CN106209188A - 大规模mimo系统中基于部分导频交替复用的导频污染减轻方法 - Google Patents

Abstract

本发明公开了一种大规模MIMO系统中基于部分导频交替复用的导频污染减轻方法。该发明首先确定小区中心用户率，进而得到系统所需的导频序列数，并依据小区中心用户率对导频序列进行分组；然后根据各小区用户到本地基站的距离和小区中心用户率对各小区内用户进行分组；接着对各小区用户进行导频配置，使得相邻三个小区的边缘用户分组所配置的导频序列相互正交，而小区中心用户分组复用相邻小区边缘用户分组所配置的导频序列；最后各小区基站对上行接收数据采用线性检测算法进行处理，同时以最大化总频谱效率来优化中心用户率。本发明既减小了系统中的导频污染，又减少了所需导频序列数目的开销，提高了系统的频谱效率和改善了系统性能；而且该发明实现机制简单，具有较为广泛的适用性。

Description

大规模MIMO系统中基于部分导频交替复用的导频污染减轻 方法

技术领域

本发明涉及无线通信技术领域，具体涉及大规模MIMO(Multiple Input MultipleOutput，MIMO)系统中基于部分导频交替复用的导频污染减轻方法。

背景技术

从上世纪末到当代，无线通信系统中多输入多输出系统(Multiple InputMultiple Output，MIMO)已经从理论转为现实，并广泛应用于现代通信系统中。从上世纪欧洲标准化委员会提出的典型的2G移动电话系统，即GSM，到目前国际电信联盟采纳的LTE-Advanced(LTE-A)和IEEE802.16m作为新一代的4G移动通信标准，移动通信网在二十年内数据传输速率已经从9.6kbit/s飞跃到了1Gbit/s，正如Arogyaswami J.Paulraj教授十年前所言，MIMO技术将会成为无线通信系统通向千兆传输速率的关键。

MIMO系统的核心是采用多天线技术，通过增加天线数量获得空间增益，有效的改善系统的误码率性能并大幅度提高频谱效率。但随着时代的进步，传统的MIMO技术将无法满足未来呈指数上涨的无线数据需求。2010年底，贝尔实验室的Marzetta在时分双工(TimeDivison Duplexing,TDD)及各基站配置无限根天线的条件下，提出了大规模MIMO的概念。大规模MIMO系统有着明显的优势：(1)小尺度衰落系数的影响可以被平均掉；(2)在保证一定的通话质量前提下，可以降低每用户的发射功率。当信道状态信息(Channel StateInformation,CSI)理想时，每用户的发射功率与基站的天线数成反比；而当CSI不理想时，每用户的发射功率与基站天线数的平方根成反比；(3)利用信道的互易性，信道训练序列的开销只与每个小区的用户数有关，与基站天线数无关；(4)当基站天线数趋于无穷大时，在基站端可以采用简单的线性接收，不相干的干扰和小区内的干扰完全消失，从而改善系统的误码率并大幅度提高频谱效率。天线数量的变化最终会引起无线通信的本质性飞跃，大规模MIMO系统必将成为5G无线通信网络的重要组成部分。

然而，在实际系统中，基站为了实现有效的信号检测，通常需要获得各用户天线到达基站的CSI。目前，针对大规模MIMO技术的研究中，通常假设TDD模式，即用户通过发送导频序列到基站，基站利用接收到的导频信号进行信道估计；用户则根据信道互易性直接利用估计的CSI进行通信。在多小区多用户大规模MIMO系统中，受限于信道相干时间和相干带宽，系统可利用的导频资源非常有限，因此，相邻小区不得不通过导频复用来实现信道估计，从而引起导频污染问题，导频污染的存在制约了多小区多用户大规模MIMO系统性能的提升。因此，设计有效的多小区大规模MIMO系统中导频污染减轻方法对于大规模MIMO技术的推广和应用具有非常重要的现实意义。

