码矩阵相关性的多用户选择方法。该方法通过最小化预编码向量间的相关性来获得一组理想的用户集合。但是该方法只是考虑了用户间的干扰，并没有考虑用户的信道质量和公平性。

发明内容

本发明所要解决的技术问题是：提供一种基于量化预编码的多用户MIMO系统用户选择方法。本发明提出的用户选择方法首先通过将所有用户集合的预编码矩阵相关性与一个预定的门限值做比较，得到待选用户集合；然后，根据本发明定义的调度标识位的概念计算每个待选用户集合的调度标识位；最后选择调度标识位最大的一组作为服务的用户集合。该选择方法提升了系统的容量，同时又保证了用户间的公平性，克服了现有的最小化预编码矩阵相关性的用户选择方法系统容量较低和没有考虑用户公平性的缺陷。

本发明解决该技术问题所采用的技术方案是：一种基于量化预编码的多用户MIMO系统用户选择方法，其特征在于包括以下步骤：

第一步，基站端根据现有的方法获得用户端反馈的预编码矩阵索引(PMI)和信道质量信息(CQI)，然后通过计算用户集合的预编码矩阵相关性来获得待选的用户集合Ω。

即：

$\left|\right|P_{\left(S_i\right)}^H{P}_{\left(S_i\right)}|{|}_1<\mathrm{\&delta;},i=1,2,...,C_M^K$

其中，K为同时服务的用户数，每个用户集合包含K个用户，M为小区内的用户数，S_i为第i个用户集合，为S_i用户集合的预编码矩阵，δ为预编码矩阵相关性的门限。

第二步，基站端根据信道质量信息(CQI)计算所有待选用户集合S_i∈Ω的和容量R(S_i)，并得到最大和容量R(S_max)。

(1)基站端计算用户k的信干燥比SINR_k：

${\mathrm{SINR}}_k=\frac{(P_i/K)\left|\right|H_k{w}_k|{{|}_2}^2}{{\mathrm{\&sigma;}}^2+(P_i/K)\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\left|\right|H_k{w}_i|{{|}_2}^2}=\frac{\left|\right|H_k{w}_k|{{|}_2}^2}{K/\mathrm{\&gamma;}+\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\left|\right|H_k{w}_i|{{|}_2}^2},(k,i\&Element;S_i)$

其中，H_k为用户k的信道信息，w_k为用户k选择的预编码向量，P_t为基站总的发射功率，σ²为噪声功率，γ为信噪比，K为同时服务的用户数。

(2)基站端根据计算的信干燥比计算待选用户集合S_i∈Ω的和容量，并得到最大和容量：

$R\left(S_i\right)=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}log(1+\frac{\left|\right|H_k{w}_k|{{|}_2}^2}{K/\mathrm{\&lambda;}+\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\left|\right|H_k{w}_i|{{|}_2}^2}),(k,i\&Element;S_i)$

$R\left(S_{max}\right)=\underset{S_i\&Element;\mathrm{\&Omega;}}{max\left(R\right(S_i\left)\right)}$

第三步，基站端根据用户集合的和容量和用户服务次数，计算待选用户集合S_i∈Ω的归一化和容量和归一化用户服务次数。

定义用户集合S_i∈Ω的归一化和容量为

${\mathrm{\&alpha;}}_{S_i}=\frac{R\left(S_i\right)}{R\left(S_{\max }\right)}$

定义用户集合S_i∈Ω的归一化用户服务次数为

${\mathrm{\&beta;}}_{S_i}=\frac{d_{S_i}}{d_{sum}}$

其中为用户集合S_i∈Ω中各用户服务次数总和，d_sum为小区内所有用户服务次数总和。

第四步，基站端根据归一化和容量和归一化用户服务次数计算用户集合S_i∈Ω调度标识位再根据用户调度标识位选择一组理想用户集合进行服务。

(1)本发明定义用户集合S_i∈Ω的调度标识位为

${\mathrm{\&eta;}}_{S_i}={\mathrm{\&alpha;}}_{S_i}*x+{\mathrm{\&beta;}}_{S_i}*y,S_i\&Element;\mathrm{\&Omega;}$

x+y＝1

注：当x为0时，表示选择过程中只考虑了用户的公平性，没有考虑用户的信道质量，当y为0时只考虑了用户的信道质量，即只考虑系统的和容量。x和y的设置可以自由地调节系统性能和公平性的比例。

