CN109687896A - 分布式天线系统下行信道稀疏波束形成方法及装置 - Google Patents

Abstract

本发明涉及一种分布式天线系统下行信道稀疏波束形成方法及装置，包括：根据基站、基站内天线，确定下行链路多小区协作系统模型；根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量；根据总回程容量，设计稀疏波束形成向量。本发明通过使用稀疏波束形成向量来解决上述问题，即为每个用户设计一个全网络稀疏波束形成向量，在远程用户的信噪比固定的前提下，在所有基站上寻找总发射功率和总回程容量之间的最佳权衡。由于较高的回程容量允许更多的基站同时进行协作服务，因此导致更低的区间干扰，从而降低在固定信噪比时服务用户所需的传输功率，为用户确定最佳服务基站集，并为每个用户设计最佳的全网络波束形成向量。

Description

分布式天线系统下行信道稀疏波束形成方法及装置

技术领域

本发明属于天线设备技术领域，具体涉及一种分布式天线系统下行信道稀疏波束形成方法及装置。

背景技术

目前，无线蜂窝网络迅速发展，为了满足逐日增加的高速数据需求，无线蜂窝网络的部署正逐渐向更小的单元尺寸发展。多节点下行链路网络中的干扰问题管理近来一直是一个深入研究的话题。蜂窝间干扰现在是蜂窝网络中的主要物理层瓶颈。已被普遍接受的观点是，将诸如多输入多输出(MIMO)天线阵列的物理层技术与多小区协调相结合可以有效地减轻小区间和小区内干扰。它允许相邻的基站相互配合来进行用户数据的联合预编码和联合处理，是一种可用于缓解小区间干扰缓解的、有潜力的技术。这种新兴的架构被称为网络多路输入多路输出，具有显着的提高蜂窝网络整体吞吐量的潜力。

多点协作是指将邻近基站聚集形成多点协作集合，集合内的基站相互协调以减轻移动台的干扰。主要有两种方法：协调波束形成(CB)和联合处理(JP)。

传统的无线系统设计使用蜂窝式结构，将不同小区和基站按蜂窝式排列，每个小区用户的接收信号为与其相对应的基站所发信号，其余小区内的基站所发信号被视为噪声，并且一般情况下认为区间干扰受到限制。假设每个基站有多个天线，远程用户为单天线用户。每个小区内的各个用户可能同时处于活动状态。假如跨越小区，使各个基站信号能够联合处理，从而减少甚至消除小区间干扰，提高通信网络的性能。

尽管每一个移动台的数据都分布在不同的基站上并且在同时传输，但是每一个移动台只由一个基站提供服务。由于每个用户的数据都提供给每个基站，它为每个移动台生成一个虚拟的大型天线矩阵，这极大地增加了回程容量的需求量。在传输率较低时，回程传输的用户数据的数量大大超过信道状态信息，为了缓解容量过大的状况，只需要将用户数据分布到一个协作基站的子集，称为基站集群，但是如何确定最佳服务基站集，以及如何为每个用户设计最佳的全网络波束形成向量是目前需要解决的问题。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种分布式天线系统下行信道稀疏波束形成方法及装置，以解决现有技术中无法确定最佳服务基站集以及无法确定如何为每个用户设计最佳的全网络波束形成向量的问题。

为实现以上目的，本发明采用如下技术方案：一种分布式天线系统下行信道稀疏波束形成方法，包括：

根据基站、基站内天线，确定下行链路多小区协作系统模型；

根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量；

根据总回程容量，设计稀疏波束形成向量。

进一步的，所述下行链路多小区协作系统模型，包括：

L个基站，且每个基站有M个天线、K个用户和1个中央处理单元；其中，所有用户均为单天线用户，且每个用户只选择其中一个基站服务；

所述中央处理单元用于访问所有用户数据和信道状态信息并将所述用户数据分配给为其服务的基站。

进一步的，所述根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量，包括：

假定用户在所有基站上形成的传输信号向量；

根据所述传输信号向量计算用户处接收的信号；

通过所述用户处接收的信号计算用户的信噪比；

根据用户的信噪比计算用户的速率；

通过用户的速率计算基站服务用户需要的总回程容量；

其中，如果基站不在用户的服务集群中，则所述传输信号向量为零；

用户处接受的信号是预期信号、小区内部干扰和区间干扰的和。

进一步的，还包括:

