CN108156107B - 线性均衡算法的选择方法及装置 - Google Patents

Abstract

本发明提供一种线性均衡算法的选择方法及装置，涉及移动通信技术领域。该方法包括：根据接收的多路导频信号和信道估计计算导频子载波上的噪声干扰协方差矩阵R_uu；根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT；比较所述干扰噪声比IoT与预设门限值的大小关系；根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法。本发明提供的选择方法及装置，利用IRC中现成的噪声干扰协方差矩阵R_uu，通过解一元二次方程的方法得到较精确的噪声方差和干扰接收功率,据此计算出干扰噪声比IoT，获得不低于单独采用IRC或MRC的检测性能。

Description

线性均衡算法的选择方法及装置

技术领域

本发明涉及移动通信技术领域，具体涉及一种线性均衡算法的选择方法及装置。

背景技术

LTE作为4G主流技术给用户提供了高速的数据传输业务。LTE系统中的正交频分复用(OFDM)和多输入输出(MIMO)关键技术,显著增加了频谱利用率和数据传输效率。基于OFDM子载波映射的技术从子载波正交性上完全保证了小区内信道的正交,解决了CDMA系统严重的小区内同频干扰的问题。但是,由于无法像CDMA一样进行充分扩频,小区间的干扰很难消除。在LTE标准化的过程中主要采用了三种干扰抑制技术：干扰随机化，干扰协调和干扰消除技术。LTE系统中采用了一些新型的干扰消除技术。如果从发送端和接收端考虑，发送端的干扰消除技术主要基于MIMO的预编码，波束成形技术，而这种情况需要获得信道相关的状态信息，有时需要基站间的相互协作。接收端有利用干扰消除多用户检测技术，接收端干扰消除的思想是对干扰信号进行重构然后从接收信号中去除干扰信号来消除干扰，实现起来比较复杂。还有利用相邻小区到用户或不同用户到基站的空间差异的干扰抑制合并技术(IRC)，不需要对发送端做任何标准化工作，同时也不依赖任何额外的例如频分、码分、交织器分等信号区分手段，仅依靠空分(Space Division)手段。实现起来比干扰消除多用户检测简单。

LTE系统常用的线性均衡方法有最大比合并MRC均衡算法和干扰抑制比合并IRC均衡算法。MRC均衡算法噪声为主的环境下是最优的检测方法，但存在干扰时性能下降很大，当干扰功率比较大时，BLER达不到10^-1。MRC将邻小区干扰与的噪声做同样处理,忽略干扰的真实统计特性。而IRC计算真实的干扰噪声协方差矩阵以进行干扰消除。IRC与MRC相比，在干扰为主时，IRC比MRC性能明显提高；但噪声为主的环境下，IRC性能差于MRC。

因此，有必要在接收端自适应的进行IRC和MRC切换，根据干扰和噪声之间的相对功率大小，选用IRC或者MRC，以获取两种方法各自的性能优势，克服各自的劣势。

发明内容

针对现有技术的不足，本发明提供一种线性均衡算法的选择方法及装置，获得不低于单独采用IRC或MRC的检测性能。

本发明提出一种线性均衡算法的选择方法，包括：

根据接收的多路导频信号和信道估计计算导频子载波上的噪声干扰协方差矩阵R_uu；

根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT；

比较所述干扰噪声比IoT与预设门限值的大小关系；

根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法。

所述计算导频子载波上的噪声干扰协方差矩阵R_uu具体公式为：

其中，y_RS为N_r×1维接收导频信号，N_r为接收天线数，k为一个RB内的子载波序号，x₁为本小区用户发射导频符号,H₁为目标用户1频域信道估计，N为一个RB内包含的子载波个数。

