CN107547117A - 一种确定波束赋型向量的方法及装置 - Google Patents
一种确定波束赋型向量的方法及装置 Download PDFInfo
- Publication number
- CN107547117A CN107547117A CN201610471909.4A CN201610471909A CN107547117A CN 107547117 A CN107547117 A CN 107547117A CN 201610471909 A CN201610471909 A CN 201610471909A CN 107547117 A CN107547117 A CN 107547117A
- Authority
- CN
- China
- Prior art keywords
- mrow
- vector
- matrix
- beam shaping
- excipient
- 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.)
- Withdrawn
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
Abstract
本发明公开了一种确定波束赋型向量的方法及装置,包括:根据信道探测参考信号侦听到第k个子载波上信道矩阵其中,Nr表示基站接收天线数,Nt表示终端的发送天线数;求相关矩阵其中,是降阶的相关矩阵,维度是终端天线数;对平均的相关矩阵做特征向量分解得到相关矩阵特征向量;根据赋型的流数,确定输出特征向量矩阵U,其中,U的列数是流数;根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量。采用本发明,通信设备可以极大降低波束赋型的复杂度,同时比现有方法性能有较大优势。
Description
技术领域
本发明涉及无线通信技术领域,特别涉及一种确定波束赋型向量的方法及装置。
背景技术
3GPP规范4G标准时,定义了两种双工方式:FDD-LTE(FDD:Frequency DivisionDuplex,频分双工;LTE:Long Term Evolution,长期演进)和TDD-LTE(TDD:Time DivisionDuplex,时分双工)。其中TDD-LTE上下行链路采用相同的载波频点,上下行信道可认为具备互易性,这也为波束赋型理论在LTE中应用提供了可能。随着4.5G以及5G的行业发展,大规模天线Massive MIMO(大规模MIMO;MIMO:Multiple Input Multiple Output,多入多出)应用得到业界的广泛关注,已有相关文献已经证明,大阵列天线波束赋型宽度窄,能增加更多MU(MultipleUsers,多用户)复用的机会,提升小区吞吐量。
波束赋型,一般是根据基站侦听到的上行信道信息去计算当前用户的下行波束赋型向量。但现有技术的不足在于:尽管业界广泛采用垂直维度和水平维度分别波束赋型的方案,并且相比直接做128阶的特征向量分解,复杂度有明显降低,但是相比传统的波束赋型算法性能会降低。
发明内容
本发明提供了一种确定波束赋型向量的方法及装置,用以提供一种高性能的能降低波束赋型运算复杂度的方案。
本发明实施例中提供了一种确定波束赋型向量的方法,包括:
根据SRS侦听到第k个子载波上信道矩阵其中,Nr表示基站接收天线数,Nt表示终端的发送天线数;
求相关矩阵其中,是降阶的相关矩阵,维度是终端天线数;
对平均的相关矩阵做特征向量分解得到相关矩阵特征向量;
根据赋型的流数,确定输出特征向量矩阵U,其中,U的列数是流数;
根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量。
较佳地,在求相关矩阵时,用平均的相关矩阵表示为:
较佳地,对做特征向量分解是采用EBB或者SVD,其中根据赋型流数得到Uget,其中Uget是U的前M列,M为赋型流数。
较佳地,根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量,包括:
将赋型粒度内的取平均,假设赋型粒度内服从慢衰落,则平均信道信息为:
确定波束赋型向量W为:
较佳地,进一步包括:
根据流功率分配对波束赋型向量归一化以使赋型向量W每列归一。
本发明实施例中提供了一种确定波束赋型向量的装置,包括
侦听模块,用于根据SRS侦听到第k个子载波上信道矩阵其中,Nr表示基站接收天线数,Nt表示终端的发送天线数;
相关矩阵模块,用于求相关矩阵其中,是降阶的相关矩阵,维度是终端天线数;
特征向量分解模块,用于对平均的相关矩阵做特征向量分解得到相关矩阵特征向量;
输出矩阵模块,用于根据赋型的流数,确定输出特征向量矩阵U,其中,U的列数是流数;
波束赋型向量模块,用于根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量。
较佳地,相关矩阵模块进一步用于在求相关矩阵时,用平均的相关矩阵表示为:
较佳地,特征向量分解模块进一步用于采用EBB或者SVD对做特征向量分解,其中根据赋型流数得到Uget,其中Uget是U的前M列,M为赋型流数。
较佳地,波束赋型向量模块进一步用于在根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量时:
将赋型粒度内的取平均,假设赋型粒度内服从慢衰落,则平均信道信息为:
确定波束赋型向量W为:
较佳地,进一步包括:
