CN106160832B - 基于均方误差的低复杂度mimo干扰信道接收机 - Google Patents
基于均方误差的低复杂度mimo干扰信道接收机 Download PDFInfo
- Publication number
- CN106160832B CN106160832B CN201510137385.0A CN201510137385A CN106160832B CN 106160832 B CN106160832 B CN 106160832B CN 201510137385 A CN201510137385 A CN 201510137385A CN 106160832 B CN106160832 B CN 106160832B
- Authority
- CN
- China
- Prior art keywords
- receiver
- transmitter
- data flow
- channel
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Radio Transmission System (AREA)
Abstract
本发明提供了一种基于均方误差的低复杂度MIMO干扰信道接收机,其基于信道统计误差模型,考虑到BER性能在高信噪比时主要取决于最大的数据流MSE,在统计误差范围内对每个数据流MSE取均值,以最差数据流平均MSE作为优化目标,利用拉格朗日方法和MMSE接收迭代更新闭式的发送和接收向量,并通过内层迭代优化确定发送向量的参数,相比于采用SOCP的方法具有计算低复杂度,能够提升系统BER性能。
Description
技术领域
本发明涉及无线通信技术领域,具体是一种基于均方误差的低复杂度MIMO干扰信道接收机。
背景技术
多输入多输出(multiple-input-multiple-output,MIMO)系统可以有效提高系统容量和链路可靠性,受到了非常多的关注。近年来,MIMO系统的研究主要集中于MIMO干扰信道以及MIMO干扰广播信道。然而,由于MIMO干扰信道的容量域还未能确定,目前普遍采用的方法是将干扰当作噪声进行单用户或者单数据流检测。
E.Chiu,V.Lau,H.Huang,T.Wu,and S.Liu的文献“Robust transceiver designfor K-pairs quasi-static MIMO interference channels via semidefiniterelaxation(采用半正定松弛的K-用户准静态MIMO干扰信道鲁棒接收机设计),”IEEETrans.on Wireless Commun.,vol.9,no.12,pp.3762–3769,Dec.2010,公开了采用半正定松弛方法通过功率约束下的最差信干噪比(signal-to-interference-plus-noise ratio,SINR)优化问题与SINR约束下的功率优化问题的互逆性,设计信道非理想情况下的鲁棒接收机算法。
现有技术中公开了H.Shen,B.Li,M.Tao,and X.Wang的文献“MSE-Basedtransceiver designs for the MIMO interference channel(基于MSE的MIMO干扰信道收发机设计),”IEEE Trans.on Wireless Commun.,vol.9,no.11,pp.3480–3489,Nov.2010,分别基于sum MSE和最差用户MSE两种优化目标设计MIMO干扰信道收发机,并且考虑信道存在估计误差的情况,将优化问题转化为二阶锥规划(second-order cone programming,SOCP)问题。仿真结果表明基于MSE的收发机设计方法比干扰对齐方法具有更好的误比特率(bit error rate,BER)性能,而且基于最差用户MSE最小化的方法能够保证用户间的公平性并获得较好的性能。
C.-E.Chen and W.-H.Chung的文献“An iterative minmax per-stream MSEtransceiver design for MIMO interference channel(基于最小最大单流MSE的MIMO干扰信道收发机迭代设计方法),”IEEE Wireless Commun.Lett.,vol.1,no.3,pp.229–232,Jun.2012,公开了以最大数据流MSE为优化目标的MIMO干扰信道收发机设计,由于BER性能在高信噪比时主要受最大数据流MSE的影响,因此该方法能够在H.Shen et al.文献的基础上进一步提高BER性能。
