CN108599828B - 一种多小区3d mimo场景下的两层预编码方法 - Google Patents

Abstract

本发明公开了一种多小区3D MIMO场景下的两层预编码方法，包括设置两层预编码矩阵

其中

为第一层预编码矩阵，所述第一层预编码矩阵用于消除小区间干扰，

为第一层水平预编码矩阵，

为第一层垂直预编码矩阵；

为第二层预编码矩阵，

为垂直波束赋形矩阵(N_H×N_V)×N_H，

为水平预编码矢量N_H×1，所述N_H为小区垂直维度天线数量，所述N_V为小区水平维度天线数量，所述第二层预编码矩阵用于消除用户间干扰。本发明方案较RV方案对小区平均频谱效率及用户平均频谱效率均有显著提高。

Description

一种多小区3D MIMO场景下的两层预编码方法

技术领域

本发明涉及一种MIMO场景下的预编码方法，特别是涉及一种多小区3D MIMO场景下的两层预编码方法，属于无线通信技术领域。

背景技术

全维MIMO可以提高蜂窝系统的频谱效率增益，而小区间干扰问题一直是MIMO系统乃至3D MIMO系统的关键问题。目前的主流解决方案是利用基站(BS)间的某种协作，然而这种协作往往会带来巨大的开销，从而影响系统性能。增加基站的天线数量也是一种方法，但是天线数量的增加可能会产生一些不可知的阻碍增益，即在频分双工(FDD)系统中高维信道有较高的反馈开销。在时分双工(TDD)系统中，由于信道的互易性，极大降低了系统反馈开销。但是在TDD MIMO系统中用户间上行链路训练导频的复用会造成信道估计误差从而带来导频污染，这极大的降低了系统的性能。

针对这一问题，文献“Multi-cell MIMO cooperative networks:Anew look atinterference”提出了一种基于多小区场景下的ZF预编码和MMSE预编码策略，达到了减小小区间干扰的目的。但是这种策略需要知道每个基站的信道信息，是适用于少了天线的情况下。文献“An overview of massive MIMO:Benefits and challenges”提出了一种导频污染预编码技术，以克服导频污染问题，但是该技术要求在所有BS之间共享传输的数据，在实际中难以实现。文献“Pilot contamination precoding in multi-cell large scaleantenna systems”利用高维信道的定向特性了TDD系统中的导频污染，然而这种解决方案对设备的硬件要求较高，而且不能充分利用3D MIMO系统中所提供的更高自由度。文献“Spatially sparse precoding in millimeter wave MIMO systems”在毫米波和大规模MIMO系统场景下，提出了两步预编码方案，但其工作内容并没有考虑多小区情况，具有一定的局限性。

发明内容

针对上述现有技术的缺陷，本发明提供了一种多小区3D MIMO场景下的两层预编码方法以提升3D MIMO系统性能。

本发明技术方案如下：一种多小区3D MIMO场景下的两层预编码方法，包括设置两层预编码矩阵

其中

为第一层预编码矩阵，所述第一层预编码矩阵用于消除小区间干扰，

为第一层水平预编码矩阵，

为第一层垂直预编码矩阵；

为第二层预编码矩阵，

为垂直波束赋形矩阵(N_H×N_V)×N_H，

为水平预编码矢量N_H×1，所述N_H为小区垂直维度天线数量，所述N_V为小区水平维度天线数量，所述第二层预编码矩阵用于消除用户间干扰。

进一步的，定义小区平均干扰协方差矩阵为：

所述

的特征值为

其中

和

分别对应着非零特征解和零特征解，所述

进一步的，所述垂直波束赋形矩阵由以下方法确定，设小区c第k个用户的垂直预编码矩阵可以表示为：

其中

是每一列天线的N_v维度的波束向量，且有

使

满足如下优化问题：

其中SLNR_ck表示小区c第k个用户的信漏噪比。

进一步的，所述SLNR_ck为

其中

为N_V×N_H阶厄密矩阵，

为N_V×N_H阶正定矩阵。

进一步的，所述水平预编码矢量采用ZF预编码，等效信道如下：

是

的第K列，其中

本发明所提供的技术方案的优点在于：第一层预编码矩阵作用是消除垂直空间的小区间干扰，第二层预编码矩阵作用是消除小区内用户间的干扰。此方案适用于具有低秩垂直方向的子空间的系统。而最近的3D信道测量表明，高频特征空间在低频和毫米波系统中可能具有较低的秩。第一层预编码矩阵的设计仅需要知道在不同的调度用户上平均的干扰协方差矩阵，而信道协方差矩阵可以认为在很长一段时间里是不变的，这样就可以进行信道估计。该方案只需要一个平均协方差矩阵，性能开销较小。此外，由于第一层预编码设计需要知道该平均干扰协方差矩阵的子空间而不是全矩阵，因此可以利用一些常用的MIMO子空间估计方法。本发明方法对小区平均频谱效率及用户平均频谱效率，相较于RV方案均有着显著提高。

