CN110226294A - 用于发送权重的方法和装置 - Google Patents

Abstract

用于确定发送权重的系统、方法、装置和计算机程序产品被提供。一种方法包括：选择用户进行配对以用于多用户多输入多输出传输，计算通信系统中的多用户多输入多输出(MU‑MIMO)发送权重，通信系统采用具有Q个天线的模拟电操纵阵列，向被发送的信号应用多用户多输入多输出权重，以及从天线阵列发送加权后的信号。该计算可以包括计算MU‑MIMO发送权重，使得跨选择的用户的权重向量的相同元素的功率的总和在全部Q个天线上是相等的，并且以下之一被最大化：跨用户的总和吞吐量被最大化或者跨用户的总和信号与干扰加噪声比(SINR)。

Description

用于发送权重的方法和装置

技术领域

本发明的实施例总体上涉及无线或移动通信网络，诸如但不限于，通用移动电信系统(UMTS)地面无线电接入网络(UTRAN)、长期演进(LTE)演进型UTRAN(E-UTRAN)、高阶LTE(LTE-A)、LTE-A Pro、及/或5G无线电接入技术或新的无线电接入技术(NR)。一些实施例可以总体上涉及用于多用户多输入/多输出(MU-MIMO)的发送权重，例如，在5G或NR系统中。

背景技术

通用移动电信系统(UMTS)地面无线电接入网络(UTRAN)指包括基站的通信网络，或者节点B，并且例如无线电网络控制器(RNC)。UTRAN允许在用户设备(UE)和核心网络之间的连接性。RNC提供用于一个或多个节点B的控制功能。RNC及其对应的节点B被称为无线电网络子系统(RNS)。在E-UTRAN(增强型UTRAN)的情形中，不存在RNC，并且无线电接入功能是由演进型节点B(eNodeB或eNB)或者许多eNB来提供的。多个eNB被涉及用于单UE连接，例如在协作的多点传输(CoMP)和在双连接的情形中。

长期演进(LTE)或者E-UTRAN指通过改善的效率和服务、更低成本、和新的频谱机会的使用的UMTS的改善。特别地，LTE是3GPP标准，提供至少(例如)每个载波每秒75兆比特(Mbps)的上行链路峰值速率和至少(例如)每个载波每秒300Mbps的下行链路峰值速率。LTE支持从20MH下降至1.4MHz的可缩放的载波带宽，并同时支持频分复用(FDD)和时分复用(TDD)。

如上所述，LTE也可以改善在网络中的频谱效率，允许载波在给定的带宽上提供更多的数据和语音服务。因此，除了高容量的语音支持以外，LTE被设计以满足用于高速数据和媒体传输的需求。LTE的优点包括(例如)高吞吐量、低延迟、在相同平台上支持FDD和TDD、改善的终端用户体验和产生低操作成本的简单架构。

3GPP LTE的某些版本(例如，LTE Rel-10、LTE Rel-11、LTE Rel-12、LTE Rel-13)目标是国际移动电信高阶(IMT-A)系统，简便起见，在本文中被简称为高阶LTE(LTE-A)。

LTE-A涉及扩展和优化3GPP LTE无线电接入技术。LTE-A的目标是通过使用降低成本的更高的数据速率和更低延迟的方式来提供显著增强的服务。LTE-A是更加优化的无线电系统，在维持后向兼容性的同时，满足用于高阶IMT的国际电信联盟-无线电(ITU-R)需求。在LTE Rel-10中引入的LTE-A的一个关键特征是载波聚合，允许通过两个或更多个LTE载波来增加数据速率。

第五代无线系统(5G)指下一代(NG)无线电系统和网络架构。5G被预期提供比当前的LTE系统更高的位速率和覆盖。估计5G将提供比LTE高100倍的比特速率。5G也被预期将网络延伸性增加至高达成百上千条连接。5G的信号技术被预期将被改进以用于更广的覆盖以及频谱和信令效率。5G被预期将递送极端的宽带和超级强健的低延迟的连接性和大规模联网以支持物联网(IoT)。随着IoT和机器对机器(M2M)通信变得更加广泛，对于满足低功率、低数据速率和长电池寿命的需求的网络的需求增长。

发明内容

一个实施例涉及一种方法，可以包括：选择用户进行配对以用于多用户多输入多输出传输，以及计算通信系统中的多用户多输入多输出发送权重，该通信系统采用具有Q个天线的模拟电操纵阵列。多用户多输入多输出发送权重可以被应用于被发送的信号。该方法可以进一步包括：向被发送的信号应用多用户多输入多输出权重，并且引起加权后的信号从天线阵列的传输。该计算可以包括：计算多用户多输入多输出发送权重，使得跨选择的用户的权重向量的相同元素的功率的总和在全部Q个天线上是相等的，并且以下之一被最大化：跨用户的总和吞吐量被最大化或者跨用户的总和信号与干扰加噪声比(SINR)。

另一实施例涉及一种装置，该装置可以包括至少一个处理器和包括计算机程序代码的至少一个存储器。至少一个存储器和计算机程序代码可以被配置为，与至少一个处理器一起，使装置至少选择用户进行配对以用于多用户多输入多输出传输，以及计算通信系统中的多用户多输入多输出发送权重，该通信系统采用具有Q个天线的模拟电操纵阵列。多用户多输入多输出权重可以被应用于被发送的信号。至少一个存储器和计算机程序代码可以被配置为，与至少一个处理器一起，使装置至少向被发送的信号应用多用户多输入多输出权重，以及从天线阵列发送加权后的信号。该装置可以被配置为计算多用户多输入多输出发送权重，使得跨选择的用户的权重向量的相同元素的功率的总和在全部Q个天线上是相等的，并且以下之一被最大化：跨用户的总和吞吐量被最大化或者跨用户的总和信号与干扰加噪声比。

