CN113676225B - 一种大规模mimo预编码传输方法与装置 - Google Patents

Abstract

本发明公开了一种基于长时统计信息的针对高速终端的鲁棒预编码传输方法与装置。该方法包括：建立至少两个终端设备的后验长时统计信道信息，所述后验统计信道信息用于对抗所述至少两个终端设备因移动性造成的信道不确定性；根据所述后验统计信道信息生成预编码矩阵；根据所述预编码矩阵进行下行数据传输。本申请提供的这种大规模MIMO鲁棒预编码传输方法能够解决在大规模/超大规模MIMO场景下，在获取到终端设备的后验统计信道信息后的鲁棒性预编码问题，相较于传统信漏噪比预编码传输具有显著的频谱效率提升。

Description

一种大规模MIMO预编码传输方法与装置

技术领域

本发明涉及通信领域，具体涉及一种大规模MIMO预编码传输方法与装置。

背景技术

大规模多输入多输出(massive multiple-input multiple-output，M-MIMO)技术因其适应了移动数据流量的爆炸式增长，近些年在学术界和工业界都备受关注，成为第五代移动通信技术(5th generation mobile networks，5G)主要的物理层技术。作为多用户多输入多输出(multiple-input multiple-output，MIMO)技术的演进，大规模MIMO不仅能够在相同的时频资源上同时服务多个用户，还能够达到更高的频谱效率和能量效率。太赫兹(tera hertz，THz)频段通信将会在未来的无线通信中扮演重要角色。而超大规模多输入多输出(ultra-massive multiple-input multiple-output，UM-MIMO)技术是克服其路径损耗的主要手段。

与多用户MIMO相同，典型的M-MIMO/UM-MIMO系统中存在多用户干扰，因而其性能很大程度上取决于对各个用户的预编码设计，比如正则化迫零(regularized zeroforcing，RZF)预编码传输方法、信漏噪比(signal to leakage and noise ratio，SLNR)预编码传输方法等。在保持简单实现的同时，能有效地减少用户间的干扰，因此，在实际中被广泛使用。线性预编码的性能需要由基站处准确的瞬时信道状态信息(channel stateinformation，CSI)来保证，然而由于信道估计误差、信道老化以及用户的高移动性使得准确的瞬时信道信息获取变得异常困难。同时，随着基站处天线规模的不断扩大，获取瞬时信道信息的开销也在不断增大。

在传统的信漏噪比预编码传输方法中，对于每个用户，基站通过最大化有用信号功率与泄露给其他用户的信号功率加噪声的比值来达到用户间的干扰避让。这种方式虽然在一定程度上减轻了用户间的干扰，但是会降低有用信号的功率，导致传输速率下降。另一方面，传统的信漏噪比预编码方案，对用户间的功率分配没有特定要求，通常进行等功率分配，然后将所有用户解耦分别进行预编码设计。在当用户间信道条件差异较大时，这种等功率分配往往会带来较大的性能损失。

现有技术利用用户随机的信道模型，估计统计信道模型的参数。利用该信道模型计算鲁棒预编码，已达成容量最大化、或者SLNR最大化的最优指标，相对于传统的鲁棒预编码方案，该技术方案利用更准确的信道模型，模型更加准确，估计也更加及时。因此，该方案的鲁棒性预编码相对于之前其他预编码技术能够更加精准地抑制用户间的干扰，从而获得更大的增益。但是该方法计算量太大，鲁棒预编码算法的复杂度较高。

发明内容

本申请实施例提供了一种大规模MIMO鲁棒预编码传输方法与装置。该方法包括：建立至少两个终端设备的后验统计信道信息，所述后验统计信道信息用于对抗所述至少两个终端设备因移动性造成的信道不确定性；根据所述后验统计信道信息生成预编码矩阵；根据所述预编码矩阵进行下行数据传输。

与现有技术相比，本申请提供的这种大规模MIMO鲁棒预编码传输方法能够解决在大规模/超大规模MIMO场景下，在获取到终端设备的后验统计信道信息后的鲁棒性预编码问题，相较于传统信漏噪比预编码传输具有显著的频谱效率提升。在鲁棒加权信漏噪比预编码矩阵设计的迭代算法中，通过内迭代来求解所涉及的广义特征值问题，使得计算复杂度从基站天线数量的三次幂降为二次幂，可以显著降低算法的复杂度。此外，利用鲁棒加权信漏噪比预编码的两层迭代结构，在实际设计中，通过设定不同的内外层迭代次数组合达到更细致的性能分类，可以根据不同的复杂度和性能要求进行更加细致的设计。可以满足不同的定制化需求。

