CN108809378B - 基于有限字符集信号输入的无线携能mimo预编码方法 - Google Patents

Abstract

本发明公开了一种基于有限字符集信号输入的无线携能MIMO预编码方法，包括以下步骤：S1.实复转换：将与预编码相关的互信息表达式和约束条件进行实/复矩阵转换；S2.优化建模，构建能够利用CVX算法求解的优化模型；S3.优化求解：基于CVX算法求解优化变量；S4.高斯随机化：利用高斯随机技术求出预编码对应的最优向量；S5.预编码输出：利用最优向量构造最优预编码。本发明利用输入信号和信道的统计特征建立一个优化模型，通过求解该模型完成对最优预编码的确定，减小了预编码设计应用于实际通信系统中所带来的性能损失。

Description

基于有限字符集信号输入的无线携能MIMO预编码方法

技术领域

本发明涉及无线通信技术领域，具体是涉及基于有限字符集信号输入的无线携能MIMO预编码方法。

背景技术

多输入多输出(multiple-input multiple-output，MIMO)技术能够在不增加传输信道带宽的条件下成倍的提高无线信道的容量，因而被认为是现代通信技术中的重大突破之一，大规模MIMO作为传统MIMO技术的延伸,可以大幅度提升吞吐率和能量效率，并被认为是5G的关键技术之一。

作为一项新兴的技术，无线信息与能量同传技术不仅仅能够传送信息也能够从无线电频率中采集能量来为通信系统提供潜在的永久能源供应，由于这些优点，无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)成为近年来的研究热点。在SWIPT系统中，能量和信息被同时传输，因此在信息传输和能量采集中实现最佳性能是非常困难的,这意味着在信息传输和能量收集之间存在性能折衷。通常，这种折衷需要在发射端对信号进行预编码来实现。

但现有的预编码设计都假设系统的输入信号是高斯信号。然而，在实际系统中，输入信号往往来自QAM(quadrature amplitude modulation)、PSK(phase shift keying)等字符数量有限的信号集合，由于高斯信号和有限字符集信号的不同，将基于高斯输入的预编码设计应用于实际的通信系统时，会出现明显的性能损失。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于有限字符集信号输入的无线携能MIMO预编码方法，利用输入信号和信道的统计特征建立一个优化模型，通过求解该模型完成对最优预编码的确定，减小了预编码设计应用于实际通信系统中所带来的性能损失。

本发明的目的是通过以下技术方案来实现的：基于有限字符集信号输入的无线携能MIMO预编码方法，包括以下步骤：

S1.实复转换：将与预编码相关的互信息表达式和约束条件进行实/复矩阵转换；

S2.优化建模，构建能够利用CVX算法求解的优化模型；

S3.优化求解：基于CVX算法求解优化变量；

S4.高斯随机化：利用高斯随机技术求出预编码对应的最优向量w；

S5.预编码输出：利用最优向量w构造最优预编码W′。

进一步地，所述实复转换步骤S1包括：

首先将原优化模型写出，其优化函数是最大化平均互信息量，约束条件包含发射功率的约束和接收能量的约束，由输入信息和信道统计获取的信息可得：

其中平均互信息量Γ_A(W)为：

式中，P与R分别是发射功率与能量信道接收功率的门限，x是输入信号，r是输出信号，v是噪声信号，H表示已知的信道矩阵，且

Φ_r,Φ_t分别代表接收相关矩阵与发射相关矩阵，W表示需要优化的线性预编码矩阵，下标ID与EH分别代表信息传输信道与功率传输信道，在公式中，ρ是信号星座数，K＝M_tlogρ-M_ID(1/ln2-1)是一个常数，M_t是发射天线个数，γ_z是信息接收相关矩阵