另一个实施例涉及一种装置，该装置可以包括选择部件，用于选择用户进行配对以用于多用户多输入多输出传输，以及计算部件，用于计算通信系统中的多用户多输入多输出发送权重，该通信系统采用具有Q个天线的模拟电操纵阵列。多用户多输入多输出发送权重可以应用于被发送的信号。装置可以进一步包括应用部件，用于向被发送的信号应用多用户多输入多输出权重，以及发送部件，用于引起加权后的信号从天线阵列的传输。该计算部件可以包括用于计算多用户多输入多输出发送权重的部件，使得跨选择的用户的权重向量的相同元素的功率的总和在全部Q个天线上是相等的，并且以下之一被最大化：跨用户的总和吞吐量被最大化或者跨用户的总和信号与干扰加噪声比(SINR)。

另一实施例涉及在非暂态计算机可读介质上体现的计算机程序。计算机程序在被处理器执行时，可以被配置为控制处理器执行过程，该过程可以包括：选择用户进行配对以用于多用户多输入多输出传输，以及计算通信系统中的多用户多输入多输出发送权重，该通信系统采用具有Q个天线的模拟电操纵阵列。多用户多输入多输出发送权重可以被应用于被发送的信号。该过程还可以包括：向被发送的信号应用多用户多输入多输出权重；以及引起加权后的信号从天线阵列的传输。该计算可以包括计算多用户多输入多输出发送权重，使得跨选择的用户的权重向量的相同元素的功率的总和在全部Q个天线上是相等的，并且以下之一被最大化：跨用户的总和吞吐量被最大化或者跨用户的总和信号与干扰加噪声比(SINR)。

附图说明

为了适当理解本发明，应当参考附图，其中：

图1示出根据实施例的作为目标阵列类型的混合阵列的示例；

图2示出根据另一实施例的其中面板仅发送单个数据流的备选的混合阵列的示例；

图3示出根据一个实施例的装置的示例框图；

图4示出根据实施例的方法的流程图的示例。

具体实施方式

将容易理解，如本文总体上描述以及在附图中示出的，本发明的组件可以以广泛种类的不同配置安排和设计。因此，如后附的附图和以下描述所表示，用于相等增益的多用户多输入多输出(MU-MIMO)发送权重的系统、方法、装置和计算机程序产品的实施例的以下详细描述，旨不在约束本发明的范围，但是是本发明的已选择的实施例的代表。

说明书全文描述的本发明的特征、结构或特性可以在一个或多个实施例中以任何合适的方式被组合。例如，说明书全文中的语句“某些实施例”、“一些实施例”、或者其他类似语言，指结合实施例描述的特定特征、结构或特性可以被包含于本发明的至少一个实施例中的事实。因此，在本说明书全文中的用语“在某些实施例中”、“在一些实施例中”、“在其他实施例中”、或者其他类似语言，不必然全部指相同的实施例群组，并且描述的特征、结构或特性可以在一个或多个实施例中以任何合适的方式被组合。

附加地，如果需要，以下讨论的不同功能可以以不同顺序和/或彼此同时被执行。此外，如果需要，被描述的功能的一个或多个可以是可选的或者可以被组合。如此，以下描述应视为仅说明了本发明的原则、教导和实施例，而非其约束。

存在如果干因素将使5G系统(特别是高于40GHz)独特。这些因素多数情况下是更高带宽(BW)和在频率超过40GHz时看到的硬件损伤的严重程度增加的结果。特别地，模数转换器(ADC)和数模转换器(DAC)在更高的BW将显著地消耗更多电力，使得全数字阵列至少在近期不可实行，直至硬件效率在实质上被改进。ADC和DAC的增加的功耗，以及对更大天线阵列的需求来克服这些频率的更高路径损失，驱动模拟电操纵阵列(AESA)的使用，AESA有时也被称为射频(RF)阵列。这些阵列在每个AESA只需要一个基带单元，并且因此ADC和DAC的数量将被最小化。这些阵列还被设计为具有每个单元后面的功率放大器(PA)，意味着最好驱动具有相等和最大功率的所有的单元，因为不然的话发送功率将丢失。

可以预期的是，高于40GHz的5G系统将采用在接入点(AP)和用户设备(UE)处具有正交极化的至少两个AESA，其中极化被用于即使在视距(LOS)信道中也获得双流传输。因此，任何MU-MIMO权重需要使能多流传输，以及使用相等增益权重(意味着在考虑了任何由于发射波形而需要的任何回退之后，只有相位是在每个天线上被控制的，并且最大功率是从每个天线上被发送的)。

通常，MU-MIMO权重控制在每个天线上的增益和相位。然而，由于最好可以使用在每个单元上的最大功率来驱动AESA，需要MU-MIMO权重的相等增益版本。一个解决方案是只取非相等增益的MU-MIMO权重的相等增益版本，像正规化迫零(ZF)，但是可能产生的权重有可能是次优的。因此，可能需要用于AESA(RF阵列)的MU-MIMO权重，特性是宽带(例如，具有非频率选择性的权重)并且也是相等增益(只有相位)。

本公开的某些实施例涉及计算用于AESA阵列的相等增益(即，只有相位的权重)的MU-MIMO权重，其中权重使以下二者之一最大化：总和信号与干扰加噪声比(SINR)、或者总和吞度量。在示例实施例中，目标阵列类型可以对应于或者类似于图1中的混合阵列100。

在图1的示例中，混合阵列100可以包括Q个天线单元110、111、112，其发送相应的信号α₁至α_Q。如图1所示，在每个天线110、111、112上的信号是K个信号流的加权和，其中v_m,n是在天线m上应用于信号流n的复数权重。复数权重v_m,n是宽带阵列权重，因为他们应用于信号流所跨越的整个带宽。阵列100被称为混合阵列，因为K个输入流中的每个可以来自数字基带网络，因此，阵列是(在图1中示出的v_m,n的)模拟基带信号和数字基带信号二者的混合。

