CN114982140A - Mu-mimo系统中的下行链路波束赋形 - Google Patents

Abstract

根据本公开的实施例，提出了MU‑MIMO系统中的下行链路波束赋形。本公开的实施例结合实际接收器，以进一步减轻终端设备感测到的干扰。根据本公开的实施例的波束成形方案具有很多优点。例如，本公开的实施例从终端设备的角度解决干扰，以减轻真正影响终端设备的接收信号的干扰。本公开的实施例没有假定终端设备使用Eigen接收器，而是考虑终端设备使用更实际的接收器来减轻干扰。本公开的实施例具有很高的灵活性，不同的干扰消除方法可以用于代替ZF方法。

Description

MU-MIMO系统中的下行链路波束赋形

技术领域

本公开的实施例总体上涉及通信技术，并且更具体地涉及用于多用户多输入多输出(MU-MIMO)系统中的下行链路波束赋形的方法、设备和计算机可读介质。

背景技术

随着通信技术的发展，已经提出了MIMO。MIMO技术可以通过使用多个发送和接收天线来利用多径传播来实现无线电链路容量的倍增。有一些因素会影响MIMO系统的性能，例如干扰。因此，需要进一步研究MIMO技术以提高系统性能。

发明内容

总体上，本公开的实施例涉及一种用于MU-MIMO系统中的下行链路波束赋形的方法和对应通信设备。

在第一方面，提供了一种第一设备。第一设备包括至少一个处理器；以及至少一个存储器,包括计算机程序代码；至少一个存储器和计算机程序代码被配置为与至少一个处理器一起使第一设备在第一设备处针对多个共同调度的设备中的一个或多个设备确定一个或多个波束赋形向量。第一设备还被使得通过以下各项迭代地更新一个或多个波束赋形向量：基于一个或多个波束赋形向量和第一设备与多个共同调度的设备之间的信道的信道估计来确定信道的传输性质；以及对信道的传输性质执行预编码以减轻多个共同调度的设备之间的干扰。第一设备还被使得基于迭代地更新后的一个或多个波束赋形向量对多个共同调度的设备执行波束赋形。

在第二方面，提供了一种方法。该方法包括在第一设备处针对多个共同调度的设备中的一个或多个设备确定一个或多个波束赋形向量。该方法还包括通过以下各项迭代地更新一个或多个波束赋形向量：基于一个或多个波束赋形向量和第一设备与多个共同调度的设备之间的信道的信道估计来确定信道的传输性质；以及对信道的传输性质执行预编码以减轻多个共同调度的设备之间的干扰。该方法还包括基于迭代地更新后的一个或多个波束赋形向量对多个共同调度的设备执行波束赋形。

在第三方面，提供了一种装置。该装置包括用于在第一设备处针对多个共同调度的设备中的至少一个设备确定一个或多个波束赋形向量的部件；用于通过以下各项迭代地更新一个或多个波束赋形向量的部件：基于一个或多个波束赋形向量和第一设备与多个共同调度的设备之间的信道的信道估计来确定信道的传输性质；以及对信道的传输性质执行预编码以减轻多个共同调度的设备之间的干扰；以及用于基于迭代地更新后的一个或多个波束赋形向量对多个共同调度的设备执行波束赋形的部件。

