CN106059638A - 一种多小区大规模mimo系统中的干扰消除和天线优化方法 - Google Patents

Abstract

本发明请求保护一种多小区大规模MIMO系统中的干扰消除和天线优化方法，本发明提出一种结合联合空分复用和天线选择的干扰对齐方法，用户端设计联合接收滤波器矩阵，压缩干扰空间并克服用户终端天线数随用户数增加而导致的快速增长；基站端采用低复杂度的天线选择算法，选择合适的信道矢量，使其信道协方差矩阵主特征值数与已选择天线数之间满足一定的关系，从而更好实现干扰对齐与联合空分复用的结合。理论分析与仿真结果表明，采用本发明提出的结合联合空分复用和天线选择的干扰对齐方法，可以消除系统干扰，当用户数较大时，降低基站端与用户端所需天线数。

Description

一种多小区大规模MIMO系统中的干扰消除和天线优化方法

技术领域

本发明涉及涉及无线通信多小区大规模MIMO系统领域，尤其涉及多小区干扰消除技术。

背景技术

大规模MIMO技术通过在基站部署大规模的天线阵，可以显著提高系统频谱效率[Lu L,Li G Y,Swindlehurst A L,et al.An overview of massive MIMO:Benefits andchallenges[J].Selected Topics in Signal Processing,IEEE Journal of,2014,8(5):742-758.]，而在多小区大规模MIMO系统组网时，干扰一直是限制系统性能最主要的因素之一。干扰对齐技术通过发射端预处理，将来自不同发射端的干扰信号在接收端的有限维空间上进行对齐，以压缩干扰所占空间，并保证期望信号空间线性独立于干扰信号空间，这样接收端只需要简单的线性处理就能消除已经对齐的干扰。然而，干扰对齐直接应用于大规模MIMO技术复杂度较高，且性能较差[El Ayach O,Peters S W,Heath R.The practicalchallenges of interference alignment[J].IEEE Wireless Communications,2013,20(1):35-42.]。

联合空分复用技术[Adhikary A,Nam J,Ahn J Y,et al.Joint spatialdivision and multiplexing—the large-scale array regime[J].InformationTheory,IEEE Transactions on,2013,59(10):6441-6463.]利用有限的信道状态信息，来实现大规模MIMO的性能增益，在单蜂窝小区中，通过两级预编码处理，在消除系统干扰的同时，可以有效降低获取信道状态信息的开销。

大规模MIMO系统相比传统MIMO系统基站天线数高出1～2个数量级，尽管系统容量及能量效率得到提升，但所产生的射频(Radio Frequency,RF)链路数也急剧增加，其带来的电路损耗也会不断增加。另外，干扰对齐所需收发两端的天线数会随干扰用户数量的增加而增加，纯粹的干扰对齐方案难以应用于大规模MIMO系统，因此，需要进一步采取措施减少系统所需天线数。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种以消除系统干扰、降低基站端与用户端所需天线数的多小区大规模MIMO系统中的干扰消除和天线优化方法。本发明的技术方案如下：

一种多小区大规模MIMO系统中的干扰消除和天线优化方法，其包括以下步骤：

101、用户首先通过上行链路将自己的地理几何信息发送给基站，基站转发给远端的基带处理器，基带处理器据此求得信道协方差矩阵，然后基站发送导频序列给用户，用户通过导频序列检测信道状态信息，根据信道协方差矩阵及干扰对齐算法设计联合接收滤波器矩阵，并构造联合等效接收滤波器矩阵；