归一化模块,用于根据流功率分配对波束赋型向量归一化以使赋型向量W每列归一。
本发明有益效果如下:
本发明实施例中提出的确定波束赋型方案,通过矩阵理论,把传统高维度的特征向量分解,等效为低维度的特征向量分解,降低了波束赋型运算的复杂度。
由于复杂度的减少,通信设备可以把传统大粒度波束赋型,细化为小粒度的波束赋型,在减少复杂度的同时,还能相比传统方法明显提升性能。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中天线序号以及它们构成的实际信道矩阵的关系示意图;
图2为本发明实施例中确定波束赋型向量的方法实施流程示意图;
图3为本发明实施例中确定波束赋型向量的装置结构示意图;
图4为本发明实施例中基站结构示意图。
具体实施方式
发明人在发明过程中注意到:
波束赋型一般是根据基站侦听到的上行信道信息去计算当前用户的下行波束赋型向量。业界常用的波束赋型算法如下:
1)终端在不同时刻,轮流在不同天线上发送SRS(Sounding Reference signals,信道探测参考信号)侦听导频信号。基站接收后,利用SRS信号进行信道估计,并把终端不同天线到达基站的信道组合。由于TDD-LTE上下行信道互易,因此该上行信道组合也等价于下行信道组合。假设基站128天线,终端4天线,则信道组合表示为:
其中H4×128是一个4×128维的矩阵,h1,k表示终端第一根天线到基站第k根天线上的信道;h2,k表示终端第二根天线到基站第k根天线上的信道,以此类推。
2)基站求信道的相关矩阵。
第k个子载波上组合信道
相关矩阵其中表示是的共轭转置矩阵。
假设波束赋型向量用W表示。则赋型矢量满足(H4×128*W)'*(H4×128*W)最大。
(H4×128*W)'*(H4×128*W)=W'*H'4×128*H4×128*W=W'*R*W。
根据矩阵Rayleigh熵理论,W即为R的特征向量。因此在实现中对R做特征向量分解即可。实现中,我们会假设连续N个子载波上的信道分布平坦,会对N个子载波上的相关矩阵Rk求平均,其中连续N个子载波覆盖的PRB(physical resource block,物理资源块),称为波束赋型的粒度。
3)对相关矩阵做EBB(Eigenvalue Based Beamforming,特征向量法)或者SVD(Singular Value Decompostion,奇异值分解法)特征向量分解
其中eig表示EBB分解,W表示所求的赋型粒度上共用的波束赋型向量。
从上面的公式推导看,基站需要做128×128这个大矩阵的特征值分解,从工程上讲,本身是很难是实现的。事实上,当前各设备厂商一直针对这个问题进行广泛研究,目前已有的做法是对上面的传统做法进行分步实现。
假设二维天线面阵垂直地面放置时,可分为水平方向H和垂直方向V。天线阵元的序号按照相同极化方向优先按垂直方向的方式排列,水平方向共有NH列相同极化方向的天线阵列,垂直方向共有NV根相同极化方向的天线阵元,极化方向数为NP=1,2。图1为天线序号以及它们构成的实际信道矩阵的关系示意图,具体关系请参见图1及相关现有资料。
对于下行MIMO信道,基站天线为发射天线,终端天线为接收天线,NHNVNP为基站天线数,NR为终端天线数,massive MIMO系统NHNVNP×NR。设为基站通过上行SRS信道估计得到的子载波n的下行MIMO信道矩阵,为第c列基站天线阵元到终端所有天线在子载波n上的信道矩阵,为第r行基站天线阵元到终端所有天线在子载波n上的信道矩阵。Sn为该PU(PerUser,每用户)上的抽样子载波集合,Sc={0,1,…,NHNP-1}为基站天线列的集合,Sr={0,1,…,NV}为基站天线行的集合,N(S)表示集合S中元素的个数。
方法一:分别计算水平方向特征向量uH和垂直方向特征向量uV,最后将二者合成3D的massive MIMO信道向量。
步骤1:计算每个PU内的垂直方向特征向量。
步骤1.1:计算PU内每列同极化方向的基站天线到终端天线在所有抽样子载波上的垂直维平均发送相关矩阵:
步骤1.2:计算PU内所有基站天线列的垂直维平均发送相关矩阵:
步骤1.3:对PU内的垂直维平均发送相关矩阵RV进行特征值分解得到多个垂直维特征向量uV,1,uV,2,…,其中uV,1为主特征向量,uV,2为次特征向量,依次类推。对应的特征值为λV,1,λV,2,…。
步骤2:计算每个PU内的水平方向特征向量。
步骤2.1:计算PU内每行基站天线到终端天线在所有抽样子载波上的水平维平均发送相关矩阵:
步骤2.2:计算PU内所有基站天线行的水平维平均发送相关矩阵:
步骤2.3:对PU内的水平维平均发送相关矩阵RH进行特征值分解得到多个水平维特征向量uH,1,uH,2,…,其中uH,1为主特征向量,uH,2为次特征向量,依次类推。对应的特征向量为λH,1,λH,2,…。
步骤3:合成3D预编码矩阵或信道向量。
水平方向和垂直方向的各特征向量构成3D特征向量即为预编码向量。Rank L可由最大L个3D特征值对应的3D特征向量确定,例如rank 4的3D预编码矩阵:
相应的3D信道矩阵为:
方法二:计算垂直方向特征向量uV,形成等效水平信道,再计算等效水平信道的特征向量uH,最后将二者合成3D的massive MIMO信道向量。
步骤1:计算每个PU内的垂直方向特征向量。
步骤1.1:计算PU内每列同极化方向的基站天线到终端天线在所有抽样子载波上的垂直维平均发送相关矩阵:
步骤1.2:计算PU内的垂直维预编码矩阵。
基站所有天线列采用相同垂直维预编码向量。