如图1的示例所示，MU-MIMO用户可以发送单个流，并且在此情形中，K是MU-MIMO用户的数量(MU-MIMO用户的数量也将被称为N_u)。备选地，MU-MIMO用户可以有多于一个流。作为示例，用户可以发送2个流，然后在该情形中，MU-MIMO用户的数量是N_u＝K/2。一个目的是为每个用户找到只有相位(相等增益)的Q×1的发送权重向量，v_u(其中v_n,u是v_u的第n个元素)使用以下二者之一：最大总和SINR约束或者最大总和吞吐量约束。注意，在下面，w_u可以被用于代替v_u。

也要注意，如本文所述，“用户”或者“MU-MIMO用户”可以指用户装置(UE)、用户设备、移动设备等。因此，本公开的实施例可以备选地指“用户”为“MU-MIMO用户”、“用户装备”、“UE”或“移动设备”，例如。

图2示出备选的混合阵列200的示例，其中面板向每个用户210、211、212、213发送单个数据流(例如，每个MU-MIMO用户将被发送至其面板或者从其自身面板发出，该面板可以是图1的阵列，对于来自用户的单个流K＝1，或者对于来自用户的双流K＝2)。注意，虽然在图2的示例中示出了四个用户，这只是一个示例，并且根据某些实施例，可以包含任何数量的用户。

图2描绘的结构的优点的一个示例在于，可以保持低的峰值平均功率比(PAPR)波形，因为多个流没有像在图1的全混合阵列中在单个天线上被计算总和。图2的结构还可以(例如)允许更加有效的信道探测，因为导频可以从多个面板同时发出。为了向每个MU-MIMO用户210、211、212、213发送多于一个流，分离的面板可以被使用。例如，如果需要两个数据流，则向单MU-MIMO用户发送的两个面板可以具有正交极化。另一个选项是针对包括交叉极化的单元的面板，但是该情形在概念上与每个极化都有一个分离的面板相同，因为每个极化都需要一个全基带收发器。

如上所述，一个实施例涉及用于全混合阵列(例如，图1的混合阵列100)的相等增益(仅相位)的MU-MIMO权重，其中MU-MIMO权重使总和SINR或者总和吞吐量最大化。如下所讨论，调度器的条件可以被施加，诸如因为对数据发送的需求增加，一些用户的比例公平度量高，则其权重更高。

假设发送器(例如，AP)已发送协方差矩阵和来自每个用户的噪声(或SNR)估计。这些可以以多种方式来获得，例如UE可以反馈最佳波束(例如，通过码本反馈或者使用特征向量反馈)，UE可以使用协方差反馈，AP可以使用在上行链路上发送的参考信号来确定协方差矩阵，或者UE可以使用基础功能反馈。然后，使SINR最大化的权重被找到作为以下公式的解(注意，以下的w与图1所示的v相同)：

其对于1≤n≤Q并且1≤u≤N_u服从

其中N_u是用户的总数，w_u是用于用户u的Q×1的发送权重，R_u是用于用户u的Q×Q的发送协方差矩阵，是在用户u处的噪声功率，并且w_n,u是w_u的第n个元素。注意，此处示出的相等增益约束假设跨所有Q个单元的单位总发送功率。其他相等增益约束(例如，在每个天线单元上的单位功率)也可以被使用。

一种封闭解不可能是可能的，但是可以使用迭代或者梯度搜索。例如，用于用户p的权重的梯度可以被示出为：

在实施例中，对于在下文概述的梯度搜索，所有的可以被设置为1，并且对应的相关阵列R_u可以被缩放因此，根据一个实施例，一种有效的梯度搜索可以如下：(1)从w₁到w_Nu的正规化的ZF发送权重开始；(2)实施相等增益约束：其中1≤n≤Q并且1≤u≤N_u；(3)设置迭代i＝0，用户p＝1，并且梯度步长大小α＝0.01；(4)使用以上公式计算用于用户p的梯度；(5)更新用户p的权重为(6)实施相等增益约束：其中1≤n≤Q；(7)p＝p+1，如果p＝N_u+1，则设置p＝1并且转至步骤8，否则转至步骤4；(8)检查总和SINR(或者总和吞吐量，如果吞吐量准则被使用)是否使用更新后的权重被改进，并且如果权重未改进总和SINR(或者总和吞吐量)，则返回到旧的权重，并且减少梯度步长大小(例如，α＝0.9α)；(9)i＝i+1，如果没有达到迭代的最大次数(例如，100)，则转至步骤4，否则转至步骤10；并且(10)(可选的)如果用户的SINR低于阈值(例如，-5dB)，则将用户从被配对的用户群组中移除，并且增加所有剩余用户的功率。因为不满足阈值被移除的用户将需要在稍后的时间再次被调度。

梯度搜索的备选实施例更新在单个步骤中用于MU-MIMO传输的被配对的所有用户的权重。如在之前的梯度搜索过程中，所有的可以被设置为1，并且对应的相关矩阵，R_u可以被缩放因此，根据备选实施例，一种有效的梯度搜索可以如下：(1)从w₁到w_Nu的正规化的ZF发送权重开始；(2)实施相等增益约束：其中1≤n≤Q并且1≤u≤N_u；(3)设置迭代i＝0，并且梯度步长大小α＝0.01；(4)使用以上公式计算用于所有用户p＝1,…，N_u的梯度；(5)对于p＝1，…，N_u，联合更新所有用户权重为(6)实施相等增益约束：其中1≤n≤Q；(7)检查总和SINR(或者总和吞吐量，如果吞吐量准则被使用)是否使用更新后的权重被改进，以及如果权重未改进总和SINR(或者总吞吐量)，则返回到旧的权重，并减小梯度步长大小(例如，α＝0.9α)；(8)i＝i+1，如果未达到迭代的最大次数(例如，100)，则转至步骤4，否则转至步骤9；以及(9)(可选的)如果用户的SINR低于阈值(例如，-5dB)，则将该用户从被配对的用户群组中移除，并且增加所有剩余用户的功率。因为不满足阈值被移除的用户将需要在稍后的时间再次被调度。