在第四方面，提供了一种计算机可读介质，该介质包括用于使装置至少执行根据以上第二方面的方法的程序指令。

应当理解，发明内容部分并非旨在确定本公开的实施例的关键或基本特征，也不旨在用于限制本公开的范围。通过以下描述，本公开的其他特征将变得容易理解。

附图说明

现在将参考附图描述一些示例实施例，在附图中：

图1图示了根据本公开的实施例的通信系统的示意图；

图2图示了根据本公开的实施例的MIMO系统的示意图；

图3图示了根据本公开的实施例的方法的流程图；

图4图示了根据本公开的实施例的收发器布局的示意图；

图5图示了根据本公开的实施例的收发器阵列的示意图；

图6A和图6B图示了根据本公开的实施例的实现结构的简化框图；

图7A和图7B图示了根据本公开的实施例的性能图；

图8A和图8B图示了根据本公开的实施例的性能图；

图9A和图9B图示了根据本公开的实施例的性能图；

图10A和图10B图示了根据本公开的实施例的性能图；

图11A和图11B图示了根据本公开的实施例的性能图；

图12A和图12B图示了根据本公开的实施例的性能图；

图13图示了适合于实现本公开的实施例的装置的简化框图；以及

图14图示了根据本公开的一些实例实施例的示例计算机可读介质的框图。

在整个附图中，相同或相似的附图标记表示相同或相似的元素。

具体实施方式

现在将参考一些示例实施例来描述本公开的原理。应当理解，描述示例实施例仅是为了说明和帮助本领域技术人员理解和实现本公开，并不表示对本公开的范围的任何限制。本文中描述的公开内容可以以除了下面描述的方式之外的各种其他方式来实现。

在以下描述和权利要求中，除非另有定义，否则本文中使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常理解的相同的含义。

本公开中对“一个实施例”、“实施例”、“示例实施例”等的引用表明所描述的实施例可以包括特定特征、结构或特性，但不一定每个实施例都包括特定特征、结构或特性。此外，这样的短语不一定指代相同的实施例。此外，当结合示例实施例描述特定特征、结构或特性时，认为结合其他实施例(无论是否明确描述)来影响这样的特征、结构或特性在本领域技术人员的知识范围内。

应当理解，尽管在本文中可以使用术语“第一”和“第二”等来描述各种元素，但是这些元素不应受这些术语的限制。这些术语仅用于区分一个元素与另一元素。例如，第一元素可以称为第二元素，并且类似地，第二元素可以称为第一元素，而没有脱离示例实施例的范围。如本文中使用的，术语“和/或”包括所列术语中的一个或多个的任何和所有组合。

本文中使用的术语仅出于描述特定实施例的目的，并不旨在限制示例实施例。如本文中使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文另有明确指示。将进一步理解，术语“包括”、“包括含”、“有”、“具有”和/或“含有”当在本文中使用时指定所述特征、元素和/或组件等的存在，但不排除一个或多个其他特征、元素、组件和/或其组合的存在或添加。

如本申请中使用的，术语“电路系统”可以指代以下中的一项或多项或全部：

(a)纯硬件电路实现(诸如仅使用模拟和/或数字电路系统的实现)，以及

(b)硬件电路和软件的组合，诸如(如适用)：

(i)(多个)模拟和/或数字硬件电路与软件/固件的组合，以及

(ii)具有软件的(多个)硬件处理器(包括(多个)数字信号处理器)、软件和(多个)存储器的任何部分，其一起工作以引起装置(诸如移动电话或服务器)执行各种功能，以及

(c)(多个)硬件电路和/或(多个)处理器，诸如(多个)微处理器或(多个)微处理器的一部分，其需要软件(例如，固件)进行操作，但在不需要操作时软件可以不存。

该电路系统的定义应用于该术语在本申请中的所有使用，包括在任何权利要求中。作为另一示例，如在本申请中使用的，术语电路系统还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其(或它们的)随附软件和/或固件的实现。例如，如果适用于特定权利要求元素，则术语电路系统还涵盖用于移动设备的基带集成电路或处理器集成电路、或者服务器、蜂窝网络设备或其他计算或网络设备中的类似集成电路。

如本文中使用的，术语“通信网络”是指遵循任何合适的通信标准的网络，诸如长期演进(LTE)、高级LTE(LTE-A)、宽带码分多址(WCDMA)、高速分组接入(HSPA)、窄带物联网(NB-IoT)、新无线电(NR)等。此外，通信网络中的终端设备与网络设备之间的通信可以根据任何合适世代的通信协议来执行，包括但不限于第一代(1G)、第二代(2G)、2.5G、2.65G、第三代(3G)、第四代(4G)、4.5G、未来的第五代(5G)通信协议、和/或和/或当前已知或将来开发的任何其他协议。本公开的实施例可以应用于各种通信系统中。鉴于通信的快速发展，当然也将存在可以体现本公开的未来类型的通信技术和系统。不应当被视为将本公开的范围仅限于上述系统。