发明内容

针对以上技术缺陷，本发明针对多小区大规模MIMO系统提出基于部分导频交替复用的导频污染减轻方法。该方法在确保相邻小区边缘用户导频序列正交的情况下，让小区中心用户复用相邻小区边缘用户所配置的导频序列，从而达到减小系统导频污染和系统所需导频数的目的，进而使得系统的频谱效率得到提升。

大规模MIMO系统中基于部分导频交替复用的导频污染减轻方法，包括以下步骤：

步骤一：根据小区中心用户率，确定多小区大规模的MIMO系统所需配置的导频序列数，并依据小区中心用户率对导频序列进行分组。

步骤二：基于非重叠原则，将多小区大规模MIMO系统中所有小区中相邻的三个小区划分为一组。

步骤三：根据各小区用户到本地基站的距离和小区中心用户率对各小区内用户进行分组，分为小区中心用户分组和小区边缘用户分组。

步骤四：对各小区用户进行导频配置：使相邻三个小区边缘用户分组所配置的导频序列子集相互正交，而小区中心用户分组复用相邻小区边缘用户分组所配置的导频序列子集的并。

步骤五：各小区基站对上行接收数据采用线性检测算法进行处理，同时以最大化总频谱效率来优化中心用户率。

具体地，导频配置只需在相邻的三个小区间进行，其它小区分组则复用与之完全相同的导频序列子集。

具体地，所述步骤一具体包括：

a.定义导频序列集合V为：

$V={\left\{v_i\right\}}_{i=1}^B$

$v_a^H{v}_b=\left\{\begin{array}{cc}B& a=b\\ 0& a\≠b\end{array}\right.$

其中V表示导频序列的全集；B表示导频序列数，v_i表示第i个导频序列，i,a,b表示导频序列标号,()^H表示求取矩阵的共轭转置。

b.依据小区中心用户率α对导频序列进行分组，其中0≤α≤1，具体的：

i)当时，将导频序列集合V分成三组V₁,V₂,V₃即

V₁＝{v₁,v₂,...,v_(1-α)K}

V₂＝{v_(1-α)K+1,v_(1-α)K+2,...,v_2(1-α)K}。

V₃＝{v_2(1-α)K+1,v_2(1-α)K+2,...,v_B}

ii)当时，在导频序列集合V中取出三组V₁,V₂,V₃即

V₁＝{v₁,v₂,...,v_(1-α)K}

V₂＝{v_(1-α)K+1,v_(1-α)K+2,...,v_2(1-α)K}

V₃＝{v_2(1-α)K+1,v_2(1-α)K+2,...,v_3(1-α)K}

其中K表示系统中各小区服务的用户数；V₁,V₂,V₃表示导频序列集合V的子集。

具体地，所述的步骤四具体包括：

a.当时，分别将导频序列子集V₁,V₂,V₃内导频序列随机的配置给相邻三个小区的边缘用户分组，并记为V_i ^e，其中i＝1,2,3，且将导频序列子集V_i ^e的补集V\V_i ^e随机的配置给小区中间用户分组，即让小区中心用户分组复用相邻小区的边缘用户分组的导频序列，并记为V_i ^c，且满足：

$\left\{\begin{array}{c}{V}_i^c\∪V_i^e=V(i=1,2,3)\\ \underset{i=1}{\overset{3}{\∪}}{V}_i^e=V\\ \left|\right|V_i^c\left|\right|=2(1-\mathrm{\α})K\≥\mathrm{\α}K\\ \left|\right|V_i^e\left|\right|=(1-\mathrm{\α})K\end{array}\right..$

b.当时，分别将导频序列子集V₁,V₂,V₃内导频序列随机的配置给相邻三个小区的边缘用户分组，并记为V_i ^e，其中i＝1,2,3。且i小区中间用户分组复用导频序列子集V_i ^e的补集V\V_i ^e，并记为V_i ^c，且满足：

$\left\{\begin{array}{c}{V}_i^c\∪V_i^e=V(i=1,2,3)\\ \underset{i=1}{\overset{3}{\∩}}{V}_i^e=\mathrm{\Θ}\\ \left|\right|V_i^c\left|\right|=\mathrm{\α}K\\ \left|\right|V_i^e\left|\right|=(1-\mathrm{\α})K\end{array}\right.$