附图说明

图1为本发明方法适用的3D MIMO小区模型图。

图2为本发明在不同天线数下小区的频谱效率仿真图。

图3为本发明与RV方案用户平均频谱效率的累积分布函数曲线对比图。

具体实施方式

下面结合实施例对本发明作进一步说明，但不作为对本发明的限定。

本实施例涉及的多小区3D MIMO场景下的两层预编码方法，考虑一个多小区多用户3D MIMO系统。每个小区部署均匀矩形阵列，因此小区到用户之间的信道具有3D结构。如图1所示，假设系统中有

个小区，

表示小区的集合，每个小区有K个随机分布的独立用户，本系统中每个小区配有端垂直维度天线数量为N_V，水平维度天线数量为N_H。每个用户有一根接收天线，其中天线阵列采用的是均匀矩形阵列。

表示b小区到c小区k用户的1×N信道矢量，其中N＝N_VN_H，每个小区配置一个N×K的预编码器F_b。h_bck表示c小区第k个用户到基站b的上行链路信道矩阵，

表示c小区第k个用户到基站b的下行链路信道矩阵，另外对下标做如下说明：cck表示本小区c内的第k个用户，bck表示b小区到c小区的k用户。如

表示本小区c内的第k个用户的信道矩阵。

每个用户的接收信号可以写为：

其中s_b是K×1向量，表示从b小区传输的信号，比如

P表示总的平均发射功率。n_ck是均值为0，方差为σ2的加性复高斯白噪声向量。

3D信道h_bck的协方差矩阵R_bck为：

其中

和

分别表示水平和垂直维的协方差矩阵。分别将

和

奇异值分解，通过K-L变换，信道矩阵h_bck可表达为：

其中w_bck服从均值为0，方差为I的高斯分布，是一个

的向量，rank(·)表示矩阵的秩。不失一般性，为了简化符号，假设所有用户的水平和垂直协方差矩阵具有相同的秩，表示为r_A和r_B。

小区c中第k个用户的信干燥(signal-to-interference-plus-noise ratio，SINR)为：

其中

是期望信号功率，

是小区间用户干扰信号功率，

是小区间干扰信号功率，。若给每个小区设计一个预编码矩阵，小区之间的协作开销较大，并且进一步限制小区间协作，此外预编码矩阵要在整个基带中实现会产生较大的能耗。本实施例中将预编码矩阵F_c设计成两层预编码矩阵的乘积：

第一层预编码矩阵

用来消除小区间干扰，第二层预编码矩阵

用来消除用户间干扰。则小区c中第k个用户的接收信号表达式为：

第一层预编码矩阵设计

设计出的第一层预编码矩阵要达到消除小区间干扰的目的，即将式(6)的第二项去掉，根据式(3)利用信道模型的克罗内克结构，可将第一层预编码矩阵写成如下形式：

其中

第一层水平预编码矩阵，

表示第一层垂直预编码矩阵，由式(3)可将式(6)的第二项改写为：

若要消除小区间干扰，就要使式(8)为0，即

有

消除其他小区的干扰可以等价为该小区不对其他小区产生干扰，本场景垂直维天线数量多于水平维天线数量，意味着用户在垂直维度跟容易区分，只需将预编码矩阵设计在垂直维协方差矩阵的零空间里。

定义小区c的平均干扰协方差矩阵为：

由于只考虑垂直维度的干扰，所以：

式(9)

的特征值为

其中

和

分别对应着非零特征解和零特征解，Λ_c表示对角矩阵。第一层预编码矩阵

可写为：

根据式(11)可将式(6)改写为：

式(7)所示，第一层预编码矩阵的目的就是消除小区间干扰，

为N_VN_H×r_NIN_H的矩阵。该设计仅需要知道用户平均干扰协方差矩阵。

令

则式(12)可改写为：

第二层预编码矩阵设计

设计出的第二层预编码矩阵要达到消除用户间干扰的目标。令

为垂直波束赋形矩阵(N_H×N_V)×N_H。

为水平预编码矢量N_H×1。第二层预编码矩阵设计分为两步。

第一步：垂直预编码矩阵设计

传统无源天线系统无法动态调整阵列天线的权重，因此波束的幅度和方向是固定的，这就无法区分垂直维度不同的用户。但是随着AAS系统的出现，可以根据用户和干扰的分布来设计波束赋形矢量。小区c第k个用户的垂直预编码矩阵可以表示为：