可选的，结合第一方面，在第一方面的第一种可能的实现方式中，所述建立至少两个终端设备的后验统计信道信息之后，所述方法还包括：生成所述至少两个终端设备初始编码矩阵作为预编码矩阵；所述根据所述后验统计信道信息生成预编码矩阵具体包括：根据所述后验统计信道信息获取特征向量矩阵和功率分配矩阵；根据所述特征向量矩阵和所述功率分配矩阵更新所述预编码矩阵；所述根据所述预编码矩阵进行下行数据传输包括：当达到预设迭代次数或预编码收敛时，利用所述更新后的预编码矩阵进行下行数据传输。

可选的，结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述根据所述后验统计信道信息获取特征向量矩阵和功率分配矩阵包括：根据所述至少两个终端设备的后验统计信道信息，获取所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵，以及所述至少两个终端设备中其他终端设备的加权信道协方差矩阵的加权和矩阵；根据所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，获取加权噪声协方差矩阵；获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大一般特征值和对应的特殊正交化的所述特征向量矩阵；根据预设速率加权因子、所述一般特征值和所述对应的特殊正交化的特征向量，以及预设总功率约束获取所述至少两个终端设备的所述功率分配矩阵。

可选的，结合第一方面至第一方面的第二种可能的实现方式中的任意一种可能的实现方式，在第一方面的第三种可能的实现方式中，所述后验统计信道信息为基于精细化波束域的后验统计信息，所述基于精细化波束域的后验统计信息用于降低计算复杂度。

可选的，结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大一般特征值和对应的特殊正交化的特征向量包括：通过迭代优化广义瑞利商，获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大前N个一般特征值和对应的特殊正交化的特征向量，N与所述至少两个终端设备传输的数据流数量相等。

本申请第二方面提供了一种大规模多输入多输出MIMO鲁棒预编码传输装置，其特征在于，所述装置包括：第一处理模块，用于建立至少两个终端设备的后验统计信道信息，所述后验统计信道信息用于对抗所述至少两个终端设备因移动性造成的信道不确定性；第二处理模块，用于根据所述后验统计信道信息生成预编码矩阵；第三处理模块，用于根据所述预编码矩阵进行下行数据传输。

本申请提供的这种大规模MIMO鲁棒预编码传输装置能够解决在大规模/超大规模MIMO场景下，在获取到终端设备的后验统计信道信息后的鲁棒性预编码问题，相较于传统信漏噪比预编码传输具有显著的频谱效率提升。在鲁棒加权信漏噪比预编码矩阵设计的迭代算法中，通过内迭代来求解所涉及的广义特征值问题，使得计算复杂度从基站天线数量的三次幂降为二次幂，可以显著降低算法的复杂度。此外，利用鲁棒加权信漏噪比预编码的两层迭代结构，在实际设计中，通过设定不同的内外层迭代次数组合达到更细致的性能分类，可以根据不同的复杂度和性能要求进行更加细致的设计。可以满足不同的定制化需求。

可选的，结合第二方面，在第二方面的第一种可能的实现方式中，所述装置还包括：第四处理模块，用于生成所述至少两个终端设备初始编码矩阵作为预编码矩阵；所述第二处理模块，具体用于根据所述后验统计信道信息获取特征向量矩阵和功率分配矩阵；所述第二处理模块，具体用于根据所述特征向量矩阵和所述功率分配矩阵更新所述预编码矩阵；所述第三处理模块，具体用于当达到预设迭代次数或预编码收敛时，利用所述更新后的预编码矩阵进行下行数据传输。

可选的，结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述第二处理模块包括：第一处理子模块，用于根据所述至少两个终端设备的后验统计信道信息，获取所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵，以及所述至少两个终端设备中其他终端设备的加权信道协方差矩阵的加权和矩阵；第二处理子模块，用于根据所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，获取加权噪声协方差矩阵；第三处理子模块，用于获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大一般特征值和对应的特殊正交化的所述特征向量矩阵；第四处理子模块，用于根据预设速率加权因子、所述一般特征值和所述对应的特殊正交化的特征向量，以及预设总功率约束获取所述至少两个终端设备的所述功率分配矩阵。

可选的，结合第二方面至第二方面的第二种可能的实现方式中任意一种可能的实现方式，在第二方面的第三种可能的实现方式中，所述第一处理模块，具体用于建立所述至少两个终端设备的基于精细化波束域的后验统计信道信息，所述基于精细化波束域的后验统计信息用于降低计算复杂度。

