CN112054826B - 一种基于中间信道的单用户低复杂度混合预编码方法 - Google Patents

Abstract

本发明公开了一种基于中间信道的单用户低复杂度混合预编码方法，首先对信道矩阵H进行奇异值分解，获得全数字预编码矩阵F_opt；然后对F_opt进行奇异值分解，获得最优的模拟预编码矩阵

从

中提取出角度信息组成模拟预编码器矩阵F_RF；接着将得到的F_RF和H构成中间信道矩阵

再对

进行奇异值分解获得最优的模拟组合器矩阵

从

中提取出角度信息组成模拟组合器矩阵W_RF；最后将H、F_RF以及W_RF组合成等效信道矩阵H_eq，对H_eq进行奇异值分解获得数字预编码器和数字组合器。本发明的混合预编码算法无需迭代计算，有效降低了计算复杂度，性能与其它算法相比也有明显的提高，并且实用性强。

Description

一种基于中间信道的单用户低复杂度混合预编码方法

技术领域

本发明涉及大规模MIMO系统领域，特别涉及一种基于中间信道的单用户低复杂度混合预编码方法。

背景技术

多输入多输出(MIMO)是无线通信系统中依靠多天线同时传输多数据流的技术。当使用MIMO同时与多个终端通信时，我们称之为多用多输入多输出(Multi-User MIMO)。大规模MIMO是传统MIMO的升级，在传统MIMO的基础上在基站和用户端增加了更多的天线。大规模作为5G关键技术之一，可有效地提升数据速率和链路可靠性。大规模MIMO技术在满足更高数据吞吐量需求的同时，能够有效地改善多用户无线通信系统的服务质量，能够提高频谱效率1～2个数量级，上述特性使得大规模MIMO成为下一代无线通信系统中的核心技术。

预编码技术在大规模MIMO系统中有着重要作用，通过发射端的预编码处理，可以有效地消除多用户干扰，从而大大提高系统容量；但是传统的全数字预编码要求每根天线都要与一根射频链路相连接，系统的硬件成本和功率损失会非常大，不能满足实际的要求，因此能够有效降低硬件成本和功率损失的混合预编码被提了出来。但是目前大多数混合预编码算法存在复杂度较高、和全数字预编码性能差距较大等缺点，不能很好地适应实际的大规模MIMO系统。

发明内容

为了解决上述技术问题，本发明提供一种算法简单、实用性强的基于中间信道的单用户低复杂度混合预编码方法。

本发明解决上述问题的技术方案是：一种基于中间信道的单用户低复杂度混合预编码方法，包括以下步骤：

步骤一：对信道矩阵H进行奇异值分解，获得全数字预编码矩阵F_opt；

步骤二：对F_opt进行奇异值分解，获得最优的模拟预编码矩阵

然后从

中提取出角度信息组成符合约束条件的模拟预编码器矩阵F_RF；

步骤三：根据得到的模拟预编码器矩阵F_RF和信道矩阵H构建中间信道矩阵

步骤四：对中间信道矩阵

进行奇异值分解获得最优的模拟组合器矩阵

然后从最优的模拟组合器矩阵

中提取出角度信息组成模拟组合器矩阵W_RF；

步骤五：将信道矩阵H、模拟预编码器矩阵F_RF以及模拟组合器矩阵W_RF组合成等效信道矩阵H_eq，然后对等效信道矩阵H_eq进行奇异值分解获得数字预编码器和数字组合器。

上述基于中间信道的单用户低复杂度混合预编码方法，所述步骤一的具体步骤为：

1-1)对信道矩阵H进行奇异值分解，即：H＝UΣV^*，其中U是维度为N_r×N_r的酉矩阵，N_r为用户天线数目，V^*是维度N_t×N_t的酉矩阵，N_t为基站天线数目，Σ是维度为N_t×N_r的对角矩阵；

