CN112383329A - 一种基于zf算法的波束赋型优化方法 - Google Patents

Abstract

本发明提出了一种基于ZF算法的波束赋型优化方法，包括：步骤1、基站侧采用ZF算法对波束赋型输入信号计算获取波束赋型权值；步骤2、基站侧利用波束赋型权值计算功率回退后的波束赋型权值；步骤3、基站侧通过功率回退后的波束赋型权值和频域信号获取最优时域信号。本发明的技术方案不再根据所有天线最大功率进行回退，而是每根天线按照各自对应的功率进行回退，在保证基带不超功率前提下，以较少的正交性的损失，最大限度提高了基站天线的发射功率。

Description

一种基于ZF算法的波束赋型优化方法

技术领域

本发明属于基站下行权值计算方案处理方法技术领域，具体涉及一种基于ZF算法的波束赋型优化方法。

背景技术

传统基于SU(Single User Equipment，单用户设备)MIMO(Multiple InputMultiple Output，多输入多输出)ZF(Zero Foring)波束赋型方法，由于存在矩阵求逆，且流数越大，导致权值天线间功率差异越大，同时基站为了保证每天线基带时域信号不超额定功率，要求每天线权值信号功率不大于1，若是权值最大天线功率超过1，为了保证正交性，会对所有天线按照最大天线超出量进行回退，保证最大天线不超1，这样就导致基站侧很多天线功率未发满，尤其是对于本身信号功率很小的天线功率变的更小，影响赋型效果，进而导致下行流量偏低。

现有中国专利申请号为：201510110099.5公开了一种混合波束赋形传输方法及网络设备。该发明中，网络设备根据信道测量结果为第一终端确定数字域波束赋形权值矩阵，根据所述数字域波束赋形权值矩阵确定一组波束赋形权值矩阵，并采用模拟赋形方式通过所述一组波束赋形权值矩阵进行信道测量，从所述一组波束赋形权值矩阵中选取波束赋形权值矩阵作为所述第一终端的模拟域波束赋形权值矩阵，所述网络设备根据所确定的数字域波束赋形权值矩阵以及所选取的模拟域波束赋形权值矩阵，进行混合波束赋形传输。采用该发明可实现为终端确定数字域波束赋形权值矩阵以及模拟域赋形权值矩阵，以便与该终端进行数模混合波束赋形传输。但是并没有提出一种基于ZF算法的波束赋型优化方法。

又如中国专利申请号为：200810113008.3，公开了一种波束赋型传输的方法,包括以下步骤:基站将承载在DWPTS时隙中需要波束赋型传输的用户的下行业务数据和用户专属参考信号按照预定映射结构映射,并进行波束赋型处理；所述基站将所述赋型处理结果、主同步信号、控制信令、小区专属参考信号以及其他用户数据进行资源映射,形成所述DWPTS时隙数据；所述基站向终端发送所述DWPTS时隙数据。该发明还公开了一种波束赋型传输的系统和相应装置。该发明既能实现在特殊时隙DWPTS中进行波束赋型传输,提高系统性能,又无需引入的用户专属参考信号映射结构,实现简单。但是同样并没有提出一种基于ZF算法的波束赋型优化方法。