假定基站在用户数据速率为常数，计算最小化的基站到用户的发射信号向量。

进一步的，所述预期信号服从均值为0、方差为1的正态分布；

所述小区内部干扰包括：用户的加性白噪声，所述加性白噪声服从均值为 0、方差为σ²的正态分布。

进一步的，所述根据总回程容量，设计稀疏波束形成向量，包括：

计算小区内用户的信噪比；

通过所述信噪比计算用户的最小化总发射功率；

对所述总回程容量进行加权的功率最小化；

设计稀疏波束形成向量。

进一步的，所述对所述总回程容量进行加权的功率最小化，包括：

通过基站和用户相关联的权重对所述总回程容量进行优化；

对所述基站和用户相关联的权重进行更新；

通过拉格朗日对偶形式以及最优解标量因子，获得在于最小化上行链路综合功率。

进一步的，所述通过所述信噪比计算最小化总发射功率，包括：

传统的无线蜂窝系统、常规系统以及多单元系统。

进一步的，设计稀疏波束形成向量，包括：

初始化常数η，初始化通过基站和用户相关联的权重；

利用定点法求出最优对偶变量；

计算最佳的双上行链路接收机波束形成向量；

计算标量并更新最优解；

根据标量和最优解更新基站和用户相关联的权重；

重复上述步骤直到最优解趋于定值。

本申请实施例提供一种分布式天线系统下行信道稀疏波束形成装置的，包括：

第一确定模块，用于根据基站、基站内天线，确定下行链路多小区协作系统模型；

计算模块，用于根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量；

设计模块，用于根据总回程容量，设计稀疏波束形成向量。

本发明采用以上技术方案，能够达到的有益效果包括：

本发明通过使用稀疏波束形成向量来解决上述问题，即为每个用户设计一个全网络稀疏波束形成向量，在远程用户的信噪比固定的前提下，在所有基站上寻找总发射功率和总回程容量之间的最佳权衡。由于较高的回程容量允许更多的基站同时进行协作服务，因此导致更低的区间干扰，从而降低在固定信噪比时服务用户所需的传输功率，为用户确定最佳服务基站集，并为每个用户设计最佳的全网络波束形成向量。

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为本发明一种分布式天线系统下行信道稀疏波束形成方法的步骤示意图；

图2为本发明提供的下行链路多小区协作系统模型的结构示意图；

图3为本发明提供的分布式天线系统下行信道稀疏波束形成装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅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做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

下面结合附图介绍本申请实施例中提供的一个具体的分布式天线系统下行信道稀疏波束形成方法及装置。

阴影衰落一般表示为电波传播距离r的m次幂宇表示阴影损耗的正态对数正态对数分量的乘积。移动用户和基站之间的距离r时，传播路径损耗和阴影衰落可以表示为：

式中，ξ是由于阴影产生的对数损耗(单位符号：dB)，服从零平均和标准偏差σdB的对数正态分布。m是路径损耗指数。当用dB表示时，上式变为

10lgl(r,ξ)＝10mlgr+ξ (2.2)

实验数据表明，当m＝4，标准差σ＝8dB是合理的。

短期快衰落是由于移动台运动和地点变化而产生的。其中，多径效应产生时间扩散，在时域上引起信号的时延扩展，使得接收信号的信号分量展宽，相应地在频域上规定了相关带宽性能，引起信号符号间干扰；运动产生多普勒效应，引起信号相位变化，不同的测试环境有不同的短期快衰落特性。

多天线技术,就是指在一个小区内(基站,和/或移动终端)设立多根天线,通过空间复用或空间分级来达到增加系统容量的目的。分布式天线及天线单元在整个小区内分布开，可以获得分级增益，并降低移动端的发射功率。

主要特征在于有效改善系统的覆盖问题，尤其在不利于传播的环境中，相较于单天线结构，可以通过多天线结构来调整覆盖区域内的功率分布，降低移动端的平均发射功率，这样可以为移动终端的省电起到很大的帮助。另外，它的宏分集能力也是很重要的，主要是指移动端同时与两个或两个以上的天线单元保持联系，从而增强信号。

在一个多单元网络，每个单元中只有一个用户的系统中，针对具有包括小区外干扰的背景噪声的多输入单输出(MISO)系统，每个小区的优化问题降低转化为最优发射波束形成的问题。无论背景噪声的水平如何，每个单元最佳的发射波束形成向量都是与信道对应的向量。因此，每个基站使用对应的多输入单输出信道的发射波波束形成向量，小区之间的优化在每一次迭代中逐渐收敛。