可选的，结合第二方面的第三种可能的实现方式，在第二方面的第四种可能的实现方式中，所述第三处理子模块，具体用于通过迭代优化广义瑞利商，获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大前N个一般特征值和对应的特殊正交化的特征向量，N与所述至少两个终端设备传输的数据流数量相等。

本申请提供了一种大规模MIMO鲁棒预编码传输方法与装置。该方法包括：建立至少两个终端设备的后验统计信道信息，所述后验统计信道信息用于对抗所述至少两个终端设备因移动性造成的信道不确定性；根据所述后验统计信道信息生成预编码矩阵；根据所述预编码矩阵进行下行数据传输。与现有技术相比，本申请提供的这种大规模MIMO鲁棒预编码传输方法能够解决在大规模/超大规模MIMO场景下，在获取到终端设备的后验统计信道信息后的鲁棒性预编码问题，相较于传统信漏噪比预编码传输具有显著的频谱效率提升。在鲁棒加权信漏噪比预编码矩阵设计的迭代算法中，通过内迭代来求解所涉及的广义特征值问题，使得计算复杂度从基站天线数量的三次幂降为二次幂，可以显著降低算法的复杂度。此外，利用鲁棒加权信漏噪比预编码的两层迭代结构，在实际设计中，通过设定不同的内外层迭代次数组合达到更细致的性能分类，可以根据不同的复杂度和性能要求进行更加细致的设计。可以满足不同的定制化需求。

附图说明

图1为本申请提供的一种大规模MIMO预编码传输方法流程图；

图2为本申请提供的一种大规模MIMO预编码传输方法进行预编码传输与现有技术中遍历和速率结果比较示意图；

图3为本申请提供的一种大规模MIMO预编码传输方法进行预编码传输不同内外层迭代组合方案的遍历和速率结果比较示意图；

图4为本申请提供的一种大规模MIMO预编码传输装置的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请中出现的术语“和/或”，可以是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本申请中字符“/”，一般表示前后关联对象是一种“或”的关系。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

本发明方法主要适用于基站侧配备大规模天线阵列以同时服务多个用户的大规模/超大规模MIMO系统。下面结合具体的通信系统实例对本发明涉及大规模/超大规模MIMO低复杂度鲁棒预编码设计方法的具体实现过程作详细说明，需要说明的是本发明方法不仅适用于下面示例所举的具体系统模型，也同样适用于其它配置的系统模型。

一、系统配置。

考虑一个工作在时分双工(time division duplexing，TDD)模式下的配备一块均匀面阵(uniform planar array,UPA)的大规模MIMO系统。该均匀面阵共有M_t＝M_z×M_x根天线，其中竖直方向M_z根，水平方向M_x根。每个用户配备一个具有M_k根天线的均匀线阵(uniform linear array,ULA)。假设信道为平坦块衰落，将系统时间资源分为若干时隙，每一时隙包括N_b个时间块，信道在一个时间块上保持不变。简便起见，假设只存在上行信道训练和下行传输阶段，下行传输包括预编码域导频和数据信号发送。在每一时隙中，只在第一时间块传输上行导频信号。第2至N_b时间块则用于下行预编码域导频和数据信号传输。每个时隙获得信道信息用于本时隙的传输。对于频分双工(frequency division duplexing,FDD)模式，可以将上行信道训练阶段替换为下行信道反馈阶段，下行传输阶段则保持不变。具体来说，在第一块传输下行全向导频信号，并接收移动终端反馈。

二、精细化波束域后验统计信道模型。

用户k在第m个时隙第n个时间块上的精细化波束域先验统计信道模型可以写为：

其中

是用户侧的精细化接收采样导向矢量矩阵，

是基站侧的精细化发射采样导向矢量矩阵。

由竖直方向的精细化导向矢量矩阵

和水平方向的精细化导向矢量矩阵

的Kronecker(克罗内克积)积得到。G_k,m,n＝(M_k⊙W_k,m,n)为元素独立的精细化波束域信道矩阵，其每一行对应用户侧精细化波束域，每一列对应基站侧二维空间精细化波束域，M_k为精细化波束域信道幅度矩阵，W_k,m,n为独立同分布复高斯随机变量组成的随机矩阵，其元素为零均值单位方差。

