CN105812042B - 基于压缩感知的c-ran架构大规模mimo系统的数据传输方法 - Google Patents

Abstract

本发明提供一种基于压缩感知的C‑RAN架构大规模MIMO系统的数据传输方法，包括以下步骤：集中式基带处理池BBU对信道估计得到的信道矩阵H进行向量化，得到信道向量h；BBU利信道向量h进行随机测量得到压缩感知模型中的测量向量y；BBU向各射频拉远单元RRU发送测量向量y和数据符号向量s；RRU根据接收到的测量向量y和压缩感知算法得到信道矩阵重构信号RRU利用信道矩阵计算预编码矩阵W；RRU利用预编码矩阵W和数据符号向量s进行预编码，计算得到发送信号向量x。本发明的采用压缩感知方法对信道状态信息进行压缩，重建然后进行预编码，在BBU与RRU间的传输带宽受限的情况下，大幅度提高了系统容量。

Description

基于压缩感知的C-RAN架构大规模MIMO系统的数据传输方法

技术领域

本发明属于无线移动通信技术，特别涉及基于无线接入网C-RAN架构大规模多输入多输出技术MIMO系统的数据传输技术。

背景技术

多输入多输出技术MIMO是指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。它能充分利用空间资源，在不增加频谱资源和天线发射功率的情况下，成倍地提高系统信道容量。大规模多输入多输出(Massive MIMO)即天线数可达上百根，可以更大程度地提高系统容量，同时可以节省传输能量。

由集中式基带处理池BBU、射频拉远单元RRU和天线组成的协作式无线网络和基于开放平台的实时云型基础设施组成的的无线接入网C-RAN，可以降低能源消耗、减少资本开支和运营开支，基于负载自适应资源分配、提高频谱效率和网络容量、增加用户带宽，支持多种无线通信标准和平滑升级，为终端用户提供更好的无线接入服务。

在C-RAN架构大规模MIMO系统中，RRU侧的天线数目可达到上百根，BBU与RRU之间需要实现灵活的数据交换，高带宽、高实时性的数据传输给交换网络带来巨大的压力。因此，需要对数据进行压缩以降低数据传输对交换网络的带宽要求。

预编码技术就是在已知信道状态信息的情况下，通过在发送端对发送信号做预处理，以提高系统容量或降低系统误码率。在大规模MIMO系统中，由于物理天线间的距离有限，物理信道具有很强的相关性。

目前，C-RAN架构大规模MIMO系统中的数据传输方法主要有两种：预编码后(After-precoding)方法和预编码前(Before-precoding)方法(Sangkyu Park,Chan-byoung Chae,Saewoong Bahk,Before/after precoded massive MIMO in cloud radioaccess networks,IEEE International Conference on Communications Workshops(ICC),2013)。预编码后方法BBU传输预编码后的IQ数据给RRU。预编码前方法BBU将数据符号和预编码矩阵分别传输给RRU，之后在RRU侧进行预编码操作。其中预编码后方法所传输的比特速率与RRU侧发送天线数目成正比，在Massive MIMO系统中，BBU与RRU之间的交互信息量较大，对BBU与RRU间的传输带宽要求较高。相比预编码后方法，预编码前方法BBU与RRU之间的交互信息量减小，对传输带宽要求也减小，但仍对现有的传输网络带来巨大的压力。

发明内容

本发明所要解决的技术问题是，提供一种大幅度减小BBU与RRU之间的交互信息量的基于C-RAN架构大规模MIMO系统的数据传输方法。

本发明为解决上述技术问题所采用的技术方法是，基于压缩感知的C-RAN架构大规模MIMO系统的数据传输方法，包括以下步骤：

步骤1：集中式基带处理池BBU对信道估计得到的信道矩阵H进行向量化，得到信道向量h；

步骤2：BBU利用信道向量h进行随机测量得到压缩感知模型中的测量向量y；

所述压缩感知模型为y＝Φh＝ΦΨθ＝Aθ；Φ表示随机测量矩阵，h＝Ψθ表示原始信号，Ψ表示稀疏矩阵，θ表示稀疏度为K的稀疏信号，A＝ΦΨ表示传感矩阵；其中Φ和Ψ均为参数化矩阵，BBU和RRU均已知随机测量矩阵Φ和稀疏矩阵Ψ；