(2)在待选的用户集合Ω中，选择调度标识位数值最大的一组用户同时服务。此时获得的系统和容量为R(S)。

$S=\underset{S_i\&Element;\mathrm{\&Omega;}}{\mathrm{argmax}\left({\mathrm{\&eta;}}_{S_i}\right)}$

$R\left(S\right)=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}log(1+\frac{\left|\right|H_k{w}_k|{{|}_2}^2}{K/\mathrm{\&lambda;}+\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\left|\right|H_k{w}_i|{{|}_2}^2}),(k,i\&Element;S)$

与现有技术相比，本发明的有益效果如下：

本发明方法的突出的实质性特点是：

本发明方法是基于量化预编码的多用户MIMO系统用户选择方法的一项发明。可以通过如图2所示的MU-MIMO系统下行链路预编码系统模型来显示该方法的实质性特点。为方便理解，先对涉及到的MU-MIMO系统模型和系统模型中用户端的反馈原理简要介绍如下：

(1)本发明方法所采用的是大规模MU-MIMO下行链路预编码系统模型，具体描述如图2所示。本发明基于有M个用户的单小区场景。基站端根据信道质量信息和预编码矩阵索引进行多用户选择，然后输入的码字流q经过调制后生成复调制符号d(i)，再进行预编码操作，即把复调制符号映射到相应的虚拟天线端口的资源上的向量块y(i)上。调制方式采用QPSK，即正交相移键控。预编码方式采用基于旋转DFT码本的预编码。基站端采用N_t＝N_th*N_tv的均匀平板天线阵列，发送信号经过3DWINNER2信道、加高斯白噪声之后被接收端接收，然后进行信道估计，这里假设信道估计矩阵为H∈C^M×Nt，可由下式表示：

H＝[H₁；H₂；…；H_M]

其中H∈C^l×Nt表示基站端发射天线到第k个用户之间的时域信道特性。

用户端根据以上的信道估计矩阵利用已有的码本选择算法进行预编码矩阵选择，并将预编码矩阵指示符(PMI)和信道质量信息(CQI)通过上行链路反馈回基站，以便基站根据CQI和PMI进行多用户选择和预编码矩阵选择。同时接收端也会将信道估计矩阵H和预编码矩阵W反馈给解预编码模块进行处理，然后经过解调还原出码字流。其中采用的信道模型为3DWINNER2模型，接收端天线个数为1，且信道估计为完美信道估计，接收端解预编码方法为MF，即匹配滤波，CQI和PMI反馈为完美反馈，即无时延、无误差反馈。

(2)用户端根据以上的信道估计矩阵利用已有的码本选择算法进行预编码矩阵选择，并将反馈信息通过上行链路反馈回基站。一般反馈的是两部分信息，一个是矢量量化的信息PMI，对应预编码码本的索引号，为发射端选择合适的预编码矩阵；一个是信道的质量信息CQI，通常情况下是信干噪比的量化值。用户可以反馈所有可选预编码向量下的SINR值，也可以为了减小反馈开销只反馈最大的SINR值。在这里由于用户端不能知道对其产生干扰的预编码向量，因此不能准确的得到SINR值。因此，用户将所有可选预编码向量下的等效信道增益信息作为CQI(||H_kW_i||²，k＝1，2，3...，M，i＝1，2，...，2^B，其中2^B为预编码向量的个数，B为预编码反馈比特数)反馈给基站端，基站端可以根据待选的用户集合和CQI信息计算该待选集合中每个用户的SINR，进而得到该待选集合和容量。

本发明方法的显著进步是：

(1)本发明是基于量化预编码的多用户MIMO系统用户选择方法。量化预编码是针对有限反馈系统的一种性能良好的预编码方法，同时该预编码方法可以同时适应TDD系统和FDD系统，在大规模MIMO的发展中有重要的研究意义。

(2)本发明的仿真结果显示，本发明提出的多用户选择方法不仅可以保证一定的系统和容量，还可以提升用户的公平性。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明一种基于量化预编码的多用户MIMO系统用户选择方法的流程图；