如本文中使用的，术语“通信设备”是指网络设备和/或终端设备。术语“网络设备”是指通信网络中的节点，终端设备经由该节点接入网络并且从其接收服务。网络设备可以指代基站(BS)或接入点(AP)，例如节点B(NodeB或NB)、演进型NodeB(eNodeB或eNB)、NR NB(也称为gNB)、远程无线电单元(RRU)、无线电报头(RH)、远程无线电头端(RRH)、中继、低功率节点(诸如毫微微、微微)等，具体取决于所应用的术语和技术。

术语“终端设备”是指可以能够进行无线通信的任何终端设备。作为示例而非限制，终端设备还可以称为通信设备、用户设备(UE)、用户站(SS)、便携式用户站、移动台(MS)或接入终端(AT)。终端设备可以包括但不限于移动电话、蜂窝电话、智能电话、IP语音(VoIP)电话、无线本地环路电话、平板计算机、可穿戴终端设备、个人数字助理(PDA)、便携式计算机、台式计算机、诸如数码相机等图像采集终端设备、游戏终端设备、音乐存储和播放设备、车载无线终端设备、无线端点、移动台、笔记本计算机嵌入式设备(LEE)、笔记本计算机安装式设备(LME)、USB加密狗、智能设备、无线客户端设备(CPE)、物联网(IoT)设备、手表或其他可穿戴设备、头戴式显示器(HMD)、车辆、无人机、医疗设备和应用(例如，远程手术)、工业设备和应用(例如，在工业和/或自动化处理链环境中操作的机器人和/或其他无线设备)、消费电子设备、在商业和/或工业无线网络上操作的设备等。在以下描述中，术语“终端设备”、“通信设备”、“终端”、“用户设备”和“UE”可以互换使用。

如上所述，需要进一步研究MIMO技术以提高系统性能。在MIMO系统中，波束赋形是一个至关重要的部分，它利用信道状态信息(CSI)来最大化信道容量。本文中使用的术语“波束赋形”是指一种将无线信号聚焦到特定接收设备的技术，而不是让信号从广播天线向所有方向传播。通过最佳波束赋形算法，可以找到最佳波束并且将其用于向用户设备(UE)发送所需要的数据。

如果基站在彼此干扰的波束中发送信号，则UE将无法接收正确的信号或遭受劣化的体验。根据常规技术，对于单用户MIMO(SU-MIMO)系统，Eigen波束赋形(EBF)是使用(多个)最优波束向特定UE发送数据的最优波束赋形方法。

例如，特定UE的信道矩阵可以表示为H，其形状为M×N。然后可以使用奇异值分解(SVD)将其分解如下。

H＝UDV^H (1)

其中参数U和V是酉矩阵，即U^HU＝I并且V^HV＝I，参数I是单位矩阵。参数D是对角矩阵，其对角元素是信道矩阵H的奇异值。

由于习惯上用Eigen值而不是奇异值来表示基于Eigen的波束赋形，因此参数D可以写为

其中参数λ_i表示H^HH的特征值，参数r是H的秩。不失一般性，假定λ₁＞λ₂＞…＞λ_r。

通常，将与最大的一个或多个特征值相对应的右奇异向量(以下称为(多个)特征向量)用作波束赋形向量。以常见配置为例，假定仅将与最大特征值λ₁相对应的特征向量用作波束赋形向量，即，将V的第一列(表示为v₁)用作波束赋形向量。

为了正确接收数据，UE需要组合在不同天线处接收到的信号。通常，组合权重是在UE侧基于信道估计来计算的。假定导频符号是使用与数据符号相同的波束赋形来发送的，则由UE估计的有效信道可以是