所述根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT具体包括：

按照所述接收天线数N_r分别取R_uu中

个2×2的矩阵R2_uu；

针对每个所述2×2的矩阵R2_uu求出噪声方差

总共获取

个噪声方差

对所述

个噪声方差

求平均值得到

结果记为噪声平均功率A-B；

将所述噪声干扰协方差矩阵R_uu中主对角元素分别减去各自所在的所述2×2的矩阵R2_uu求出的噪声方差

然后将减后得到的值再相加，相加结果记为干扰平均功率B；

计算所述干扰噪声比IoT＝B/(A-B)。

所述针对每个所述2×2的矩阵R2_uu求出噪声

具体包括：

将所述R2_uu的主对角线两元素相乘减去副对角线两元素相乘，结果记为P；

将所述R2_uu的主对角线两元素相加，结果记为Q；

计算所述噪声方差

所述方法还包括：

根据链路仿真结果确定所述预设门限值。

其中，所述根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法具体包括：

当所述干扰噪声比IoT大于或等于所述预设门限值时，则在每个子载波上采用所述干扰抑制比合并IRC算法；

当所述干扰噪声比IoT小于所述预设门限值时，则在每个子载波上采用所述最大比合并MRC算法。

在确定采用最大比合并MRC方式算法后，将所述噪声干扰协方差矩阵R_uu中的主对角线元素进行平均，非对角线元素置为0。

本发明还提供了一种线性均衡算法的选择装置，包括：

第一计算模块，用于根据接收的多路导频信号和信道估计计算导频子载波上的噪声干扰协方差矩阵R_uu；

第二计算模块，用于根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT；

比较模块，用于比较所述干扰噪声比IoT与预设门限值的大小关系；

选择模块，用于根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法。

所述第一计算模块计算导频子载波上的噪声干扰协方差矩阵R_uu具体公式为：

其中，y_RS为N_r×1维接收导频信号，N_r为接收天线数，k为一个RB内的子载波序号，x₁为本小区用户发射导频符号,H₁为目标用户1频域信道估计，N为一个RB内包含的子载波个数。

所述第二计算模块根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT具体包括：

按照所述接收天线数N_r分别取R_uu中

个2×2的矩阵R2_uu；

针对每个所述2×2的矩阵R2_uu求出噪声方差

总共获取

个噪声方差

对所述

个噪声方差

求平均值得到

结果记为噪声平均功率A-B；

将所述噪声干扰协方差矩阵R_uu中主对角元素分别减去各自所在的所述2×2的矩阵R2_uu求出的噪声方差

然后将减后得到的值再相加，相加结果记为干扰平均功率B；

计算所述干扰噪声比IoT＝B/(A-B)。

所述针对每个所述2×2的矩阵R2_uu求出噪声

具体包括：

将所述R2_uu的主对角线两元素相乘减去副对角线两元素相乘，结果记为P；

将所述R2_uu的主对角线两元素相加，结果记为Q；

计算所述噪声方差

所述装置还包括：

确定模块，用于根据链路仿真结果确定所述预设门限值。

其中，所述比较模块根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法具体包括：

当所述干扰噪声比IoT大于或等于所述预设门限值时，则在每个子载波上采用所述干扰抑制比合并IRC算法；

当所述干扰噪声比IoT小于所述预设门限值时，则在每个子载波上采用所述最大比合并MRC算法。

所述装置还包括：

设置模块，用于在确定采用最大比合并MRC方式算法后，将所述噪声干扰协方差矩阵R_uu中的主对角线元素进行平均，非对角线元素置为0。

本发明提供一种线性均衡算法的选择方法及装置，利用IRC中现成的噪声干扰协方差矩阵R_uu，通过解一元二次方程的方法得到较精确的噪声方差和干扰接收功率,据此计算出干扰噪声比IoT，获得不低于单独采用IRC或MRC的检测性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的线性均衡算法的选择方法的流程示意图；

图2为本发明一实施例提供的线性均衡算法的选择方法详细流程示意图；

图3为本发明一实施例提供的线性均衡算法的选择装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示出了本发明一实施例提供的线性均衡算法的选择方法的流程示意图，如图1所示，所述选择方法包括：

S101、根据接收的多路导频信号和信道估计计算导频子载波上的噪声干扰协方差矩阵R_uu。

LTE接收端的信号经过OFDM解调、信道估计和噪声方差测量后进入均衡模块。

在CP大于信道的最大多径时延，一个OFDM符号内信道近似不变的情况下，OFDM频域接收信号可表示为：

y_k＝H_kx_k+N_k

上式中，下标k表示子载波序号；y_k为N_r×1维的接收频域信号(N_r为接收天线数)，H_k为N_r×1维的信道估计，x_k是第k子载波上的发送符号，一般发送符号不相关，且其平均功率已归一化，N_k是均值为0，协方差矩阵为

的N_r×1维的高斯白噪声。

采用线性频域均衡算法，对每一个子载波分别进行，略去子载波序号，上式可写为：

y＝Hx+N

MRC均衡的公式为：

其中

IRC均衡的公式为：

其中

y_data为N_r×1维接收频域数据信号，x₁为本小区用户发射导频符号,H₁为本小区用户频域信道估计,

为噪声方差。其中噪声干扰协方差矩阵R_uu＝E[(y_RS-H₁x₁)(y_RS-H₁x₁)^H]，实际实现时因为一个RB上的干扰统计特性相差较小，所以统计平均E通过对一个RB上12个子载波的共轭相乘结果求平均实现，即每个RB上12个子载波使用相同的R_uu矩阵。