然而,上述基于MSE的算法都是通过变换将问题构造为SOCP进行求解,具有较高计算复杂度,随着用户数和天线数增多,计算时间快速上升,不利于实际应用。此外,考虑实际系统中,由于信道估计、时延等影响,基站往往只能获得有误差的信道状态信息(channelstate information,CSI)。一种普遍采用的误差模型是假设误差项服从某个特定的分布,即统计误差模型。该模型既可以用于描述TDD系统中基站进行信道估计的误差,也可以描述TDD系统上下行传输间隔或FDD系统backhaul链路CSI共享造成的时延影响。
发明内容
本发明在现有技术基础上,提出一种基于均方误差的低复杂度MIMO干扰信道接收机,本发明基于信道统计误差模型,考虑到BER性能在高信噪比时主要取决于最大的数据流MSE,在统计误差范围内对每个数据流MSE取均值,以最差数据流平均MSE作为优化目标,利用拉格朗日方法和MMSE(最小均方误差)接收迭代更新闭式的发送和接收向量,并通过内层迭代优化确定发送向量的参数,相比于采用SOCP的方法降低了计算复杂度。
根据本发明提供的一种基于均方误差的低复杂度MIMO干扰信道接收机,其特征在于,所述基于均方误差的低复杂度MIMO干扰信道接收机是通过如下设计方法得到的:
以最差数据流平均MSE为优化目标,通过MMSE接收和拉格朗日对偶迭代更新闭式的接收和发送向量,具体包括以下步骤:
步骤1:设置系统参数:用户数为K,第k对发射机和接收机中的发射机、接收机分别记为第k个发射机、第k个接收机,第k个发射机的天线数为Mk,第k个接收机的天线数为Nk,第k对发射机和接收机传输的数据流数为dk,第k个发射机的功率约束为Pk,第k个接收机处的零均值复高斯加性噪声的协方差为第j个发射机到第k个接收机的前一时刻的估计信道状态信息为信道估计误差矩阵为Δkj、信道时间相关系数为ρkj、时延误差矩阵为Fkj;其中:k,j=1,...,K;信道估计误差矩阵Δkj的每一项均服从均值为0方差为σ2的复高斯分布,时延误差矩阵Fkj的每一项均服从均值为0方差为的复高斯分布;σ为信道估计误差矩阵Δkj每一项服从复高斯分布的标准差;
步骤2:定义ek,l为第k对用户第l个数据流的MSE:
其中:Hkk为第k个发射机到第k个接收机的信道状态信息,上标H表示共轭转置操作,bj,i为第j个发射机对第i个数据流的波束成形向量,σk为第k个接收机处的零均值复高斯加性噪声的标准差,bk,l为第k个发射机对第l个数据流的波束成形向量,gk,l为第k个接收机对第l个数据流的接收向量,其中:l,i=1,...,dk,Hkj为第j个发射机到第k个接收机的当前实际信道状态信息,即其中:k,j=1,...,K;
步骤3:计算统计误差范围内第k对用户第l个数据流的平均MSE
其中:为第k个发射机到第k个接收机的估计信道矩阵;
步骤4:对第k个发射机到第k个接收机的估计信道矩阵进行奇异值分解,即U表示维度为Nk×Nk的酉矩阵,Σ表示维度为Nk×Mk的半正定对角矩阵,V表
示维度为Mk×Mk的酉矩阵,初始化发送矩阵为V的前dk列,其中:k=
1,...,K,最大迭代次数omax和imax,omax为外层迭代的最大迭代次数,imax为内层迭代的最大
迭代次数,迭代次数no=0;为第k个发射机的初始波束成形矩阵,为第k个发射机
对第dk个数据流的初始波束成形向量;
步骤5:使迭代次数no的值增加1,固定第k个发射机对第l个数据流在第no-1次迭代的发送波束成形向量其中:k=1,...,K,且l=1,...,dk,通过MMSE接收更新第k个接收机对第l个数据流在第no次迭代的接收向量其中:k=1,...,K,且l=1,...,dk;
步骤6:固定接收向量其中:k=1,...,K且l=1,...,dk初始化迭代次数ni=0,对应第k个用户第l个数据流的初始拉格朗日变量其中:k=1,...,K且l=1,...,dk,dj为第j对发射机和接收机之间传输的数据流数;
步骤7:使迭代次数ni的值增加1,固定在第ni-1次迭代中对应第k个用户第l个数据流的拉格朗日变量其中:k=1,...,K且l=1,...,dk,计算公式当vk=0时的值,vk为对应第k个发射机的拉格朗日变量:
如果则更新拉格朗日变量 表示在第ni次迭代对应第k个发射机的拉格朗日变量;
如果则通过二分搜索法求解更新在第ni次迭代对应第k个发射机的拉格朗日变量其中:k=1,...,K;
其中,公式是指:
其中:Pk是第k个发射机的最大发射功率,ρkk为第
k个发射机到第k个接收机信道的时间相关系数,Uk为矩阵特征值分解得到的酉矩阵,
Σk为矩阵特征值构成的对角矩阵,为第k个发射机到第k个接收机的估计信道矩
阵,为第k个接收机对第l个数据流在第no次迭代的接收向量,vk为对应第k个发射机的
拉格朗日变量,为第ni-1次迭代后计算得到的矩阵,即其中:k,j=1,...,K且l,i=