假定使用最简单的最大比合并(MRC)接收器，对于当前UE，组合权重可以是

所需要的数据可以表示为s，并且接收数据可以表示为

噪声可以表示为n。UE的接收数据可以如下表示：

然而，对于多用户MIMO(MU-MIMO)，EBF不再是最佳的。对于MU-MIMO情况，真实世界系统中经常存在共同调度的UE之间的相关性，这是造成同信道干扰(CCI)的原因。EBF没有考虑这些相关性，因此，它经常遭受由CCI引起的性能下降。不同UE的波束之间的干扰会显著降低UE体验。根据常规技术，迫零(ZF)波束赋形是用于MU-MIMO下行链路系统的经典方法。它旨在消除被调度UE之间的多用户干扰(MUI)。

当UE有多个天线时，应当使用块对角迫零(BD-ZF)波束赋形来获取更好的性能。假定有K个UE由同一BS服务，

是分组信道矩阵，其中H_k是第k个UE的M_k×N信道矩阵，M_k是第k个UE处的天线数目。

对于单天线UE，其中M_k＝1，(k＝1，2，…K)，ZF波束赋形具有如下简单形式。

W＝H^H(HH^H)^-1 (3)

其中W的第k列(即，w_k)是第k个UE的波束赋形向量。

对于多天线UE，其中M_k≥2，(k＝1，2，…K)，原始ZF变得次优，因此提出了一种新的解决方案，称为BD-ZF。对于BD-ZF，第k UE的波束赋形向量w_k被选择以满足以下公式。

其中

其中H_k是第k个UE的M_k×N信道矩阵。

这个优化问题有很多解决方案。根据现有技术，给出了一种解决方案如下。

其中

是仅排除H_k的扩展信道矩阵，H_k是第k个UE的M_k×N信道矩阵，

是

的伪逆，即，

q_k是与

的最大奇异值相对应的右奇异向量。

通常，包括BD-ZF在内的ZF算法具有维度限制，即，UE侧的所有天线的总数不能大于网络设备侧的天线总数。否则，ZF算法可能无法缓解CCI。此外，等式(5)中的BD-ZF解决方案通常具有较高的计算复杂度，尤其是当很多个多天线UE被一起共同调度时。这两个致命的缺点严重限制了它在实际MU-MIMO系统中的应用。BD-ZF对信道估计误差非常敏感并且计算量大，因此很难在实际系统中应用。

根据其他常规技术，它通过最大化所有共同调度的UE的信噪比(SLNR)而提出了一种基于泄漏的波束赋形方法。第k个UE的SLNR定义如下：

其中

是仅排除H_k的扩展信道矩阵，H_k是第k个UE的M_k×N信道矩阵，

是噪声n_k的方差，其中的条目被假定为具有零均值的复高斯变量。因此，对于第k UE，新的矩阵计算如下：

其中第k个UE的波束赋形向量w_k将是与矩阵

的最大特征向量相对应的特征向量，

是仅排除H_k的扩展信道矩阵，H_k是第kUE的M_k×N信道矩阵，

是噪声n_k的方差，其中各项被假定为均值为零的复高斯变量。

max-SLNR算法比ZF算法更灵活，即使UE侧的所有天线的总数大于网络设备侧的天线总数也能很好地工作。但是由于大矩阵的逆矩阵计算，它具有更高的计算复杂度。这个致命的缺点限制了它在实际系统中的应用。