步骤3：BBU向各射频拉远单元RRU发送测量向量y和数据符号向量s；

步骤4：RRU根据接收到的测量向量y和压缩感知算法得到信道矩阵重构信号

步骤5：RRU利用信道矩阵重构信号计算预编码矩阵W；

步骤6：RRU利用预编码矩阵W和数据符号向量s进行预编码，计算得到发送信号向量x。

本发明基于预编码前方法进行了改进，在BBU与RRU之间的交互过程中引入了压缩感知技术，利用信号的稀疏特性，在远小于奈奎斯特采样率的条件下，在BBU用随机采样获取信号的离散样本，然后在RRU通过非线性重建算法重建信号，使得BBU与RRU之间的交互信息量更小。

本发明的有益效果是，采用压缩感知方法对信道状态信息进行压缩，重建然后进行预编码，在BBU与RRU间的传输带宽受限的情况下，大幅度提高了系统容量。

附图说明

图1是本发明系统的基本结构示意图。

图2是在信噪比ρ＝10dB预编码矩阵更新频率f_w＝1/(10ms)时本发明实施例和对比例在不同用户数k下的系统总速率示意图。

图3是在信噪比ρ＝10dB预编码矩阵更新频率f_w＝1/(5ms)时本发明实施例和对比例在不同用户数k下的系统总速率示意图。

图4是在信噪比ρ＝0dB预编码矩阵更新频率f_w＝1/(10ms)时本发明实施例和对比例在不同用户数k下的系统总速率示意图。

图5是在信噪比ρ＝0dB预编码矩阵更新频率f_w＝1/(5ms)时本发明实施例和对比例在不同用户数k下的系统总速率示意图。

具体实施方式

下面对本发明的实施案例做详细说明。本实施案例在本发明技术方案为前提下实施，给出了详细的实施方式和具体的过程，但本发明的实施范围不只限于描述的场景。

将本发明的数据传输方法用于C-RAN架构大规模MIMO单小区系统，RRU的天线数目为M，小区中的用户数为K，且K<M。正交频分复用OFDM子载波数量为N_Sub，符号速率为f_Sym，每个IQ数据采样比特为b_IQ，解调信号比特为b_DS，BBU与RRU间的传输带宽为φ。本具体实施方式中M＝400，K＝200，N_Sub＝2048，f_Sym＝1/(66.7us)，b_IQ＝40bits，b_DS＝7bits，φ＝49.1Gbps。

针对本实施例，本发明提供的基于压缩感知的C-RAN架构大规模MIMO系统的数据传输方法，主要包括以下步骤：

步骤1：BBU对信道估计得到的信道矩阵H进行向量化，得到信道向量h，其中h＝vec(H)。其中H∈C^k×m，k表示需要发送信息的用户数，m表示用于发射信号的天线数，C^k×m表示k×m维的复数矩阵。vec(·)表示向量化运算，即把矩阵的列向量按照在矩阵中的排列次序排成列向量。

步骤2：BBU利用步骤1得到的信道向量h进行随机测量得到压缩感知模型中的测量向量y。其中y＝Φh∈C^αkm×1，C^αkm×1表示αkm×1维复数矩阵，Φ表示随机测量矩阵，Φ∈R^αkm×km，R^αkm×km表示αkm×km维实数矩阵，α为压缩率且0<α≤1。本实施例中Φ中的元素为独立同分布的高斯变量，均值为0，方差为1；α＝1/2。压缩感知模型为y＝Φh＝ΦΨθ＝Aθ。该模型中，Φ表示随机测量矩阵，h＝Ψθ表示原始信号，Ψ表示稀疏矩阵，θ表示稀疏度为K的稀疏信号，A＝ΦΨ表示传感矩阵。其中Φ和Ψ均为参数化矩阵，同时BBU和RRU均已知Φ和Ψ。