奇异值，σ²是噪声功率，b_ij等同于x_i-x_j，表示不同的发射信号之差；

由于优化问题是非凸问题，为了进行有效求解，因此需要先通过实/复矩阵转换，转化为新的优化模型，先将优化函数改写为：

其中B_ij＝γ_zb_ijb_ij ^H/2σ²，令：

且

得到一个与原优化函数相同的函数如下：

其中D＝ww^H，D为秩为1的对称半正定矩阵；再将接收功率约束化简：

通过同样的方法将其转化为实矩阵形式Tr(Σ_EH)Tr(FD)，其中：

发射功率的约束化简为Tr(D)≤P。

进一步地，所述优化建模步骤S2包括：构建原优化模型的半定松弛(SDR)，并将其作为构建的优化模型：

进一步地，所述步骤S3包括：利用CVX优化工具或内点法求解，得出一个最优半定矩阵D。

进一步地，所述步骤S4包括：利用高斯随机化技术找到秩为1的半定矩阵作为优化问题的近似最优解，将该最优解化成向量w。

本发明的有益效果是：本发明下有限字符集输入和SWIPT条件下，首先进行实/复矩阵转换、优化建模和优化求解，得到优化变量，然后通过高斯随机技术还原出一个满足约束条件的近似最优预编码矩阵，使得平均互信息量接近于最优值，与其它情况的预编码相比，本发明的方法在保证预编码满足约束条件的前提下，能够适用于实际的通信系统，且性能明显优于现有的基于高斯输入信号的预编码方案。

附图说明

图1为SWIPT-MIMO系统的原理示意图；

图2为本发明的方法流程图；

图3为本发明在能量接收机与信息接收机分离时的互信息性能仿真图；

图4为本发明在能量接收机与信息接收机共址时的互信息性能仿真图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

本发明的基本思想是通过SDR方法将优化问题转化为可用CVX求解的问题，再用高斯随机技术对预编码进行还原，如图1所示，为SWIPT-MIMO系统的原理示意图，以r＝HWx+n作为输入输出的关系，H表示信道矩阵，W表示需要优化的的线性预编码矩阵，x表示MIMO系统基站发射的信号矢量，n表示零均值加性高斯白噪声矢量，r表示多个用户接收到的信号矢量。在QAM、PSK等有限字符集信号输入以及信道状态信息(channel state information，CSI)已知情况下，对于实际的具有SWIPT功能的MIMO系统，可以找到一个可行的预编码矩阵W，使得信道容量得到提升。

如图2所示，基于有限字符集信号输入的无线携能MIMO预编码方法，包括以下步骤：

S1.实复转换：将与预编码相关的互信息表达式和约束条件进行实/复矩阵转换：

首先将原优化模型写出，其优化函数是最大化平均互信息量，约束条件包含发射功率的约束和接收能量的约束，由输入信息和信道统计获取的信息可得：

其中平均互信息量Γ_A(W)为：

式中，P与R分别是发射功率与能量信道接收功率的门限，x是输入信号，r是输出信号，v是噪声信号，H表示已知的信道矩阵，且

Φ_r,Φ_t分别代表接收相关矩阵与发射相关矩阵，W表示需要优化的线性预编码矩阵，下标ID与EH分别代表信息传输信道与功率传输信道，在公式中，ρ是信号星座数，K＝M_tlogρ-M_ID(1/ln2-1)是一个常数，M_t是发射天线个数，γ_z是信息接收相关矩阵

奇异值，σ²是噪声功率，b_ij等同于x_i-x_j(不同的发射信号之差)；

由于优化问题是非凸问题，为了进行有效求解，因此需要先通过实/复矩阵转换，转化为新的优化模型，先将优化函数改写为：

其中B_ij＝γ_zb_ijb_ij ^H/2σ²，令：

且

得到一个与原优化函数相同的函数如下：

其中D＝ww^H，D为秩为1的对称半正定矩阵；再将接收功率约束化简：

通过同样的方法将其转化为实矩阵形式Tr(Σ_EH)Tr(FD)，其中：

发射功率的约束化简为Tr(D)≤P。

S2.优化建模，构建能够利用CVX算法求解的优化模型：

构建原优化模型的半定松弛(SDR)，并将其作为构建的优化模型：

该模型属于半定规划中的一个实例。

S3.优化求解：基于CVX算法求解优化变量：

利用CVX优化工具或内点法求解，得出一个最优半定矩阵D。

S4.高斯随机化：利用高斯随机技术求出预编码对应的最优向量w：

利用高斯随机化技术找到秩为1的半定矩阵作为优化问题的近似最优解，将该最优解化成向量w。

S5.预编码输出：利用最优向量w构造最优预编码W′，即利用最优向量w实现最优预编码W′的还原。

在本申请的实施例中，对本发明提出的方法进行仿真测试，仿真中的基本设置如下表所示：

仿真中MIMO系统中输入输出天线数都是2，对于信道相关矩阵的构造，利用公式[Φ(ζ)]_i,j＝ζ^|i-j|,0≤ζ＜1,i,j＝1。信噪比SNR定义为SNR＝P/M_tσ²。对于分离与共址情况下，信道相关系数以及其他参数的值已经分别在表中给出。