发明内容

针对现有技术中的存在传统基于SU MIMO ZF波束赋型方案，功率回退量偏大的缺陷空白，本发明提出一种基于ZF算法的波束赋型优化方法。

本发明解决问题的技术方案是：

本发明提出了一种基于ZF算法的波束赋型优化方法，包括：

步骤1、基站侧采用ZF算法对波束赋型输入信号计算获取波束赋型权值；

步骤2、基站侧利用波束赋型权值计算功率回退后的波束赋型权值；

步骤3、基站侧通过功率回退后的波束赋型权值和频域信号获取最优时域信号。

进一步的，步骤1所述基站侧采用ZF算法对波束赋型输入信号计算获取波束赋型权值包括：

步骤101、基站侧获取SRS信道估计矩阵作为基站波束赋型输入信号；

其中，信道估计矩阵维度为RB_num*L*Ant_num，RB_num为调度RB个数，L为调度流数，Ant_num为基站天线个数；

步骤102、基站侧采用ZF算法按照第一模型计算波束赋型权值，第一模型如下；

W_zf＝H^H(HH^H)^-1……(1)，

式(1)中，W_zf为波束赋型权值，H为SRS信道估计矩阵。

进一步的，步骤2所述基站侧利用波束赋型权值计算功率回退后的波束赋型权值包括：

步骤201、基站侧利用波束赋型权值按照第二模型计算基站侧所有天线对应的功率，第二模型如下式(2)；

式(2)中，conj为表示对信号取共轭，PowerW(i_aut)为包含所有天线功率，i_ant＝1,2...Ant_num；

步骤202、基站侧利用所有天线对应的功率按照第三模型计算功率回退后的波束赋型权值，第三模型如下式(3)；

式(3)中，

为功率回退后的波束赋型权值，i_ant表示天线索引，i_ant＝1,2...Ant_num。

进一步的，步骤3所述基站侧通过功率回退后的波束赋型权值和频域信号获取最优时域信号包括：

步骤301、基站侧通过功率回退后的波束赋型权值得到频域信号，按照第四模型获取，第四模型如下式(4)：

式(4)中，

表示未乘权值的第i_ant天线频域信号，F(i_ant)表示乘权值后的第i_ant天线频域信号，i_ant表示天线索引；

步骤302、基站侧通过功率回退值和频域信号按照第五模型获取最优时域信号，第五模型如下：

式(5)中，

表示时域信号，

表示频域信号，N表示FFT点数，i_ant表示天线索引。

相对于现有技术，本发明的有益效果是：

1、本发明所述基于ZF算法的波束赋型优化方法，在保证权值正交性同时，能够有效解决传统功率回退方案回退量大、某些天线功率偏小的问题，显著提升了下行SU MIMO流量；

2、本发明所述基于ZF算法的波束赋型优化方法具有广泛的实用性，能够广泛应用于 LTE(Long Term Evolution，长期演进)和NR(New Radio)基站侧波束赋型中，取得了显著的使用效果。

附图说明

图1是传统ZF功率回退量统计示意图；

图2是本发明的基站侧基带信号处理流程示意图；

图3是本方法恒模和传统方法非恒模CDL-A信道的性能对比图；

图4是本方法恒模和传统方法非恒模CDL-E信道的性能对比图。

具体实施方式

下面结合说明书附图对本发明内容作进一步详细说明。

假设基站侧SU MIMO(单用户设备多输入多输出)，下行调度双流，无论终端是支持两天线轮发还是单发，若是单发基站侧造流，都能够获得双流的SRS(Sounding ReferenceSignal) 信道估计H矩阵，基站系统设计时，限定基带时域信号每根天线的最大功率为1，由IFFT原理可知，时域信号功率由频域信号决定，IFFT的输入是频域信号和权值信号相乘的结果，由于能够认为频域信号的功率是1，若要求时域信号不超过约定的最大功率，前提必须保证权值每根天线最大功率不能超过1。

传统功率回退方案包含3个步骤：

1.1计算Ant_num根天线对应的功率：

其中，conj表示对信号取共轭，i_ant＝1,2...Ant_num；

1.2求Ant_num根天线对应的最大功率：

PowerWmax＝max(PowerW)，

其中，max表示的对所有数据求最大值，PowerW包含所有天线的功率；

1.3权值向量W_zf求按照最大功率进行功率回退：

上述传统功率回退方案，为了保证赋型效果，优先保证天线间的正交性，每根天线按照最大天线超出量进行功率回退，即所有天线除以同一个实数常量，幅度和相位正交性得到保证。

本发明所述优化方法，UE(User Equipment)在衡量流间干扰和功率上，由于终端两流联合检测，尤其是低信噪比，对正交性要求不高且UE抗流间干扰较好，性能增益更倾向于功率增益，修改传统的功率回退方案，不再根据所有天线最大功率进行回退，而是每根天线按照各自对应的功率进行回退，在保证基带不超功率前提下，以较少的正交性的损失，最大限度提高了基站天线的发射功率。