1-2)取V^*的前N_s列构成全数字预编码矩阵F_opt，N_s为数据流数目。

上述基于中间信道的单用户低复杂度混合预编码方法，所述步骤二的具体步骤为：

2-1)对全数字预编码矩阵F_opt进行奇异值分解，即：F_opt＝U_FΣ_FV_F ^*，其中U_F是维度为N_t×N_t的酉矩阵，V_F ^*是维度N_s×N_s的酉矩阵，Σ_F是维度为N_t×N_s的对角矩阵；

2-2)取U_F的前N_RF列构成最优的无约束模拟预编码矩阵

即

其中N_RF为射频链的数量，

代表

的第N_RF列向量；

2-3)取

的角度信息作为模拟预编码器矩阵F_RF，即

其中

代表F_RF中第N_t行第N_RF列的元素。

上述基于中间信道的单用户低复杂度混合预编码方法，所述步骤三中，根据模拟预编码器矩阵F_RF和信道矩阵H构建中间信道矩阵H_int，即H_int＝HF_RF。

上述基于中间信道的单用户低复杂度混合预编码方法，所述步骤四具体步骤为：

4-1)对中间信道矩阵H_int进行奇异值分解，

其中U_int为N_t×N_t的酉矩阵，Σ_int为N_t×N_RF的对角矩阵，

为N_RF×N_RF的酉矩阵；

4-2)取U_int的前N_RF列作为最优的模拟组合器矩阵

即

代表

的第N_RF列向量；

4-3)提取

中的角度信息作为满足约束条件的模拟组合器矩阵W_RF，即

其中

代表F_RF中第N_r行第N_RF列的元素。

上述基于中间信道的单用户低复杂度混合预编码方法，所述步骤五具体步骤为：

5-1)根据求得的模拟预编码器矩阵F_RF、模拟组合器矩阵W_RF和信道矩阵H构建等效信道矩阵H_eq，等效信道矩阵H_eq的构建方式为H_eq＝F_RFHW_RF；

5-2)对等效信道矩阵H_eq进行奇异值分解，即H_eq＝U_eΣ_eV_e ^*，其中U_e是维度为N_s×N_s的酉矩阵，V_e ^*是维度N_s×N_s的酉矩阵，Σ_F是维度为N_s×N_s的对角矩阵；

5-3)取U_e的前N_s列作为数字组合器W_BB，取V_e ^*的前N_s列作为数字预编码器F_BB，即

其中

为W_BB矩阵的第N_s个列向量，

为F_BB矩阵的第N_s个列向量。

本发明的有益效果在于：本发明首先对信道矩阵H进行奇异值分解，获得全数字预编码矩阵F_opt；然后对F_opt进行奇异值分解，获得最优的模拟预编码矩阵

从

中提取出角度信息组成符合约束条件的模拟预编码器矩阵F_RF；接着将得到的模拟预编码器矩阵F_RF和信道矩阵H构成中间信道矩阵

再对中间信道矩阵

进行奇异值分解获得最优的模拟组合器矩阵

从最优的模拟组合器矩阵

中提取出角度信息组成模拟组合器矩阵W_RF；最后将信道矩阵H、模拟预编码器矩阵F_RF以及模拟组合器矩阵W_RF组合成等效信道矩阵H_eq，对等效信道矩阵H_eq进行奇异值分解获得数字预编码器和数字组合器。本发明的混合预编码算法无需迭代计算，有效降低了计算复杂度，性能与其它算法相比也有明显的提高，并且随着天线规模的增大，本发明的性能表现会更加好，随着未来天线规模越来越大，本发明的实用性会越来越高。