1,...,dk,[·]ii为矩阵的第i个对角元素;为第ni-1次迭代中对应第j个用户第i个数
据流的拉格朗日变量,ρjk为第k个发射机到第j个接收机信道的时间相关系数,为第k个
发射机到第j个接收机的估计信道矩阵,为第j个接收机对第i个数据流在第no次迭代
的接收向量,μjk由估计标准差σ和信道的时间相关系数ρjk构成,即I
为单位矩阵;
步骤8:固定拉格朗日变量和其中:k=1,...,K且l=1,...,dk,求解方程组更新在第ni次迭代中对应第k个用户第l个数据流的拉格朗日变量其中:k=1,...,K且l=1,...,dk;
其中,方程组是指:
其中:
k=1,...,K且l=1,...,dk;
λk,l表示第ni次迭代中对应第k个用户第l个数据流的拉格朗日变量,即σk为第k个接收机处的零均值复高斯加性噪声的标准差,为第k个接收机对第l个数据流在第no次迭代的接收向量,ω是为了求解而引入的非负变量,为第ni次迭代中对应第k个发射机的拉格朗日变量,ρkk为第k个发射机到第j个接收机信道的时间相关系数;
步骤9:如果ni<imax,则返回步骤7,否则进入步骤10;
步骤10:由接收向量和拉格朗日变量和更新第no次迭代中第k个发射机对第l个数据流的发送波束成形向量其中:k=1,...,K且l=1,...,dk;
步骤11:如果no<omax,则返回步骤5,否则流程截止,输出其中:k=1,...,K且l=1,...,dk。
优选地,所述步骤5中的MMSE接收是指:
其中:k,j=1,...,K且l,i=1,...,dk;ρkj为第j个发射机到第k个接收机信道的时间相关系数,为第j个发射机到第k个接收机的估计信道矩阵,为第no-1次迭代中第j个发射机对第i个数据流的发送波束成形向量,μkj为由估计标准差σ和信道的时间相关系数ρkj构成的系数,即I为单位矩阵,σk为第k个接收机处的零均值复高斯加性噪声的标准差,ρkk为第k个发射机到第k个接收机信道的时间相关系数,为第k个发射机到第k个接收机的估计信道矩阵,为第no-1次迭代中第k个发射机对第l个数据流的发送波束成形向量。
优选地,所述步骤10中的更新发送向量是指:
其中:k,j=
1,...,K且l,i=1,...,dk;
为第ni次迭代中对应第k个发射机的拉格朗日变量,为第ni次迭代中对应
第k个用户第l个数据流的拉格朗日变量,ρjk为第j个发射机到第k个接收机信道的时间相关
系数,ρkk为第k个发射机到第k个接收机信道的时间相关系数,为第k个发射机到第k个
接收机的估计信道矩阵,为第k个接收机对第l个数据流在第no次迭代的接收向量,为第ni次迭代中对应第j个用户第i个数据流的拉格朗日变量,为第k个发射机到第
j个接收机的估计信道矩阵,为第j个接收机对第i个数据流在第no次迭代的接收向量,
μjk为由估计标准差σ和信道的时间相关系数ρjk构成的系数,即
与现有技术相比,本发明具有如下的有益效果:
本发明所提出的基于均方误差的低复杂度MIMO干扰信道接收机设计方法,对每个数据流MSE在统计误差范围内取均值,优化最差平均数据流MSE,采用MMSE接收和拉格朗日对偶方法迭代计算闭式的接收和发送向量,能够提升系统BER性能,并且相对于采用SOCP的方法具有较低计算复杂度,即具有低复杂度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为场景K=3,Mk=4,Nk=4,dk=2时分别采用本实施例方法和现有技术中的per-user MSE算法以及采用SOCP的per-stream MSE算法的BER性能比较图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
本发明提供一种基于均方误差的低复杂度MIMO干扰信道接收机,属于无线通信技术领域,以统计误差范围内最差平均数据流MSE为优化目标,通过MMSE接收和拉格朗日对偶迭代更新闭式的接收和发送向量。该接收机能获得较好的误比特率性能,并且相对于采用SOCP的方法能够很大程度降低计算复杂度。
本发明所公开的基于均方误差的低复杂度MIMO干扰信道接收机,其设计方法是在统计误差范围内对每个数据流MSE取均值,以最差平均数据流MSE作为优化目标,利用拉格朗日对偶和MMSE接收迭代更新闭式的发送和接收向量的算法,所述的最差平均数据流MSE最小化问题是:
其中:
其中:bk,l是第k个发射机对第l个数据流的波束成形向量,
gk,l是第k个接收机对第l个数据流的接收向量,是第j个发射机到第k个接收机的前一时
刻的估计信道状态信息,ρkj是信道时间相关系数,是估计误差复高斯分布的方差,Pk是
第k个发射机的功率约束,是第k个接收机处的零均值复高斯加性噪声的协方差。tr(·)