步骤1.2.1.1:计算PU内基站所有天线列的垂直维平均发送相关矩阵。
步骤1.2.1.2:对PU内的垂直维平均发送相关矩阵RV进行特征值分解得到垂直维主特征向量uV,1,即垂直维各列天线使用的预编码向量。
步骤1.2.1.3:形成PU每个抽样子载波的等效水平维信道,子载波n。
步骤3:合成3D信道向量。
水平方向和垂直方向的特征向量构成3D特征向量即为预编码向量。Rank L可由最大L个3D特征值对应的3D特征向量确定,例如rank 2的3D预编码矩阵矩阵:
如果每个PRB上都做这样的赋型计算,则复杂度依然很大,因此工程上一般用4个PRB的粒度做一次赋型计算。由于粒度变粗,赋型的精确度下降,下行性能也会降低。
发明人通过对128天线、MU用户波束赋型的吞吐量仿真性能对比得到如表1的结果:
表1:128天线,MU用户波束赋型的吞吐量性能对比
仿真条件:3D-UMa,AMC on,10个USER,每个用户固定2流,单位Gbps,终端2天线
由此可见,尽管业界广泛采用这种垂直维度和水平维度分别波束赋型的方案,并且相比直接做128阶的特征向量分解,复杂度有明显降低,但是正是因为垂直维度和水平维度没有联合起来考虑,相比传统的波束赋型算法性能会降低。
基于这种改进方案依然存在运算量复杂度大,性能下降等问题,本发明实施例中将提出一种更简单的波束赋型算法,不仅低于现有的优化方案复杂度,并且与最传统的算法相比,性能损失也很小。
在提供具体的技术方案前,先对本发明实施例中提出的技术方案进行解释,以使本领域技术人员更容易理解本方案。
发明人注意到,波束赋型向量就是求满足WH*RHH*W最大的解,即RHH的特征向量。下面为了方便以基站128天线,终端4天线为例进行说明。
先对H4×128做SVD分解,H4×128=UΛDH,则
其中U为左酉矩阵,
Λ为对角矩阵,D为右酉矩阵(酉矩阵特性:酉矩阵与自己的共轭转置矩阵相乘为单位阵)。
事实上,求的赋型向量W就是右酉矩阵里的前几列向量:
WH*RHH*W=DH*RHH*D=Λ2,其中,Λ2就是特征向量对应的特征值,物理意义表示对应的数据流上的功率。因此波束赋型关心的是如何求出D。
现在用另外一种方式求矩阵D。
1)首先定义新的相关矩阵这是一个4维度的矩阵。
对做4维的SVD分解:
2)令与4维的酉矩阵U相乘:
由于Λ为一实数对角矩阵(副对角元素为0),赋型向量乘上实数不改变空间特性,因此D*Λ就是所要的赋型向量W。
综上,采用上述思路的算法,只需求一次4维度的SVD分解就可以求出赋型向量,相比传统的128阶的特性向量分解,以及目前比较流行的简化算法,需要做一次8阶特征向量分解,再加一次8阶或者16阶的特性向量分解,实现复杂度都明显降低。
下面结合附图对本发明的具体实施方式进行说明。
图2为确定波束赋型向量的方法实施流程示意图,如图所示,可以包括:
步骤201、根据SRS侦听到第k个子载波上信道矩阵其中,Nr表示基站接收天线数,Nt表示终端的发送天线数;
步骤202、求相关矩阵其中,是降阶的相关矩阵,维度是终端天线数;
步骤203、对平均的相关矩阵做特征向量分解得到相关矩阵特征向量;
步骤204、根据赋型的流数,确定输出特征向量矩阵U,其中,U的列数是流数;
步骤205、根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量。
实施中,在求相关矩阵时,用平均的相关矩阵表示为:
实施中,对做特征向量分解是采用EBB或者SVD,其中根据赋型流数得到Uget,其中Uget是U的前M列,M为赋型流数。
实施中,根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量,包括:
将赋型粒度内的取平均,假设赋型粒度内服从慢衰落,则平均信道信息为:
确定波束赋型向量W为:
实施中,还可以进一步包括:
根据流功率分配对波束赋型向量归一化以使赋型向量W每列归一。
下面对具体的实施进行进一步说明。
1)基站根据SRS侦听到第k个子载波上信道矩阵其中Nr表示基站接收天线数128根或者64根,或者其他可能天线数,Nt表示终端的发送天线数,2根,4根,8根等其他可能天线数。
2)求相关矩阵:
其中,就是降阶的相关矩阵,维度是终端天线数。假设赋型粒度内的信道服从慢衰落,则可以用平均的相关矩阵来表示:
3)对做特征向量分解得到相关矩阵特征向量,分解时可以采用EBB或者SVD,当然也不限于其他矩阵算法。
4)根据赋型的流数,确定特征向量分解的计算量以及输出特征向量矩阵U。其中U的列数就是流数,例如赋型流数为2,则Uget=U(:,[1:2])。
具体实施中,特征向量分解不需要完全分解,而是与赋型的流数有关。流数越少,分解时计算复杂度就低,最终求出来的就是U矩阵。
5)计算波束赋型向量,由于一个赋型粒度内确定一组赋型向量,因此首先把赋型粒度内的取平均,假设赋型粒度内服从慢衰落:
其中,N的意思是赋型粒度内,估计信道的个数N。这里是对得到的信道取平均操作。
则所求赋型向量:
其中,右上角的H表示的是共轭转置变换。
6)最后还可以进一步的对W根据流功率分配归一化。
由上述可见,本发明实施例中提出的确定波束赋型方案,通过矩阵理论,把传统高维度的特征向量分解,等效为低维度的特征向量分解,降低了波束赋型运算的复杂度。由于复杂度的减少,通信设备可以把传统大粒度波束赋型,细化为小粒度的波束赋型,在减少复杂度的同时,还能相比传统方法明显提升性能。
进一步的,发明人通过对128天线、MU用户波束赋型的吞吐量仿真性能对比得到如表2的结果,通过仿真对比,可以看出本发明实施例中提出的方案与最传统的算法性能相比,性能损失也很小。具体请见表2