这种信道匹配的解决方案不一定是最佳联合方案。例如，当属于两个不同小区的两个用户在小区边缘彼此靠近时，将两个基站的波束形成向量彼此移开以减少相互干扰可能是有利的。这样的联合最佳波束形成解决方案可以导致在固定发射功率时有更大的接收信噪比，同理，在固定信噪比时有更小的发射功率。

在一个瑞利扁平衰落信道中，信道模型为：

y＝HFx+z (2.3)

式中H为信道矩阵，F为预编码矩阵，z为零均值加性高斯白噪声，x为发送信号向量，y为接收信号向量。

W^*y＝W^*HFx+W^*z (2.4)

对H进行奇异值分解H＝UΛV^*，取预编码矩阵F＝V,均衡矩阵W＝U,则 U^*y＝Λx+U^*z,令则有从而将空间信道转化为几个平行信道。

为了提高系统容量，需要通过“注水”算法给各个子信道分配功率。奇异值分解的优点是分解后的各个子信道相互正交，接收端的检测算法简单，而且各层之间没有误差传播效应。但是奇异值的缺点也很明显，由于各个子信道的性能相差很大，使得调制方案比较复杂，而且受最差子信道的影响，系统的误码率性能不高。为了降低调制复杂度，同时提高系统的误码率性能，可以在较差的子信道分配较多功率，使各个子信道性能趋于一致，然后采用统一的调制方案，但这会带来明显的系统容量损失。奇异值分解下最佳BER性能限行方案的容量损失为(单位b/s/Hz)：

在多单元的合作的理想化实现中，整个网络中所有基站对于所有用户均合作和共享的数，但这显然是不切实际的。在实践中实现多单元的合作的一个方法是通过回程限速链接将所有的基站与中央处理向量连接。在下行传输时，中央处理向量只需要对其服务的基站分发用户数据。固定集群方案简单地将相邻的基站组合成更大的集合，虽然这已经显示出合理的性能增益，但是在这样的一个方案中，在群集边缘的用户仍然遭受相当大的小区间干扰，这限制了多输入多输出网络的好处。本申请采用另一种模式，称为以用户为中心的集群，其中基站集群不固定，但是是为每个用户单独确定的。在这个模型中，每个用户动态地选择一组有利的基站，然后这些基站使用联合预编码技术协作地为用户提供服务，以用户为中心的集群的好处是它没有明显的簇边缘。

已知标准形式的优化问题如下：

min f₀(x)

subject to f_i≤0,i＝1,...,m

h_i(x)＝0,i＝1,...,p (2.6)

其中，自变量x∈Rⁿ。设问题的定义域是非空集合，优化问题的最优值为p^★。这里并没有假设标准优化问题是凸优化问题。

拉格朗日对偶的基本思想是在目标函数中考虑问题(2.1)的约束条件，并且增加约束条件的加权和，得到增广的目标函数。定义问题(2.1)的拉格朗日函数L:Rⁿ×R^m×R^p→R为

其中定义域为domL＝D×R^m×R^p。λ_i称为第i个不等式约束f_i≤0对应的拉格朗日乘子。类似地，v_i称为第i个等式约束h_i＝0对应的拉格朗日乘子。向量λ和 v成为对偶变量或者是公式(2.1)的拉格朗日乘子向量。

由拉格朗日对偶函数(或对偶函数)定义可以得到，g:R^m×R^p→R是拉格朗日函数关于自变量x能够取得的最小值：即对λ∈R^m，v∈R^p，有

如果拉格朗日函数关于x无下界，则对偶函数取值为-∞。因为对偶函数是一族关于(λ,v)的仿射函数的逐点下确界，所以即使公式(2.1)不是凸的，对偶函数也是凹函数。

对偶函数构成了公式(2.1)最优值p^★的下界：即对任意λ≥0和v下式成立

g(λ,v)≤p^★ (2.9)

可以很容易验证这个重要的性质。设是原问题(2.1)的一个可行点，即

且根据假设，λ≥0，本申请有

这是因为左边的第一项非正而第二项为零。根据上述不等式，有

因此

由于每一个可行点都满足因此不等式(2.4)成立。针对x∈R 和具有一个不等式约束的某简单问题，下图描述了式(2.4)所给出的下界。每个拉格朗日函数都有一个极小值，均小于原问题最优目标值p^★，这是因为在可行集上(假设λ≥0)有L(x,λ)≤f₀(x)。