附图说明

图1为大规模MIMO系统混合预编码系统模型。

图2为本发明的流程图。

图3为在SNR＝0dB，天线规模分别为256×64，64×16的情况下，本发明与其它技术的频谱效率对比图。

图4为在SNR＝-20dB，天线规模分别为256×64，64×16的情况下，本发明与其它算法的频谱效率对比图。

图5为在天线规模为256×64，数据流分别为2和6的情况下本发明与其它算法的频谱效率对比图。

图6为在天线规模为64×16，数据流分别为2和6的情况下本发明与其它算法的频谱效率对比图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如图1所示，图1为大规模MIMO混合预编码系统模型，首先在发送端产生N_s条数据流，然后在基带数字预编码器的处理后通过射频链路向上转换到模拟域，接着通过模拟预编码器向上映射到天线端，通过N_t根天线对数据进行发送，当接收端的天线接收到数据后首先由模拟组合器对接收数据进行合并，然后通过射频链路传输到数字域通过数字组合器还原出发送端发送的数据。

如图2所示，一种基于中间信道的单用户低复杂度混合预编码方法，包括以下步骤：

步骤一：对信道矩阵H进行奇异值分解，获得全数字预编码矩阵F_opt。具体步骤为：

1-1)对信道矩阵H进行奇异值分解，即：H＝UΣV^*，其中U是维度为N_r×N_r的酉矩阵，N_r为用户天线数目，V^*是维度N_t×N_t的酉矩阵，N_t为基站天线数目，Σ是维度为N_t×N_r的对角矩阵；

1-2)取V^*的前N_s列构成全数字预编码矩阵F_opt，N_s为数据流数目。

步骤二：对F_opt进行奇异值分解，获得最优的模拟预编码矩阵

然后从

中提取出角度信息组成符合约束条件的模拟预编码器矩阵F_RF。具体步骤为：

2-1)对全数字预编码矩阵F_opt进行奇异值分解，即：F_opt＝U_FΣ_FV_F ^*，其中U_F是维度为N_t×N_t的酉矩阵，V_F ^*是维度N_s×N_s的酉矩阵，Σ_F是维度为N_t×N_s的对角矩阵；

2-2)取U_F的前N_RF列构成最优的无约束模拟预编码矩阵

即

其中N_RF为射频链的数量，

代表

的第N_RF列向量；

2-3)取

的角度信息作为模拟预编码器矩阵F_RF，即

其中

代表F_RF中第N_t行第N_RF列的元素。

步骤三：根据得到的模拟预编码器矩阵F_RF和信道矩阵H构建中间信道矩阵

即H_int＝HF_RF。

步骤四：对中间信道矩阵

进行奇异值分解获得最优的模拟组合器矩阵

然后从最优的模拟组合器矩阵

中提取出角度信息组成模拟组合器矩阵W_RF。具体步骤为：

4-1)对中间信道矩阵H_int进行奇异值分解，

其中U_int为N_t×N_t的酉矩阵，Σ_int为N_t×N_RF的对角矩阵，

为N_RF×N_RF的酉矩阵；

4-2)取U_int的前N_RF列作为最优的模拟组合器矩阵

即

代表

的第N_RF列向量；

4-3)提取

中的角度信息作为满足约束条件的模拟组合器矩阵W_RF，即

其中

代表F_RF中第N_r行第N_RF列的元素。

步骤五：将信道矩阵H、模拟预编码器矩阵F_RF以及模拟组合器矩阵W_RF组合成等效信道矩阵H_eq，然后对等效信道矩阵H_eq进行奇异值分解获得数字预编码器和数字组合器。具体步骤为：

5-1)根据求得的模拟预编码器矩阵F_RF、模拟组合器矩阵W_RF和信道矩阵H构建等效信道矩阵H_eq，等效信道矩阵H_eq的构建方式为H_eq＝F_RFHW_RF；

5-2)对等效信道矩阵H_eq进行奇异值分解，即H_eq＝U_eΣ_eV_e ^*，其中U_e是维度为N_s×N_s的酉矩阵，V_e ^*是维度N_s×N_s的酉矩阵，Σ_F是维度为N_s×N_s的对角矩阵；