注意，在以上梯度搜索中，使用计划的梯度以实施相等增益约束(两种方法中的步骤2和6)，并且复数值的梯度被使用，其中包括当应用相等增益约束时可以被忽略的幅度。一种备选方案是只在权重中找到相位的梯度。在此情形中，用于用户u的Q×1的权重被建模为：

其中并且β_1,u至β_Q,u是将要被确定的用户u的权重的实数相位值。

为了确定关于这些相位的梯度，以下可以被使用：

其中R是Q×Q的协方差矩阵，如在以上的总和SINR等式中使用的，其中注意，对于协方差矩阵，其中r_n,m是来自R的元素(n，m)，并且r_n,m＝p_n,m+jq_n,m，其中p_n,m和q_n,m是实数(注意，对于n＝m，q_n,n＝0)。

将函数f(β_1,u,…,β_Q,u,R)定义为：

则关于β_m,u的梯度可以被示出为：

然后，返回到原始的最大总和SINR表达式：

其对于1≤n≤Q和1≤u≤N_u服从

关于相位的梯度可以是：

使用以上梯度，只有相位的梯度搜索可以被执行如下：(1)从w₁到w_Nu的正规化的ZF发送权重开始；(2)实施相等增益约束，其中1≤n≤Q并且1≤u≤N_u，并且将β_n,u作为w_n,u的相应的相位；(3)设置迭代i＝0，并且梯度步长大小α＝0.01；(4)使用以上公式计算用于所有用户p＝1，…，N_u的梯度；(5)对于p＝1，…，N_u，联合更新所有的用户相位值为并且n＝1，…Q；(6)检查总和SINR(或者总和吞吐量，如果吞吐量准则被使用)是否使用更新后的相位值被改进，并且如果相位值没有改进总和SINR(或者总和吞吐量)，则返回到旧的相位值，并减少梯度步长大小(例如，α＝0.9α)；(7)i＝i+1，如果没有达到迭代的最大次数(例如，100)，则转至步骤4，否则转至步骤8；以及(8)(可选的)如果用户的SINR低于阈值(例如，-5dB)，则从正在被配对的用户群组中移除该用户，并且增加所有剩余用户的功率。因为不满足阈值被移除的用户将需要在稍后的时间再次被调度。

在只有相位的梯度搜索的备选实施例中，用于每个用户(例如，β_1,u)的相位值的一个可以被设置为0，因为在UE上接收的信号可以旋转任何相位。这样做可以降低计算复杂度，因为一个更低的权重需要被确定。注意，只有相位的搜索可以被增强，以便相位值的量化可以被实施(例如，通过在步骤5中将相位量化为像3一样的较少比特数)。

根据实施例，最大吞吐量权重可以作为以下公式的解决方案：

其对于1≤n≤Q并且1≤u≤N_u服从

该优化问题可以被简单扩展至包括调度器约束。例如，调度器可以为每个用户的历史吞吐量/公平性给出加权γ_u。以此方式，如果认为那些用户具有更高的优先级被调度，则调度器可以通过相对于其他用户强调某些用户来影响权重设计。为了包括该权重，优化问题可以变成以下：

其对于1≤n≤Q并且1≤u≤N_u服从

这可以被表示为：

其对于1≤n≤Q并且1≤u≤N_u服从

用于用户p的梯度可以被示出为：

其中x_u(对于用户u的干扰加噪声功率)和s_u(用户u的SINR)被给定为：

和

根据某些实施例，用于最大SINR准则(以上给出的任一个实施例)的相同的梯度搜索可以与最大吞吐量准则一起来使用。

注意，最大吞吐量设计也可以使用类似于以上最大总和SINR搜索的仅相位的方法来实现。

对于任一发送权重，用户可以具有多于一个流。用于处理多个流的一种方法是将每个个体流作为不同的用户来对待，并且然后按原样运行算法。另一种方法是对于具有两个流的每个用户，其中极化被用于分离流。例如，如果存在具有正交极化的两个贴片阵列，其中每个贴片具有Q个天线(或者对于总共2Q个天线，存在具有Q个交叉极化的天线的单个贴片阵列)，则该算法可以在每个贴片上(或者在交叉极化的示例中的每个极化上)被单独地运行。另一种方法将是块对角化，其中干扰部分只包括其他用户及其流，不包括去往权重被计算的用户的流。

注意，如果协方差阵列被近似为一些主导本征模的总和，然后，梯度的计算可以被极大地减少，因为的计算可以被简化。也可以在每个MU-MIMO权重之上应用除相等增益以外的其他准则，并且仍然满足在Q个天线的每个上发送最大功率的目标。例如，在单个天线上的所有权重的功率和可以被相加为1：

其中1≤n≤Q

为了实施该约束，以上梯度搜索的步骤2和6可以被相应地修改。应当注意，在步骤2和6中给定的约束是该约束的子集。

根据某些实施例，梯度搜索可以是非常强大的，因为在每次迭代中可以应用不同的优化准则。例如，如果一些用户不满足最小SINR或者吞吐量约束，则梯度可以被切换至1，以使用户的SINR或者吞吐量最大化。考虑吞吐量优化可以是：其服从在发送权重上的一些约束。

在最大化总和吞吐量或者总和SINR的梯度迭代中的一些点上，如果一个或多个用户的最小吞吐量不满足，则最大化可被修改为：其中Ω是不满足最小吞吐量的用户集合。梯度可以被示出为：