步骤3：BBU向各RRU发送测量向量y和数据符号向量s。

步骤4：RRU根据接收到的测量向量y和RRU已知的随机测量矩阵Φ，稀疏矩阵Ψ采用压缩感知方法得到信道矩阵重构信号

本实施例中，随机测量矩阵Φ中的元素为独立同分布的高斯变量，均值为0，方差为1；稀疏矩阵其中C_m表示m×m维矩阵，且第(i，j)个矩阵元素满足i表示矩阵第i行，j表示矩阵第j列且i,j＝0,…,m-1；C_k表示k×k维矩阵，且第(i，j)个矩阵元素满足 i表示矩阵第i行，j表示矩阵第j列且i,j＝0,…,k-1；表示Kronecker乘积；压缩感知方法中的步长为S＝1。

压缩感知方法具体为步骤(a)-(i)所述：

(a)计算传感矩阵A＝ΦΨ，初始化r₀＝y,L＝S,t＝1。

(b)计算u＝abs[A^Tr_t-1]，选择u中L个最大值，将这些值对应传感矩阵A的列序号j构成集合S_k(列序号集合)，(·)^T表示矩阵转置；

(c)令C_k＝Λ_t-1∪S_k,A_t＝{a_j}(forallj∈C_k)，S_k表示步骤(a)中得到的由传感矩阵A的列序号构成的集合；

(d)求y＝A_tθ_t的最小二乘解

(e)从最小二乘解中选出绝对值最大的L项记为对应的A_t中的L列记为A_tL，对应的A的列序号记为Λ_tL，记集合F＝Λ_tL；

(f)更新残差

(g)如果残差r_tnew＝0则停止迭代进入(h)；如果||r_tnew||₂≥||r_t-1||₂，更新步长L＝L+S，返回(b)继续迭代；前面两个条件依次都不满足，则Λ_t＝F,r_t＝r_tnew,t＝t+1，如果t>αkm停止迭代进入(h)，否则返回(b)继续迭代；

(h)重构所得在Λ_t处有非零项，其值分别为最后一次迭代所得

(i)利用稀疏矩阵重构信道向量得到信道矩阵重构信号

在上述步骤(a)-(i)中，r₀表示初始残差，r_t表示残差，t表示迭代次数，表示空集，Λ₀表示初始索引集合，Λ_t表示t次迭代的索引(列序号)集合(元素个数为L，L等于整数倍步长S)，a_j表示传感矩阵A的第j列，A_t＝{a_j}(forallj∈C_k)表示按索引集合C_k选出的传感矩阵A的列集合(设列数为L_t)，θ_t为L_t×1的列向量，符号∪表示集合并运算，abs[·]表示求向量元素绝对值，||·||₂表示向量2范数。

步骤5：RRU利用步骤4得到的信道矩阵可计算得到预编码矩阵W∈C^m×k，其中C^m×k表示m×k维的复数矩阵。

可以选择采用的预编码矩阵为迫零ZF预编码矩阵或最大比传输MRT预编码矩阵其中(·)^H表示共轭转置，(·)^-1表示矩阵求逆。

步骤6：RRU利用步骤5得到的预编码矩阵W和步骤3得到的数据符号向量s进行预编码，计算得到发送信号向量x，即x＝Ws。

图1为本发明系统的基本结构示意图，其中信道矩阵向量化对应于步骤1，随机测量对应于步骤2，重构信道矩阵对应于步骤4，预编码矩阵生成对应于步骤5，发送信号生成对应于步骤6。