图2为本发明方法采用的MU-MIMO下行链路预编码系统模型的结构示意图；

图3为同时选择4个用户且设置不同门限值时本文方法增加的计算复杂度比较及系统和容量比较示意图；

图4为同时选择4个用户时不同选择方法的系统和容量比较示意图；

图5为同时选择4个用户且标识位设置不同比例时本文方法的系统和容量比较示意图；

图6为同时选择4个用户且标识位设置不同比例时本文方法的用户服务次数比较示意图；

具体实施方式

图1所示实施例表明，本发明方法的具体步骤：

首先基站端根据现有的方法获得用户端反馈的预编码矩阵索引(PMI)和信道质量信息(CQI)，并通过计算用户集合的预编码矩阵的相关性来获得待选的用户集合。然后基站端根据信道质量信息(CQI)计算所有待选用户集合的和容量，并得到最大计算和容量。接着基站端根据用户集合的和容量和用户选择次数，计算待选用户集合的归一化和容量和归一化用户选择次数。最后基站端根据归一化和容量和归一化用户服务次数计算用户调度标识位，并根据用户调度标识位选择一组理想用户集合进行服务。

图2所示实施例表明，本发明方法采用的大规模MU-MIMO下行链路预编码系统模型的结构：

如图2所示。本发明基于有M个用户的单小区场景。基站端根据信道质量信息和预编码向量索引进行多用户选择，然后输入的码字流q经过调制后生成复调制符号d(i)，再进行预编码操作，即把复调制符号映射到相应的虚拟天线端口的资源上的向量块y(i)上。调制方式采用QPSK，即正交相移键控。预编码方式采用基于旋转DFT码本的预编码。基站端采用N_t＝N_th*N_tv的均匀平板天线阵列，发送信号经过3DWINNER2信道、加高斯白噪声之后被接收端接收，然后进行信道估计，这里假设信道估计矩阵为H∈C^M×Nt，可由下式表示：

H＝[H₁；H₂；…；H_M]

其中H∈C^l×Nt表示基站端发射天线到第k个用户之间的时域信道特性。

用户端根据以上的信道估计矩阵利用已有的码本选择算法进行预编码矩阵选择，并将预编码向量指示符(PMI)和信道质量信息(CQI)通过上行链路反馈回基站，以便基站根据CQI和PMI进行多用户选择和预编码矩阵选择。同时接收端也会将信道估计矩阵H和预编码矩阵W反馈给解预编码模块进行处理，然后经过解调还原出码字流。其中采用的信道模型为3DWINNER2模型，接收端天线个数为1，且信道估计为完美信道估计，接收端解预编码方法为MF，即匹配滤波，CQI和PMI反馈为完美反馈，即无时延、无误差反馈。

图3所示实施例表明，同时选择4个用户且设置不同门限值时本文方法增加的计算复杂度比较及系统和容量比较：

图中(a)和(b)分别给出了设置3个不同门限值时增加的复杂度比较及和容量比较。图3(a)和(b)中都设置了3个门限值，门限值1为δ＝1+10^{^-2}，门限值2为δ＝1+10^{^-1}，门限值3为δ＝1+10^{^-0.5}。该门限值表示所有用户集合可以进入待选用户集合的标准。本文中我们定义满足门限值的用户集合数为本文方法相比最小化预编码矩阵相关性用户选择法增加的计算复杂度。如图3(a)所示，随着门限值的增大，满足门限值的用户集合数也随着增大。这样系统在选择用户过程中需要的计算量也就增加的越多。图3(b)表示了设置不同门限值时的系统和容量，可以看出随着门限值的增大系统和容量也增加。通过比较(a)和(b)，可以看出当门限值为δ＝1+10^{^-0.5}时系统容量相比门限值为δ＝1+10^{^-1}时有所增加，但是增加的复杂度很大。而当门限值为δ＝1+10^{^-2}时增加的复杂度相比门限值为δ＝1+10^{^-1}时有所降低，但是系统容量也降低了很多。因此，综合系统容量和增加的复杂度，可以得到最佳的门限值为δ＝1+10^{^-1}。

图4所示实施例表明，本发明选择方法与现有的选择方法的和容量比较：

图中给出了5个不同方法的和容量比较。第一种为随机法，即基站端随机选择一个用户集合所得到的和容量。第二种为基站端使用DPC算法得到的可达容量域。第三种为最小化预编码矩阵相关性法，即基站端计算比较所有集合的预编码矩阵的相关性得到的最小相关性集合的和容量。第四种为本文方法，基站端计算比较所有待选集合的标识位得到的最大标识位集合的和容量。第五种为穷举法，即基站端通过计算比较所有用户集合的和容量所得到的最大和容量。可以看出，穷举法因为计算比较了所有可能的集合的和容量，所以得到了最大的系统和容量。而随机选择法由于完全没有考虑用户信道信息得到了最小的系统和容量。同时，与基于最小化预编码矩阵相关性的方法相比，本发明提出的方法通过计算比较所有待选集合的调度标识位所选择的用户集合的和容量有很大的提升。该和容量的提升是由于在选择用户的过程中，基站不仅考虑了多用户的干扰还考虑了用户的信道质量。