102、根据所求联合接收滤波器矩阵，通过迫零算法求得用于消除小区间干扰和分组间干扰的联合一阶预编码矩阵；

103、根据所求JRF与步骤102所求联合一阶预编码矩阵，通过最小均方误差算法求得用于消除用户间干扰的二阶预编码矩阵；

104、基站端进行天线选择，给出天线选择的两个准则；

105、根据步骤104基站端所给出的天线选择准则，求出优选天线选择配置。

进一步的，步骤101中根据信道协方差矩阵及干扰对齐算法设计联合接收滤波器矩阵，并构造联合等效接收滤波器矩阵具体为：

为每个用户组设计联合接收滤波器矩阵U^[g,i]，定义联合等效接收滤波器矩阵为：其中，表示等效符号，U^[g,j]为小区j中第g个用户组的联合接收滤波器矩阵，为小区j中第g个用户组的联合等效接收滤波器矩阵，W^{[g ,j],l}为基站l到小区j中第g个用户组的小尺度衰落矩阵，Λ^[g,j],l为信道协方差矩阵非零特征值组成的对角阵，为保证联合接收滤波器矩阵U^[g,j]有解，W^[g,j],l为方阵，满足条件r＝KN_r/2。K表示每小区用户数，N_r表示用户端天线数，r表示主特征值数。

进一步的，步骤101中采用干扰对齐算法使基站l对用户组[g,j]和用户组[g′,j]的干扰对齐在一个子空间，即：

$span\left({\left({\tilde{U}}^{\[g,j\]}\right)}^H{\left(F^{\[g,j\],l}\right)}^H\right)=span\left({\left({\tilde{U}}^{\[g,j\]}\right)}^H{\left(F^{\[g,j\],l}\right)}^H\right)---\left(1\right)$

span表示括号内矩阵的列向量生成的生成子空间，(F^[g,j],l)表示主特征值对应特征向量组成的特征模矩阵。

式(1)可以变换为：

$\left[\begin{array}{ccc}{I}_{N_s}& -F^{\[g,j\],l}& 0_{N_s\×r}\\ I_{N_s}& 0_{N_s\×r}& -F^{\[g^{\′},j\],l}\end{array}\right]\left[\begin{array}{c}{h}^{IGIj}\\ {\tilde{U}}^{\[g,j\]}\\ {\tilde{U}}^{\[g^{\′},j\]}\end{array}\right]=0---\left(2\right)$

其中，表示维度为N_s的单位阵，表示维度为N_s×r的零矩阵，h^IGIj表示基站l对小区j内用户组的干扰经对齐后形成的子空间，为保证矩阵有解，需满足条件即

进一步的，所述步骤102的联合一阶预编码矩阵具体为：小区j内第g个用户组的一阶预编码矩阵为：

$V^{\[g,j\]}\⋐null\left(\left[\begin{array}{c}{\left(U^{\[g^{\′},j\]}\right)}^H{\left(W^{\[g^{\′},j\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g^{\′},j\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g^{\′},j\],j}\right)}^H\\ {\left(U^{\[g,i\]}\right)}^H{\left(W^{\[g,i\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g,i\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g,i\],j}\right)}^H\\ {\left(U^{\[g^{\′},i\]}\right)}^H{\left(W^{\[g^{\′},i\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g^{\′},i\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g^{\′},i\],j}\right)}^H\\ {\left(h^{IGIl}\right)}^H\end{array}\right]\right)---\left(3\right)$

为了使括号内矩阵具有零空间，需要满足条件N_s-2Kd≥b。

进一步的，所述步骤104的天线选择的两个准则第一个准则为：基站天线数N_s与主特征值数之间需要满足一定的关系，但N_s×N_s维信道协方差矩阵R^[g,i],i′的主特征值个数未必恰好是，在基站部署N_t根天线的基础上选择N_s根天线，使其满足如下关系，即天线选择的第一个准则为：

$R^{\[g,i\],i^{\′}}-{\stackrel{\‾}{F}}^{\[g,i\],i^{\′}}{\stackrel{\‾}{\mathrm{\Λ}}}^{\[g,i\],i^{\′}}{\left({\stackrel{\‾}{F}}^{\[g,i\],i^{\′}}\right)}^H\≤\mathrm{\ξ}Z---\left(4\right)$

