CN111555783B - Mu-mimo系统中联合抑制干扰和功率损失的thp优化方法 - Google Patents

Abstract

本发明公开了一种MU‑MIMO系统中联合抑制干扰和功率损失的THP优化方法。本方法为：1)对调制信号s进行格基约减预处理，得到等效初始信号u；然后对该等效初始信号u依次进行取模和反馈滤波操作，并进行功率损失抑制；2)将得到的信号x的发射功率进行归一化；3)将功率归一化后的信号与加权矩阵G和前馈矩阵F相乘，得到发射信号S′；其中，反馈矩阵B、前馈矩阵F和加权矩阵G均由格基约减后的等效信道矩阵H_e经QR分解得到；4)发射信号S′经过瑞利信道H和加性高斯白噪声z，接收信号为y；接收端进行功率归一化的逆过程，再进行取模操作，即可得到初始信号

本发明提升了误码率性能，减少了功率损失。

Description

MU-MIMO系统中联合抑制干扰和功率损失的THP优化方法

技术领域

本发明涉及一种MU-MIMO系统中联合抑制干扰和功率损失的THP优化方法，属于无线通信技术领域。

背景技术

5G下行MU-MIMO系统中，在发端采用预编码技术可解决接收端用户间干扰问题，从原理上分为线性预编码和非线性预编码。ZF(Zero Forcing)预编码是最简单的线性预编码，通过在发端乘CSI(Channel State Information)矩阵的伪逆将干扰置零，算法简单，但系统容量与理论信道容量上限仍有一定差距。DPC(Dirty Paper Code)是性能最优的非线性预编码，在发端已知干扰的前提下，可达到容量上限，但算法过于复杂。而汤姆林森-哈拉希玛预编码(Tomlinson-Harashima Precoding，THP)是一种能够兼顾性能和复杂度的非线性预编码算法，但由于引入了取模和反馈滤波操作，THP预编码存在干扰噪声放大和功率损失的问题。采用减格辅助的THP预编码可抑制干扰噪声放大，提升了误码率性能，但未考虑功率损失。由于采用经典的LLL(Lenstra-Lenstra-Lovasz)格基约减算法，该算法只能对实数操作，用于复数域时算法复杂度会倍增。C.Masouros等人应用调整第一个编码用户信号的方法(参考：C.Masouros,M.Sellathurai and T.Ratnarajah,"InterferenceOptimization for Transmit Power Reduction in Tomlinson-Harashima PrecodedMIMO Downlinks,"in IEEE Transactions on Signal Processing,vol.60,no.5,pp.2470-2481,May 2012)，从而调整连续干扰消除过程中的干扰信号，实现降低功率损失的目的。在该算法基础上，A.Garcia-Rodriguez等人通过动态调整多个用户的信号(参考：A.Garcia-Rodriguez and C.Masouros,"Optimizing interference as a source ofsignal energy with non-linear precoding,"2014 International WirelessCommunications and Mobile Computing Conference(IWCMC),Nicosia,2014,pp.809-814.)，降低功率损失，但两种算法对整体的误码率性能提升不明显。总之，现有算法均未同时有效解决干扰噪声放大和功率损失的问题。

系统模型和问题建模

1.1下行MU-MIMO预编码系统模型

本算法基于MU-MIMO下行信道，假设发端基站有M个天线，收端有N个单天线用户，本文假设M＝N。预编码系统如图1所示。

发射信号s为M×1的复矩阵，预编码矩阵W和信道矩阵H均为N×N的方阵，H中的元素h_n,m代表第m个发端天线到第n个用户收端天线之间的信道。加性高斯白噪声z和接收信号y均为N×1的复矩阵。本文假设发端已知全部信道状态信息。接收信号可以表示为：

y＝HWs+z (1)

1.2传统THP预编码

传统的THP系统框图如图2所示。

s为经L-QAM调制后的信号,

对s进行取模和反馈操作后，第k个预编码信号x_k可以表示为：

s_k表示第k个调制后的信号，b_k,l表示反馈矩阵B中第k行第l列元素B(k,l)，B为对角线为1的下三角矩阵，

表示前k-1个用户对第k个用户产生的干扰。取模将发射信号限定在一个区间内，表达式为

因此取模操作可以等价为加法运算，s取模后的等效信号为:

其中，Z表示整数集，d表示取模前后信号的变化范围。

图2可以等效为图3。其中，S′为发射信号，反馈矩阵B、前馈矩阵F、加权矩阵G均可通过对H^H进行QR分解得到：H^H＝QR。加权矩阵G是由R对角线元素的倒数构成的对角阵。反馈矩阵B由G与R^H相乘得到。前馈矩阵F＝Q为酉矩阵，不影响信号功率。接收信号可表示为：