定义精细化因子为：

当精细化因子大于1，表示采样方向余弦数多于天线数，与基于DFT矩阵的传统波束域先验统计信道模型相比，该精细化波束域统计模型有着更多的统计特征方向，因此能更准确地表征实际物理信道模型。定义大规模MIMO系统信道精细化波束域能量矩阵Ω_k为：Ω_k＝M_k⊙M_k。

为描述大规模MIMO时间相关特性，采用一阶高斯马尔可夫模型来描述时间相关模型。在该模型下，第m时隙第n时间块上的精细化波束域信道可以表示为：

其中γ_k,m(n-1)为信道G_k,m,n和G_k,m,1的相关因子，该函数和用户移动速度有关的时间相关因子。相关因子γ_k,m的获得方法有多种，这里假设相关因子已知。实际中，可以采用信道样本的经验相关因子，也可以采用文献中常用的基于Jakes自相关模型的相关因子γ_k,m的计算方法，即γ_k,m(n)＝J₀(2πv_kf_cnTτ/c)，其中J₀(·)表示第一类零阶贝塞尔(Bessel)函数，τ表示一个时间间隔对应的时间，v_k表示第k用户速度，f_c表示载波频率，c为光速。本实施例中，为考虑系统实现复杂度，在整个时隙m上进行预编码。简便起见，不考虑信道估计误差，假设可以获得精细化波束域信道矩阵G_k,m,1的准确信道信息，得到时隙m上精细化波束信道的后验统计信息为：

其中δ_k,m和整个时隙m上的γ_k,m有关，一个可行的做法是取时隙上所有相关因子γ_k,m的均方根为：

进一步，令

则可以得到时隙m上的精细化后验统计模型为：

考虑单个时隙预编码问题时，省略时隙序号m，信道(5)又可以进一步简化为：

对于预编码问题，我们假设在基站侧已经获得δ_k、

和Ω_k。

三、鲁棒预编码设计。

1、问题陈述：

考虑单个时隙上的传输，将时隙序号m省略。令x_k表示上第k个用户终端(UE)的M_k×1维发送向量，其协方差矩阵为单位阵。第k个UE的接收信号y_k可以表示为：

其中P_k是第k个UE的M_t×d_k维预编码矩阵，z_k是一分布为

的复高斯随机噪声向量,

为噪声向量每一元素方差，

为M_k×M_k单位矩阵。

因为预编码矩阵P_k的设计基于精细化波束域后验统计模型，能够适应各种典型大规模MIMO移动场景，即具有鲁棒性，所以将之称为精细化波束域下行鲁棒预编码。所发送的鲁棒预编码域导频信号在同一时频资源上，并且各用户导频不要求正交，即可以进行导频复用。具体而言，基站向各用户发送的预编码域导频信号为ZC序列或ZC序列组经过调制生成的频域信号。移动终端在接收到导频信号之后，进行鲁棒预编码域等效信道的信道估计，鲁棒预编码域等效信道为H_kP_k。简单起见，假设UE端从可获得具有各自鲁棒预编码域等效信道矩阵的完美CSI。各用户在接收到数据信号后，利用接收到的数据信号可进行鲁棒预编码域信号检测。将每一UE的总干扰噪声：

视作高斯噪声。令R_k表示z'_k的协方差矩阵，有：

其中期望函数

表示基于用户侧长时统计信息对H_k的期望函数。根据信道互易性，用户侧的长时统计信道信息和式(6)中给出的基站端长时统计信道信息一致。

因此，期望函数

可以根据式(6)进行计算。假设第k个UE已知R_k，此时第k个用户遍历速率可以表示为：

其中

同样表示根据式(6)中后验模型得出的对于H_k的条件期望函数。因为logdet(·)是凹函数，由Jensen不等式，可以得到用户k的速率的一个上界为：

定义函数

表示各个用户和速率上界的加权和，即为根据所建立的精细化波束域后验统计信道模型计算出的各个用户和速率上界的加权和。本实施例的目的是设计预编码矩阵P₁,P₂,…,P_K使其最大化各个用户和速率上界的加权和，即求解优化问题：

其中w_k是第k用户的加权因子，P为总功率约束。

2.本申请提供了一种鲁棒加权信漏噪比预编码设计方法，请参见图1，该方法包括：

101、建立至少两个终端设备后验统计信道信息。

建立至少两个终端设备后验统计信道信息，该后验统计信道信息用于对抗该至少两个终端设备因移动性造成的信道不确定性。具体的，该后验统计信道信息为基于精细化波束域的后验统计信息，该基于精细化波束域的后验统计信息用于降低计算复杂度。