虽然不等式(2.4)成立，但是当g(λ,v)＝-∞时其意义不大。只有当λ≥0且 (λ,v)∈domg即g(λ,v)>-∞时，对偶函数才能给出p^★的一个非平凡下界。称满足λ≥0以及(λ,v)∈domg的(λ,v)是对偶可行的。

如图1所示，本申请实施例中提供的分布式天线系统下行信道稀疏波束形成方法包括，

S101，根据基站、基站内天线，确定下行链路多小区协作系统模型；

S102，根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量；

S103，根据总回程容量，设计稀疏波束形成向量。

形成方法的工作原理为：从用户的角度来看，每个用户都希望能由尽可能多的基站协同服务，而从基站角度来看，服务更多的用户也意味着要消耗更多的功率和回程容量。因此，需要在用户速率、总发射功率和总回程容量之间进行权衡。此外，以用户为中心的多输入多输出网络系统的波束形成向量问题也是非常重要的，因为服务于不同用户的基站集合可能重叠。本发明通过使用稀疏波束形成向量来解决上述问题，即为每个用户设计一个全网络稀疏波束形成向量，其中服务用户的基站对应的元素为非零。本申请将最优化问题制定为在远程用户的信噪比(SINR)是固定的前提下，在所有基站上寻找总发射功率和总回程容量之间的最佳权衡。也就是说，由于较高的回程容量允许更多的基站同时进行协作服务，因此导致更低的区间干扰，从而降低在固定信噪比时服务用户所需的传输功率。

如图2所示，所述下行链路多小区协作系统模型，包括：

L个基站，且每个基站有M个天线、K个用户和1个中央处理单元；其中，所有用户均为单天线用户，且每个用户只选择其中一个基站服务；

所述中央处理单元用于访问所有用户数据和信道状态信息并将所述用户数据分配给为其服务的基站。

具体的，本申请考虑多输入多输出网络系统，系统中共有L个基站，每个基站有M个天线，假设共有K个用户，每个远程用户都是单天线用户。所有基站与中央处理向量通过回程容量有限的链路连接，中央处理向量可以访问系统中的所有用户数据和信道状态信息(CSI)。在一个完全协作的多输入多输出网络系统中，每个用户都是由所有L个基站服务。尽管这样一来系统可以显著减少小区间干扰，但是它却需要非常高的回程容量，因为中央处理向量需要使每个用户的数据都可使用每个基站。本申请考虑一个更实用的结构体系，使每个用户只选择一个服务基站的子集(可能重叠)，中央处理向量只将用户的数据分配给其服务基站。

一些实施例中，所述根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量，包括：

假定用户在所有基站上形成的传输信号向量；

根据所述传输信号向量计算用户处接收的信号；

通过所述用户处接收的信号计算用户的信噪比；

根据用户的信噪比计算用户的速率；

通过用户的速率计算基站服务用户需要的总回程容量；

其中，如果基站不在用户的服务集群中，则所述传输信号向量为零；

用户处接受的信号是预期信号、小区内部干扰和区间干扰的和。

优选的，还包括:

假定基站在用户数据速率为常数，计算最小化的基站到用户的发射信号向量。

优选的，所述预期信号服从均值为0、方差为1的正态分布；

所述小区内部干扰包括：用户的加性白噪声，所述加性白噪声服从均值为0、方差为σ²的正态分布。

一些实施例中，所述根据总回程容量，设计稀疏波束形成向量，包括：

计算小区内用户的信噪比；

通过所述信噪比计算用户的最小化总发射功率；

对所述总回程容量进行加权的功率最小化；

设计稀疏波束形成向量。

优选的，所述对所述总回程容量进行加权的功率最小化，包括：

通过基站和用户相关联的权重对所述总回程容量进行优化；

对所述基站和用户相关联的权重进行更新；

通过拉格朗日对偶形式以及最优解标量因子，获得在于最小化上行链路综合功率。

优选的，所述通过所述信噪比计算最小化总发射功率，包括：

传统的无线蜂窝系统、常规系统以及多单元系统。

设是用户k在所有基站上形成的传输信号向量，其中是从基站l(l＝1,2,...,L)到用户k(k＝1,2,...,K)的发射信号向量。如果基站l不在用户k的服务集群中的话，令用户k处的接收信号是预期信号、小区内部干扰和区间干扰的总和，可以写成：