为取矩阵迹的操作,Bk为第k个发射机的波束成形向量构成的矩阵,bj,i为第j个发射机对第
i个数据流的波束成形向量,为取值0或1的函数,当k=j且l=i时,否则
本发明中设计方法包括以下步骤:
第一步、设置系统参数:用户数K,第k对发射机/接收机的天线数Mk/Nk,传输的数据流数dk,第k个发射机的功率约束Pk,第k个接收机处的零均值复高斯加性噪声的协方差其中:k=1,...,K,第j个发射机到第k个接收机的前一时刻的估计信道状态信息信道时间相关系数ρkj,其中:k,j=1,...,K,估计误差复高斯分布方差
本实施例中,所用的仿真场景为K=3,Mk=4,Nk=4,dk=2。
本实施例中,的每一项为服从均值为0方差为1的复高斯分布的随机变量,σe=0.05,ρkj=0.995,其中:k,j=1,...,K。
本实施例中,采用QPSK调制,其中:k=1,...,K;Eb为比特功率谱密度,N0为噪声功率谱密度,P为发射机的最大发射功率;
第二步、定义ek,l为第k对用户第l个数据流的MSE,
其中:bk,l为第k个发射机对第l个数据流的波束成形向量,gk,l为第k个接收机对第l个数据流的接收向量,其中:k=1,...,K,l=1,...,dk,Hkj第j个发射机到第k个接收机的当前实际信道状态信息,即其中:k,j=1,...,K;
第三步、计算统计误差范围内第k对用户第l个数据流的平均MSE为
其中:
第四步、对信道矩阵进行奇异值分解,即初始化发送矩阵为V的前dk列,其中:k=1,...,K,最大迭代次数omax和imax,迭代次
数no=0;
本实施例中,最大迭代次数omax=16,imax=32;
第五步、增加迭代次数no=no+1,固定发送波束成形向量其中:k=1,...,K,l=1,...,dk,通过MMSE接收更新所有数据流的接收向量其中:k=1,...,K,l=1,...,dk;
所述的MMSE接收是:
其中:k=1,...,K,l=1,...,dk;
第六步、固定接收向量其中:k=1,...,K,l=1,...,dk,初始化迭代次数ni=0,拉格朗日变量其中:k=1,...,K,l=1,...,dk;
第七步、将迭代次数ni的值增加1,固定拉格朗日变量其中:k=1,...,K,l=1,...,dk,计算公式当vk=0时的值:
如果则更新拉格朗日变量
如果则通过二分搜索法求解更新拉格朗日变量其中:k=1,...,K;
所述的公式是:
其中:Pk是第k个发射机的最大发射功率,是的特
征值分解,,其中:k=1,...,K,l=1,...,dk,[·]ii为矩阵的第i个对角元素;
第八步、固定拉格朗日变量和其中:k=1,...,K,l=1,...,dk,求解方程组更新拉格朗日变量其中:k=1,...,K,l=1,...,dk;
所述的方程组是:
其中:
第九步、如果ni<imax,则返回第七步,否则进入第十步;
第十步、由接收向量和拉格朗日变量和更新发送向量
其中:k=
1,...,K,l=1,...,dk;
第十一步、如果no<omax,则返回第五步,否则算法截止,输出其中:k=1,...,K,l=1,...,dk。
图1为场景K=3,Mk=4,Nk=4,dk=2时分别采用本实施例方法和现有技术中的per-user MSE算法以及采用SOCP的per-stream MSE算法的BER性能比较图。表1为场景K=3,Mk=4,Nk=4,dk=2时采用本实施例方法和采用SOCP方法的计算时间比较。由图1可见,采用本实施例的方法能够有效处理误差影响,获得较好的BER性能,同时由表1可见,相比采用SOCP的方法本实施例方法能够很大程度降低计算复杂度。
表1
单位:秒 | 0dB | 5dB | 10dB | 15dB | 20dB | 25dB |
采用SOCP方法 | 4.5217 | 4.4950 | 4.5635 | 4.5654 | 4.5737 | 4.5880 |
本实施例方法 | 0.6270 | 0.6255 | 0.6252 | 0.6249 | 0.6306 | 0.6259 |
表1为场景K=3,Mk=4,Nk=4,dk=2时采用本实施例方法和采用SOCP方法的计算时间比较。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (3)
1.一种基于均方误差的低复杂度MIMO干扰信道接收机,所述基于均方误差的低复杂度MIMO干扰信道接收机是通过如下设计方法得到的:
以最差数据流平均MSE为优化目标,通过MMSE接收和拉格朗日对偶迭代更新闭式的接收和发送向量,具体包括以下步骤:
步骤1:设置系统参数:用户数为K,第k对发射机和接收机中的发射机、接收机分别记为第k个发射机、第k个接收机,第k个发射机的天线数为Mk,第k个接收机的天线数为Nk,第k对发射机和接收机传输的数据流数为dk,第k个发射机的功率约束为Pk,第k个接收机处的零均值复高斯加性噪声的协方差为第j个发射机到第k个接收机的前一时刻的估计信道状态信息为信道估计误差矩阵为Δkj、信道时间相关系数为ρkj、时延误差矩阵为Fkj;其中:k,j=1,...,K;信道估计误差矩阵Δkj的每一项均服从均值为0方差为σ2的复高斯分布,时延误差矩阵Fkj的每一项均服从均值为0方差为的复高斯分布;σ为信道估计误差矩阵Δkj每一项服从复高斯分布的标准差;
步骤2:定义ek,l为第k对用户第l个数据流的MSE:
其中:Hkk为第k个发射机到第k个接收机的信道状态信息,上标H表示共轭转置操作,bj,i为第j个发射机对第i个数据流的波束成形向量,σk为第k个接收机处的零均值复高斯加性噪声的标准差,bk,l为第k个发射机对第l个数据流的波束成形向量,gk,l为第k个接收机对第l个数据流的接收向量,其中:l,i=1,...,dk,Hkj为第j个发射机到第k个接收机的当前实际信道状态信息,即其中:k,j=1,...,K;
步骤3:计算统计误差范围内第k对用户第l个数据流的平均
其中:为第j个发射机到第k个接收机的前一时刻的估计信道状态信息;
步骤4:对第k个发射机到第k个接收机的估计信道矩阵进行奇异值分解,即U表示维度为Nk×Nk的酉矩阵,Σ表示维度为Nk×Mk的半正定对角矩阵,V表示维度为Mk×Mk的酉矩阵,初始化发送矩阵为V的前dk列,其中:k=1,...,K,最大迭代次数omax和imax,omax为外层迭代的最大迭代次数,imax为内层迭代的最大迭代次数,迭代次数no=0;为第k个发射机的初始波束成形矩阵,为第k个发射机对第dk个数据流的初始波束成形向量;
步骤5:使迭代次数no的值增加1,固定第k个发射机对第l个数据流在第no-1次迭代的发送波束成形向量其中:k=1,...,K,且l=1,...,dk,通过MMSE接收更新第k个接收机对第l个数据流在第no次迭代的接收向量其中:k=1,...,K,且l=1,...,dk;
其特征在于,
步骤6:固定接收向量其中:k=1,...,K且l=1,...,dk初始化迭代次数ni=0,对应第k个用户第l个数据流的初始拉格朗日变量其中:k=1,...,K且l=1,...,dk,dj为第j对发射机和接收机之间传输的数据流数;
步骤7:使迭代次数ni的值增加1,固定在第ni-1次迭代中对应第k个用户第l个数据流的拉格朗日变量其中:k=1,...,K且l=1,...,dk,计算公式当vk=0时的值,vk为对应第k个发射机的拉格朗日变量:
如果则更新拉格朗日变量 表示在第ni次迭代对应第k个发射机的拉格朗日变量;
如果则通过二分搜索法求解更新在第ni次迭代对应第k个发射机的拉格朗日变量其中:k=1,...,K;
其中,公式是指:
其中:Pk是第k个发射机的最大发射功率,ρkk为第k个发射机到第k个接收机信道的时间相关系数,Uk为矩阵特征值分解得到的酉矩阵,Σk为矩阵特征值构成的对角矩阵,为第k个发射机到第k个接收机的估计信道矩阵,为第k个接收机对第l个数据流在第no次迭代的接收向量,vk为对应第k个发射机的拉格朗日变量,为第ni-1次迭代后计算得到的矩阵,即其中:k,j=1,...,K且l,i=1,...,dk,[·]ii为矩阵的第i个对角元素;为第ni-1次迭代中对应第j个用户第i个数据流的拉格朗日变量,ρjk为第k个发射机到第j个接收机信道的时间相关系数,为第k个发射机到第j个接收机的估计信道矩阵,为第j个接收机对第i个数据流在第no次迭代的接收向量,μjk由估计标准差σ和信道的时间相关系数ρjk构成,即I为单位矩阵;
步骤8:固定拉格朗日变量和其中:k=1,...,K且l=1,...,dk,求解方程组更新在第ni次迭代中对应第k个用户第l个数据流的拉格朗日变量其中:k=1,...,K且l=1,...,dk;
其中,方程组是指:
其中:
k=1,...,K且l=1,...,dk;
λk,l表示第ni次迭代中对应第k个用户第l个数据流的拉格朗日变量,即σk为第k个接收机处的零均值复高斯加性噪声的标准差,为第k个接收机对第l个数据流在第no次迭代的接收向量,ω是为了求解而引入的非负变量,为第ni次迭代中对应第k个发射机的拉格朗日变量,ρkk为第k个发射机到第j个接收机信道的时间相关系数;
步骤9:如果ni<imax,则返回步骤7,否则进入步骤10;
步骤10:由接收向量和拉格朗日变量和更新第no次迭代中第k个发射机对第l个数据流的发送波束成形向量其中:k=1,...,K且l=1,...,dk;
步骤11:如果no<omax,则返回步骤5,否则流程截止,输出其中:k=1,...,K且l=1,...,dk。