显然，用户的预编码矩阵

向量空间

可以看作是线性流形。将所有用户的预编码看作一个整体，定义P＝(P₁,P₂,…,P_K)，则有：

其中

为K个

的积流形，每个

是

的一个因子流形。可以证明满足总功率约束的预编码集合

是

的一个嵌入子流形。用

表示在嵌入空间

上的目标函数，则用f(P)表示限制在嵌入子流形

上的目标函数。则问题(12)转化为无约束问题：

对于

上任意一点P的两个切向量

和

定义

上的黎曼度量为：

则可以推导出

上的黎曼梯度为：

其中在第k个因子流形上的分量为：

进一步，可以推导出f(P)的黎曼梯度为：

其中：

利用f(P)的一阶必要条件，可以得到问题(14)最优预编码满足一般特征向量结构：

A_kP_k＝(B_k+μI)P_kΛ_k k＝1,2,…,K (22)

其中

是矩阵对(A_k,B_k+μI)对应一般特征值组成的对角阵，不失一般性，设

102、生成所述至少两个终端设备初始编码矩阵作为当前预编码矩阵。

矩阵A_k可以看作是用户k自身的加权信道协方差矩阵，矩阵

是用户k的加权信号协方差矩阵；矩阵B_k可以看作用户k的其他用户的加权信道协方差矩阵的加权和矩阵，μI是加权噪声协方差矩阵，矩阵

可以看作是用户k的加权漏信号加噪声协方差矩阵。由式(16)、(17)和(21)知利用一般特征向量结构(22)来设计最优预编码矩阵P＝(P₁,P₂,…,P_K)，各用户耦合在一起，需迭代计算。利用一般特征向量结构(22)，设预编码矩阵为：

P_k＝Q_kS_kk＝1,2,…K (23)

其中

是满足正交条件

的一般特征向量矩阵，

为功率分配对角矩阵。将(23)代入(15)并再次利用一阶必要条件，可以推得S_k应满足：

令ν_k,i表示

的第i个对角元素，考虑到总功率约束

式(24)计算的S_k还应满足：

下面将给出具体预编码的设计步骤。

步骤a):随机生成或使用RZF预编码作为初始化预编码矩阵：

令外迭代次数序号为d＝0，并给定最大外迭代次数为M_o。

103、获取所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵，以及所述至少两个终端设备中其他终端设备的加权信道协方差矩阵的加权和矩阵。

步骤b):当d＜M_o,计算各用户自身的加权信道协方差矩阵A_k，其他用户的加权信道协方差矩阵的加权和矩阵B_k，即计算R_k和Φ_l(C_l)。首先，计算各用户波束域预编码矩阵：

接着计算各用户波束域预编码矩阵的能量耦合矩阵及其和矩阵：

其中⊙表示矩阵的Hadamard(哈达玛积，hadamard)积。

则各用户噪声加干扰协方差矩阵R_k的计算为：

k＝1,2,…K

其中

是全为1的列向量。进一步，计算A_lP_l,l＝1,2,…,K为：

则可计算得到

l＝1,2,…,K，进一步，有：

当d＝M_o，更新结束，得到外迭代次数为M_o，内迭代次数为M_i的各用户预编码矩阵

k＝1,2,…,K。

104、获取加权噪声协方差矩阵。

步骤c):利用各用户自身的加权信道协方差矩阵、其他用户的加权信道协方差矩阵的加权和矩阵计算加权噪声协方差矩阵，即利用A_k、B_k计算μI。首先计算B_k P_k，k＝1,2,…，K为：

注意到

已在步骤b)计算过，则有：

若μ^(d)＜0，以一较小正数ε代替，如ε＝10^-5。

105、获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大一般特征值和对应的特殊正交化的特征向量矩阵。