具体求法如下：根据每个RB上接收到的多路导频数据和信道估计结果计算RB上的噪声干扰协方差矩阵

y_RS为N_r×1维接收导频信号，k为一个RB内的子载波序号。

进一步推导，以N_r＝2为例，因为y_RS＝H₁x₁+H₂x₂+N，目标用户1信道矩阵为H₁(k)，干扰用户2信道矩阵为H₂(k)，两根接收天线上的白噪声分别为n₁(k)和n₂(k)。其中：

接收信号可以写为：

用H_nr,user表示子载波k上用户user到接收天线nr之间的频域信道，假设干扰用户信号和噪声之间不相关，不同接收天线上的噪声之间不相关，则：

省略子载波索引k，用P₂表示干扰用户的平均功率E[|x₂(k)|]²，则：

S102、根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT。

具体的，将R_uu的主对角线两元素相乘减去副对角线两元素相乘，结果记为P，则

将主对角线两元素相加，结果记为Q，则

可得，

将上式代入P的表达式中，得到

变形得到关于

的一元二次方程：

解此一元二次方程得到两个解，

从Q的表达式中可以得出，

所以取

即为(A-B)。万一此一元二次方程无解，则

取实际系统的默认值。

将主对角线两元素分别减去得到的

值，则分别得到P₂|H₁₂|²和P₂|H₂₂|²，将两者相加得到P₂(|H₁₂|²+|H₂₂|²)，此即为2根接收天线接收到的总的干扰功率，即为B。

对于接收天线N_r为大于2的偶数情况，可以按照N_r分别取R_uu中

个2×2的矩阵，根据上面方法从每个矩阵中求出

后再对这

个

求平均，这样最后得到平均后的

即为(A-B)。以N_r＝8为例，R_uu如下：

将R_uu矩阵第(1,1)(1,2)(2,1)(2,2)组成一个2×2的矩阵，第(3,3)(3,4)(4,3)(4,4)组成一个2×2的矩阵，第(5,5)(5,6)(6,5)(6,6)组成一个2×2的矩阵，第(7,7)(7,8)(8,7)(8,8)组成一个2×2的矩阵。总的干扰功率用8个主对角线元素分别减去各自所在的2×2矩阵计算出的

(求平均之前)的结果相加得到，即为B。

最后，计算线性IoT(Interference over Thermal,干扰噪声比)＝B/(A-B)。表示干扰功率相对噪声功率的大小。

S103、比较所述干扰噪声比IoT与预设门限值的大小关系。

S104、根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法。

如图2所示，设置一个切换门限threshold，threshold可以根据IRC和MRC的仿真结果确定。比较计算得出的干扰噪声比IoT与threshold之间大小关系，也即判断干扰噪声比IoT是否大于或等于threshold。当IoT大于等于切换门限threshold时，干扰功率大于或等于噪声，IRC比MRC性能有较大提升，该RB上采用IRC均衡；当IoT小于切换门限threshold时，噪声功率大于干扰，IRC比MRC均衡性能差，该RB上采用MRC均衡。此时将R_uu矩阵主对角线元素进行平均，非对角线元素置为0，即R_uu＝δ_n ²I，这样就实现了MRC均衡。因为IoT越小，干扰越轻微；IoT越大，干扰越严重。

本发明实施例提供的一种线性均衡算法的选择方法，使用噪声干扰协方差矩阵R_uu矩阵元素构造一元二次方程，通过解一元二次方程的方法得到较精确的噪声方差和干扰接收功率，据此计算干扰噪声比IoT的方法更精确。然后根据IoT和预设门限的大小关系，自动选择IRC或MRC均衡，得到不低于单独使用IRC或MRC的性能。