表2:128天线,MU用户波束赋型的吞吐量性能对比
仿真条件:3D-UMa,AMC on,10个USER,每个用户固定2流,单位Gbps,终端2天线
其中,简化EBB一栏即为采用本发明实施例中提出的方案得到的结果。
基于同一发明构思,本发明实施例中还提供了一种确定波束赋型向量的装置,由于该装置解决问题的原理与一种确定波束赋型向量的方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
图3为确定波束赋型向量的装置结构示意图,如图所示,可以包括:
侦听模块301,用于根据SRS侦听到第k个子载波上信道矩阵其中,Nr表示基站接收天线数,Nt表示终端的发送天线数;
相关矩阵模块302,用于求相关矩阵其中,是降阶的相关矩阵,维度是终端天线数;
特征向量分解模块303,用于对平均的相关矩阵做特征向量分解得到相关矩阵特征向量;
输出矩阵模块304,用于根据赋型的流数,确定输出特征向量矩阵U,其中,U的列数是流数;
波束赋型向量模块305,用于根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量。
实施中,相关矩阵模块进一步用于在求相关矩阵时,用平均的相关矩阵表示为:
实施中,特征向量分解模块进一步用于采用EBB或者SVD对做特征向量分解,其中根据赋型流数得到Uget,其中Uget是U的前M列,M为赋型流数。
实施中,波束赋型向量模块进一步用于在根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量时:
将赋型粒度内的取平均,假设赋型粒度内服从慢衰落,则平均信道信息为:
确定波束赋型向量W为:
实施中,进一步包括:
归一化模块,用于根据流功率分配对波束赋型向量归一化以使赋型向量W每列归一。
为了描述的方便,以上所述装置的各部分以功能分为各种模块或单元分别描述。当然,在实施本发明时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
在实施本发明实施例提供的技术方案时,可以按如下方式实施。
图4为基站结构示意图,如图所示,基站中包括:
处理器400,用于读取存储器420中的程序,执行下列过程:
求相关矩阵其中,是降阶的相关矩阵,维度是终端天线数;
对平均的相关矩阵做特征向量分解得到相关矩阵特征向量;
根据赋型的流数,确定输出特征向量矩阵U,其中,U的列数是流数;
根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量。
收发机410,用于在处理器400的控制下发送数据,执行下列过程:
根据SRS侦听到第k个子载波上信道矩阵其中,Nr表示基站接收天线数,Nt表示终端的发送天线数。
实施中,在求相关矩阵时,用平均的相关矩阵表示为:
实施中,对做特征向量分解是采用EBB或者SVD,其中根据赋型流数得到Uget,其中Uget是U的前M列,M为赋型流数。
实施中,根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量,包括:
将赋型粒度内的取平均,假设赋型粒度内服从慢衰落,则平均信道信息为:
确定波束赋型向量W为:
实施中,进一步包括:
根据流功率分配对波束赋型向量归一化以使赋型向量W每列归一。
其中,在图4中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器400代表的一个或多个处理器和存储器420代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机410可以是多个元件,即包括发送机和收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器400负责管理总线架构和通常的处理,存储器420可以存储处理器400在执行操作时所使用的数据。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种确定波束赋型向量的方法,其特征在于,包括:
根据信道探测参考信号SRS侦听到第k个子载波上信道矩阵其中,Nr表示基站接收天线数,Nt表示终端的发送天线数;
求相关矩阵其中,是降阶的相关矩阵,维度是终端天线数;
对平均的相关矩阵做特征向量分解得到相关矩阵特征向量;
根据赋型的流数,确定输出特征向量矩阵U,其中,U的列数是流数;
根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量。
2.如权利要求1所述的方法,其特征在于,在求相关矩阵时,用平均的相关矩阵表示为:
<mrow>
<msub>
<mover>
<mi>R</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>H</mi>
<mi>H</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>N</mi>
</mrow>
</munderover>
<msubsup>
<mover>
<mi>R</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>H</mi>
<mi>H</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>.</mo>
</mrow>