步骤d)：令

k＝1,2,…,K，则矩阵对

的最大特征值λ_k,1对应的特征向量q₁为：

可以在内迭代通过共轭梯度法来最小化广义瑞利商ρ(q)，并求得q₁。通过Deflation可以贯序求得最大的前M_k个特征值

及对应的特征向量

下面给出具体过程。

1)令一般特征值序号为i＝1，

给定最大内迭代搜索次数M_i。

2)当i≤M_k，令共轭梯度搜索次数序号j＝0，生成初始一般特征向量

并计算初始最大特征值

初始共轭方向为梯度方向：

其中

和

的计算如式(30)和式(32)。若i＞1，则进行Deflation，有：

当i＞M_k，内迭代步骤d)结束，得到第d次外迭代的最大前M_k个一般特征值对角矩阵

以及对应的正交化后的一般特征向量矩阵

3)当j＜M_i，计算：

若i＞1，则

的计算都需要进行与式(36)相似的Deflation。进一步，计算最佳步长α_j。如果

如果

且

如果

且

则α_j不存在。

当j＝M_i，则

跳至8)。

4)若α_j存在，则更新一般特征向量为：

若α_j不存在，则更新一般特征向量为：

5)计算更新后的最大特征值也即更新后的广义瑞利商

更新后的一般特征向量的梯度：

若i＞1，则

的计算都需要进行与式(36)相似的Deflation。

6)若α_j存在，则更新共轭方向系数为：

若α_j不存在，则更新共轭方向系数为β_j+1＝0。

7)更新共轭方向为：

并令j＝j+1，返回3)。

8)正交化

有：

再单位化，有：

则令q_i＝q_i″，i＝i+1，返回步骤2)。

106、获取所述至少两个终端设备的功率分配矩阵。

步骤e)：分别计算各用户的功率分配矩阵

k＝1,2,…,K，设未归一化的功率分配矩阵为

k＝1,2,…,K，则有：

进一步，做功率归一化：

107、根据所述特征向量矩阵和所述功率分配矩阵更新当前预编码矩阵。

步骤f)：更新各用户的预编码矩阵：

令d＝d+1，返回步骤b)。

108、达到预设迭代次数或预编码收敛。

判断是否达到预设迭代次数或者预编码收敛。若没有达到预设迭代次数或者预编码收敛，则返回步骤103重新执行。当达到预设迭代次数或者预编码收敛时，进入步骤109，利用所得到的预编码矩阵进行下行传输。

109、利用所述更新后的预编码矩阵进行下行数据传输。

在步骤108中，若判断达到预设迭代此处或者预编码收敛时，利用更新后的预编码矩阵进行下行数据传输。

本申请提供了一种大规模MIMO预编码传输方法与装置。该方法与现有技术相比，能够解决在大规模/超大规模MIMO场景下，在获取到终端设比的精细化波束域后验统计信道信息后的鲁棒性预编码问题，相较于传统信漏噪比预编码传输具有显著的频谱效率提升。在鲁邦加权信漏噪比预编码矩阵设计的迭代算法中，通过内迭代来求解所涉及的广义特征值问题，使得计算复杂度从基站天线数量的三次幂降为二次幂，可以显著降低算法的复杂度。此外，利用鲁棒加权信漏噪比预编码的两层迭代结构，在实际设计中，通过设定不同的内外层迭代次数组合达到更细致的性能分类，可以根据不同的复杂度和性能要求进行更加细致的设计。可以满足不同的定制化需求。

为了使本技术领域的人员更好地理解本发明方案，下面给出两种具体系统配置下的本实施例中运用低复杂度鲁棒预编码设计方法进行传输的遍历和速率性能展示。系统配置为M_t＝128，K＝40和M_k＝1的大规模MIMO系统，其中基站天线配置为M_x＝8,M_z＝16。简便起见，所有用户的移动速度设为相同。基站处的精细化因子分别设为F_x＝2，F_z＝2。

图2给出了一种大规模MIMO预编码传输方法进行预编码传输与现有技术中遍历和速率结果比较的示意图。具体的，图2可以表示在所考虑大规模MIMO系统下行链路下，本实施例中低复杂度鲁棒预编码设计方法与RZF和SLNR方法在三种不同移动场景下的遍历和速率结果比较。RZF、SLNR方法中假设均采用准确瞬时信道信息。为区别RZF和SLNR预编码方案，SLNR采取各用户等功率分配而RZF直接采用功率归一化使之满足总功率约束。低复杂度鲁棒预编码设计方法外层迭代设置为30次，内层设置为30次。用户的移动速度分为三组分别设为30、100和250km/h。从图2中，可以看出三种不同移动场景下本实施例中低复杂度鲁棒预编码设计方法的性能都优于RZF和SLNR预编码传输方法。进一步，可以观察到性能增益在低SNR时较小，但是随着SNR增加逐渐变得显著。这表明和RZF和SLNR预编码传输方法相比，本实施例中低复杂度鲁棒预编码设计方法能够更有效的抑制用户间干扰。