如果p∈Ω，则

或者

如果则

因此，确保最小SINR或者吞吐量的备选的梯度搜索可以如下：(1)具有用于每个用户的最小SINR目标(SINR_u)，其中吞吐量约束可以被映射至SINR值；(2)从w₁到w_Nu的正规化的ZF发送权重开始；(3)实施相等增益约束：对于1≤n≤Q并且1≤u≤N_u，(4)设置迭代i＝0，用户p＝1，并且梯度步长大小α＝0.01；(5)计算用于每个用户的s_u(SINR)和x_u(干扰加噪声功率)；(6)确定哪个用户集合(u∈Ω)不满足其SINR约束(SINR_u)；(7)如果Ω为空，则使用最大化总和吞吐量或者总和SINR的以上公式中的一个来计算用于权重p的梯度，否则计算用于权重p的梯度，权重p最大化吞吐量或者Ω中的用户的SINR；(8)更新用户p的权重为

(9)实施相等增益约束：对于1≤n≤Q，(10)p＝p+1。如果p＝N_u+1，则设置p＝1并转至步骤11，否则转至步骤7；(11)如果Ω为空，则检查总和SINR(或者总和吞吐量，如果吞吐量准则被使用)是否使用更新后的权重被改进，并且如果权重没有改进总和SINR(或者总和吞吐量)，则返回到旧的权重，并且减少梯度步长大小(例如，α＝0.9α)。如果Ω非空，则不执行该检查，因为当在用户集合上实施最小吞吐量或者SINR约束时，不能确保总和吞吐量将改进；(12)i＝i+1。如果没有达到迭代的最大次数(例如，100)，则转至步骤5，否则转至步骤13；以及(13)可选地，如果用户的SINR低于阈值(例如，-5dB)，则将该用户从被配对的用户群组中移除，并且增加所有的剩余用户的功率。因为不满足阈值被移除的用户(即，可能没有吞吐量)将需要在稍后的时间再次被调度。

注意，以上梯度搜索可以被修改，以便所有用户的权重在单个步骤中被更新。另外，以上梯度搜索可以被修改，以便只有权重的相位值被确定。

注意，以上搜索可以与为每个用户提供最小吞吐量或SINR目标的调度器相结合。在实施例中，吞吐量或SINR目标可以是基于一些调度器准则，像比例公平。如上所述，由调度器提供的每个用户权重可以被使用。

在另一实施例中，当每个面板MU-MIMO(例如，参见图2)权重被使用时，梯度方法可以被使用。在本实施例中，有N_u个面板(每个MU-MIMO用户一个)，其中每个面板具有Q个天线。在该情形中，最大总和吞吐量优化变为：

其对于1≤n≤Q并且1≤u≤N_u服从

其中x_u(用于用户u的干扰加噪声功率)和s_u(用户u的SINR)被给定为：

并且

并且其中，R_p,u是从面板p到用户u的Q×Q的协方差矩阵。可以在上面提到的任何梯度搜索程序中被使用的梯度，可以示出为：

类似于以上其他梯度搜索，只有相位值的梯度可以被计算，并且相位值是通过梯度搜索程序被确定的。

图3示出根据实施例的装置10的示例。在实施例中，装置10可以是通信网络中的节点、主机或者服务器或者服务于此网络。例如，在某些实施例中，装置10可以是接入节点、基站、节点B、演进型节点B(eNB)、5G节点B或接入点、下一代节点B(gNB)或者WLAN接入点。应当注意，本领域普通技术人员将理解，装置10可以包括图3中未示出的组件或特征。

如图3所示，装置10可以包括处理器12，用于处理信息和执行指令或操作。处理器12可以是任何类型的通用或者专用处理器。当单处理器12如图3所示时，根据其他实施例，多个处理器可以被使用。事实上，处理器12可以包括通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)和基于多核处理器架构的处理器，作为示例。

处理器12可以执行与装置10的操作相关联的功能，装置10可以包括(例如)天线增益/相位参数的预编码、形成通信消息的单个位的编码和解码、信息的格式化、和装置10的整体控制，包括与通信资源的管理有关的过程。

装置10可以进一步包括或者耦合到存储器14(内部或者外部)，存储器14可以被耦合到处理器12，以用于存储可以由处理器12执行的信息或者指令。存储器14可以是一个或多个存储器和适合本地应用环境的任何类型，并且可以使用任何适合的易失性或者非易失性数据存储技术来实施，诸如基于半导体的存储器设备、磁性存储器设备和系统、光学存储器设备和系统、固定的存储器和可移除的存储器。例如，存储器14可以包含随机访问存储器(RAM)、只读存储器(ROM)、诸如磁盘或光盘的静态存储、或者任何其它类型的非暂态机器或计算机可读介质的任何组合。存储在存储器14中的指令可以包括程序指令或者计算机程序代码，当由处理器12执行时，使得装置10执行本文所述的任务。

在一些实施例中，装置10还可以包括或者耦合到一个或多个天线15，用于向装置10发送和从装置10接收信号和/或数据。装置10可以进一步包括或者耦合到被配置为发送和接收信息的收发器18。收发器18可以包括，例如，可以被耦合到(多个)天线15的多个无线电接口。无线电接口可以对应于多个无线电接入技术，包括LTE、5G、WLAN、蓝牙、BT-LE、NFC、无线电频率识别码(RFID)、超宽带(UWB)等。无线电接口可以包括诸如滤波器、转换器(例如，数模转换器等)、映射器、快速傅里叶变换(FFT)模块等组件，以产生用于经由一个或多个下行链路传输的符号，并且接收符号(例如，经由上行链路)。如此，收发器18可以被配置为将信息调制到载波波形上，以用于由(多个)天线15传输，并且解调经由(多个)天线15接收的信息，以用于由装置10的其他元件的进一步处理。在其他实施例中，收发器18可以是能够直接发送和接收信号或者数据。