3.如权利要求1所述的方法,其特征在于,对做特征向量分解是采用特征向量法EBB或者奇异值分解法SVD,其中根据赋型流数得到Uget,其中Uget是U的前M列,M为赋型流数。
4.如权利要求1所述的方法,其特征在于,根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量,包括:
将赋型粒度内的取平均,假设赋型粒度内服从慢衰落,则平均信道信息为:
<mrow>
<msub>
<mover>
<mi>H</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>N</mi>
<mi>t</mi>
<mo>&times;</mo>
<mi>N</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>N</mi>
</mrow>
</munderover>
<msubsup>
<mi>H</mi>
<mrow>
<mi>N</mi>
<mi>t</mi>
<mo>&times;</mo>
<mi>N</mi>
<mi>r</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
确定波束赋型向量W为:
<mrow>
<mi>W</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>H</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>N</mi>
<mi>t</mi>
<mo>&times;</mo>
<mi>N</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>H</mi>
</msup>
<mo>*</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>g</mi>
<mi>e</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
5.如权利要求1至4任一所述的方法,其特征在于,进一步包括:
根据流功率分配对波束赋型向量归一化以使赋型向量W每列归一。
6.一种确定波束赋型向量的装置,其特征在于,包括:
侦听模块,用于根据SRS侦听到第k个子载波上信道矩阵其中,Nr表示基站接收天线数,Nt表示终端的发送天线数;
相关矩阵模块,用于求相关矩阵其中,是降阶的相关矩阵,维度是终端天线数;
特征向量分解模块,用于对平均的相关矩阵做特征向量分解得到相关矩阵特征向量;
输出矩阵模块,用于根据赋型的流数,确定输出特征向量矩阵U,其中,U的列数是流数;
波束赋型向量模块,用于根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量。
7.如权利要求6所述的装置,其特征在于,相关矩阵模块进一步用于在求相关矩阵时,用平均的相关矩阵表示为:
<mrow>
<msub>
<mover>
<mi>R</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>H</mi>
<mi>H</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>N</mi>
</mrow>
</munderover>
<msubsup>
<mover>
<mi>R</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>H</mi>
<mi>H</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>.</mo>
</mrow>
8.如权利要求6所述的装置,其特征在于,特征向量分解模块进一步用于采用EBB或者SVD对做特征向量分解,其中根据赋型流数得到Uget,其中Uget是U的前M列,M为赋型流数。
9.如权利要求6所述的装置,其特征在于,波束赋型向量模块进一步用于在根据平均信道信息以及输出特征向量矩阵U确定波束赋型向量时:
将赋型粒度内的取平均,假设赋型粒度内服从慢衰落,则平均信道信息为:
<mrow>
<msub>
<mover>
<mi>H</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>N</mi>
<mi>t</mi>
<mo>&times;</mo>
<mi>N</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>N</mi>
</mrow>
</munderover>
<msubsup>
<mi>H</mi>
<mrow>
<mi>N</mi>
<mi>t</mi>
<mo>&times;</mo>
<mi>N</mi>
<mi>r</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
确定波束赋型向量W为:
<mrow>
<mi>W</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>H</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>N</mi>
<mi>t</mi>
<mo>&times;</mo>