图3给出了一种大规模MIMO预编码传输方法进行预编码传输不同内外层迭代组合方案的遍历和速率结果比较示意图。具体的，图3可以表示在所考虑大规模MIMO系统下行链路下，本实施例中低复杂度鲁棒预编码设计方法在用户速度为250km/h情况下，不同内外层迭代的和速率性能比较。o次外迭代，i次内迭代的预编码以(o,i)表示。从图3中可以看出，虽然外迭代次数较高的预编码性能趋势偏好，但是外迭代次数较少的预编码仍旧可以通过增加内迭代次数获得较高的和速率性能。因为外层迭代比内层迭代复杂的多，这为低复杂度鲁棒预编码设计方法在实际中的实现提供了极大的灵活性。我们可以以不同的内外层迭代来得到不同精细化的性能结果。

基于相同的发明构思，本发明实施例还公开了一种大规模MIMO预编码传输装置，该装置包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现上述的大规模MIMO预编码传输方法。

具体的，请参见图4，从功能模块上来说，该装置可以包括：

第一处理模块201，用于建立至少两个终端设备的后验统计信道信息，所述后验统计信道信息用于对抗所述至少两个终端设备因移动性造成的信道不确定性；

该第一处理模块201，具体用于建立所述至少两个终端设备的基于精细化波束域的后验统计信道信息，所述基于精细化波束域的后验统计信息用于降低计算复杂度。

第二处理模块202，用于根据所述后验统计信道信息生成预编码矩阵；

该第二处理模块202，具体用于根据所述后验统计信道信息获取特征向量矩阵和功率分配矩阵；

该第二处理模块202，具体用于根据所述特征向量矩阵和所述功率分配矩阵更新所述预编码矩阵；

更进一步的，该第二处理模块202包括第一处理子模块2021、第二处理子模块2022、第三处理子模块2023和第四处理子模块2024。

该第一处理子模块2021，用于根据所述至少两个终端设备的所述后验统计信道信息，获取所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵，以及所述至少两个终端设备中其他终端设备的加权信道协方差矩阵的加权和矩阵；

第二处理子模块2022，用于根据所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，获取加权噪声协方差矩阵；

第三处理子模块2023，用于获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大一般特征值和对应的特殊正交化的所述特征向量矩阵；

具体的，该第三处理子模块2023，用于通过迭代优化广义瑞利商，获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大前N个一般特征值和对应的特殊正交化的特征向量，N与所述至少两个终端设备传输的数据流数量相等。

第四处理子模块2024，用于根据预设速率加权因子、所述一般特征值和所述对应的特殊正交化的特征向量，以及预设总功率约束获取所述至少两个终端设备的所述功率分配矩阵。

第三处理模块203，用于根据所述预编码矩阵进行下行数据传输。

该第三处理模块203，具体用于当达到预设迭代次数或预编码收敛时，利用所述更新后的预编码矩阵进行下行数据传输。

第四处理模块204，用于生成所述至少两个终端设备初始编码矩阵作为所述预编码矩阵；

该大规模MIMO预编码传输装置用于执行本申请提供的大规模MIMO预编码传输方法，执行步骤与相应的有益效果请参见上述方法实施例进行理解，此处不再赘述。

从硬件方面来看，在具体实现中，该装置包括处理器，通信总线，存储器以及通信接口。处理器可以是一个通用中央处理器(CPU)，微处理器，特定应用集成电路(ASIC)，或一个或多个用于控制本发明方案程序执行的集成电路。通信总线可包括一通路，在上述组件之间传送信息。通信接口，使用任何收发器一类的装置，用于与其他设备或通信网络通信。存储器可以是只读存储器(ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(EEPROM)、只读光盘(CD-ROM)或其他光盘存储、盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器用于存储执行本发明方案的应用程序代码，并由处理器来控制执行。处理器用于执行存储器中存储的应用程序代码，从而实现上述实施例提供的大规模MIMO预编码传输方法。处理器可以包括一个或多个CPU，也可以包括多个处理器，这些处理器中的每一个可以是一个单核处理器，也可以是一个多核处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。

基于相同的发明构思，本发明实施例还公开了一种大规模/超大规模MIMO低复杂度鲁棒预编码传输系统，包括基站和多个用户终端，所述基站设有上述的计算设备。

在本申请所提供的实施例中，应该理解到，所揭露的方法，在没有超过本申请的精神和范围内，可以通过其他的方式实现。当前的实施例只是一种示范性的例子，不应该作为限制，所给出的具体内容不应该限制本申请的目的。例如，一些特征可以忽略，或不执行。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (8)