其中V_i ^e表示i小区边缘用户分组所配置的导频集合；V_i ^c表示i小区中心用户分组可复用的导频集合；V\V_i ^e表示集合V_i ^e在全集V中的补集；∪表示集合间的并集运算；∩表示集合间的交集运算；Θ表示空集；|| ||表示集合的模。

具体地，所述的优化中心用户率的具体过程：

a.确定小区用户中心率α的取值范围，即α＝0,1/K,2/K,...,1。

b.针对α的不同取值，对各小区循环上述步骤一至五，并计算出各小区的总频谱效率。

c.找出各小区最大的总频谱效率，其对应的α即为最优的小区中心用户率α^*。

本发明提供了一种大规模MIMO系统中基于部分导频交替复用的导频污染减轻方法。首先，依据小区中心用户率和各小区用户到本地基站的距离，将各小区用户分为小区中心用户分组和小区边缘用户分组，并对导频序列进行分组，分别配置给相邻三个小区的边缘用户分组。然后，同时小区中心用户复用相邻小区边缘用户分组所配置的导频序列。最后，各小区基站对上行接收数据采用线性检测算法进行处理，同时以最大化总频谱效率来优化中心用户率(Sum Spectral Efficiency,SSE)得到最优的小区中心用户率。在确保相邻小区边缘用户导频序列正交的情况下，让小区中心用户复用相邻小区边缘用户所分配的导频序列，既减小了系统中的导频污染又减少了所需导频序列数目的开销，提高了系统的频谱效率和改善了系统性能。

附图说明

图1为大规模MIMO系统中基于部分导频交替复用的导频污染减轻方法的具体实现流程图；

图2为大规模MIMO系统模型图；

图3为各小区导频序列分组流程图；

图4为各小区用户导频序列配置流程图；

图5为求取最优中心用户率流程图。

具体实施方式

下面将结合附图，对本发明的优选实施案例进行详细的描述。

图1为大规模MIMO系统中基于部分导频交替复用的导频污染减轻方法的具体实现流程图，详细描述如下。

一方面因为距离基站远的小区边缘用户对相邻小区边缘用户的干扰相对较强，因此必须保证相邻小区边缘用户使用正交的导频序列；而另一方面中心用户对相邻小区边缘用户干扰相对较小，则可以复用相邻小区边缘用户所配置的导频序列。

因此提出大规模MIMO系统中基于部分导频交替复用的导频污染减轻方法，包括以下步骤：

步骤一：根据小区中心用户率，确定多小区大规模的MIMO系统所需配置的导频序列数，并依据小区中心用户率对导频序列进行分组。

步骤二：基于非重叠原则，将多小区大规模MIMO系统中所有小区中相邻的三个小区划分为一组。

步骤三：根据各小区用户到本地基站的距离和小区中心用户率对各小区内用户进行分组，分为小区中心用户分组和小区边缘用户分组。

步骤四：对各小区用户进行导频配置：使相邻三个小区边缘用户分组所配置的导频序列子集相互正交，而小区中心用户分组复用相邻小区边缘用户分组所配置的导频序列子集的并。

步骤五：各小区基站对上行接收数据采用线性检测算法进行处理，同时以最大化总频谱效率来优化中心用户率。

如图2所示，一个由L个六边形小区组成的大规模MIMO系统，共享频谱资源，且每个小区中心配置一个高度为h的基站，每个基站配置M根天线，在同一时频资源块上服务K个单天线用户。基站天线数与服务的用户数满足：K＜＜M。在上行信道接收过程中，第j个小区的基站接收到的信号可建模为

$y_j=\underset{l=1}{\overset{L}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}\sqrt{p_{lk}}{g}_{jlk}{x}_{lk}+n_j$

其中g_jlk表示第l个小区的第k个用户到第j个小区基站的信道矢量；x_lk为第l个小区的第k个用户的发送信号；p_lk表示第l个小区的第k个用户在上行信道中发送的功率；n_j为噪声。

