CN109743083A - 接收机侧通讯处理方法及系统 - Google Patents

Abstract

本发明公开一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法及系统，通过构建平坦衰落信道MIMO系统模型；基于所述MIMO系统模型，在接收机侧采用MMSE最小均方误差算法并结合预设的乔列斯基分解算法进行信号估计；基于信号估计结果接收信号。本发明针对发射机无信道信息的MIMO场景，提出了一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法及系统，在接收机侧，采用有偏估计的MMSE算法，充分考虑了噪声的影响，算法中对噪声项进行有效抑制，在算法实现上提出了一种改进的乔列斯基分解法实现对方程组的求解，降低了算法复杂度，能更有效地应用于未来大规模天线阵列场景。

Description

接收机侧通讯处理方法及系统

技术领域

本发明涉及通信技术领域，尤其涉及一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法及系统。

背景技术

当今的信息社会，移动通讯技术的发展得到了愈来愈多的关注。移动通讯技术发展的最终目标是实现任何人在任何时间任何地点能够与任何人或对象进行任何种类的通讯。

MIMO技术作为的一项多输入多输出空间复用技术，其价值在无线通讯领域的早期就得到了认可，并且在信号与信息理论的发展推动下，越来越成为未来通讯发展研究的热点。

MIMO技术是指在发送端和接收端分别使用多根天线，信号通过发送端和接收端的多根天线发送和接收，在不增加带宽的情况下，成倍的提高通信系统的容量和频谱利用率。

在MIMO系统中，一般在发射机处存在多根天线，在接收机处也存在多根天线，常见的MIMO系统有2x2、4x4、8x8等收发天线，未来随着5G技术的发展、高频段射频资源的开发使用，MIMO技术可能应用16x16、32x32，甚至更大规模的天线阵列。通常情况下，MIMO系统的发射机依据接收端反馈的信道状态信息(CSI)，对所要发送的信息进行预编码，以改善MIMO系统的性能，然而，在很多情况下，发射机依靠来自接收机的反馈获得CSI，这需要巨大的开销，此外，由于各种问题，比如信道估计错误、反馈延迟等，在发射机侧可利用的CSI并不理想，使用不理想的CSI可能导致降低MIMO系统的性能增益，因此，在某些场景下，有必要使用无信道状态信息反馈的MIMO系统。

针对发射机无信道信息的MIMO场景，在接收机侧，当前一般采用ZF迫零法接收、SIC串行干扰抵消检测等技术，算法中采用杜立特尔分解实现对线性方程组的求解。然而，ZF迫零法接收存在没有充分考虑噪声的影响，所采用的杜立特尔分解算法复杂度较高等问题，SIC串行干扰抵消检测算法也存在复杂度较高等问题，不适合未来的大规模天线阵列的应用。

发明内容

本发明针对发射机无信道信息的MIMO场景，提出了一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法及系统，在接收机侧，充分考虑了噪声的影响，算法中对噪声项进行有效抑制，降低算法复杂度，能更有效地应用于未来大规模天线阵列场景。

为实现上述目的，本发明提供的一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法，包括以下步骤：

构建平坦衰落信道MIMO系统模型；

基于所述MIMO系统模型，在接收机侧采用MMSE最小均方误差算法并结合预设的乔列斯基分解算法进行信号估计；

基于信号估计结果接收信号。

其中，所述构建平坦衰落信道MIMO系统模型的步骤包括：

假设信道矩阵H为M*N矩阵，N个天线发射，M个天线接收，N>1和M>1，假设M≥N的情况，在这种情况下考虑N个流，每个使用不同的发射天线，符号到发射信道映射函数的特性为X＝NT；