其中，ξ为误差控制参数，Ζ表示误差矩阵，其元素大小为10^-2～10^-1数量级；

从N_t根天线中选择其中的N_s根共有种可能，并且满足不等式(8)的天线子集可能有多个，因此，以最大化信道容量为准则，从满足不等式(8)的天线选择方案中选择最优的一个。

进一步的，所述步骤104的天线选择的两个准则第二个准则为：

选择合适的天线子集，使信道协方差的最大特征值与最小特征值之差最小，即天线选择的第二个准则为：

${\mathrm{\Γ}}^{op}=\arg \underset{{\mathrm{\Γ}}^i}{min}\{{{\mathrm{\λ}}^i}_{\max }-{{\mathrm{\λ}}^i}_{\min }\}---\left(5\right)$

式中，Γ^op表示最优的天线子集，λⁱ _max与λⁱ _max表示第i个天线子集信道协方差矩阵的最大特征值和最小特征值。

进一步的，天线选择算法步骤为：1)基站部署N_t根天线，天线集合表示为下标表示天线的编号，要选择的天线数目为N_s，主特征值数目为，控制参数为ξ，误差矩阵为Z；

2)固定前N_s-1根天线分别为第N_s根天线从第根天线开始遍历到第根天线，共需遍历N_t-N_s+1次；

3)固定前N_s-2根天线分别为第N_s-1根天线固定为第N_s根天线从第根天线开始遍历到第根天线，共需遍历N_t-N_s-1次，以此类推，确定所有可能的天线选择方案；

4)定义矩阵变量系统每遍历完一个天线选择子集后进行判断，若E≤ξZ，则将矩阵变量E和对应天线子集保存，用于步骤5)中进一步的选择，以此类推，确定满足不等式(8)，即的天线选择方案的集合为Γ＝{Γ¹,Γ²,...Γⁿ}，n为经过步骤3)、步骤4)之后选取的天线子集数目；

5)针对步骤3)、步骤4)中选择的所有天线子集，根据式(9)，即选出最优的天线子集Γ^op。

本发明的优点及有益效果如下：

1.利用信道统计信息进行信号处理，避免获取精确信道状态信息导致的巨大开销。

2.压缩干扰空间，减少用户端所需天线数。

3.采用最小均方误差算法，减弱病态信道对系统性能的影响。

4.采用天线选择，减少射频链路数，为联合空分复用与干扰对齐的结合创造有利条件。

5.以最大化系统容量为准则，提升系统容量。

附图说明

图1是本发明提供优选实施例多小区蜂窝系统模型；

图2小区间干扰与组间干扰信道模型；

图3用户与云型无线接入网架构通信链路及算法原理图；

图4不同到达角时特征值的累积分布函数；

图5不同角度扩展时特征值的累积分布函数；

图6不同天线归一化距离时特征值的累积分布函数；

图7不同天线选择方案下MIMO系统的频谱效率；

图8不同算法下单用户频谱效率。

具体实施方式

多小区大规模MIMO系统模型如图1所示，3个小区的基站通过光传输网与基带池连接，基带处理器集中处理各个基站传输的信号，从而实现基站间信道边信息的获取。每个小区边缘用户平均分成两个用户组，每个用户将受到小区间干扰、分组间干扰和用户间干扰。考虑克罗内克半相关信道模型对小区内用户进行分组，忽略小组内的用户间干扰，将图1下行链路模型转化为图2所示模型。在消除小区间干扰及分组间干扰之后，系统模型转换为广播信道模型，此时，通过最小均方误差算法消除用户间干扰。

图3以单用户为例，给出用户与云型无线接入网架构之间的通信链路及算法原理图[Chih-Lin I,Huang J,Duan R,et al.Recent progress on C-RAN centralizationand cloudification[J].Access,IEEE,2014,2:1030-1039.]，其中实线代表实际链路，虚线代表虚拟链路。用户通过FDD上下行链路与基站通信，基站通过光传输链路将数据传送到远端基带处理器，基带处理器处理所有基站发送的信息，从而实现小区间的协作。具体过程为：用户首先通过上行链路将自己的地理几何信息发送给基站，基站远端的基带处理器据此设计天线选择方案，使用部分发射天线与用户通信，减少能量损耗；然后基站发送导频序列，用户通过导频序列检测信道状态信息，根据信道协方差矩阵及干扰对齐算法设计联合接收滤波器矩阵，并将维度降低的信道状态信息反馈给基站；最后基带处理器根据信道转换矩阵设计两级预编码消除干扰。