其中表示从所有基站到用户k的信道状态信息向量，s_k表示用户 k的预期信号，服从均值为0、方差为1的正态分布，记为s_k～CN(0,1)，n_k为用户k的加性白噪声，服从均值为0、方差为σ²的正态分布，n_k～CN(0,σ²)。

用户k的信噪比可以表示为：

用户k的可实现的速率为：

R_k＝log₂(1+SINR_k) (3.3)

由于每个用户的数据只需要提供给为其服务的基站即可，故服务用户k所需要的总回程容量C_k可以表示为下式：

其中||·||₀表示将任一向量表示成l₀范数，即求向量中的非零元素的个数。

现在则形成一个涉及各种网络资源和系统吞吐量的优化问题，本申请中考虑的网络资源包括基站的回程容量和发射功率，且已知吞吐量越大，在用户吞吐量固定的前提下，回程容量和发射功率之间也存在权衡，回程容量越大即意味着有越多的基站协作，并且使得区间干扰降低，因此需要降低发射功率来实现目标用户速率。

本申请假设所有基站在用户数据速率已知为常数的情况下，在信噪比约束下求解总发射功率和总回程容量的之间的权衡，使得最小化的问题，表达形式如下：

其中η是常数且η≥0，表示总回程容量和总功率之间的权衡，γ_k是用户k的信噪比目标，R_k＝log₂(1+γ_k)，假设本申请中信噪比目标可行。

波束形成问题是当远程用户受到信噪比约束时，如何最小化所有基站的传输功率。设w_i,j为波束形成矩阵，小区i内的j个用户的信噪比可以表示为：

令γ_i,j是第i个小区中第j个用户的信噪比目标，于是可以得到如下总发射功率最小化公式：

其中最小化变量为w_i,j。

在传统的无线蜂窝系统中，多用户波束形成问题在每个小区的基础上解决；小区外干扰被认为是背景噪声的一部分。特别是，对于一个固定基站一个传统的系统找到最优的一组假设所有其他(N-1)K个波束形成向量是固定的：

其中由公式(3.6)给出。这个单小区下行链路问题有一个经典的解决方案。

在常规系统中，每个基站的波束成形向量的选择会影响相邻小区的背景噪声水平，并因此影响相邻基站中的波束形成向量的设置。因此，上述每单元优化在实践中迭代地执行，直至收敛到每单元最优解。

在多单元系统中，对于一般的发射波束形成问题如公式(3.7)，每个基站(或每个天线的某个时刻)通常都有自己的功率约束。因此，考虑加权总发射功率的最小化问题是有用的。假设其中在第i个基站的发射功率加权因子为α_i。此时公式(3.7)变成：

公式(3.9)中的信噪比目标约束可能出现非凸性。在单小区下行链路波束形成问题的中，这种类型的信噪比约束可以转化为二阶锥约束。于是公式(3.9)可以通过凸优化解决。

上行链路-下行链路对偶性是指在下行链路信道中实现某一组信噪比约束所需的最小发射功率与在上行链路信道中实现相同的一组信噪比目标所需的最小总发射功率相同，通过反转下行链路的输入和输出来获得上行链路信道。下面的定理是单小区对偶结果的多单元概括，使用拉格朗日对偶性进行证明。

下行多用户多蜂窝网络的最优发射波束形成问题可以通过其中信噪比约束保持不变并且噪声功率按比例缩放的双上行信道来解决。下行链路的优化问题的拉格朗日对偶是以下上行链路问题：

subject toΛ_i,j≥γ_i,j (3.10)

其中最小化变量为λ_i,j，并且

最佳的是指对偶上行链路信道的接收波束成形向量，并且是最优w_i,j的缩放量。最优λ_i,j是指有对偶上行链路功率，并且它对应于与(3.7)的信噪比约束相关联的对偶变量。

对于本申请研究的问题而言，由于回程速率用l₀范数代表，故而优化公式 (3.5)是非凸的，求解公式(3.5)的全局最优解是困难的。受到压缩感知文献的启发，本申请将l₀范数用迭代加权的l₂范数来解决优化公式(3.5)。在本节中，首先介绍本申请所使用的算法，然后在下一节将其与现有的其余算法进行比较。