按照图2所示，本发明所述基于ZF算法的波束赋型优化方法，包括如下步骤：

步骤1、基站侧采用ZF算法对波束赋型输入信号计算获取波束赋型权值；

步骤101、基站侧获取SRS信道估计矩阵作为基站波束赋型输入信号；

其中，信道估计矩阵维度为RB_num*L*Ant_num，RB_num为调度RB个数，L为调度流数，Ant_num为基站天线个数；

步骤102、基站侧采用ZF算法按照第一模型计算波束赋型权值，第一模型如下；

W_zf＝H^H(HH^H)^-1……(1)，

式(1)中，W_zf为波束赋型权值，H为SRS信道估计矩阵。

步骤2、基站侧利用波束赋型权值计算功率回退后的波束赋型权值；

步骤201、基站侧利用波束赋型权值按照第二模型计算基站侧所有天线对应的功率，第二模型如下式(2)；

式(2)中，conj为表示对信号取共轭，PowerW(i_aut)为包含所有天线功率，i_ant＝1,2...Ant_num；

步骤202、基站侧利用所有天线对应的功率按照第三模型计算功率回退后的波束赋型权值，第三模型如下式(3)；

式(3)中，

为功率回退后的波束赋型权值，i_ant表示天线索引，i_ant＝1,2...Ant_num。

步骤3、基站侧通过功率回退后的波束赋型权值和频域信号获取最优时域信号。

步骤301、基站侧通过功率回退后的波束赋型权值得到频域信号，按照第四模型获取，第四模型如下式(4)：

式(4)中，

表示未乘权值的第i_ant天线频域信号，F(i_ant)表示乘权值后的第i_ant天线频域信号，i_ant表示天线索引；

步骤302、基站侧通过功率回退值和频域信号按照第五模型获取最优时域信号，第五模型如下：

式(5)中，

表示时域信号，

表示频域信号，N表示FFT点数，i_ant表示天线索引。

按照图1、3、4所示，为了举例验证本方法的优越性，搭建LTE仿真平台，信道采用CDL_A(多径信道)、CDL_E(直射径信道)，下行调度TM8模式，双流，即调度流数为2，PDSCH调度为 8RB，基站侧为64根天线，UE为2天线，AMC(Adaptive modulation and coding)，仿真SU MIMO传统ZF赋型功率回退和本方法的性能对比。

1)传统方法和本优化方法功率回退量统计

回退量约大说明基站侧功率损失越大，基站发出的信号功率越小，统计传统赋型方案功率回退量发现，功率回退量平均在3dB左右。

2)传统方法和本优化方法性能对比

性能仿真结果看，无论是LOS还是NLOS信道，在相同条件下，本优化方法都有较大增益，尤其是低信噪比下，正交性不占优的情况下，增益更显著。

本发明并不限于上述实施方式，在不背离本发明实质内容的情况下，本领域技术人员可以想到的任何变形、改进、替换均落入发明的保护范围。

Claims (4)

1.一种基于ZF算法的波束赋型优化方法，其特征在于，包括：

步骤1、基站侧采用ZF算法对波束赋型输入信号计算获取波束赋型权值；

步骤2、基站侧利用波束赋型权值计算功率回退后的波束赋型权值；

步骤3、基站侧通过功率回退后的波束赋型权值和频域信号获取最优时域信号。

2.根据权利要求1所述的基于ZF算法的波束赋型优化方法，其特征在于，步骤1所述基站侧采用ZF算法对波束赋型输入信号计算获取波束赋型权值包括：

步骤101、基站侧获取SRS信道估计矩阵作为基站波束赋型输入信号；

其中，信道估计矩阵维度为RB_num*L*Ant_num，RB_num为调度RB个数，L为调度流数，Ant_num为基站天线个数；

步骤102、基站侧采用ZF算法按照第一模型计算波束赋型权值，第一模型如下；

W_zf＝H^H(HH^H)^-1……(1)，

式(1)中，W_zf为波束赋型权值，H为SRS信道估计矩阵。

3.根据权利要求2所述的基于ZF算法的波束赋型优化方法，其特征在于，步骤2所述基站侧利用波束赋型权值计算功率回退后的波束赋型权值包括：

步骤201、基站侧利用波束赋型权值按照第二模型计算基站侧所有天线对应的功率，第二模型如下式(2)；

式(2)中，conj为表示对信号取共轭，PowerW(i_aut)为包含所有天线功率，i_ant＝1,2...Ant_num；

步骤202、基站侧利用所有天线对应的功率按照第三模型计算功率回退后的波束赋型权值，第三模型如下式(3)；

式(3)中，

为功率回退后的波束赋型权值，i_ant表示天线索引，i_ant＝1,2...Ant_num。

4.根据权利要求3所述的基于ZF算法的波束赋型优化方法，其特征在于，步骤3所述基站侧通过功率回退后的波束赋型权值和频域信号获取最优时域信号包括：

步骤301、基站侧通过功率回退后的波束赋型权值得到频域信号，按照第四模型获取，第四模型如下式(4)：

式(4)中，

表示未乘权值的第i_ant天线频域信号，F(i_ant)表示乘权值后的第i_ant天线频域信号，i_ant表示天线索引；

步骤302、基站侧通过功率回退值和频域信号按照第五模型获取最优时域信号，第五模型如下：

式(5)中，

表示时域信号，

表示频域信号，N表示FFT点数，i_ant表示天线索引。

Images