1.接收端为每个用户组设计联合接收滤波器(Joint Receiver Filter,JRF)矩阵U^[g,i]，定义联合等效接收滤波器(Joint Equivalent Receiver Filter,JERF)矩阵为：其中，U^[g,j]为小区j中第g个用户组的JRF，为小区j中第g个用户组的JERF，W^[g,j],l为基站l到小区j中第g个用户组的小尺度衰落矩阵，Λ^[g,j],l为信道协方差矩阵非零特征值组成的对角阵。为保证联合接收滤波器矩阵U^[g,j]有解，W^[g,j],l应为方阵，满足条件r＝KN_r/2。

2.从基站l的角度考虑，其发送的期望信号会对小区j,j≠l中的用户组产生干扰，将干扰压缩，使基站l对用户组[g,j]和用户组[g′,j]的干扰对齐在一个子空间，即：

$span\left({\left({\tilde{U}}^{\[g,j\]}\right)}^H{\left(F^{\[g,j\],l}\right)}^H\right)=span\left({\left({\tilde{U}}^{\[g,j\]}\right)}^H{\left(F^{\[g,j\],l}\right)}^H\right)---\left(6\right)$

式(1)可以变换为：

$\left[\begin{array}{ccc}{I}_{N_s}& -F^{\[g,j\],l}& 0_{N_s\×r}\\ I_{N_s}& 0_{N_s\×r}& -F^{\[g^{\′},j\],l}\end{array}\right]\left[\begin{array}{c}{h}^{IGIj}\\ {\tilde{U}}^{\[g,j\]}\\ {\tilde{U}}^{\[g^{\′},j\]}\end{array}\right]=0---\left(7\right)$

其中，h^IGIj表示基站l对小区j内用户组的干扰经对齐后形成的子空间。为保证矩阵有解，需满足条件即

3.基站采用迫零方法设计联合一阶预编码矩阵将压缩的小区间干扰和小区内组间干扰一起消除，小区j内第g个用户组的一阶预编码矩阵为：

$V^{\[g,j\]}\⋐null\left(\left[\begin{array}{c}{\left(U^{\[g^{\′},j\]}\right)}^H{\left(W^{\[g^{\′},j\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g^{\′},j\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g^{\′},j\],j}\right)}^H\\ {\left(U^{\[g,i\]}\right)}^H{\left(W^{\[g,i\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g,i\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g,i\],j}\right)}^H\\ {\left(U^{\[g^{\′},i\]}\right)}^H{\left(W^{\[g^{\′},i\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g^{\′},i\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g^{\′},i\],j}\right)}^H\\ {\left(h^{IGIl}\right)}^H\end{array}\right]\right)---\left(8\right)$

为了使括号内矩阵具有零空间，需要满足条件N_s-2Kd≥b。

4.基站j与用户组[g,j]组成的广播信道表示为

${\left(H_{BC}^{\[g,j\],j}\right)}^H={\left(U^{\[g,j\]}\right)}^H{\left(W^{\[g,j\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g,j\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g,j\],j}\right)}^H{V}^{\[g,j\]}---\left(9\right)$