5-3)取U_e的前N_s列作为数字组合器W_BB，取V_e ^*的前N_s列作为数字预编码器F_BB，即

其中

为W_BB矩阵的第N_s个列向量，

为F_BB矩阵的第N_s个列向量。

实施例

图3～6为不同天线规模、信噪比以及数据流设置下，本发明提出的算法与其它现有混合预编码算法的性能对比图。

在不同的天线规模下生成随机的信道矩阵H，对信道矩阵H进行奇异值分解，即：H＝UΣV^*，其中U是维度为N_r×N_r的酉矩阵，N_r为用户天线数目，V^*是维度N_t×N_t的酉矩阵，N_t为基站天线数目，Σ是维度为N_t×N_r的对角矩阵。取V^*的前N_s列构成最优的全数字预编码矩阵F_opt。

对最优全数字预编码矩阵F_opt进行奇异值分解，即：F_opt＝U_FΣ_FV_F ^*，其中U_F是维度为N_t×N_t的酉矩阵，V_F ^*是维度N_s×N_s的酉矩阵，N_s为数据流数目，Σ_F是维度为N_t×N_s的对角矩阵。取U_F的前N_RF列构成最优的无约束模拟预编码矩阵

其中N_RF为射频链的数量。即

代表

的第N_RF列向量；然后取

的角度信息作为模拟预编码器矩阵F_RF，即

其中

代表F_RF中第N_t行第N_RF列的元素。

根据求得的模拟预编码器矩阵F_RF和信道矩阵H构建中间信道H_int，即H_int＝HF_RF，对中间信道进行奇异值分解，即

其中U_int为N_t×N_t的酉矩阵，Σ_int为N_t×N_RF的对角矩阵，

为N_RF×N_RF的酉矩阵；取U_int的前N_RF列作为最优的模拟组合器矩阵

即

代表

的第N_RF列向量；提取

中的角度信息作为满足约束条件的模拟组合器矩阵，矩阵W_RF如下所示：

其中

代表F_RF中第N_r行第N_RF列的元素。

根据求得的模拟预编码器矩阵F_RF、模拟组合器矩阵W_RF和信道矩阵H构建等效信道矩阵H_eq，等效信道矩阵H_eq的构建方式为H_eq＝F_RFHW_RF；对等效信道矩阵H_eq进行奇异值分解，即

其中U_e是维度为N_s×N_s的酉矩阵，V_e ^*是维度N_s×N_s的酉矩阵，Σ_F是维度为N_s×N_s的对角矩阵。取U_e的前N_s列作为数字组合器W_BB，取

的前N_s列作为数字预编码器F_BB，即

其中

为W_BB矩阵的第N_s个列向量，

为F_BB矩阵的第N_s个列向量。

发送端生成N_s条数据流，经过基带数字预编码器和模拟组合器从发送端发送，然后经过随机生成的信道传输，再接收端经过模拟组合器和数字组合器合并生成发送的数据，发送端接受的信号表示为

其中ρ代表平均发送功率，n代表信号在传输过程中添加的噪声，

为W_BB、W_RF的共轭转置矩阵。频谱效率表示为

为维度N_s的单位矩阵,

为均值是0方差为

的高斯白噪声，

H^*表示F_BB、F_RF、H的共轭转置矩阵。图3为在SNR＝0dB，天线规模分别为256×64，64×16的情况下，本发明与其它技术的频谱效率对比图，从图3中可以看出在不同数据流的情况下，我们的发明都要比其它技术的性能要高。图4为在SNR＝-20dB，天线规模分别为256×64，64×16的情况下，本发明与其它算法的频谱效率对比图，从图4可以看出在256×64的情况下，本发明要比现有算法性能要好，在64×16数据流小于4的情况下，本发明要好于现有技术。图5为在天线规模为256×64，数据流分别为2和6的情况下本发明与其它算法的频谱效率对比图，从图5可以看出在数据流为2时，在SNR较高时本发明的性能较其它算法性能要好。图6为在天线规模为64×16，数据流分别为2和6的情况下本发明与其它算法的频谱效率对比图，从图6可以看出，在大多情况本发明都要优与其它技术。其中通过大量实验结果(图3-图6)可知，本发明提出的算法明显优与现有算法，尤其当天线规模较大时，本发明的优势更加明显，更加接近最优的全数字预编码算法，而且本发明无需迭代，复杂度更低，因此在实际系统中更加实用并且性能更好。