下面针对每个步骤做详细说明：

步骤一：根据小区中心用户率，确定多小区大规模MIMO系统所需配置的导频序列数，并依据小区中心用户率对导频序列进行分组。

如图3所示各小区导频序列分组流程图，详细过程如下：

a.定义小区中心用户率α,表示小区中心用户组占小区总用户数的百分比，其取值范围0≤α≤1，简单起见，假设所有小区的小区中心用户率相等。当α＝0时，表明小区所有用户被视为边缘用户分组；当α＝1时，表明小区所有用户被视为中心用户分组。

b.假设每个小区基站同时支持K个用户通信，则依据小区中心用户率α可确定系统所需配置的导频序列数B，

$B=\left\{\begin{array}{cc}3K(1-\mathrm{\&alpha;})& 0\&le;\mathrm{\&alpha;}\&le;\frac{2}{3}\\ K& \frac{2}{3}<\mathrm{\&alpha;}\&le;1\end{array}\right.$

c.定义导频序列集合V为

$V={\left\{v_i\right\}}_{i=1}^B,v_a^H{v}_b=\left\{\begin{array}{cc}B& a=b\\ 0& a\&NotEqual;b\end{array}\right.$

其中V表示导频序列的全集；B表示导频序列数，v_i表示导频序列，i,a,b表示导频序列标号,()^H表示求取矩阵共轭转置。

d.依据小区中心用户率α对导频序列V进行分组，其中0≤α≤1。

i)当时，将导频序列集合V分成三组V₁,V₂,V₃即

V₁＝{v₁,v₂,...,v_(1-α)K}

V₂＝{v_(1-α)K+1,v_(1-α)K+2,...,v_2(1-α)K}

V₃＝{v_2(1-α)K+1,v_2(1-α)K+2,...,v_B}

ii)当时，在导频序列集合V中取出三组V₁,V₂,V₃即

V₁＝{v₁,v₂,...,v_(1-α)K}

V₂＝{v_(1-α)K+1,v_(1-α)K+2,...,v_2(1-α)K}

V₃＝{v_2(1-α)K+1,v_2(1-α)K+2,...,v_3(1-α)K}

其中K表示系统中各小区服务的用户数；V₁,V₂,V₃表示导频序列集合V的子集。

步骤二：对大规模MIMO系统中所有小区，基于非重叠原则，将相邻的三个小区划分为一组；

即大规模MIMO系统中的L个小区分别归属L₁,L₂,L₃三个小区子集之一。若mod(l,3)＝0，则l∈L₁；若mod(l,3)＝1，则l∈L₂；若mod(l,3)＝2，则l∈L₃。由于各小区子集内配置的导频序列一致，因此在后续的导频配置过程中只需考虑相邻的三个小区即可。其中L₁,L₂,L₃表示L个小区子集，l表示小区标号，mod()表示求余运算；

步骤三：根据各用户到本地基站的距离和小区中心用户率对各小区内用户进行分组，分为小区中心用户分组和小区边缘用户分组。本发明中采用了功率控制，使得各用户到本地基站的信道增益近似相等；用户分组时，依据用户到基站的距离来进行。