由上文推导可得，GHFB^-1＝I，系统干扰置零。等效噪声

在接收端再次进行取模操作即可得到只受高斯白噪声影响的判决信号。

由于THP算法引入了取模和反馈操作，存在一些限制条件：

(1)干扰噪声放大：发端已知全部CSI的条件下，用户间干扰可完全消除，因此系统性能主要取决于等效加性噪声功率。经THP预编码后的等效加性噪声功率为：

可见加权矩阵G会对噪声产生一定的放大作用，由前面的分析可知，G的大小由R决定，而R是由CSI矩阵H进行QR分解得到的，因此在接收端造成噪声放大的根本原因是H的非正交性。

(2)功率损失：预编码后的信号在取模边界范围内是均匀分布的，整体平均功率高于调制后的信号功率(参考H.Yan,T.Tian,L.Chen and J.Qiu,"A physical layersolution for Tomlinson-Harashima precoding in the framework of LTE-Advanced,"2012 IEEE Globecom Workshops,Anaheim,CA,2012,pp.291-296.)。

发明内容

本发明的目的在于提供一种联合抑制干扰噪声和功率损失的THP优化方法。针对干扰噪声放大的问题，采用改善CSI矩阵正交性的格基约减技术，提升误码率性能。使用针对复数域的CLLL(Complex Lenstra-Lenstra-Lovasz)格基约减算法，降低复杂度。针对功率损失问题，对复数域干扰进行优化，在总功率约束下，将较大比例的功率用于发射有用信号，较少比例的功率用于消除干扰，从而提升功率效率。仿真结果表明，相比于传统THP，本算法在误码率性能和功率效率方面均有更好的性能。

本发明的技术方案为：

一种MU-MIMO系统中联合抑制干扰和功率损失的THP优化方法，其步骤为：

1)对经L-QAM调制得到的调制信号s进行格基约减预处理，得到等效初始信号u；然后对该等效初始信号u依次进行取模和反馈滤波操作；其中，该反馈滤波操作中的反馈矩阵B由格基约减后的等效信道矩阵H_e经QR分解得到；

2)对取模处理后得到的信号x进行功率抑制，得到优化后的第k个用户的编码信号

然后对信号

的发射功率进行归一化处理；其中，u₁为无干扰的用户1的信号，u₁的调整因子为α＝α^r+iαⁱ，a^r表示α的实部，aⁱ表示α的虚部，i表示虚数单位，

是u₁的实部，

是u₁的虚部，

是优化后的第k个用户的编码信号，M表示发端基站天线数，u_k为用户k的信号，b_k,l表示反馈矩阵B中第k行第l列元素B(k,l)，

为优化后的第l个用户的编码信号；

3)将功率归一化后的信号与加权矩阵G和前馈矩阵F相乘，得到发射信号S′；其中，前馈矩阵F和加权矩阵G均由格基约减后的等效信道矩阵H_e经QR分解得到；

4)发射信号S′经过瑞利信道H和加性高斯白噪声z处理后得到信号y；接收端进行功率归一化的逆过程，再进行取模操作，得到初始信号

进一步的，以总发射功率最小为目标函数，以用户1的基本性能为约束条件，得到优化问题模型：

s.t.c.Φ(α^r,αⁱ)；利用该优化问题模型求解信号

进一步的，得到所述等效信道矩阵H_e的方法为：采用CLLL算法对MU-MIMO系统的信道矩阵H进行格基约减，得到一个近似正交的矩阵

并将

作为MU-MIMO系统的等效信道矩阵

进一步的，所述矩阵

其中，T为功率为1的幺模矩阵。

进一步的，步骤2)中，利用功率控制因子β对信号的发射功率进行归一化处理；其中，

γ为SNR阈值，r_ii表示R的对角线元素，R为H_e进行QR分解得到的上三角矩阵。

进一步的，

其中，E_s为符号的能量、N₀为噪声功率谱密度。

与现有技术相比，本发明的积极效果为：

5G移动通信系统中，下行MU-MIMO(Multi-User Multiple-Input Multiple-Output)可以在同一时频资源上调度多个用户，大大提升吞吐量。用户间干扰是限制系统性能的主要因素，预编码技术是解决该问题的有效方法之一。THP(Tomlinson-HarashimaPrecoding)是一种能够兼顾性能和复杂度的非线性预编码算法，但由于引入了取模和反馈滤波操作，THP预编码存在干扰噪声放大和功率损失的问题。本文提出一种THP优化算法，采用格基约减和调整复数域干扰的方法，联合抑制干扰和功率损失。仿真结果表明，相比于传统THP，本算法的误码率性能提升了2dB，功率损失减少了24％。