在实施例中，存储器14可以储存软件模块，当由处理器12执行时提供功能。模块可以包括(例如)提供用于装置10的操作系统功能的操作系统。存储器也可以存储一个或多个功能模块，诸如应用或程序，以为装置10提供附加的功能。装置10的组件可以实施为硬件或者硬件和软件的任何合适组合。

在一个实施例中，装置10可以是网络节点或者接入点，诸如基站、节点B、eNB或者5G或下一代节点B。根据某些实施例，装置10可以由存储器14和处理器12控制，以执行与本文所述实施例相关联的功能。在一个实施例中，装置10可以是由存储器14和处理器12控制，以选择用户进行配对以用于MU-MIMO传输，并且计算MU-MIMO发送权重，例如，在采用具有Q个天线的模拟电操纵阵列的通信系统中。根据一个实施例，装置10可以是由存储器14和处理器12控制，以计算MU-MIMO发送权重，以便跨选择的配对的用户的权重向量的相同元素的功率的总和在所有的Q个天线上是相等的，并且以下二者之一被最大化：跨用户的总和吞吐量或者跨用户的总和信号与干扰加噪声比。在实施例中，装置10可以由存储器14和处理器12进一步控制，以向被发送的信号应用MU-MIMO发送权重，并且从天线阵列发送加权后的信号。

根据实施例，装置10可以由存储器14和处理器12控制，以不向SINR或者吞吐量低于阈值的用户进行发送，并且不向其他用户提供其功率。在一个实施例中，装置10可以由存储器14和处理器12控制，以确保每个用户的最小SINR或者最小吞吐量。

在某些实施例中，装置10可以由存储器14或者处理器12控制，以使用梯度搜索计算MU-MIMO发送权重。梯度搜索可以根据上面提到的任何梯度搜索来执行。例如，在实施例中，梯度搜索可以采用以下二者之一：同时计算的跨选择的用户的联合梯度、或者在逐个用户的基础上更新梯度的协调下降梯度方法。在另一实施例中，梯度搜索可以采用从权重的相位值直接计算的梯度，或者从向无约束的梯度应用相等幅度的约束计算的梯度。

在一些实施例中，其中发送权重被计算以最大化SINR，最大化SINR的发送权重可以作为以下公式的解决方案：

其对于1≤n≤Q并且1≤u≤N_u服从

其中N_u是选择的用户的总数，w_u是用于用户u的Q×1的发送权重，R_u是用于用户u的Q×Q的发送协方差矩阵，是在用户u处的噪声功率，并且w_n,u是w_u的第n个元素。

根据某些实施例，其中发送权重被计算以最大化吞吐量，最大化吞吐量的发送权重可以作为以下公式的解决方案：

其对于1≤n≤Q并且1≤u≤N_u服从

其中N_u是选择的用户的总数，w_u是用于用户u的Q×1的发送权重，并且w_n,u是w_u的第n个元素。

在某些实施例中，梯度搜索可以包括根据以下计算用于用户p的发送权重的梯度：

其中N_u是选择的用户的总数，w_u是用于用户u的Q×1的发送权重，R_u是用于用户u的Q×Q的发送协方差矩阵，并且是在用户u处的噪声功率。

根据一些实施例，梯度搜索可以包括由调度器提供的每个用户的加权。例如，调度器可以为每个用户的历史吞吐量/公平性给出加权γu。以此方式，如果注定那些用户具有要被调度的更高的优先级，则调度器可以通过相对于其他用户强调那些用户来影响权重设计。在实施例中，为了包含该加权，权重优化公式可以是：

其对于1≤n≤Q并且1≤u≤N_u服从

这可以被表示为：

其对于1≤n≤Q并且1≤u≤N_u服从用于用户p的梯度可以被示出为：

其中Xu(对于用户u的干扰加噪声功率)和Su(用户u的SINR)被给定为：

和

注意，在某些实施例中，用于最大SINR准则的相同的梯度搜索可以与最大吞吐量准则一起被使用。

在实施例中，用于计算梯度的每个用户的协方差阵列可以在相应的用户的噪声功率估计上被缩放1。根据某些实施例，装置10可以由存储器14和处理器12控制，以向每个用户发送一个或多个流，其中发送权重可以跨用户和流进行优化。

图4显示根据一个实施例的方法的示例流程图。在某些实施例中，该方法可以由网络节点或者接入点执行，诸如基站、节点B、eNB或者5G或下一代节点B。在一个实施例中，该方法可以包括：在400处，选择用户进行配对以用于MU-MIMO传输。然后，该方法可以包括：在410处，计算例如在使用具有Q个天线的模拟电操纵阵列的通信系统中的MU-MIMO发送权重。根据一个实施例，计算步骤410可以包括计算MU-MIMO发送权重，以便跨选择的已配对的用户的权重向量的相同元素的功率的总和在全部Q个天线上是相等的，并且以下二者之一被最大化：跨用户的总和吞吐量或者跨用户的总和信号与干扰加噪声比(SINR)。

在实施例中，图4的方法可以进一步包括：在420处，向被发送的信号应用MU-MIMO发送权重。然后，该方法可以包括：在440处，引起加权后的信号从天线阵列的传输。

根据实施例，该方法可以包括：向具有低于某阈值的SINR或者吞吐量的用户不发送，并且向其他用户提供其功率。例如，在实施例中，该方法可以包括：确定用户的SINR或者吞吐量是否低于某预定义的阈值，并且如果是，则不向该用户进行发送，并且将其功率分配给其他用户。在一个实施例中，该方法可以包括：确保每个用户的最小SINR和最小吞吐量。