a.把小区l内的K个用户到本地基站l的距离按照幅值大小进行排序，

$d_{l,a_1}\&le;d_{l,a_2}\&le;...\&le;d_{l,a_K}$

其中表示l小区内用户a_k到本地基站l的距离；{a₁,a₂,…,a_K}表示整数集合{1,2,…,K}的一个组合；

b.根据上述用户排序，依据小区中心用户率α将小区l内对应的K个用户u_l,1,u_l,2,…,u_l,K,分成中心用户组和边缘用户组其中

步骤四：对各小区用户进行导频配置：使相邻三个小区边缘用户分组所配置的导频序列子集相互正交，而小区中心用户分组复用相邻小区边缘用户分组所配置的导频序列子集的并。

图4为各小区用户导频序列配置流程图，详细描述如下：

步骤31：令l＝1；

步骤32：把小区l内的K个用户到本地基站l的距离按照幅值大小进行排序，

$d_{l,a_1}\&le;d_{l,a_2}\&le;...\&le;d_{l,a_K}$

其中表示l小区内用户a_k到本地基站l的距离，{a₁,a₂,…,a_K}表示整数集合{1,2,…,K}的一个组合；

步骤33：由上述的用户排序，依据小区中心用户率α将小区l内对应的K个用户u_l,1,u_l,2,…,u_l,K,分成中心用户组和边缘用户组

其中

步骤33：依据小区中心用户率对各小区用户进行导频配置：

a.当时，分别将导频序列子集V₁,V₂,V₃内导频序列随机的配置给相邻三个小区的边缘用户分组，并记为V_i ^e，其中i＝1,2,3。且将导频序列子集V_i ^e的补集V\V_i ^e随机的配置给小区中间用户分组，即让小区中心用户分组复用相邻小区的边缘用户分组的导频序列，并记为V_i ^c，且满足：

$\left\{\begin{array}{c}{V}_i^c\&cup;V_i^e=V(i=1,2,3)\\ \underset{i=1}{\overset{3}{\&cup;}}{V}_i^e=V\\ \left|\right|V_i^c\left|\right|=2(1-\mathrm{\&alpha;})K\&GreaterEqual;\mathrm{\&alpha;}K\\ \left|\right|V_i^e\left|\right|=(1-\mathrm{\&alpha;})K\end{array}\right.$

b.当时，分别将导频序列子集V₁,V₂,V₃内导频序列随机的配置给相邻三个小区的边缘用户分组，并记为V_i ^e，其中i＝1,2,3。且i小区中间用户分组复用导频序列子集V_i ^e的补集V\V_i ^e，并记为V_i ^c，且满足：

$\left\{\begin{array}{c}{V}_i^c\&cup;V_i^e=V(i=1,2,3)\\ \underset{i=1}{\overset{3}{\&cap;}}{V}_i^e=\mathrm{\&Theta;}\\ \left|\right|V_i^c\left|\right|=\mathrm{\&alpha;}K\\ \left|\right|V_i^e\left|\right|=(1-\mathrm{\&alpha;})K\end{array}\right.$

其中V_i ^e表示i小区边缘用户分组所配置的导频集合；V_i ^c表示i小区中心用户分组可复用的导频集合；∪表示集合间的并集运算；V\V_i ^e表示集合V_i ^e在全集V中的补集；∩表示集合间的交集运算；Θ表示空集；|| ||表示集合的模；

步骤34：l++；

步骤35：判断l是否大于L，若大于，则跳至步骤36；否则，跳至步骤32；

步骤36：结束。

步骤五：各小区基站对上行接收数据采用线性检测算法进行处理，同时以最大化频谱效率来优化中心用户率。

图5为求取最优的小区中心用户率流程图，详细描述如下：

步骤41：令α＝0；

步骤42：依据α对系统中所有小区的用户进行导频序列配置；

步骤43：计算各小区的总频谱效率SE{α}；

步骤44：α++；

步骤45：判断α是否大于1，如果大于，跳至步骤46；否则，跳至步骤42；

步骤46：从SE{0}，SE{1/K}，…，SE{1}中找出最大值，其对应的小区中心用户率为最优小区中心用户率α^*；

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施案例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (5)