根据另一常规技术，它提出了一种新颖的波束赋形方法，称为Eigen零迫(EZF)。

第k个UE的信道矩阵可以表示为H_k，它可以使用SVD分解如下。

其中与最大奇异值相对应的右奇异向量(称为特征向量v_k1)用作初始波束赋形向量，并且对于第k UE，Eigen接收器(即，U_k的第一列的共轭转置)可以表示为

因此，基于Eigen接收器，基站天线与接收器之后的接收信号之间的有效信道为

即第k个UE的Eigen信道。

基于每个UE的Eigen信道，扩展的Eigen信道矩阵H_eig可以构造如下：

由于波束赋形向量都被归一化为具有单位范数，为了简化计算，可以省略

即，H_eig＝(v₁₁，v₂₁，…，v_K1)^H也是可接受的。

波束赋形矩阵可以计算如下：

其中W的第k列(即，w_k)是第k个UE的EZF波束赋形向量。

当每个UE利用多于一个的波束进行数据传输时，Eigen信道矩阵可以由共同调度的UE的所有活动波束构成。在这种情况下，每个波束都可以被视为虚拟UE，并且对于每个虚拟UE，更新后的波束赋形向量将通过EZF算法来计算，其然后用于数据传输。

然而，由于共同调度的UE的信道矩阵之间存在相关性，UE无法获取基于Eigen的最佳接收器。通常，对于相关性较低的UE，UE可以基于在UE侧估计的信道矩阵来得到近似的Eigen接收器。但是对于具有高相关性的UE，基于由UE估计的信道矩阵的接收器可能会与最佳接收器有很大的偏差，并且残余干扰会降低UE的体验。

此外，EZF还存在维度限制，即，UE的活动波束的总数不应当大于BS的天线总数。这个限制没有ZF的维度限制那么严格，但是当更多的UE被一起共同调度时，它仍然限制了EZF的应用。

根据其他常规技术，它提出了一种用于MU-MIMO下行链路系统的迭代迫零预编码算法，称为经典迭代迫零(CIZF)，其中单个数据流被分配给每个用户。在这种情况下，每个UE只有一个波束赋形向量，从而使问题变得更加简单。

对于第k UE，其信道矩阵可以表示为H_k，其波束赋形向量可以表示为w_k，其接收向量可以表示为r_k，其所需要的数据可以表示为s_k，则所有UE处的全局接收信号可以是：

其中

是等效的全局信道矩阵，W＝(w₁，w₂，...，w_K)是全局预编码矩阵，s＝(s₁，s₂，...，s_K)^T是全局传输信号，

是接收噪声。

假定所有接收向量都是已知的，即，r₁，r₂，...，r_K在BS处是已知的，则可以使用ZF算法计算预编码矩阵

基于这一假定，常规技术提出了一种联合优化算法，用于以迭代模式交替地更新接收向量和波束赋形向量，如下表1所示。

表1

通过交替地更新每个UE的接收和波束赋形向量，CIZF可以得到每个UE在基站处的最优波束以及在UE侧的最优接收向量。

然而，经典的迭代迫零算法可以专用于其中单个数据流被分配给每个用户的MU-MIMO下行链路系统。因此，它在其中每个UE通常具有多个数据流的实际系统中的使用非常有限。

对于MU-MIMO下行链路系统，CCI可以分为两部分：一部分可以由UE接收器感测，另一部分不能由UE接收器感测。换言之，一些CCI对接收信号没有影响，但大多数波束赋形方案旨在从基站的角度减轻所有干扰。EZF波束赋形算法仅旨在抑制由最佳接收器感测到的干扰。因此，它具有比原始ZF波束赋形算法低得多的复杂度。

然而，UE不能获取最佳接收器。如果被调度UE之间的相关性较小，则UE侧的普通接收器(如最大比合并(MRC))可以在一定程度上抑制残余干扰。但是对于具有高相关性的UE，残余干扰不容忽视，并且会降低性能。

根据本公开的实施例，提出了迭代迫零(IZF)方案。本公开的实施例结合实际接收器，以进一步减轻终端设备感测到的干扰。根据本公开的实施例的波束赋形方案具有很多优点。例如，本公开的实施例从终端设备的角度解决干扰，以减轻真正影响终端设备的接收信号的干扰。本公开的实施例没有假定终端设备使用Eigen接收器，而是考虑终端设备使用更实际的接收器来减轻干扰。本公开的实施例具有很高的灵活性，不同的干扰消除方法可以用于代替ZF方法。