Claims (3)

1.一种基于中间信道的单用户低复杂度混合预编码方法，其特征在于，包括以下步骤：

步骤一：对信道矩阵H进行奇异值分解，获得全数字预编码矩阵F_opt；

步骤一的具体步骤为：

1-1)对信道矩阵H进行奇异值分解，即：H＝UΣV^*，其中U是维度为N_r×N_r的酉矩阵，N_r为用户天线数目，V^*是维度N_t×N_t的酉矩阵，N_t为基站天线数目，Σ是维度为N_t×N_r的对角矩阵；

1-2)取V^*的前N_s列构成全数字预编码矩阵F_opt，N_s为数据流数目；

步骤二：对F_opt进行奇异值分解，获得最优的模拟预编码矩阵

然后从

中提取出角度信息组成符合约束条件的模拟预编码器矩阵F_RF；

步骤二的具体步骤为：

2-1)对全数字预编码矩阵F_opt进行奇异值分解，即：F_opt＝U_FΣ_FV_F ^*，其中U_F是维度为N_t×N_t的酉矩阵，V_F ^*是维度N_s×N_s的酉矩阵，Σ_F是维度为N_t×N_s的对角矩阵；

2-2)取U_F的前N_RF列构成最优的无约束模拟预编码矩阵

即

其中N_RF为射频链的数量，

代表

的第N_RF列向量；

2-3)取

的角度信息作为模拟预编码器矩阵F_RF，即

其中

代表F_RF中第N_t行第N_RF列的元素；

步骤三：根据得到的模拟预编码器矩阵F_RF和信道矩阵H构建中间信道矩阵

步骤四：对中间信道矩阵

进行奇异值分解获得最优的模拟组合器矩阵

然后从最优的模拟组合器矩阵

中提取出角度信息组成模拟组合器矩阵W_RF；

步骤四具体步骤为：

4-1)对中间信道矩阵H_int进行奇异值分解，

其中U_int为N_t×N_t的酉矩阵，Σ_int为N_t×N_RF的对角矩阵，

为N_RF×N_RF的酉矩阵；

4-2)取U_int的前N_RF列作为最优的模拟组合器矩阵

即

代表

的第N_RF列向量；

4-3)提取

中的角度信息作为满足约束条件的模拟组合器矩阵W_RF，即

其中

代表F_RF中第N_r行第N_RF列的元素；

步骤五：将信道矩阵H、模拟预编码器矩阵F_RF以及模拟组合器矩阵W_RF组合成等效信道矩阵H_eq，然后对等效信道矩阵H_eq进行奇异值分解获得数字预编码器和数字组合器。

2.根据权利要求1所述的基于中间信道的单用户低复杂度混合预编码方法，其特征在于，所述步骤三中，根据模拟预编码器矩阵F_RF和信道矩阵H构建中间信道矩阵H_int，即H_int＝HF_RF。

3.根据权利要求2所述的基于中间信道的单用户低复杂度混合预编码方法，其特征在于，所述步骤五具体步骤为：

5-1)根据求得的模拟预编码器矩阵F_RF、模拟组合器矩阵W_RF和信道矩阵H构建等效信道矩阵H_eq，等效信道矩阵H_eq的构建方式为H_eq＝F_RFHW_RF；

5-2)对等效信道矩阵H_eq进行奇异值分解，即H_eq＝U_eΣ_eV_e ^*，其中U_e是维度为N_s×N_s的酉矩阵，V_e ^*是维度N_s×N_s的酉矩阵，Σ_F是维度为N_s×N_s的对角矩阵；

5-3)取U_e的前N_s列作为数字组合器W_BB，取V_e ^*的前N_s列作为数字预编码器F_BB，即

其中

为W_BB矩阵的第N_s个列向量，

为F_BB矩阵的第N_s个列向量。

Images