2.根据权利要求1所述的基于均方误差的低复杂度MIMO干扰信道接收机,其特征在于,所述步骤5中的MMSE接收是指:
其中:k,j=1,...,K且l,i=1,...,dk;ρkj为第j个发射机到第k个接收机信道的时间相关系数,为第j个发射机到第k个接收机的估计信道矩阵,为第no-1次迭代中第j个发射机对第i个数据流的发送波束成形向量,μkj为由估计标准差σ和信道的时间相关系数ρkj构成的系数,即I为单位矩阵,σk为第k个接收机处的零均值复高斯加性噪声的标准差,ρkk为第k个发射机到第k个接收机信道的时间相关系数,为第k个发射机到第k个接收机的估计信道矩阵,为第no-1次迭代中第k个发射机对第l个数据流的发送波束成形向量。
3.根据权利要求1所述的基于均方误差的低复杂度MIMO干扰信道接收机,其特征在于,所述步骤10中的更新发送向量是指:
其中:且l,i=1,...,dk;
为第ni次迭代中对应第k个发射机的拉格朗日变量,为第ni次迭代中对应第k个用户第l个数据流的拉格朗日变量,ρjk为第j个发射机到第k个接收机信道的时间相关系数,ρkk为第k个发射机到第k个接收机信道的时间相关系数,为第k个发射机到第k个接收机的估计信道矩阵,为第k个接收机对第l个数据流在第no次迭代的接收向量,为第ni次迭代中对应第j个用户第i个数据流的拉格朗日变量,为第k个发射机到第j个接收机的估计信道矩阵,为第j个接收机对第i个数据流在第no次迭代的接收向量,μjk为由估计标准差σ和信道的时间相关系数ρjk构成的系数,即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510137385.0A CN106160832B (zh) | 2015-03-26 | 2015-03-26 | 基于均方误差的低复杂度mimo干扰信道接收机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510137385.0A CN106160832B (zh) | 2015-03-26 | 2015-03-26 | 基于均方误差的低复杂度mimo干扰信道接收机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106160832A CN106160832A (zh) | 2016-11-23 |
CN106160832B true CN106160832B (zh) | 2019-08-23 |
Family
ID=57339496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510137385.0A Expired - Fee Related CN106160832B (zh) | 2015-03-26 | 2015-03-26 | 基于均方误差的低复杂度mimo干扰信道接收机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106160832B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788634A (zh) * | 2017-01-13 | 2017-05-31 | 上海海事大学 | 多小区mimo干扰信道中的鲁棒收发机设计方法 |
CN107612601A (zh) * | 2017-10-26 | 2018-01-19 | 北京交通大学 | 一种基于多用户mimo系统的预编码方法 |
CN109743083A (zh) * | 2019-01-29 | 2019-05-10 | 深圳市海派通讯科技有限公司 | 接收机侧通讯处理方法及系统 |
CN111726148B (zh) * | 2019-03-21 | 2022-10-18 | 三星电子株式会社 | 用于自适应波束成形的无线通信设备及其操作方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103401640A (zh) * | 2013-07-25 | 2013-11-20 | 上海交通大学 | 信道信息存在统计误差的mimo干扰信道收发方法 |
WO2014086183A1 (zh) * | 2012-12-05 | 2014-06-12 | 华为技术有限公司 | 处理干扰的方法及装置 |
-
2015
- 2015-03-26 CN CN201510137385.0A patent/CN106160832B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014086183A1 (zh) * | 2012-12-05 | 2014-06-12 | 华为技术有限公司 | 处理干扰的方法及装置 |