采用最小均方误差算法设计二阶预编码矩阵P^[g,j]，消除组内用户间干扰，二阶预编码矩阵表示为：

$\begin{array}{c}{B}^{\[g,j\]}=H_{BC}^{\[g,i\],i}{({\left(H_{BC}^{\[g,i\],i}\right)}^H{H}_{BC}^{\[g,i\],i}+\frac{K}{2P_o}{I}_{K/2})}^{-1}\\ ={(H_{BC}^{\[g,i\],i}{\left(B_{BC}^{\[g,i\],i}\right)}^H+\frac{K}{2P_o}{I}_{K/2})}^{-1}{\left(H_{BC}^{\[g,i\],i}\right)}^H\end{array}---\left(10\right)$

${\mathrm{\β}}^{\[g,i\]}=\sqrt{\frac{Tr\left({\left(B^{\[g,i\]}\right)}^H{B}^{\[g,i\]}\right)}{P_o}}---\left(11\right)$

$P^{\[g,i\]}=\frac{1}{{\mathrm{\β}}^{\[g,i\]}}{B}^{\[g,i\]}---\left(12\right)$

为保证P^[g,i]有解，需满足

5.基站天线数N_s与主特征值数之间需要满足一定的关系，但N_s×N_s维信道协方差矩阵R^[g,i],i′的主特征值个数未必恰好是在基站部署N_t根天线的基础上选择N_s根天线，使其满足如下关系，即天线选择的第一个准则为：

$R^{\[g,i\],i^{\′}}-{\stackrel{\‾}{F}}^{\[g,i\],i^{\′}}{\stackrel{\‾}{\mathrm{\Λ}}}^{\[g,i\],i^{\′}}{\left({\stackrel{\‾}{F}}^{\[g,i\],i^{\′}}\right)}^H\≤\mathrm{\ξ}Z---\left(13\right)$

其中，ξ为误差控制参数，Ζ表示误差矩阵，其元素大小为10^-2～10^-1数量级。

从N_t根天线中选择其中的N_s根共有种可能，并且满足不等式(8)的天线子集可能有多个，因此，以最大化信道容量为准则，从满足不等式(8)的天线选择方案中选择最优的一个。天线相关性越强，相关矩阵最大特征值与最小特征值之差越大，导致容量损失越大。因此，选择合适的天线子集，使信道协方差的最大特征值与最小特征值之差最小，即天线选择的第二个准则为：

${\mathrm{\Γ}}^{op}=\arg \underset{{\mathrm{\Γ}}^i}{min}\{{{\mathrm{\λ}}^i}_{\max }-{{\mathrm{\λ}}^i}_{\min }\}---\left(5\right)$

式中，Γ^op表示最优的天线子集，λⁱ _max与λⁱ _max表示第i个天线子集信道协方差矩阵的最大特征值和最小特征值。

6.天线选择算法步骤为：

1)基站部署N_t根天线，天线集合表示为下标表示天线的编号。要选择的天线数目为N_s，主特征值数目为控制参数为ξ，误差矩阵为Z。

2)固定前N_s-1根天线分别为第N_s根天线从第根天线开始遍历到第根天线，共需遍历N_t-N_s+1次。

3)固定前N_s-2根天线分别为第N_s-1根天线固定为第N_s根天线从第根天线开始遍历到第根天线，共需遍历N_t-N_s-1次。以此类推，确定所有可能的天线选择方案。

4)定义矩阵变量系统每遍历完一个天线选择子集后进行判断，若E≤ξZ，则将矩阵变量E和对应天线子集保存，用于步骤5)中进一步的选择，以此类推，确定满足不等式(8)，即的天线选择方案的集合为Γ＝{Γ¹,Γ²,...Γⁿ}，n为经过步骤3)、步骤4)之后选取的天线子集数目。

5)针对步骤3)、步骤4)中选择的所有天线子集，根据式(9)，即选出最优的天线子集Γ^op。

图4～图6分别给出了不同到达角、不同角度扩展和不同天线归一化距离时特征值的累积分布函数。假设基站天线数均为100，图4和图5中天线归一化距离均为1，图4和图6中角度扩展分别为π/10和π/9，图5和图6中到达角均为π/4。可以看出，到达角的增大以及角度扩展和天线归一化距离的减小都会使信道协方差矩阵对应特征值的分布更广并且趋近于0的特征值更多，说明此时天线间相关性增强，虽然天线相关性增强会使系统性能有所损失，但却可以有效利用主特征值数的减少实现信道矩阵维度的有效降低。