假设每个天线上的噪声相互独立，且服从均值为0，方差为的复高斯分布，噪声n与发送信号X相互独立；

假设已知信号的统计特性，即信号也服从高斯分布，方差为这样，平坦衰落信道MIMO系统模型表示如下：

Y＝HX+n

其中，

其中，所述基于所述MIMO系统模型，在接收机侧采用MMSE最小均方误差算法并结合预设的乔列斯基分解算法进行信号估计的步骤包括：

构造误差向量：

e＝X-FY；

其中，e是误差向量，X是所发送的信号向量，F是一个矩阵，Y是所接收的信号向量，FY表示对X信号向量的估计；

要使信号估计的均方误差最小，则需要满足条件：

对上式进行变换：

上式J对矩阵F求偏导，并令偏导为零，则：

即：

E{-XY^H-XY^H+2FYY^H}＝0

所以有：

E{FYY^H}＝E{XY^H}

对F作变换，得到：

由此可以得到信号x的MMSE估计式为：

采用预设的乔列斯基分解算法对所述MMSE估计式进行方程组求解，得到信号估计结果。

其中，所述采用预设的乔列斯基分解算法对所述MMSE估计式进行方程组求解，得到信号估计结果的步骤包括：

对所述MMSE估计式重新表达成如下形式：

Ax＝b；

其中：

b＝H^Hy

对A作杜立特尔分解A＝LR，记R对角构成的矩阵为D，记U＝D^-1R，则U是R各行分别除以对角元的单位上三角阵，且因

LR＝A＝A^H＝(LR)^H＝(LDD^-1R)^H＝(LDU)^H＝U^H(DL^H)

两边都是A的杜立特尔分解，可知U^H＝L，U＝L^H，A＝LDL^H，L为单位下三角阵；

再因D＝diag(r₁₁r₂₂…r_nn)，记 则有

利用比较法可得元素(用l_ij表示)的计算公式：

利用上述公式分解并求解方程组Ax＝b；

其中，因A＝L(DL^H)，R＝DL^H

则A＝LR为杜立特尔分解，但L＝(D^-1R)^H，即L是R各行分别除以对角元所得矩阵的转置；

对i＝1～n，做

对i＝n～1，令

其中，包括存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时实现如权利要求1-4中任一项所述的方法的步骤。

本发明的有益效果为：

本发明针对发射机无信道信息的MIMO场景，提出了一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法及系统，在接收机侧，采用有偏估计的MMSE算法，充分考虑了噪声的影响，算法中对噪声项进行有效抑制，在算法实现上提出了一种改进的乔列斯基分解法实现对方程组的求解，降低了算法复杂度，能更有效地应用于未来大规模天线阵列场景。

附图说明

图1是本发明应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法的流程示意图；

图2是本发明MIMO系统模型示意图；

图3是ZF算法和MMSE算法性能比较示意图；

图4是本发明任意nxn天线阵列的MIMO系统算法复杂度比较示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

具体地，如图1所示，本发明提出一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法，包括以下步骤：

步骤S1，构建平坦衰落信道MIMO系统模型；

步骤S2，基于所述MIMO系统模型，在接收机侧采用MMSE最小均方误差算法并结合预设的乔列斯基分解算法进行信号估计；

步骤S3，基于信号估计结果接收信号。

以下对本发明方案进行详细阐述：

(一)MMSE最小均方误差接收机

如图2所示为MIMO系统模型，假设信道矩阵H为M*N矩阵，N天线发射，M天线接收。当N>1和M>1时，即使没有发射信道信息，min(M,N)个数据流的复用在理论上也可行。

不妨假设M≥N的情况，在这种情况下考虑N个流，每个使用不同的发射天线。因为发射机没有矩阵H的信息，空间复用方案的设计不能通过依据信道信息的预编码器来改善性能。因此预编码矩阵只是单位阵。这种情况下，符号到发射信道映射函数的特性为X＝NT

假设每个天线上的噪声相互独立，且服从均值为0，方差为的复高斯分布，噪声n与发送信号X相互独立。

假设我们对信号也不是完全无知的，而是已经知道了信号的统计特性，即信号也服从高斯分布，方差为这样，平坦衰落信道MIMO系统模型可以表示如下：

Y＝HX+n

其中，

在接收机侧，采用MMSE最小均方误差接收机来接收，首先构造误差向量：

e＝X-FY

其中，e是误差向量，X是所发送的信号向量，F是一个矩阵，Y是所接收的信号向量，FY表示对X信号向量的估计；

要使信号估计的均方误差最小，则需要满足条件：

对上式进行变换：

上式J对矩阵F求偏导，并令偏导为零，则：

即：

E{-XY^H-XY^H+2FYY^H}＝0

所以有：

E{FYY^H}＝E{XY^H}

对F稍作变换，容易得到：

由此可以得到x的MMSE估计式为：

采用ZF迫零算法时，得到的x的ZF估计式为：

比较ZF算法和MMSE算法的估计式可以看出，MMSE算法多了一个对噪声的抑制项，在高信噪比的情况下，估计结果与ZF迫零算法基本相同，而在低信噪比的情况下以有偏的代价抑制了噪声，在极低信噪比下，x的MMSE的估计式近似于一个对角阵，因此在形式上与最佳匹配滤波器相同，而在数值上MMSE估计是趋近于零的。