CN103401640A (zh) * | 2013-07-25 | 2013-11-20 | 上海交通大学 | 信道信息存在统计误差的mimo干扰信道收发方法 |
Non-Patent Citations (2)
Title |
---|
An Iterative Minmax Per-Stream MSE Transceiver Design for MIMO Interference Channel;Chiao-En Chen等;《 IEEE Wireless Communications Letters》;20120403;全文 |
Robust per-stream MSE based transceiver design for MIMO interference channel;qian zhang等;《2013 IEEE Global Communications Conference (GLOBECOM)》;20131213;全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106160832A (zh) | 2016-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107135024B (zh) | 一种低复杂度的混合波束赋形迭代设计方法 | |
Stavridis et al. | Transmit precoding for receive spatial modulation using imperfect channel knowledge | |
CN108880774B (zh) | 频分双工多用户大规模多天线系统及其下行导频信号长度设计方法 | |
Yang et al. | Capacity performance of multicell large-scale antenna systems | |
CN105049383A (zh) | 一种fdd大规模mimo系统下行链路训练序列设计方法 | |
CN106130697B (zh) | 基于Bayes估计和数据流间功率分配的联合干扰相位对齐方法 | |
CN101378277A (zh) | 多用户预编码及调度方法和实现该方法的基站 | |
CN106160832B (zh) | 基于均方误差的低复杂度mimo干扰信道接收机 | |
CN108234101A (zh) | 能效最大化导频信号设计方法及大规模多天线系统 | |
CN105281817B (zh) | 一种基于分布式双向中继系统的鲁棒波束成型方法 | |
CN101242381B (zh) | 多用户多输入多输出系统的线性预编码方法 | |
CN105471775B (zh) | 一种大规模mimo系统中低复杂度的信道估计方法 | |
CN109743086A (zh) | 一种大规模mimo系统的信道估计方法 | |
CN104393964A (zh) | 基于信道信息协方差的预编码方法和协作通信方法 | |
CN102347820A (zh) | 一种多小区协作无线通信系统联合编解码方法 | |
CN104283634B (zh) | 一种数据的发送方法、接收方法、系统及装置 | |
CN107276934B (zh) | 一种大规模mimo系统多用户上行鲁棒检测方法 | |
CN105812032B (zh) | 基于波束块结构压缩感知的信道估计方法 | |
Park et al. | Hybrid precoding for massive MIMO systems in cloud RAN architecture with capacity-limited fronthauls | |
CN107707284B (zh) | 一种基于信道统计量码本量化反馈的混合预编码方法 | |
CN105897316B (zh) | 一种基于统计特性的多天线能效优化方法 | |
CN106982085B (zh) | 多小区mimo系统中块对角化辅助的鲁棒收发机设计方法 | |
Ding | Multiple-input multiple-output wireless system designs with imperfect channel knowledge | |
CN103401640B (zh) | 信道信息存在统计误差的mimo干扰信道收发方法 | |
CN103973409A (zh) | 预编码装置和包含该预编码装置的发射机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190823 |