图5所示实施例表明，同时选择4个用户且标识位设置不同比例时本文方法的系统和容量比较：

图中给出了标识位设置4种不同比例时的系统和容量比较。第一种为标识位比例设置为x＝1、y＝0时的系统和容量。第二种为标识位比例设置为x＝0.5、y＝0.5时的系统和容量。第三种为标识位比例设置为x＝0.4、y＝0.6时的系统和容量。第四种为标识位比例设置为x＝0.2、y＝0.8时的系统和容量。可以看出，设置不同的比例可以获得不同的系统和容量。第一种设置只考虑了用户集合此次选择的和容量而完全没有考虑用户集合的服务次数，因此获得最大系统和容量。而后面三种比例设置可以看出，随着考虑用户集合服务次数比例的增加，系统和容量是逐渐降低的。但是，由于所有待选用户集合的预编码矩阵的相关性很小，用户间的干扰很小，因此更多地考虑用户的公平性并不会带来太大的和容量损失。

图6所示实施例表明，同时选择4个用户且标识位设置不同比例时本文方法的用户服务次数比较：

图中给出了标识位设置4种不同比例时的用户服务次数比较。第一种为标识位比例设置为x＝1、y＝0时的系统和容量。第二种为标识位比例设置为x＝0.5、y＝0.5时的系统和容量。第三种为标识位比例设置为x＝0.4、y＝0.6时的系统和容量。第四种为标识位比例设置为x＝0.2、y＝0.8时的系统和容量。可以看出，当标识位设置不同的比例时，小区内用户服务次数分布是不同的。第一种设置只考虑了用户集合此次选择的和容量而完全没有考虑用户集合的服务次数，因此用户服务次数的分布最不均匀。而后面三种比例设置可以看出，随着考虑用户集合服务次数比例的增加，用户服务次数的分布逐渐变得均匀，用户的公平性得到了提升。

实施例

小区内设置10个单天线用户，每个用户依据现有的方法选择各自的最优预编码向量并计算信道质量信息，并将预编码向量索引和信道质量信息反馈给基站端。基站端根据反馈信息选择4个用户同时服务，实现100次用户调度。

本实施例基于量化预编码的MU-MIMO系统用户选择方法，其步骤是：

第一步，基站端根据现有的方法获得用户端反馈的预编码矩阵索引(PMI)和信道质量信息(CQI)，然后通过计算用户集合的预编码矩阵相关性来获得待选的用户集合Ω。

即：

$\left|\right|P_{\left(S_i\right)}^H{P}_{\left(S_i\right)}|{|}_1<\mathrm{\&delta;},i=1,2,...,C_M^K=210$

其中，K＝4为同时服务的用户数，M＝10为小区内的用户数，S_i为第i个用户集合，为S_i用户集合的预编码矩阵，δ＝1+10^{^-1}为预编码矩阵相关性的门限。

第二步，基站端根据信道质量信息(CQI)计算所有待选用户集合S_i∈Ω的和容量R(S_i)，并得到最大和容量R(S_max)。

(1)基站端计算用户k的信干燥比SINR_k：

${\mathrm{SINR}}_k=\frac{(P_i/K)\left|\right|H_k{w}_k|{{|}_2}^2}{{\mathrm{\&sigma;}}^2+(P_i/K)\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\left|\right|H_k{w}_i|{{|}_2}^2}=\frac{\left|\right|H_k{w}_k|{{|}_2}^2}{K/\mathrm{\&gamma;}+\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\left|\right|H_k{w}_i|{{|}_2}^2},(k,i\&Element;S_i)$

其中，H_k为用户k的信道信息，w_k为用户k选择的预编码向量，P_t为基站总的发射功率，σ²为噪声功率，γ为信噪比，K为同时服务的用户数。

(2)基站端根据计算的信干燥比计算待选用户集合S_i∈Ω的和容量，并得到最大和容量：

$R\left(S_i\right)=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}log(1+\frac{\left|\right|H_k{w}_k|{{|}_2}^2}{K/\mathrm{\&lambda;}+\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\left|\right|H_k{w}_i|{{|}_2}^2}),(k,i\&Element;S_i)$

$R\left(S_{max}\right)=\underset{S_i\&Element;\mathrm{\&Omega;}}{max\left(R\right(S_i\left)\right)}$