若天线振子之间的距离为λ，即归一化距离为1。图7给出了3种不同天线方案下的相关系统容量，其中“λ,3λ”表示选择的第1根天线与2个根天线之间的距离为λ，第2根天线与第3根天线之间的距离为3λ，以此类推。由于天线距离越大，信道相关性越弱，导致信道容量损失越少，因此带“○”曲线性能最差。带“*”曲线、带“□”和带“△”曲线的天线阵长度相同，即第1根天线到第3根天线的距离相同，其中带“○”曲线代表天线振子之间是均匀分布的，带“□”曲线和带“△”曲线代表不均匀分布，由曲线关系可知，天线振子之间均匀分布相对不均匀分布性能更好。另外，图中带“□”曲线与带“△”曲线几乎重叠，说明这两种方案下信道协方差矩阵是相同的。因此本发明所提的天线选择算法要求第i+1根天线编号与第i根天线编号的差不小于第i根天线编号与第i-1根天线编号的差。

为验证本发明所提方案的优越性，首先分析[Tang J,LambotharanS.Interference alignment techniques for MIMO multi-cell interfering broadcastchannels[J].Communications,IEEE Transactions on,2013,61(1):164-175.]中的基于扩展用户分组(Extended User Grouping,EUG)算法、文献[Jin J,Gao X,Li L,etal.Antenna Resources Assignment for Multi-Cell Multi-User InterferingNetworks Based on Interference Alignment[C]//Vehicular Technology Conference(VTC Spring),2014IEEE 79th.IEEE,2014:1-5.]中的基于天线资源分配(AntennaResources Assignment,ARA)算法和本文提出的基于联合空分复用的干扰对齐算法的天线配置；接着通过MATLAB仿真分析3种算法的性能。仿真结果表明本发明所提算法在使系统获得相同自由度的条件下，天线配置更加合理。

理论分析表明，基于EUG算法与基于ARA算法中，用户端天线数随用户数K的增加而增加，当用户数很大时，用户端天线数将难以接受。本发明所提算法所需用户端天线数与小区内用户数无关，它将随小区内用户组数目的增加而增加，若用户组数目不变，则用户端天线数目将不会改变。

考虑对称模型，基站到本小区用户组的到达角分别为π/4、-π/4，角度扩展为π/10，基站到其他小区用户组的到达角分别为π/3、π/6、-π/6、π/3，角度扩展均为π/20。为保证公平，假设算法所用天线总数均为16，三种算法可以实现的系统总自由度是DoF＝12。基于EUG算法中，基站天线数比用户天线数多2根，系统配置为(N_s+N_r,N_s,N_r,K)＝(16,9,7,4)；基于ARA算法中，λ值越大，表示未对齐的干扰越多，用户端所需天线数越少，取λ的最大值，即λ＝K-3，则系统配置为(N_s+N_r,N_s,N_r,K)＝(16,10,6,4)；本发明所提算法中，值越大，表示天线空间复用增益越小，用户端所需天线数越多，取的最小值，即则系统配置为(N_s+N_r,N_s,N_r,K)＝(16,12,4,4)。

图8给出了以上三种算法的性能比较。可以看出，相比基于EUG的算法，基于ARA的算法在获得相同频谱效率的同时，基站天线数增加，而用户天线数减少。相比前两种算法，本发明所提基于JSDM-IA算法在b＝2时性能较差，但在b＝3时性能较好，虽然基站天线数有所增加，但用户端天线数进一步减少。随着小区用户的增加，基于EUG算法和基于ARA算法在收发两端需要更多的天线，而本发明所提算法中只有基站端天线数会相应增加，用户端天线数将保持不变。这是因为算法以用户组为单位进行干扰对齐，用户端天线数只会随用户组的增加而增加。另外，基于EUG算法与基于ARA算法均假设发射端信道状态信息是已知的，而本发明所提算法巧妙地避开了获取精确信道状态信息的难题，而是合理地利用更易获得的信道统计信息，从而获得已知发射端信道状态信息时的系统性能。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (7)