图1图示了可以在其中实现本公开的实施例的通信系统100的示意图。作为通信网络的一部分的通信系统100包括设备110(称为“第一设备110”)。通信系统100还包括设备120-1、设备120-2、……、设备120-M(可以统称为“(多个)第二设备120”)。M可以是任何合适的整数。应当理解，图1所示的设备的数目是出于说明的目的而给出的，而不暗示任何限制。还应当注意，第一设备110和第二设备120可以互换。设备120可以是共同调度的终端设备。本文中使用的术语“共同调度的终端设备”是指在频域和/或时域中使用相同资源的终端设备。

通信系统100中的通信可以根据任何(多个)适当的通信协议来实现，包括但不限于第一代(1G)、第二代(2G)、第三代(3G)、第四代(4G)和第五代(5G)等的蜂窝通信协议、诸如电气和电子工程师协会(IEEE)802.11等无线局域网通信协议、和/或当前已知或将来开发的任何其他协议。此外，通信可以利用任何适当的无线通信技术，包括但不限于：码分多址(CDMA)、频分多址(FDMA)、时分多址(TDMA)、频分双工器(FDD)、时分双工器(TDD)、多输入多输出(MIMO)、正交频分多址(OFDMA)、和/或当前已知或将来开发的任何其他技术。

图2图示根据本公开的实施例的MIMO系统的示意图。如图2所示，具有N个天线的第一设备110可以服务于多于一个的第二设备120。第k个设备120-k可以具有M_k个天线。如图2所示，第一设备110可以包括具有输入信号s₁、s₂、……、和s_k的波束赋形模块1101以用于传输。第二设备120-1可以从第一设备110接收信号，并且获取信号

第二设备120-2可以从第一设备110接收信号，并且获取信号

设备120-k可以从第一设备110接收信号，并且获取信号

应当注意，参数k可以是任何合适的数字。

为了说明的目的，设备120-k的信道矩阵可以表示为H_k，并且设备120-k的波束赋形权重可以表示为w_k。可以在设备120-k处估计的信道的传输性质可以表示为H_kw_k，H_kw_k是发送的信号s_k与设备120-k的天线之间的有效信道。设备120-k可以利用估计的有效信道H_kw_k来计算接收信号

考虑最简单的接收器MRC，它只利用估计的有效信道的共轭转置，即，

接收信号

可以表示为：

其中

表示第一设备110的天线上的波束赋形信号，s表示第一设备110处的信号，

表示设备120-k的估计有效信道的共轭转置，H_k表示设备120-k的信道矩阵，n_k表示设备120-k与第一设备110之间的信道上的噪声。

接收信号n_k可以进一步写为以下三项之和：所需要的信号、干扰和噪声，如下所示。

其中

表示设备120-k的估计的有效信道的共轭转置，H_k表示设备120-k的信道矩阵，w_k表示设备120-k的波束赋形权重，s_k表示传输信号，

表示设备120之间的干扰，n_k表示设备120-k与第一设备110之间的信道上的噪声。

基于等式(13)，最大化信道增益并且消除干扰的目标可以转换如下：

其中

其中

表示设备120-k的估计的有效信道的共轭转置，H_k表示设备120-k的信道矩阵，w_k表示设备120-k的波束赋形权重，H_kw_i表示有效干扰信道。

等式(14)的核心思想是，设备120-k的有效信道H_kw_k应当与共同调度的第二设备的“有效干扰信道”H_kw_i正交。

为简单起见，设备120-k的协方差矩阵可以表示为

因此(14)式可以写为：

其中

其中R_k表示设备120-k的协方差矩阵，H_k表示设备120-k的信道矩阵，w_k表示设备120-k的波束赋形权重，H_kw_i表示有效干扰信道。为了解决等式(15)中描述的优化问题，本公开的实施例旨在抑制有效信道之间的干扰并且可以实现更好的性能。