在某实施例中，计算步骤可以包括：使用梯度搜索计算MU-MIMO发送权重。梯度搜索可以根据上面提到的任何梯度搜索来执行。例如，在实施例中，梯度搜索可以采用以下二者之一：同时计算的跨选择的用户的联合梯度，或者协调下降梯度方法，在协调下降梯度方法中梯度在逐个用户基础上被更新。在另一实施例中，梯度搜索可以采用以下二者之一：从权重的相位值直接计算的梯度，或者从向无约束的梯度应用相等幅度的约束计算的梯度。

在一些实施例中，发送权重被计算以最大化SINR，最大化SINR的发送权重可以被找到作为以下公式的解：

其对于1≤n≤Q并且1≤u≤N_u服从

其中N_u是用户的总数，w_u是用于用户u的Q×1的发送权重，R_u是用于用户u的Q×Q的发送协方差矩阵，是在用户u处的噪声功率，并且w_n,u是w_u的第n个元素。

根据某些实施例，当发送权重被计算以最大化吞吐量时，最大化吞吐量的发送权重可以被找到作为以下公式的解：

其对于1≤n≤Q并且1≤u≤N_u服从

其中N_u是用户的总数，w_u是用于用户u的Q×1的发送权重，并且w_n,u是w_u的第n个元素。

在某些实施例中，梯度搜索可以包括根据以下计算用于用户p的发送权重的梯度：

其中N_u是用户的总数，w_u是用于用户u的Q×1的发送权重，R_u是用于用户u的Q×Q发送协方差矩阵，并且是在用户u处的噪声功率。

根据一些实施例，梯度搜索可以包括由调度器提供的每个用户的权重。例如，调度器可以为每个用户的历史吞吐量/公平性提供权重。因此，如果注定某些用户具有更高的优先级被调用，则调度器可以通过相对于其他用户强调那些用户来影响权重设计。在实施例中，为了包括该权重，权重优化公式可以是：

其对于1≤n≤Q并且1≤u≤N_u服从

这可以被表示为：

其对于1≤n≤Q并且1≤u≤N_u服从用于用户p的梯度可以被示出为：

其中x_u(对于用户u的干扰加噪声功率)和s_u(用户u的SINR)被给定为：

和

用于最大SINR准则的相同梯度搜索可以与最大吞吐量准则一起被使用。

在实施例中，该方法可以可选地包括：在430处，在用于相应的用户的噪声功率估计上，将用于计算梯度的每个用户的协方差矩阵缩放1。根据某些实施例，该方法也可以可选地包括：引起向每个用户的一个或多个流的传输，其中发送权重跨用户和流进行优化。

本文所述的实施例能够提供若干技术改进和/或优点。例如，某些实施例在最大化MU-MIMO链路的总和吞吐量的同时能够向AESA(RF)阵列递送最大功率。一些实施例可以被用于5G操作，其中AESA被采用(可能是28GHz以上)。相应地，本发明的实施例的使用导致通信网络及其节点的改进的功能和性能。

在一些实施例中，本文所述的任何方法、过程、信令图或者流程图的功能，可以由软件和/或计算机程序代码或者在存储器或者其他计算机可读或者有形介质中存储并由处理器执行的代码的部分来实施。

在一些实施例中，装置可以被包含于或者与由至少一个操作处理器执行的至少一个软件应用、模块、单元或者被配置为(多个)算术运算或者其程序或者部分(包括被添加或者被更新的软件例程)的实体相关联。程序也被称为程序产品或者计算机程序，包括软件例程、小程序和宏指令，可以被存储于任何装置可读的数据存储介质中，并且包括执行特定任务的程序指令。

计算机程序产品可以包括一个或多个计算机可执行的组件，当程序被运行时，这些组件被配置为执行实施例。该衣蛾或多个计算机可执行的组件可以是至少一个软件代码或者其部分。实施实施例的功能所需的修改和配置可以作为(多个)例程来执行，该(多个)例程可以被实施为被添加的或者被更新的(多个)软件例程。(多个)软件例程可以被下载至装置中。

软件或者计算机程序代码或者其部分可以是以源代码形式、目标代码形式、或者是以一些中间形式，并且可以以某种载体、分配介质、或者计算机可读介质的形式被存储，这可以是能够执行程序的任何实体或设备。该载体包括(例如)记录介质、计算机存储器、只读存储器、光电和/或电载波信号、电信信号以及软件发布包。根据需要的处理功率，计算机程序可以在单电子数字计算机中执行，或者可以在多个计算机之间分配。计算机可读介质或者计算机可读存储介质可以是非暂态介质。

在其他实施例中，功能可以由硬件来执行，例如通过专用集成电路(ASIC)、可编程门阵列(PGA)、现场可编程门这列(FPGA)、或者硬件和软件的任何其他组合的使用。在又一实施例中，功能可以被实施为信号、可以由从互联网或者其他网络上下载的电磁信号携带的无形的方式。

根据实施例，诸如节点、设备或对应的元件的装置，可以被配置为计算机或者微处理器，诸如单芯片计算机元件、或者芯片集，包括用于提供用于算术运算的存储功能的至少一存储器和用于执行算术操作的操作处理器。

本领域普通技术人员容易理解，如上所述的发明可以使用不同顺序的步骤、和/或与在配置上与已公开的配置不同的硬件元件来实施。因此，尽管本发明已基于这些较佳实施例进行描述，对于本领域技术人员而言，在维持本发明的精神和范围的同时，某些修改、变形和备选解释将是明显的。因此，为了确定本发明的范围和边界，应参考后附的权利要求书。

Claims (20)