第三步，基站端根据用户集合的和容量和用户服务次数，计算待选用户集合S_i∈Ω的归一化和容量和归一化用户服务次数。

定义用户集合S_i∈Ω的归一化和容量为

${\mathrm{\&alpha;}}_{S_i}=\frac{R\left(S_i\right)}{R\left(S_{\max }\right)}$

定义用户集合S_i∈Ω的归一化用户服务次数为

${\mathrm{\&beta;}}_{S_i}=\frac{d_{S_i}}{d_{sum}}$

其中为用户集合S_i∈Ω中各用户服务次数总和，d_sum为小区内所有用户服务次数总和。

第四步，基站端根据归一化和容量和归一化用户服务次数计算用户集合S_i∈Ω调度标识位再根据用户调度标识位选择一组理想用户集合进行服务。

(1)本发明定义用户集合S_i∈Ω的调度标识位为

${\mathrm{\&eta;}}_{S_i}={\mathrm{\&alpha;}}_{S_i}*x+{\mathrm{\&beta;}}_{S_i}*y,S_i\&Element;\mathrm{\&Omega;}$

x+y＝1

注：当x为0时，表示选择过程中只考虑了用户的公平性，没有考虑用户的信道质量，当y为0时只考虑了用户的信道质量，即只考虑系统的和容量。x和y的设置可以自由地调节系统性能和公平性的比例。

(2)在待选的用户集合Ω中，选择调度标识位数值最大的一组用户同时服务。此时获得的系统和容量为R(S)。

$S=\underset{S_i\&Element;\mathrm{\&Omega;}}{\mathrm{argmax}\left({\mathrm{\&eta;}}_{S_i}\right)}$

$R\left(S\right)=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}log(1+\frac{\left|\right|H_k{w}_k|{{|}_2}^2}{K/\mathrm{\&lambda;}+\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\left|\right|H_k{w}_i|{{|}_2}^2}),(k,i\&Element;S)$

Claims (4)

1.一种基于量化预编码的多用户MIMO系统用户选择方法，其特征在于包括以下步骤：

步骤1)、基站端根据现有的方法获得用户端反馈的预编码矩阵索引(PMI)和信道质量信息(CQI)，然后通过计算用户集合的预编码矩阵相关性来获得待选用户集合Ω；

步骤2)、基站端根据信道质量信息(CQI)计算所有待选用户集合的和容量R(S_i)，并得到最大和容量R(S_max)；

步骤3)、基站端根据用户集合的和容量和用户服务次数，计算待选用户集合S_i∈Ω的归一化和容量和归一化用户服务次数

步骤4)、基站端根据归一化和容量和归一化用户服务次数计算用户集合S_i∈Ω调度标识位再根据用户调度标识位选择一组理想用户集合进行服务。

2.根据权利要求1所述的一种基于量化预编码的多用户MIMO系统用户选择方法，其特征在于，在所述的步骤1)中，待选用户集合Ω是通过将所有用户集合的预编码矩阵的相关性与门限值δ做比较得到的，即：

$\left|\right|P_{\left(S_i\right)}^H{P}_{\left(S_i\right)}|{|}_1<\mathrm{\&delta;},i=1,2,...,C_M^K$

其中，K为同时服务的用户数，每个用户集合包含K个用户，M为小区内的用户数，S_i为第i个用户集合，为用户集合S_i的预编码矩阵，预编码矩阵相关性的门限δ是通过权衡选择方法的复杂度和性能得到的。

3.根据权利要求1所述的一种基于量化预编码的多用户MIMO系统用户选择方法，其特征在于，在所述的步骤3)中，定义用户集合S_i∈Ω的归一化和容量为定义用户集合S_i∈Ω的归一化用户服务次数为其中为用户集合S_i∈Ω中各用户服务次数总和，d_sum为小区内所有用户服务次数总和。

4.根据权利要求1所述的一种基于量化预编码的多用户MIMO系统用户选择方法，其特征在于，在所述的步骤4)中，定义用户集合S_i∈Ω的调度标示位为其归一化和容量和归一化用户服务次数的加权和，即：

${\mathrm{\&eta;}}_{S_i}={\mathrm{\&alpha;}}_{S_i}*x+{\mathrm{\&beta;}}_{S_i}*y,S_i\&Element;\mathrm{\&Omega;}$

其中，x为用户信道质量的权重，y为用户公平权重，满足约束关系，x+y＝1。