附图说明

图1为下行MU-MIMO预编码系统框图；

图2为THP预编码系统框图；

图3为THP预编码等效系统框图；

图4为CIO-LR-THP预编码系统框图；

图5为抑制功率损失算法示意图；

图6为CIO-LR-THP BER性能曲线；

图7为CIO-LR-THP Power Loss性能曲线。

具体实施方式

下面通过具体实例并配合附图，对本发明做详细的说明。

针对THP的限制条件，本文提出一种联合优化算法。一方面，使用格基约减技术改善CSI矩阵的正交性，抑制干扰噪声放大；另一方面，对复数域的干扰进行优化，将较大比例的功率用于发射有用信号，较小比例的功率用于消除用户间干扰，从而提升功率效率。这里将本算法命名为复数域干扰优化的减格辅助THP预编码(CIO-LR-THP)。

提出的MU-MIMO系统中联合抑制干扰和功率损失的THP优化算法系统框图如图4。算法步骤为：

1)对调制信号s进行格基约减预处理，得到等效初始信号u；然后对该等效初始信号u依次进行取模和反馈滤波操作，并且在这一过程中进行功率损失抑制；其中，该反馈滤波操作中的反馈矩阵B由格基约减后的等效信道矩阵H_e经QR分解得到；

2)将取模处理后得到的信号x的发射功率进行归一化处理；

3)将功率归一化后的信号与加权矩阵G和前馈矩阵F相乘，得到发射信号S′；其中，前馈矩阵F和加权矩阵G均由格基约减后的等效信道矩阵H_e经QR分解得到；

4)发射信号S′经过瑞利信道H和加性高斯白噪声z，接收信号为y；接收端进行功率归一化的逆过程，再进行取模操作，即可得到初始信号

进一步的，得到所述等效信道矩阵H_e的方法为：采用CLLL算法对MU-MIMO系统的信道矩阵H进行格基约减，得到一个近似正交的矩阵：

其中，T为功率为1的幺模矩阵。

CLLL算法可直接对复数处理在达到和LLL算法相同性能时，复杂度成倍降低。令新的等效信道矩阵为：

进一步的，功率损失抑制的方法为：定义等效星座点

由式(2)可知在L-QAM调制下，编码符号为：

第k个用户需要减去前k-1个用户产生的干扰，所以用户1是无干扰的，但会对所有其他用户产生干扰。如图5所示，x₁＝u₁为无干扰的用户1的信号，u₂为用户2的信号，I＝b_{2, 1}x₁为u₁对u₂产生的干扰，如点虚线所示。

为定义的用户2的等效信号。为了让更少的功率用于消除干扰I，即I距离

越近越好，最优情况为I与

共线，如粗实线所示，这样就可以将更多的功率用于发射有用信号u₁，从而提升功率效率。

如图5，虚线为传统的THP预编码，实线为优化后的预编码算法。可以看到整个系统从两个方面得到提升：①

的幅值增加，用户1有更好的性能；②待消除的干扰距离

更近，所以将用更少的发射功率来消除用户2上的干扰。总功率约束为：

P_tot＝|x₁|²+|x₂|² (10)

为保证用户1的基本性能，保证

落在x₁的判决区域内，x₁的调整范围在图5中的阴影区域。设u₁的调整因子为α＝α^r+iαⁱ，其中，a^r表示α的实部，aⁱ表示α的虚部，i表示虚数单位。优化后的第k个用户的编码符号

为：

其中，

是u₁的实部，

是u₁的虚部。u_k表示第k个用户的信号。

以总发射功率最小为目标函数，以用户1的基本性能为约束条件，得到优化问题模型：

s.t.c.Φ(α^r,αⁱ)

其中约束条件与调制方式有关：

γ为SNR阈值。本文中

E_s表示每个符号的能量，N₀表示噪声功率谱密度。将(11)式带入式(12)，可整理为一个严格凸问题模型，有全局最优解，可以采用拉格朗日函数法解决(参考S.Boyd andL.Vandenberghe,Convex Optimization,Cambridge University Press,2004.)，即可得到最优解α，功率损失得到明显抑制。