本发明改进的乔列斯基分解算法：

通过上述推导，对x的MMSE估计则转化为求解方程组：

对这个方程组的求解可以使用杜立特尔分解法，但杜立特尔分解算法复杂度较高，本发明提出了改进的乔列斯基分解算法，算法复杂度得到明显下降，更有利于大规模天线阵列场景下的应用。

乔列斯基分解算法源于杜立特尔分解算法，在引进乔列斯基分解算法之前，先介绍一下高斯消去法和杜立特尔分解算法。

为了求解上述方程组，先对该方程组重新表达成如下形式：

Ax＝b

其中

b＝H^Hy

通常求解线性方程组，最简单易懂的方法是高斯消去法，高斯消去法消去过程的第k部是将变换后的增广矩阵的第i行(i>k)减去第k行的c倍，相当于左乘初等倍加矩阵：

其中c＝a_ik/a_kk与变换后增广矩阵的k，i行元素有关，通常即为l_ik，倍加矩阵E_ki的逆矩阵也是倍加矩阵：

它们都是单位下三角矩阵----对角元为1、对角线上方元素全为0的矩阵，不选主元的高斯消去法的消去过程，实质上就是原始增广矩阵左乘一系列倍加矩阵变成上三角形矩阵的过程，即

此式称为高斯消去法消去过程的矩阵形式，由此可见

令则

此时有如下关系成立：

A＝LR，Ly＝b

这说明，高斯消去法的消去过程，实质上是把系数矩阵A分解为单位下三角矩阵L与上三角矩阵R的乘积，并同时求解方程组Ly＝b的过程，回代过程则是求解上三角形方程组Rx＝y，即：

事实上，L是一个具有以下形式的单位下三角矩阵：

矩阵L和也可直接算出，事实上，比较等式两边第i行、第j列元素，可知

注意L是单位下三角矩阵，l_ii＝1，k＞i时l_ik＝0，便知

从而

同理，因R为上三角阵，k＞i时r_ki＝0，知

可见

这就是杜立特尔分解法，利用杜立特尔分解法求解方程组Ax＝b，相当于解两个三角形方程组

Ly＝b，Rx＝y，，

解Rx＝y是回代过程，解Ly＝b则可分解时完成。

用杜立特尔分解法求解n阶线性方程组，所需乘除次数为次。

注意到矩阵A是对角占优的埃尔米特对阵，对于对角占优的埃尔米特对阵方程组，可以采用乔列斯基分解法求解，具体方法如下：

对A作杜立特尔分解A＝LR，记R对角构成的矩阵为D，记U＝D^-1R，则易见U是R各行分别除以对角元的单位上三角阵，且因

LR＝A＝A^H＝(LR)^H＝(LDD^-1R)^H＝(LDU)^H＝U^H(DL^H)

两边都是A的杜立特尔分解，可知U^H＝L，U＝L^H，

A＝LDL^H，L为单位下三角阵。

再因D＝diag(r₁₁r₂₂…r_nn)，记 则有

这表明，矩阵A可分解为即下三角阵及其共轭转置矩阵的乘积，这就是乔列斯基分解算法。利用比较法可得元素(用l_ij表示)的计算公式：

利用这些公式分解并求解方程组Ax＝b。

用乔列斯基分解法求解n阶线性方程组，需要用次乘除法与n次开方，显然比高斯消去法、杜立特尔分解法运算量少了近一半，然而，乔列斯基分解法需要n次开方，我们知道，开方需要耗费较多的机器时间，因此，若使用乔列斯基分解法，且降低算法复杂度，我们仍需要对乔列斯基分解法进行改进，回避开方运算，这正是本发明的创新关键点。

直接利用对角占优的埃尔米特对阵A的分解A＝LDL^H，可得一种不用开方的解法。

因A＝L(DL^H)，令R＝DL^H

则A＝LR为杜立特尔分解，但L＝(D^-1R)^H

即L是R各行分别除以对角元所得矩阵的转置，这样L的计算量可以节省下来，这就是改进的乔列斯基分解法，其具体计算步骤如下：

对i＝1～n，做

对i＝n～1，令

改进的乔列斯基分解法所需乘除次数为比乔列斯基分解法多次乘除法，但少了n次开方，而比一般矩阵的高斯消去法、杜立特尔分解法几乎少了一半乘除法。

相比现有技术，本发明针对发射机无信道信息的MIMO场景，提出了一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法及系统，在接收机侧，采用有偏估计的MMSE算法，充分考虑了噪声的影响，算法中对噪声项进行有效抑制，在算法实现上提出了一种改进的乔列斯基分解法实现对方程组的求解，降低了算法复杂度，能更有效地应用于未来大规模天线阵列场景。