1.一种方法，包括：

选择用户进行配对以用于多用户多输入多输出传输；

计算通信系统中的多用户多输入多输出发送权重，所述通信系统采用具有Q个天线的模拟电操纵阵列，其中所述多用户多输入多输出发送权重被应用于被发送的信号；

向所述被发送的所述信号应用所述多用户多输入多输出权重；以及

引起加权后的所述信号从天线阵列的传输；

其中所述计算包括计算所述多用户多输入多输出发送权重，使得跨选择的所述用户的权重向量的相同元素的功率的总和在全部所述Q个天线上是相等的，并且以下之一被最大化：跨用户的总和吞吐量被最大化或者跨用户的总和信号与干扰加噪声比(SINR)。

2.根据权利要求1所述的方法，其中所述计算包括利用梯度搜索来计算所述发送权重。

3.根据权利要求2所述的方法，其中所述梯度搜索采用以下之一：同时计算的跨选择的所述用户的联合梯度，或者协调下降梯度方法，在所述协调下降梯度方法中所述梯度在逐个用户基础上被更新。

4.根据权利要求2所述的方法，其中所述梯度搜索采用以下之一：从所述权重的相位值直接计算的梯度，或者从向无约束的梯度应用相等幅度的约束计算的梯度。

5.根据权利要求1所述的方法，其中使所述信号与干扰加噪声比最大化的所述发送权重被找到作为以下公式的解：

其对于1≤n≤Q并且1≤u≤N_u服从

其中N_u是选择的所述用户的总数，w_u是用于用户u的Q×1的发送权重，R_u是用于用户u的Q×Q的发送协方差矩阵，是在用户u处的噪声功率，并且w_n,u是w_u的第n个元素。

6.根据权利要求1所述的方法，其中使所述吞吐量最大化的所述发送权重被找到作为以下公式的解：

其对于1≤n≤Q并且1≤u≤N_u服从

其中N_u是选择的所述用户的总数，w_u是用于用户u的Q×1的发送权重，并且w_n,u是w_u的第n个元素。

7.根据权利要求2所述的方法，其中所述梯度搜索包括根据以下来计算用于用户p的发送权重的梯度：

其中N_u是选择的所述用户的总数，w_u是用于用户u的Q×1的发送权重，R_u是用于用户u的Q×Q的发送协方差矩阵，并且是在用户u处的噪声功率。

8.根据权利要求2所述的方法，其中所述梯度搜索包括由调度器提供的按用户加权。

9.根据权利要求1所述的方法，其中不向具有低于特定阈值的信号与干扰加噪声比或吞吐量的用户进行发送，并且他们的功率被提供至其他用户。

10.根据权利要求1所述的方法，其中选择的所述用户中的每个用户被确保以下之一：最小信号与干扰加噪声比或者最小吞吐量。

11.根据权利要求2所述的方法，其中用于计算所述梯度的每个用户的协方差矩阵在用于相应用户的噪声功率估计上被缩放1。

12.根据权利要求1所述的方法，进一步包括：引起向每个用户的一个或多个流的传输，并且其中所述发送权重跨所述用户和所述流被优化。

13.一种装置，包括：

至少一个处理器；以及

包括计算机程序代码的至少一个存储器，

所述至少一个存储器和所述计算机程序代码被配置为，与所述至少一个处理器一起，使所述装置至少：

选择用户进行配对以用于多用户多输入多输出传输；

计算通信系统中的多用户多输入多输出发送权重，所述通信系统采用具有Q个天线的模拟电操纵阵列，其中所述多用户多输入多输出发送权重被应用于被发送的信号；

向所述被发送的所述信号应用所述多用户多输入多输出权重；以及

从天线阵列发送加权后的所述信号；

其中所述装置被配置为计算所述多用户多输入多输出发送权重，使得跨选择的所述用户的权重向量的相同元素的功率的总和在全部所述Q个天线上是相等的，并且以下之一被最大化：跨用户的总和吞吐量被最大化或者跨用户的总和信号与干扰加噪声比。

14.根据权利要求13所述的装置，其中所述至少一个存储器和所述计算机程序代码进一步被配置为，与所述至少一个处理器一起，使所述装置至少使用梯度搜索来计算所述发送权重。

15.根据权利要求14所述的装置，其中所述梯度搜索采用以下之一：同时计算的跨选择的所述用户的联合梯度，或者协调下降梯度方法，在所述协调下降梯度方法中所述梯度在逐个用户基础上被更新。

16.根据权利要求14所述的装置，其中所述梯度搜索采用以下之一：从所述权重的相位值直接计算的梯度，或者从向无约束的梯度应用相等幅度的约束计算的梯度。

17.根据权利要求13所述的装置，其中所述至少一个存储器和所述计算机程序代码被进一步配置为，与所述至少一个处理器一起，使所述装置至少找到使所述信号与干扰加噪声比最大化的所述发送权重作为以下公式的解：

其对于1≤n≤Q并且1≤u≤N_u服从其中N_u是选择的所述用户的总数，w_u是用于用户u的Q×1的发送权重，R_u是用于用户u的Q×Q的发送协方差矩阵，以及是在用户u处的噪声功率，并且w_n,u是w_u的第n个元素。

18.根据权利要求13所述的装置，其中所述至少一个存储器和所述计算机程序代码被进一步配置为，与所述至少一个处理器一起，使所述装置至少找到使所述吞吐量最大化的所述发送权重作为以下公式的解：

其对于1≤n≤Q并且1≤u≤N_u服从

其中N_u是选择的所述用户的总数，w_u是用于用户u的Q×1的发送权重，并且w_n,u是w_u的第n个元素。

19.根据权利要求14所述的装置，其中所述梯度搜索包括由调度器提供的按用户加权。

20.根据权利要求13所述的装置，其中所述至少一个存储器和所述计算机程序代码被进一步配置为，与所述至少一个处理器一起，使所述装置至少向每个用户发送一个或多个流，并且其中所述发送权重跨所述用户和所述流被优化。