1.一种多小区大规模MIMO系统中的干扰消除和天线优化方法，其特征在于，包括以下步骤：

101、用户首先通过上行链路将自己的地理几何信息发送给基站，基站转发给远端的基带处理器，基带处理器据此求得信道协方差矩阵，然后基站发送导频序列给用户，用户通过导频序列检测信道状态信息，根据信道协方差矩阵及干扰对齐算法设计联合接收滤波器矩阵JRF，并构造联合等效接收滤波器矩阵；

102、根据所求联合接收滤波器矩阵，通过迫零算法求得用于消除小区间干扰和分组间干扰的联合一阶预编码矩阵；

103、根据所求JRF与步骤102所求联合一阶预编码矩阵，通过最小均方误差算法求得用于消除用户间干扰的二阶预编码矩阵；

104、基站端进行天线选择，给出天线选择的两个准则；

105、根据步骤104基站端所给出的天线选择准则，求出优选天线选择配置。

2.根据权利要求1所述的多小区大规模MIMO系统中的干扰消除和天线优化方法，其特征在于，步骤101中根据信道协方差矩阵及干扰对齐算法设计联合接收滤波器矩阵，并构造联合等效接收滤波器矩阵具体为：

为每个用户组设计联合接收滤波器矩阵U^[g,i]，定义联合等效接收滤波器矩阵为：其中，表示等效符号，U^[g,j]为小区j中第g个用户组的联合接收滤波器矩阵，为小区j中第g个用户组的联合等效接收滤波器矩阵，W^{[g ,j],l}为基站l到小区j中第g个用户组的小尺度衰落矩阵，Λ^[g,j],l为信道协方差矩阵非零特征值组成的对角阵，为保证联合接收滤波器矩阵U^[g,j]有解，W^[g,j],l为方阵，满足条件r＝KN_r/2，K表示每小区用户数，N_r表示用户端天线数，r表示主特征值数。

3.根据权利要求1所述的多小区大规模MIMO系统中的干扰消除和天线优化方法，其特征在于，步骤101中采用干扰对齐算法使基站l对用户组[g,j]和用户组[g′,j]的干扰对齐在一个子空间，即：

$span\left({\left({\tilde{U}}^{\[g,j\]}\right)}^H{\left(F^{\[g,j\],l}\right)}^H\right)=span\left({\left({\tilde{U}}^{\[g,j\]}\right)}^H{\left(F^{\[g,j\],l}\right)}^H\right)---\left(1\right)$

span表示括号内矩阵的列向量生成的生成子空间，(F^[g,j],l)表示主特征值对应特征向量组成的特征模矩阵；

式(1)可以变换为：

$\left[\begin{array}{ccc}{I}_{N_s}& -F^{\[g,j\],l}& 0_{N_s\×r}\\ I_{N_s}& 0_{N_s\×r}& -F^{\[g^{\′},j\],l}\end{array}\right]\left[\begin{array}{c}{h}^{IGIj}\\ {\tilde{U}}^{\[g,j\]}\\ {\tilde{U}}^{\[g^{\′},j\]}\end{array}\right]=0---\left(2\right)$

其中，表示维度为N_s的单位阵，表示维度为N_s×r的零矩阵，h^IGIj表示基站l对小区j内用户组的干扰经对齐后形成的子空间，为保证矩阵有解，需满足条件即

4.根据权利要求1或2或3所述的多小区大规模MIMO系统中的干扰消除和天线优化方法，其特征在于，所述步骤102的联合一阶预编码矩阵具体为：小区j内第g个用户组的一阶预编码矩阵为：