是每一列天线的N_v维度的波束向量，且有

为了消除用户间干扰，设计的

满足如下优化问题：

SLNR_ck表示小区c第k个用户的信漏噪比。由于是在

不知道的情况下设计垂直波束赋形矩阵的，令

有

SLNR_ck的近似表达式为：

根据

可得：

同理可得：

根据式(17)，(18)，(19)可将式(16)改写为：

为了方便符号表示，令

故(20)可改写为：

A是N_V×N_H阶厄密矩阵，B是N_V×N_H阶正定矩阵，式(16)的优化问题可以变为广义瑞丽熵问题。

第二步：水平预编矩阵设计

通过第一步的波束赋形，可以最大化用户的垂直波束增益。接下来就是通过水平预编码矩阵的设计水平预编矩阵使得等效信道下的接收信号最大化。因为用户的方位角往往比垂直角大，所以相对于垂直维度，水平维度的干扰更容易消除。第二步预编码采用ZF预编码，等效信道如下：

是

的第K列，其中

对于3D信道模型，当存在视线(LOS)路径时，垂直天线的信道矩阵与用户的仰角高度相关。然而，小区内用户的方位角一般都在-60°到+60°之间，约95％的仰角在6°到20°之间。垂直维度上天线的信道矩阵相关性是大于水平维度的，这意味着垂直空间的空间分离比水平空间的空间分离更严重。因此一个有效的用户选择方案就是在垂直维度选择弱相关性的列信道向量的用户在相同时频资源上进行传°输。为了解决上述问题，采用基于垂直天线的信道矩阵的基于弦距离的用户选择算法。弦距是衡量两个矩阵之间相关性的参数，定义如下：

其中

分别为F₁，F₂施密特(Gram-Schmidt)正交化得到的。

用户调度算法如下：

Step1：初始化，Ω＝{1,2，...，M}且Υ＝φ。

a)：

是施密特正交变化后F_m的第i列的行基，m＝1,2，...，M。

b)：

得到初始化用户s₁，令

c)：更新用户集Ω＝Ω-{s₁}，并且Υ＝Υ+{s₁}。

Step2：For k＝2：K

a)：计算弦距，并根据

选择第k个用户。

b)：令

Ω＝Ω-{s_k}和Υ＝Υ+{s_k}

c)：将U_k施密特正交变换得到

Step3：等到K个用户选择完毕，算法结束。

众所周知，预编码的计算复杂度与信道矩阵的维数密切相关。该方案提出的

和

的阶数都要比F_k小。因此计算预编码矩阵的复杂度就降低了，具体而言，若方阵为N_V×N_V，通过奇异值分解设计出来的波束赋形矢量的计算复杂度为

采用仿真软件为MATLAB对本实施例方案与RV方案进行比较，RV方案是随机产生的垂直波束赋形矢量。主要仿真参数见下表。

信道模型	3D SCM信道模型
		网络布局	多小区
小区半径	200m
		基站高度	10m
用户高度	1.5m
		基站总的发送功率	44dBm
每个小区用户数量	50
		用户天线数目	1
天线阵列结构	均匀矩形阵列(URA)
		垂直天线数目	8,10
水平天线数目	8

请结合图2、图3所示，图2比较了不同天线数下小区的频谱效率，当垂直天线数目为8的时候，可以看到本方案比RV方案增益了27％。当垂直天线数目为10时，本方案比RV方案增益了23％，其中RV表示随机产生的垂直波束赋形。同时当垂直天线数目为10比天线数目为8增益了21％。本方案的小区平均频谱效率相对于RV方案有着显著提高。图3所采用的是8×8的均匀矩阵阵列，表示的是两种方案每个用户平均频谱效率的累积分布函数曲线，从仿真图可以看出，本实施例相比较RV方案，其用户平均频谱效率有着显著提高。结合图2和图3可以看两层预编码方案的优越性，其优越性主要体现在垂直空间自由度的充分利用，每一层预编码能够管理不同的干扰信号。

Claims (1)

1.一种多小区3D MIMO场景下的两层预编码方法，其特征在于，包括设置两层预编码矩阵

其中

为第一层预编码矩阵，所述第一层预编码矩阵用于消除小区间干扰，

为第一层水平预编码矩阵，

为第一层垂直预编码矩阵，定义小区平均干扰协方差矩阵为：

所述

的特征值为

其中

和

分别对应着非零特征解和零特征解，所述

为第二层预编码矩阵，

为垂直波束赋形矩阵(N_H×N_V)×N_H，

为水平预编码矢量N_H×1，所述N_H为小区垂直维度天线数量，所述N_V为小区水平维度天线数量，所述第二层预编码矩阵用于消除用户间干扰，所述垂直波束赋形矩阵由以下方法确定，设小区c第k个用户的垂直预编码矩阵表示为：

其中

是每一列天线的N_v维度的波束向量，且有

使

满足如下优化问题：

其中SLNR_ck表示小区c第k个用户的信漏噪比，所述SLNR_ck为

其中

为N_V×N_H阶厄密矩阵，

为N_V×N_H阶正定矩阵。

Images