<mi>N</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>H</mi>
</msup>
<mo>*</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>g</mi>
<mi>e</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
10.如权利要求6至9任一所述的装置,其特征在于,进一步包括:
归一化模块,用于根据流功率分配对波束赋型向量归一化以使赋型向量W每列归一。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610471909.4A CN107547117A (zh) | 2016-06-24 | 2016-06-24 | 一种确定波束赋型向量的方法及装置 |
PCT/CN2017/080605 WO2017219739A1 (zh) | 2016-06-24 | 2017-04-14 | 一种确定波束赋型向量的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610471909.4A CN107547117A (zh) | 2016-06-24 | 2016-06-24 | 一种确定波束赋型向量的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107547117A true CN107547117A (zh) | 2018-01-05 |
Family
ID=60784206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610471909.4A Withdrawn CN107547117A (zh) | 2016-06-24 | 2016-06-24 | 一种确定波束赋型向量的方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107547117A (zh) |
WO (1) | WO2017219739A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111294104A (zh) * | 2020-02-27 | 2020-06-16 | 杭州电子科技大学 | 一种基于特征值分解的波束赋形优化方法 |
WO2023282839A1 (en) * | 2021-07-09 | 2023-01-12 | Telefonaktiebolaget Lm Ericsson (Publ) | Port selection with low complexity |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166092B (zh) * | 2018-02-14 | 2022-10-04 | 上海华为技术有限公司 | 数据端口到天线的映射向量的生成方法及装置 |
CN117223228A (zh) * | 2021-04-21 | 2023-12-12 | 上海诺基亚贝尔股份有限公司 | 用于fdd mimo通信的波束成形解决方案 |
CN115987346B (zh) * | 2022-12-15 | 2024-02-02 | 华工未来通信(江苏)有限公司 | 一种智能反射面被动波束赋型方法、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101800582A (zh) * | 2009-02-09 | 2010-08-11 | 中兴通讯股份有限公司 | 一种多用户波束成形方法及装置 |
CN102404028A (zh) * | 2010-09-07 | 2012-04-04 | 普天信息技术研究院有限公司 | 一种波束赋形方法 |
CN103281110A (zh) * | 2013-04-26 | 2013-09-04 | 大唐移动通信设备有限公司 | 波束赋形方法和设备 |
CN103457647A (zh) * | 2012-06-04 | 2013-12-18 | 普天信息技术研究院有限公司 | 一种双流波束赋形方法及装置 |
CN104980206A (zh) * | 2014-04-11 | 2015-10-14 | 普天信息技术有限公司 | 一种波束赋形方法 |
CN105207708A (zh) * | 2015-09-06 | 2015-12-30 | 北京北方烽火科技有限公司 | 一种波束赋形权向量的生成方法及装置 |
-
2016
- 2016-06-24 CN CN201610471909.4A patent/CN107547117A/zh not_active Withdrawn
-
2017
- 2017-04-14 WO PCT/CN2017/080605 patent/WO2017219739A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101800582A (zh) * | 2009-02-09 | 2010-08-11 | 中兴通讯股份有限公司 | 一种多用户波束成形方法及装置 |
CN102404028A (zh) * | 2010-09-07 | 2012-04-04 | 普天信息技术研究院有限公司 | 一种波束赋形方法 |