图3图示了根据本公开的实施例的方法300的流程图。方法300可以在任何合适的设备处实现。例如，该方法可以在第一设备110处实现。应当注意，方法300也可以在第二设备120处实现。为了说明的目的，参考图2和图3详细描述本公开的实施例。

在框310，第一设备110是多个共同调度的设备120中的至少一个设备(例如，设备120-k)确定一个或多个波束赋形向量。应当注意，设备120-k是只是一个示例。设备120-k的一个或多个波束赋形向量可以表示为w_k，诸如主要特征向量v_k。如果设备120-k具有2个或更多波束，则波束赋形向量可以表示为w_k＝(w_k1，w_k2，…)，其中w_ki是设备120-k的第i波束的波束赋形向量。在一些实施例中，第一设备110可以随机地确定一个或多个波束赋形向量。

备选地或附加地，第一设备110可以确定多个共同调度的设备120的协方差矩阵R_k的一个或多个特征向量，并且可以将一个或多个特征向量视为一个或多个波束赋形向量。一个或多个波束赋形向量可以是最优的SU-MIMO波束赋形向量，该向量可以通过使用特征值分解(EVD)算法分解协方差矩阵R_k来计算。

假定协方差矩阵R_k已经被任何EVD算法分解，如下所示。

其中V_k是酉矩阵，即，

Σ_k＝diag{λ_k1，λ_k2，…，λ_kr}是对角矩阵，其对角元素是R_k的特征值(按降序排列)。

此外，与设备120-k的用于数据传输的最大的一个或多个特征值相对应的特征向量可以表示为v_k＝(v_k1，v_k2，…)，则设备120-k的最佳波束赋形向量可以是：

w_k＝v_k(k＝1，2，…，K) (17)

利用这样的Eigen初始化，可以省略广义IZF算法中的可选的正交化步骤，并且IZF通常可以更快地收敛。一般来说，1次迭代对于满秩终端设备可能就足够了，3次迭代对于非满秩终端设备可能就足够了。本文中使用的术语“满秩终端设备”是指终端设备采用与其接收天线相同数目的波束，并且本文中使用的术语“非满秩终端设备”是指终端设备采用的波束的数目少于其接收天线的数目。

第一设备110通过执行以下操作迭代地更新一个或多个波束赋形向量。在框320，第一设备110确定第一设备110与设备120之间的信道的传输性质。例如，设备120的有效信道矩阵可以表示如下。

H_ef＝(R₁w₁，R₂w₂，…，R_Kw_K)^H (18)

其中H_ef表示有效信道矩阵，R_k表示设备120-k的协方差矩阵，w_k表示设备120-k的(多个)波束赋形向量。

在框330，第一设备110对信道的传输性质执行预编码以减轻多个共同调度的设备120之间的干扰。在一些实施例中，第一设备110可以对一个或多个波束赋形向量执行干扰消除操作以更新一个或多个波束赋形向量。例如，第一设备110可以执行迫零操作。应当注意，第一设备可以执行任何合适的干扰消除操作。

在一些实施例中，更新后的波束赋形矩阵可以表示如下：

其中W的第k组列(即，w_k)是设备120-k的(多个)更新后的波束赋形向量，H_ef表示有效信道矩阵。

在一些实施例中，第一设备110可以对信道的传输性质执行IZF。IZF过程可以被视为针对共同调度的设备120具有零干扰约束的幂迭代(PI)。如果将等式(19)修改为

则它成为经典的幂迭代算法。等式(19)中的右项

将分离的波束赋形向量投影到共同调度的设备120的归零空间。因此，IZF可以被看作是MU-MIMO情况下PI的推广，而经典PI仅专用于SU-MIMO情况。

换言之，经典的PI算法试图为每个UE找到最佳波束而不考虑共同调度的终端设备，并且它是EBF方法的一种实现，该EBF方法针对每个终端设备计算最佳自私波束。本公开的实施例考虑了共同调度的终端设备，并且为每个终端设备确定最佳无私波束。更重要的是，由于一些小区边缘终端设备的信道条件可能很差，ZF操作可能不是正确的方法。由于广义IZF非常灵活，可以将