首先将公式(3.4)中的l₂范数用l₂范数平方代替，其整体l₀范数仍保持不变。此时回程容量C_k可以被改写为：

受到压缩感知思想的启发，在优化问题中用l₂范数代替l₀范数，将这个思想代入公式(3.12)式并进一步更新权重，回程容量C_k现在可以近似为加权的发射信号的l₂范数平方。于是公式(3.5)现在可以改写为下式：

其中是与基站l和用户k相关联的权重。将代入问题(3.13)，可以进一步得到下面的优化问题：

由于发射信号的l₂范数平方等于基站的发射功率，则上述优化问题只是一个权重功率最小化问题

单个单元系统的优化问题利用上行链路-下行链路对偶性，通过加权功率最小化方法解决，随后被推广至多单元系统。本申请进一步研究了一中与每个基站-用户相关联的权重的不同的更新方式。

由于在计算公式(3.14)问题时，固定的不一定能提供足够的稀疏性。在常规系统中，每个基站的波束形成向量的选择会影响相邻小区的背景噪声水平，并因此影响相邻基站中的波束形成向量。因此，上述每单元优化在计算中迭代地执行，直到系统收敛到每单元最优解，即通过迭代地更新权重并通过用更新的重复地解决公式(3.14)，最终得到每个用户的稀疏网络范围波束形成向量，其中对应于最优服务群集外的基站的向量趋于零。本申请使用下式迭代更新加权等式来更新

其中，p是正数，τ是任意小的正数，是上一次迭代形成的波束形成向量。由本申请证明可知，理论上可以通过选择恰当的 p，利用公式(3.15)式迭代更新改善现有的算法的性能。

为了完整地表述本申请所使用的算法，本申请仍然需要根据下面的上行链路-下行链路对偶性的推广给出公式(3.14)的解。上行链路-下行链路对偶性是指在下行链路信道中实现某一组信噪比约束所需的最小发射功率与在上行链路信道中实现相同的一组信噪比目标所需的最小总发射功率相同，通过反转下行链路的输入和输出来获得上行链路信道。

下行链路加权功率最小化问题公式(3.14)的拉格朗日对偶形式可以写为上行链路总和功率最小化问题，因为它们具有相同的最优解标量因子，

其中表示为双上行信道的接收波束形成向量，λ_k≥0表示双上行链路的功率，这也是公式(3.14)中信噪比约束的拉格朗日对偶变量，B_k表示双上行链路噪声协方差矩阵，定义为

公式(3.5)的最优解是最小均方差接收信号，这可以很容易地写成

其中对偶变量λ_j为确定值。此外，为了找到公式(3.14)的最优解w_k，还需要找到将与w_k相关联的标量δ_k。这里很容易看出公式(3.14)和公式(3.16)中的信噪比约束必须在最优点处相等才能实现。于是得到求解λ_j和δ_k的方法。最小均方差接收信号一般不是唯一的。公式(3.17)中的表达式是最优的达到一个标量。

将公式(3.17)代入公式(3.16)中信噪比约束条件并令其相等，可以得到：

由于公式(3.17)中与矢量共线，这可以通过矩阵求逆引理很容易地验证。通过定点法利用(3.18)式可以确定λ_k的数值，由于公式(3.7) 中的函数是标准函数，因此其收敛性是确定的。

同样地，将代入公式(3.14)中的信噪比约束，得到K个未知数δ_k的K个线性方程组，k＝1,2,…,K。

因此，δ_k可以通过求解线性方程组得到：

δ＝F^-11σ² (3.20)