CN103457647A (zh) * | 2012-06-04 | 2013-12-18 | 普天信息技术研究院有限公司 | 一种双流波束赋形方法及装置 |
CN103281110A (zh) * | 2013-04-26 | 2013-09-04 | 大唐移动通信设备有限公司 | 波束赋形方法和设备 |
CN104980206A (zh) * | 2014-04-11 | 2015-10-14 | 普天信息技术有限公司 | 一种波束赋形方法 |
CN105207708A (zh) * | 2015-09-06 | 2015-12-30 | 北京北方烽火科技有限公司 | 一种波束赋形权向量的生成方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111294104A (zh) * | 2020-02-27 | 2020-06-16 | 杭州电子科技大学 | 一种基于特征值分解的波束赋形优化方法 |
CN111294104B (zh) * | 2020-02-27 | 2022-10-21 | 杭州电子科技大学 | 一种基于特征值分解的波束赋形优化方法 |
WO2023282839A1 (en) * | 2021-07-09 | 2023-01-12 | Telefonaktiebolaget Lm Ericsson (Publ) | Port selection with low complexity |
Also Published As
Publication number | Publication date |
---|---|
WO2017219739A1 (zh) | 2017-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kammoun et al. | Design of 5G full dimension massive MIMO systems | |
US10348373B2 (en) | Method and device for quantizing and feeding back channel information and precoding data | |
Hoydis et al. | Comparison of linear precoding schemes for downlink massive MIMO | |
CN107547117A (zh) | 一种确定波束赋型向量的方法及装置 | |
Jin et al. | Statistical eigenmode transmission for the MU-MIMO downlink in Rician fading | |
US9160432B2 (en) | Cognitive radio base station and communication method thereof in multi-user multiple-input multiple output cognitive radio network system | |
US10511361B2 (en) | Method for determining a precoding matrix and precoding module | |
KR20150098665A (ko) | 안테나 어레이 채널 피드백을 위한 방법 및 장치 | |
KR20150097774A (ko) | 안테나 어레이 채널 피드백을 위한 방법 및 장치 | |
WO2017118077A1 (zh) | 多输入多输出mimo的处理方法及装置 | |
CN107852207A (zh) | 发送装置、接收装置、控制站、通信系统和发送预编码方法 | |
CN107046435A (zh) | 无线通信方法和无线通信装置 | |
CN106992805A (zh) | 多天线传输方法、基站和用户终端 | |
CN108631837A (zh) | 信息的传输方法和设备 | |
CN109088664A (zh) | 基于块对角化和三角分解的自干扰抑制方法 | |
WO2017121175A1 (zh) | 一种数据处理方法和装置 | |
CN103634071B (zh) | 一种预编码矩阵选择方法、装置和系统 | |
CN103780291B (zh) | 利用三维波束码本进行通信的方法、装置及基站 | |
CN111713054B (zh) | 通信方法、通信装置和系统 | |
CN112702092B (zh) | 一种fdd下行多用户大规模mimo系统中的信道估计方法 | |
CN106982088A (zh) | 3d mimo系统中一种基于csi‑rs端口的多流传输方法 | |
CN107154815B (zh) | 一种多用户系统混合预编码方法 | |
CN106953669A (zh) | 一种双流波束赋形的方法、装置及基站 | |
JP2009268106A (ja) | 信号対干渉電力と雑音比の決定方法およびその装置 | |
Dreifuerst et al. | Machine Learning Codebook Design for Initial Access and CSI Type-II Feedback in Sub-6GHz 5G NR |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180105 |