如图3所示为ZF算法和MMSE算法性能比较，从仿真结果可以看出，在信噪比较低时，MMSE算法要明显优于ZF算法，这与MMSE算法对噪声抑制的原理是相符的。当信噪比较高时，由于中MMSE与ZF的估计式趋同，所以性能也趋于一致，这与预期结果也是相符的。

如图4所示为MIMO系统算法复杂度比较结果。

仿真结果表明，在相同天线阵列的MIMO系统中，改进的乔列斯基分解法比高斯消去法、杜立特尔分解法运算量明显减少。

对于16x16的MIMO系统，高斯消去法运算量为1480，杜立特尔分解法运算量为1616，改进的乔列斯基分解法运算量为1056，是高斯消去法的71％，是杜立特尔分解法的65％。

对于32x32的MIMO系统，高斯消去法运算量为12496，杜立特尔分解法运算量为13057，改进的乔列斯基分解法运算量为7601，是高斯消去法的61％，是杜立特尔分解法的58％。

随着天线数量的增加，改进的乔列斯基分解法优势越来越明显，极限情况下，改进的乔列斯基分解法运算量可降至高斯消去法的约50％。

此外，本发明还提出一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理系统，包括存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时实现如上所述的方法的步骤，在此不再赘述。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法，其特征在于，包括以下步骤：

构建平坦衰落信道MIMO系统模型；

基于所述MIMO系统模型，在接收机侧采用MMSE最小均方误差算法并结合预设的乔列斯基分解算法进行信号估计；

基于信号估计结果接收信号。

2.根据权利要求1所述的应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法，其特征在于，所述构建平坦衰落信道MIMO系统模型的步骤包括：

假设信道矩阵H为M*N矩阵，N个天线发射，M个天线接收，N>1和M>1，假设M≥N的情况，在这种情况下考虑N个流，每个使用不同的发射天线，符号到发射信道映射函数的特性为X＝NT；

假设每个天线上的噪声相互独立，且服从均值为0，方差为的复高斯分布，噪声n与发送信号X相互独立；

假设已知信号的统计特性，即信号也服从高斯分布，方差为这样，平坦衰落信道MIMO系统模型表示如下：

Y＝HX+n

其中，

3.根据权利要求2所述的应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法，其特征在于，所述基于所述MIMO系统模型，在接收机侧采用MMSE最小均方误差算法并结合预设的乔列斯基分解算法进行信号估计的步骤包括：

构造误差向量：

e＝X-FY；

其中，e是误差向量，X是所发送的信号向量，F是一个矩阵，Y是所接收的信号向量，FY表示对X信号向量的估计；

要使信号估计的均方误差最小，则需要满足条件：

对上式进行变换：

上式J对矩阵F求偏导，并令偏导为零，则：

即：

E{-XY^H-XY^H+2FYY^H}＝0

所以有：

对F作变换，得到：

由此可以得到信号x的MMSE估计式为：

采用预设的乔列斯基分解算法对所述MMSE估计式进行方程组求解，得到信号估计结果。

4.根据权利要求3所述的应用于发射机无信道信息MIMO场景下的接收机侧通讯处理方法，其特征在于，所述采用预设的乔列斯基分解算法对所述MMSE估计式进行方程组求解，得到信号估计结果的步骤包括：

对所述MMSE估计式重新表达成如下形式：

Ax＝b；

其中：

b＝H^Hy

对A作杜立特尔分解A＝LR，记R对角构成的矩阵为D，记U＝D^-1R，则U是R各行分别除以对角元的单位上三角阵，且因

LR＝A＝A^H＝(LR)^H＝(LDD^-1R)^H＝(LDU)^H＝U^H(DL^H)

两边都是A的杜立特尔分解，可知U^H＝L，U＝L^H，A＝LDL^H，L为单位下三角阵；

再因D＝diag(r₁₁r₂₂…r_nn)，记则有

利用比较法可得元素(用表示)的计算公式：

利用上述公式分解并求解方程组Ax＝b；

其中，因A＝L(DL^H)，R＝DL^H

则A＝LR为杜立特尔分解，但L＝(D^-1R)^H，即L是R各行分别除以对角元所得矩阵的转置；

对i＝1～n，做

对i＝n～1，令

5.应用于发射机无信道信息MIMO场景下的接收机侧通讯处理系统，其特征在于，包括存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时实现如权利要求1-4中任一项所述的方法的步骤。