$V^{\[g,j\]}\⋐null\left(\left[\begin{array}{c}{\left(U^{\[g^{\′},j\]}\right)}^H{\left(W^{\[g^{\′},j\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g^{\′},j\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g^{\′},j\],j}\right)}^H\\ {\left(U^{\[g,i\]}\right)}^H{\left(W^{\[g,i\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g,i\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g,i\],j}\right)}^H\\ {\left(U^{\[g^{\′},i\]}\right)}^H{\left(W^{\[g^{\′},i\],j}\right)}^H{\left({\mathrm{\Λ}}^{\[g^{\′},i\],j}\right)}^{\frac{1}{2}}{\left(F^{\[g^{\′},i\],j}\right)}^H\\ {\left(h^{IGIl}\right)}^H\end{array}\right]\right)---\left(3\right)$

为了使括号内矩阵具有零空间，需要满足条件N_s-2Kd≥b。

5.根据权利要求1所述的多小区大规模MIMO系统中的干扰消除和天线优化方法，其特征在于，所述步骤104的天线选择的两个准则第一个准则为：基站天线数N_s与主特征值数之间需要满足一定的关系，但N_s×N_s维信道协方差矩阵R^[g,i],i′的主特征值个数未必恰好是在基站部署N_t根天线的基础上选择N_s根天线，使其满足如下关系，即天线选择的第一个准则为：

$R^{\[g,i\],i^{\′}}-{\stackrel{\‾}{F}}^{\[g,i\],i^{\′}}{\stackrel{\‾}{\mathrm{\Λ}}}^{\[g,i\],i^{\′}}{\left({\stackrel{\‾}{F}}^{\[g,i\],i^{\′}}\right)}^H\≤\mathrm{\ξ}Z---\left(4\right)$

其中，ξ为误差控制参数，Ζ表示误差矩阵，其元素大小为10^-2～10^-1数量级；从N_t根天线中选择其中的N_s根共有种可能，并且满足不等式(8)的天线子集可能有多个，因此，以最大化信道容量为准则，从满足不等式(8)的天线选择方案中选择最优的一个。

6.根据权利要求5所述的多小区大规模MIMO系统中的干扰消除和天线优化方法，其特征在于，所述步骤104的天线选择的两个准则第二个准则为：

选择合适的天线子集，使信道协方差的最大特征值与最小特征值之差最小，即天线选择的第二个准则为：

${\mathrm{\Γ}}^{op}=\arg \underset{{\mathrm{\Γ}}^i}{min}\{{{\mathrm{\λ}}^i}_{\max }-{{\mathrm{\λ}}^i}_{\min }\}---\left(5\right)$

式中，Γ^op表示最优的天线子集，λⁱ _max与λⁱ _max表示第i个天线子集信道协方差矩阵的最大特征值和最小特征值。

7.根据权利要求5或6所述的多小区大规模MIMO系统中的干扰消除和天线优化方法，其特征在于，天线的选择算法步骤为：1)基站部署N_t根天线，天线集合表示为下标表示天线的编号，要选择的天线数目为N_s，主特征值数目为控制参数为ξ，误差矩阵为Z；

2)固定前N_s-1根天线分别为第N_s根天线从第根天线开始遍历到第根天线，共需遍历N_t-N_s+1次；

3)固定前N_s-2根天线分别为第N_s-1根天线固定为第N_s根天线从第根天线开始遍历到第根天线，共需遍历N_t-N_s-1次，以此类推，确定所有可能的天线选择方案；

4)定义矩阵变量系统每遍历完一个天线选择子集后进行判断，若E≤ξZ，则将矩阵变量E和对应天线子集保存，用于步骤

5)中进一步的选择，以此类推，确定满足不等式(8)，即的天线选择方案的集合为Γ＝{Γ¹,Γ²,...Γⁿ}，n为经过步骤3)、步骤4)之后选取的天线子集数目；

5)针对步骤3)、步骤4)中选择的所有天线子集，根据式(9)，即选出最优的天线子集Γ^op。