1.一种大规模多输入多输出MIMO鲁棒预编码传输方法，其特征在于，所述方法包括：

建立至少两个终端设备的后验统计信道信息，所述后验统计信道信息用于对抗所述至少两个终端设备因移动性造成的信道不确定性；

生成所述至少两个终端设备初始编码矩阵作为预编码矩阵；

根据所述后验统计信道信息获取特征向量矩阵和功率分配矩阵；

根据所述特征向量矩阵和所述功率分配矩阵更新所述预编码矩阵；其中，所述预编码矩阵为鲁棒加权信漏噪比预编码矩阵，在所述鲁棒加权信漏噪比预编码矩阵设计的迭代算法中，通过内迭代求解涉及的广义特征值问题，根据不同的复杂度和性能要求确定所述鲁棒加权信漏噪比预编码矩阵为内外两层迭代结构，所述鲁棒加权信漏噪比预编码矩阵具有不同的内外层迭代次数组合；

当达到预设迭代次数或预编码收敛时，利用所述更新后的预编码矩阵进行下行数据传输。

2.根据权利要求1所述的方法，其特征在于，所述根据所述后验统计信道信息获取特征向量矩阵和功率分配矩阵包括：

根据所述至少两个终端设备的所述后验统计信道信息，获取所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵，以及所述至少两个终端设备中其他终端设备的加权信道协方差矩阵的加权和矩阵；

根据所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，获取加权噪声协方差矩阵；

获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大一般特征值和对应的特殊正交化的所述特征向量矩阵；

根据预设速率加权因子、所述一般特征值和所述对应的特殊正交化的特征向量，以及预设总功率约束获取所述至少两个终端设备的所述功率分配矩阵。

3.根据权利要求1至2任意一项所述的方法，其特征在于，所述后验统计信道信息为基于精细化波束域的后验统计信息，所述基于精细化波束域的后验统计信息用于降低计算复杂度。

4.根据权利要求2所述的方法，其特征在于，所述获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大一般特征值和对应的特殊正交化的特征向量包括：

通过迭代优化广义瑞利商，获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大前N个一般特征值和对应的特殊正交化的特征向量，N与所述至少两个终端设备传输的数据流数量相等。

5.一种大规模多输入多输出MIMO鲁棒预编码传输装置，其特征在于，所述装置包括：

第一处理模块，用于建立至少两个终端设备的后验统计信道信息，所述后验统计信道信息用于对抗所述至少两个终端设备因移动性造成的信道不确定性；

第四处理模块，用于生成所述至少两个终端设备初始编码矩阵作为预编码矩阵；第二处理模块，用于根据所述后验统计信道信息获取特征向量矩阵和功率分配矩阵；根据所述特征向量矩阵和所述功率分配矩阵更新所述预编码矩阵；所述预编码矩阵为鲁棒加权信漏噪比预编码矩阵，其中，在所述鲁棒加权信漏噪比预编码矩阵设计的迭代算法中，通过内迭代求解涉及的广义特征值问题，根据不同的复杂度和性能要求确定所述鲁棒加权信漏噪比预编码矩阵为内外两层迭代结构，所述鲁棒加权信漏噪比预编码矩阵具有不同的内外层迭代次数组合；

第三处理模块，用于当达到预设迭代次数或预编码收敛时，利用所述更新后的预编码矩阵进行下行数据传输。

6.根据权利要求5所述的装置，其特征在于，所述第二处理模块包括：

第一处理子模块，用于根据所述至少两个终端设备的所述后验统计信道信息，获取所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵，以及所述至少两个终端设备中其他终端设备的加权信道协方差矩阵的加权和矩阵；

第二处理子模块，用于根据所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，获取加权噪声协方差矩阵；

第三处理子模块，用于获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大一般特征值和对应的特殊正交化的所述特征向量矩阵；

第四处理子模块，用于根据预设速率加权因子、所述一般特征值和所述对应的特殊正交化的特征向量，以及预设总功率约束获取所述至少两个终端设备的所述功率分配矩阵。

7.根据权利要求5至6任意一项所述的装置，其特征在于，

所述第一处理模块，具体用于建立所述至少两个终端设备的基于精细化波束域的后验统计信道信息，所述基于精细化波束域的后验统计信息用于降低计算复杂度。

8.根据权利要求6所述的装置，其特征在于，

所述第三处理子模块，具体用于通过迭代优化广义瑞利商，获取由所述至少两个终端设备中每个终端设备自身的加权信道协方差矩阵、所述至少两个终端设备中其他终端设备的加权信道协方差的加权和矩阵，与加权噪声协方差矩阵的和形成的矩阵对的最大前N个一般特征值和对应的特殊正交化的特征向量，N与所述至少两个终端设备传输的数据流数量相等。

Images