进一步的，利用功率控制因子β对信号x的发射功率进行归一化处理,其中，

M表示发端天线数，r_ii表示R的对角线元素，R为H_e进行QR分解得到的上三角矩阵。

进一步的，接收信号可表示为：

等效加性噪声功率为

与(6)式比较，是传统THP算法中等效加性噪声功率的1/M，干扰噪声得到明显抑制。因此，CIO-LR-THP实现了对干扰和功率损失的联合优化。

仿真结果

本节将提出的CIO-LR-THP与传统的THP进行仿真性能比较，采用4QAM调制，4×4MIMO，并与最简单的线性预编码ZF预编码进行比较。误码率性能曲线仿真结果如图6。

从图6中可以看到，CIO-LR-THP具有比THP更好的误码率性能。由于采用格基约减后的CSI矩阵，正交性更好，缓解了THP中干扰噪声放大的问题，提升了误码率性能。在相同的信噪比条件下，提出的CIO-LR-THP预编码比传统的THP预编码误码率性能提升约2dB。相比于线性的ZF预编码，非线性预编码具有更好的误码率性能。

功率损失的性能曲线仿真结果如图7。

从图7中可以看到，CIO-LR-THP具有比传统THP更低的功率损失。由于CIO-LR-THP中对复数域干扰进行优化，在总功率约束下，将较大比例的功率用于发射有用信号，较少比例的功率用于消除干扰，从而提升了功率效率。随着天线数增加，CIO-LR-THP与传统THP之间的功率损失差值减小，是因为随着天线数增加，用户1的调整对整个系统的相对影响越小。在4天线MU-MIMO系统中，CIO-LR-THP功率损失减少了24％。

本文提出一种联合优化算法。一方面，使用格基约减技术改善CSI矩阵的正交性，抑制干扰噪声放大；另一方面，对复数域的干扰进行优化，将较大比例的功率用于发射有用信号，较小比例的功率用于消除用户间干扰，从而减少功率损失。仿真结果表明，相比于传统的THP算法，提出的CIO-LR-THP算法在误码率性能和功率效率方面均具有更好的性能。

尽管前面公开的内容示出了本发明的示例性实施例，但应注意，在不背离权利要求限定的本发明的范围的前提下，可以进行多种改变和修改。根据这里描述的发明实施例的结构，权利要求的组成元件可以用任何功能等效的元件替代。因此，本发明的保护范围应当由所附的权利要求书的内容确定。

Claims (4)

1.一种MU-MIMO系统中联合抑制干扰和功率损失的THP优化方法，其步骤为：

1)对经L-QAM调制得到的调制信号s进行格基约减预处理，得到等效初始信号u；然后对该等效初始信号u依次进行取模和反馈滤波操作；其中，该反馈滤波操作中的反馈矩阵B由格基约减后的等效信道矩阵H_e经QR分解得到；

2)对取模处理后得到的信号x进行功率抑制，得到优化后的第k个用户的编码信号

然后对第k个用户的编码信号

的发射功率进行归一化处理；其中，u₁为无干扰的用户1的信号，u₁的调整因子为α＝α^r+iαⁱ，α^r表示α的实部，αⁱ表示α的虚部，i表示虚数单位，

是u₁的实部，

是u₁的虚部，M表示发端基站天线数，u_k为用户k的信号，b_k，l表示反馈矩阵B中第k行第l列元素B(k，l)，

为优化后的第l个用户的编码信号；以总发射功率最小为目标函数，以用户1的基本性能为约束条件，得到优化问题模型：

s.t.c.Φ(α^r，αⁱ)；利用该优化问题模型求解出第k个用户的编码信号

3)将功率归一化后的信号与加权矩阵G和前馈矩阵F相乘，得到发射信号S′；其中，前馈矩阵F和加权矩阵G均由格基约减后的等效信道矩阵H_e经QR分解得到；得到所述等效信道矩阵H_e的方法为：采用CLLL算法对MU-MIMO系统的信道矩阵H进行格基约减，得到一个近似正交的矩阵

并将

作为MU-MIMO系统的等效信道矩阵

4)发射信号S′经过瑞利信道和加性高斯白噪声z处理后得到信号y；接收端进行功率归一化的逆过程，再进行取模操作，得到初始信号

2.如权利要求1所述的方法，其特征在于，所述近似正交的矩阵

其中，T为功率为1的幺模矩阵。

3.如权利要求1所述的方法，其特征在于，步骤2)中，利用功率控制因子β对信号的发射功率进行归一化处理；其中，

γ为SNR阈值，r_ii表示R的对角线元素，R为H_e进行QR分解得到的上三角矩阵。

4.如权利要求3所述的方法，其特征在于，

其中，E_s为符号的能量、N₀为噪声功率谱密度。

Images