图3示出了本发明一实施例提供的线性均衡算法的选择装置的结构示意图，如图3所示，所述选择装置包括：

第一计算模块31，用于根据接收的多路导频信号和信道估计计算导频子载波上的噪声干扰协方差矩阵R_uu。

第二计算模块32，用于根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT。

具体的，第二计算模块32按照所述接收天线数N_r分别取R_uu中

个2×2的矩阵R2_uu，针对每个所述2×2的矩阵R2_uu求出噪声方差

总共获取

个噪声方差

针对每个所述2×2的矩阵R2_uu求出噪声

具体包括：

将所述R2_uu的主对角线两元素相乘减去副对角线两元素相乘，结果记为P；将所述R2_uu的主对角线两元素相加，结果记为Q；计算所述噪声方差

第二计算模块32对所述

个噪声方差

求平均值得到

结果记为噪声平均功率A-B；将所述噪声干扰协方差矩阵R_uu中主对角元素分别减去各自所在的所述2×2的矩阵R2_uu求出的噪声方差

然后将减后得到的值再相加，相加结果记为干扰平均功率B。计算所述干扰噪声比IoT＝B/(A-B)。

比较模块33，用于比较所述干扰噪声比IoT与预设门限值的大小关系。

选择模块34，用于根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法。

可理解的是，上述装置与上述方法是一一对应的关系，上述方法中的实施细节也适用于上述装置，因此，本实施例不再对上述装置的其他具体实施细节进行详细描述。

本发明实施例提供的一种线性均衡算法的选择方法，使用噪声干扰协方差矩阵R_uu矩阵元素构造一元二次方程，通过解一元二次方程的方法得到较精确的噪声方差和干扰接收功率，据此计算干扰噪声比IoT的方法更精确。然后根据IoT和预设门限的大小关系，自动选择IRC或MRC均衡，得到不低于单独使用IRC或MRC的性能。

本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在于该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是互相排斥之处，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

最后应说明的是：本领域普通技术人员可以理解：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (5)

1.一种线性均衡算法的选择方法，其特征在于，包括：

根据接收的多路导频信号和信道估计计算导频子载波上的噪声干扰协方差矩阵R_uu；

根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT；

比较所述干扰噪声比IoT与预设门限值的大小关系；

根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法；

所述计算导频子载波上的噪声干扰协方差矩阵R_uu具体公式为：

其中，y_RS为N_r×1维接收导频信号，N_r为接收天线数，k为一个RB内的子载波序号，x₁为本小区用户发射导频符号,H₁为目标用户1频域信道估计，N为一个RB内包含的子载波个数；

所述根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT具体包括：

按照所述接收天线数N_r分别取R_uu中

个2×2的矩阵R2_uu；

针对每个所述2×2的矩阵R2_uu求出噪声方差

总共获取

个噪声方差

对所述

个噪声方差

求平均值得到

结果记为噪声平均功率A-B；

将所述噪声干扰协方差矩阵R_uu中主对角元素分别减去各自所在的所述2×2的矩阵R2_uu求出的噪声方差

然后将减后得到的值再相加，相加结果记为干扰平均功率B；

计算所述干扰噪声比IoT＝B/(A-B)；

所述针对每个所述2×2的矩阵R2_uu求出噪声

具体包括：

将所述R2_uu的主对角线两元素相乘减去副对角线两元素相乘，结果记为P；

将所述R2_uu的主对角线两元素相加，结果记为Q；

计算所述噪声方差

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据链路仿真结果确定所述预设门限值。

3.根据权利要求1所述的方法，其特征在于，所述根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法具体包括：

当所述干扰噪声比IoT大于或等于所述预设门限值时，则在每个子载波上采用所述干扰抑制比合并IRC算法；

当所述干扰噪声比IoT小于所述预设门限值时，则在每个子载波上采用所述最大比合并MRC算法。

4.根据权利要求3所述的方法，其特征在于，在确定采用最大比合并MRC方式算法后，将所述噪声干扰协方差矩阵R_uu中的主对角线元素进行平均，非对角线元素置为0。

5.一种线性均衡算法的选择装置，其特征在于，包括：

第一计算模块，用于根据接收的多路导频信号和信道估计计算导频子载波上的噪声干扰协方差矩阵R_uu；

第二计算模块，用于根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT；

比较模块，用于比较所述干扰噪声比IoT与预设门限值的大小关系；

选择模块，用于根据比较结果确定采用干扰抑制比合并IRC算法或者最大比合并MRC算法；

所述第一计算模块计算导频子载波上的噪声干扰协方差矩阵R_uu具体公式为：

其中，y_RS为N_r×1维接收导频信号，N_r为接收天线数，k为一个RB内的子载波序号，x₁为本小区用户发射导频符号,H₁为目标用户1频域信道估计，N为一个RB内包含的子载波个数；

所述第二计算模块根据所述噪声干扰协方差矩阵R_uu计算干扰噪声比IoT具体包括：

按照所述接收天线数N_r分别取R_uu中

个2×2的矩阵R2_uu；

针对每个所述2×2的矩阵R2_uu求出噪声方差

总共获取

个噪声方差

对所述

个噪声方差

求平均值得到

结果记为噪声平均功率A-B；

将所述噪声干扰协方差矩阵R_uu中主对角元素分别减去各自所在的所述2×2的矩阵R2_uu求出的噪声方差

然后将减后得到的值再相加，相加结果记为干扰平均功率B；

计算所述干扰噪声比IoT＝B/(A-B)；

所述第二计算模块针对每个所述2×2的矩阵R2_uu求出噪声

具体包括：

将所述R2_uu的主对角线两元素相乘减去副对角线两元素相乘，结果记为P；

将所述R2_uu的主对角线两元素相加，结果记为Q；

计算所述噪声方差

Images