其中δ＝[δ₁,δ₂,...,δ_K]^T，F定义为1代表所有元素为1的向量。

一些实施例中，设计稀疏波束形成向量，包括：

初始化常数η，初始化通过基站和用户相关联的权重；

利用定点法求出最优对偶变量；

计算最佳的双上行链路接收机波束形成向量；

计算标量并更新最优解；

根据标量和最优解更新基站和用户相关联的权重；

重复上述步骤直到最优解趋于定值。

具体的，包括以下步骤，

初始化η值：

初始化：

循环：

1)利用定点法根据(3.18)式求出最优对偶变量λ_k；

2)根据公式(3.17)式计算最佳的双上行链路接收机波束形成

3)利用公式(3.20)式求出δ_k，根据更新w_k；

4)根据公式(3.15)式更新

重复上述步骤直到w_k趋于定值。

重新对总发射功率和总回程进行权衡，改变η的数值并重复上述步骤。

如图3所示，本申请体用一种分布式天线系统下行信道稀疏波束形成方法，包括：

第一确定模块1，用于根据基站、基站内天线，确定下行链路多小区协作系统模型；

计算模块2，用于根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量；

设计模块3，用于根据总回程容量，设计稀疏波束形成向量。

综上所述，本发明通过使用稀疏波束形成向量来解决上述问题，即为每个用户设计一个全网络稀疏波束形成向量，其中服务用户的基站对应的元素为非零。本申请将最优化问题制定为在远程用户的信噪比(SINR)是固定的前提下，在所有基站上寻找总发射功率和总回程容量之间的最佳权衡。也就是说，由于较高的回程容量允许更多的基站同时进行协作服务，因此导致更低的区间干扰，从而降低在固定信噪比时服务用户所需的传输功率，为用户确定最佳服务基站集，并为每个用户设计最佳的全网络波束形成向量。

可以理解的是，上述提供的方法实施例与上述的形成方法实施例对应，相应的具体内容可以相互参考，在此不再赘述。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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形成方法。

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形成方法的制造品，该指令形成方法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。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种分布式天线系统下行信道稀疏波束形成方法，其特征在于，包括:，

根据基站、基站内天线，确定下行链路多小区协作系统模型；

根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量；

根据总回程容量，设计稀疏波束形成向量。

2.根据权利要求1所述的形成方法，其特征在于，所述下行链路多小区协作系统模型，包括：

L个基站，且每个基站有M个天线、K个用户和1个中央处理单元；其中，所有用户均为单天线用户，且每个用户只选择其中一个基站服务；

所述中央处理单元用于访问所有用户数据和信道状态信息并将所述用户数据分配给为其服务的基站。

3.根据权利要求1所述的形成方法，其特征在于，所述根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量，包括：

假定用户在所有基站上形成的传输信号向量；

根据所述传输信号向量计算用户处接收的信号；

通过所述用户处接收的信号计算用户的信噪比；

根据用户的信噪比计算用户的速率；

通过用户的速率计算基站服务用户需要的总回程容量；

其中，如果基站不在用户的服务集群中，则所述传输信号向量为零；

用户处接受的信号是预期信号、小区内部干扰和区间干扰的和。

4.根据权利要求3所述的形成方法，其特征在于，还包括:

假定基站在用户数据速率为常数，计算最小化的基站到用户的发射信号向量。

5.根据权利要求3所述的形成方法，其特征在于，

所述预期信号服从均值为0、方差为1的正态分布；

所述小区内部干扰包括：用户的加性白噪声，所述加性白噪声服从均值为0、方差为σ²的正态分布。

6.根据权利要求1所述的形成方法，其特征在于，所述根据总回程容量，设计稀疏波束形成向量，包括：

计算小区内用户的信噪比；

通过所述信噪比计算用户的最小化总发射功率；

对所述总回程容量进行加权的功率最小化；

设计稀疏波束形成向量。

7.根据权利要求6所述的形成方法，其特征在于，所述对所述总回程容量进行加权的功率最小化，包括：

通过基站和用户相关联的权重对所述总回程容量进行优化；

对所述基站和用户相关联的权重进行更新；

通过拉格朗日对偶形式以及最优解标量因子，获得在于最小化上行链路综合功率。

8.根据权利要求5所述的形成方法，其特征在于，所述通过所述信噪比计算最小化总发射功率，包括：

传统的无线蜂窝系统、常规系统以及多单元系统。

9.根据权利要求7所述的形成方法，其特征在于，设计稀疏波束形成向量，包括：

初始化常数η，初始化通过基站和用户相关联的权重；

利用定点法求出最优对偶变量；

计算最佳的双上行链路接收机波束形成向量；

计算标量并更新最优解；

根据标量和最优解更新基站和用户相关联的权重；

重复上述步骤直到最优解趋于定值。

10.一种分布式天线系统下行信道稀疏波束形成装置，其特征在于，包括：

第一确定模块，用于根据基站、基站内天线，确定下行链路多小区协作系统模型；

计算模块，用于根据所述系统模型内用户与基站的情况，计算基站服务用户需要的总回程容量；

设计模块，用于根据总回程容量，设计稀疏波束形成向量。