如图3所示，当相关系数设置为：ζ_t＝0.95,ζ_ID＝0.5,ζ_EH＝0.8时，对于分离的能量与信息接收情况，在较宽的信噪比范围内，它们的性能在有限字母表输入情况下非常接近性能上界，这是在高斯输入情况下，基于高斯输入的最优统计注水方案实现的。随着信噪比的增加，高斯输入情况下的上界与有限字母表输入情况下的预编码性能之间的差距越来越大，因为有限字母表的输入下平均互信息量是有界的，但是高斯输入的平均互信息不断增加。在这种情况下，可以使用更高的调制阶数来改善平均互信息。当输入被有限字母表信号替换时，为高斯输入信号设计的最优预编码器会出现严重的性能退化，在这种情况下，相应的性能甚至比没有预编码的有限字母表输入更糟糕。

如图4所示，当相关系数设置为：ζ_t＝0.9,ζ_ID＝ζ_EH＝0.8时，对于BPSK信号输入，且信息和能量接收机共址的情况下，由于调制阶数较低，所以平均互信息量的界限会比QPSK较低，但是其他曲线所反映的情况与图3类似。

由此可见，本发明下有限字符集输入和SWIPT条件下，首先进行实/复矩阵转换、优化建模和优化求解，得到优化变量，然后通过高斯随机技术还原出一个满足约束条件的近似最优预编码矩阵，使得平均互信息量接近于最优值，与其它情况的预编码相比，本发明的方法在保证预编码满足约束条件的前提下，能够适用于实际的通信系统，且性能明显优于现有的基于高斯输入信号的预编码方案。

最后需要说明的是以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (3)

1.基于有限字符集信号输入的无线携能MIMO预编码方法，其特征在于：包括以下步骤：

S1.实复转换：将与预编码相关的互信息表达式和约束条件进行实/复矩阵转换；

S2.优化建模，构建能够利用CVX算法求解的优化模型；

S3.优化求解：基于CVX算法求解优化变量；

S4.高斯随机化：利用高斯随机技术求出预编码对应的最优向量w；

S5.预编码输出：利用最优向量w构造最优预编码W′；

所述实复转换步骤S1包括：

首先将原优化模型写出，其优化函数是最大化平均互信息量，约束条件包含发射功率的约束和接收能量的约束，由输入信息和信道统计获取的信息可得：

其中平均互信息量Γ_A(W)为：

式中，P与R分别是发射功率与能量信道接收功率的门限，x是输入信号，r是输出信号，v是噪声信号，H表示已知的信道矩阵，且

Φ_r,Φ_t分别代表接收相关矩阵与发射相关矩阵；W表示需要优化的线性预编码矩阵，下标ID与EH分别代表信息传输信道与功率传输信道，在公式中，ρ是信号星座数，K＝M_tlogρ-M_ID(1/ln2-1)是一个常数，M_t是发射天线个数，γ_z是信息接收相关矩阵

奇异值，σ²是噪声功率，b_ij等同于x_i-x_j，表示不同的发射信号之差；

由于优化问题是非凸问题，为了进行有效求解，因此需要先通过实/复矩阵转换，转化为新的优化模型，先将优化函数改写为：

其中B_ij＝γ_zb_ijb_ij ^H/2σ²，令：

且

得到一个与原优化函数相同的函数如下：

其中D＝ww^H，D为秩为1的对称半正定矩阵；再将接收功率约束化简：

E_HEHTr(H_EHWW^HH_EH ^H)＝Tr(Σ_EH)Tr(W^HΦ_rEHW)，

通过同样的方法将其转化为实矩阵形式Tr(Σ_EH)Tr(FD)，其中：

发射功率的约束化简为Tr(D)≤P；

所述优化建模步骤S2包括：构建原优化模型的半定松弛，并将其作为构建的优化模型：

2.根据权利要求1所述的基于有限字符集信号输入的无线携能MIMO预编码方法，其特征在于：所述步骤S3包括：利用CVX优化工具或内点法求解，得出一个最优半定矩阵D。

3.根据权利要求1所述的基于有限字符集信号输入的无线携能MIMO预编码方法，其特征在于：所述步骤S4包括：利用高斯随机化技术找到秩为1的半定矩阵作为优化问题的近似最优解，将该最优解化成向量w。

Images