1.大规模MIMO系统中基于部分导频交替复用的导频污染减轻方法，其特征在于，包括以下步骤：

步骤一：根据小区中心用户率，确定多小区大规模的MIMO系统所需配置的导频序列数，并依据小区中心用户率对导频序列进行分组；

步骤二：基于非重叠原则，将多小区大规模MIMO系统中所有小区中相邻的三个小区划分为一组；

步骤三：根据各小区用户到本地基站的距离和小区中心用户率对各小区内用户进行分组，分为小区中心用户分组和小区边缘用户分组；

步骤四：对各小区用户进行导频配置：使相邻三个小区边缘用户分组所配置的导频序列子集相互正交，而小区中心用户分组复用相邻小区边缘用户分组所配置的导频序列子集的并；

步骤五：各小区基站对上行接收数据采用线性检测算法进行处理，同时以最大化总频谱效率来优化中心用户率。

2.根据权利要求1所述的方法，其特征在于：导频配置只需在相邻的三个小区间进行，其它小区分组则复用与之完全相同的导频序列子集。

3.根据权利要求1所述的方法，其特征在于：所述步骤一具体包括：

a.定义导频序列集合V为：

$V={\left\{v_i\right\}}_{i=1}^B$

$v_a^H{v}_b=\left\{\begin{array}{cc}B& a=b\\ 0& a\&NotEqual;b\end{array}\right.$

其中V表示导频序列的全集；B表示导频序列数，v_i表示第i个导频序列，i,a,b表示导频序列标号,()^H表示求取矩阵的共轭转置；

b.依据小区中心用户率α对导频序列进行分组，其中0≤α≤1，具体的：

当时，将导频序列集合V分成三组V₁,V₂,V₃即

V₁＝{v₁,v₂,...,v_(1-α)K}

V₂＝{v_(1-α)K+1,v_(1-α)K+2,...,v_2(1-α)K}；

V₃＝{v_2(1-α)K+1,v_2(1-α)K+2,...,v_B}

当时，在导频序列集合V中取出三组V₁,V₂,V₃即

V₁＝{v₁,v₂,...,v_(1-α)K}

V₂＝{v_(1-α)K+1,v_(1-α)K+2,...,v_2(1-α)K}

V₃＝{v_2(1-α)K+1,v_2(1-α)K+2,...,v_3(1-α)K}

其中K表示系统中各小区服务的用户数；V₁,V₂,V₃表示导频序列集合V的子集。

4.根据权利要求1所述的方法，其特征在于，所述步骤四对各小区用户进行导频配置具体包括：

a.当时，分别将导频序列子集V₁,V₂,V₃内导频序列随机配置给相邻三个小区的边缘用户分组，并记为V_i ^e，其中i＝1,2,3，且将导频序列子集V_i ^e的补集V\V_i ^e随机配置给小区中间用户分组，即让小区中心用户分组复用相邻小区的边缘用户分组的导频序列，并记为V_i ^c，且满足：

$\left\{\begin{array}{c}{V}_i^c\&cup;V_i^e=V,(i=1,2,3)\\ \underset{i=1}{\overset{3}{\&cup;}}{V}_i^e=V\\ \left|\right|V_i^c\left|\right|=2(1-\mathrm{\&alpha;})K\&GreaterEqual;\mathrm{\&alpha;}K\\ \left|\right|V_i^e\left|\right|=(1-\mathrm{\&alpha;})K\end{array}\right.;$

b.当时，分别将导频序列子集V₁,V₂,V₃内导频序列随机配置给相邻三个小区的边缘用户分组，并记为V_i ^e，其中i＝1,2,3，且i小区中间用户分组复用导频序列子集V_i ^e的补集V\V_i ^e，并记为V_i ^c，且满足：

$\left\{\begin{array}{c}{V}_i^c\&cup;V_i^e=V,(i=1,2,3)\\ \underset{i=1}{\overset{3}{\&cap;}}{V}_i^e=\mathrm{\&Theta;}\\ \left|\right|V_i^c\left|\right|=\mathrm{\&alpha;}K\\ \left|\right|V_i^e\left|\right|=(1-\mathrm{\&alpha;})K\end{array}\right.$

其中V_i ^e表示i小区边缘用户分组所配置的导频集合；V_i ^c表示i小区中心用户分组可复用的导频集合；V\V_i ^e表示集合V_i ^e在全集V中的补集；∪表示集合间的并集运算；∩表示集合间的交集运算；Θ表示空集；|| ||表示集合的模。

5.根据权利要求1所述的方法，其特征在于：所述步骤五的优化中心用户率具体过程：

a.确定小区用户中心率α的取值范围，即α＝0,1/K,2/K,...,1；

b.针对α的不同取值，对各小区循环上述步骤一至五，并计算出各小区的总频谱效率；

c.找出各小区最大的总频谱效率，其对应的α即为最优的小区中心用户率α^*。