为了评估本发明的性能，在信噪比ρ分别为10dB和0dB，预编码矩阵更新频率f_w分别为1/(10ms)和1/(5ms)，信道矩阵完美重构的条件下，根据公式(1)比较传输带宽受限情况下不同用户数k下所能达到的最大信道容量，其中s^B＝"MRT"表示采用最大比传输预编码矩阵，s^B＝"ZF"表示采用迫零预编码矩阵，s^D＝"after"和s^D＝"before"表示背景技术中Sangkyu Park等在”Before/after precoded massive MIMO in cloud radio accessnetworks”文章中提出的预编码后方法和预编码前方法，s^D＝"before+CS"表示本发明所提出的方法：

对比例1和对比例2分别为背景技术中Sangkyu Park等在”Before/afterprecoded massive MIMO in cloud radio access networks”文章中提出的预编码后方法和预编码前方法。

由图2可知，当信噪比ρ为10dB，预编码矩阵更新频率f_w为1/(10ms)时，采用MRT预编码矩阵，本发明系统总速率最大可达114.4bits/Hz，是对比例1最大总速率的2.9倍，是对比例2最大总速率的1.4倍；采用ZF预编码矩阵，本发明系统总速率最大可达252.5bits/Hz，是对比例1最大总速率的3.3倍，是对比例2最大总速率的1.4倍。

由图3可知，当信噪比ρ为10dB，预编码矩阵更新频率f_w为1/(5ms)时，采用MRT预编码矩阵，本发明系统总速率最大可达83.5bits/Hz，是对比例1最大总速率的2.1倍，是对比例2最大总速率的1.4倍；采用ZF预编码矩阵，本发明系统总速率最大可达185.3bits/Hz，是对比例1最大总速率的2.4倍，是对比例2最大总速率的1.4倍。

由图4可知，当信噪比ρ为0dB，预编码矩阵更新频率f_w为1/(10ms)时，采用MRT预编码矩阵，本发明系统总速率最大可达86.8bits/Hz，是对比例1最大总速率的3.5倍，是对比例2最大总速率的1.4倍；采用ZF预编码矩阵，本发明系统总速率最大可达111.1bits/Hz，是对比例1最大总速率的4.9倍，是对比例2最大总速率的1.4倍。

由图5可知，当信噪比ρ为0dB，预编码矩阵更新频率f_w为1/(5ms)时，采用MRT预编码矩阵，本发明系统总速率最大可达62.8bits/Hz，是对比例1最大总速率的2.5倍，是对比例2最大总速率的1.4倍；采用ZF预编码矩阵，本发明系统总速率最大可达80.5bits/Hz，是对比例1最大总速率的3.5倍，是对比例2最大总速率的1.4倍。

Claims (1)

1.基于压缩感知的C-RAN架构大规模MIMO系统的数据传输方法，其特征在于，包括以下步骤：

步骤1：集中式基带处理池BBU对信道估计得到的信道矩阵H进行向量化，得到信道向量h；

步骤2：BBU利用信道向量h进行随机测量得到压缩感知模型中的测量向量y；

所述压缩感知模型为y＝Φh＝ΦΨθ＝Aθ；Φ表示随机测量矩阵，h＝Ψθ表示原始信号，Ψ表示稀疏矩阵，θ表示稀疏度为K的稀疏信号，A＝ΦΨ表示传感矩阵；其中Φ和Ψ均为参数化矩阵，BBU和RRU均已知随机测量矩阵Φ和稀疏矩阵Ψ；

步骤3：BBU向各射频拉远单元RRU发送测量向量y和数据符号向量s；

步骤4：RRU根据接收到的测量向量y和压缩感知算法得到信道矩阵重构信号

步骤5：RRU利用信道矩阵重构信号计算预编码矩阵W；

步骤6：RRU利用预编码矩阵W和数据符号向量s进行预编码，计算得到发送信号向量x。