中的对应列设置为(0，...，1，...，0)^T，以使其他共同调度的终端设备对这种特殊终端设备没有干扰。但这种特殊终端设备可能仍会利用其Eigen光束来使其性能最大化。

如上所述，设备120-k可以具有多于一个的波束赋形向量。在这种情况下，设备120-k可以使两个波束彼此正交，即，对于设备120-k，

此外，如参考框310所讨论的，一个或多个波束赋形向量可以是协方差矩阵R_k的特征向量。在这种情况下，即使设备120-k具有多于一个的波束赋形向量，也可以省略正交化步骤。

在其他实施例中，第一设备110可以基于多个共同调度的设备120的信噪比来确定正则化参数。以这种方式，在一些情况下，IZF可以更鲁棒并且实现更好的性能。例如，第一设备110可以确定多个共同调度的设备120的波束数目。如果多个共同调度的设备120的波束数目大于第一设备110的天线数目，则EZF不能消除干扰并且可能会遭受性能下降。

正则化参数可以在更新波束赋形矩阵期间被添加到干扰消除操作中。例如，等式(19)可以改写如下：

其中I表示单位矩阵，β表示正则化参数。通常，β由UE的信噪比(SNR)确定。假定所有共同调度的设备120具有相同的SNRρ，则β可以设置为ρ的倒数，即β＝1/ρ。

备选地，不同的终端设备可能经常具有不同的SNR。假定在设备120-k处接收的噪声n_k的条目是具有零均值和方差

的复高斯变量，则设备120-k的SNR可以定义为

因此，等式(19)可以替换为以下正则化版本：

其中

是正则化项，M_k表示设备120-k的天线数目，I_k是单位矩阵，其大小由设备120-k的有效光束的数目决定。例如，如果2个波束用于数据传输，则I_k将是2×2单位矩阵。

以这种方式，这种IZF的正则化版本(称为迭代正则化迫零(IRZF)波束赋形)没有尺寸限制。它比一般的ZF和EZF算法具有更大的应用。例如，当终端设备侧的所有天线的总数大于网络设备侧的天线总数时，一般的ZF算法不能工作，但EZF、IZF和IRZF可以很好地工作。当终端设备侧的所有波束的总数大于网络设备侧的天线总数时，一般的ZF、EZF和IZF不能再工作，但IRZF仍然可以正常工作。

与IZF类似，采用特征向量作为初始波束赋形向量仍然是IRZF的最佳选择。类似地，为方便起见，以特征向量作为初始波束赋形向量的IRZF可以称为迭代Eigen正则化迫零(IERZF)。

一个或多个波束赋形向量被迭代地更新，直到结束条件满足。再次参考图3，在框340，第一设备110确定结束条件是否满足。结束条件可以是迭代的阈值数目。例如，一个或多个波束赋形向量被迭代地更新，直到迭代数目达到阈值数目。

备选地或附加地，结束条件可以是干扰阈值。例如，一个或多个波束赋形向量被迭代地更新，直到干扰低于阈值。广义IZF可以具有明确的结束条件，因为等式(19)中的

仅仅表示共同调度的UE之间的干扰。表示矩阵

其第i行第j列的项表示为a_ij，表示函数off(A)＝∑_i≠j|a_ij|²，其总结了A中的所有非对角线条目。因此，当off(A)为零时，IZF收敛到最优解。通常，当off(A)不大于干扰阈值ε时，迭代终止。

如果结束条件满足，则可以输出更新后的一个或多个波束赋形向量。例如，第一设备110可以输出W的列，即w_k(k＝1，2，…，K)，作为共同调度的设备120的(多个)最终波束赋形向量。

在框350，第一设备110可以基于迭代地更新后的一个或多个波束赋形向量对多个共同调度的设备120执行波束赋形。与常规技术相比，本公开的实施例具有诸多优点：复杂度低：IZF的计算复杂度远低于BD-ZF和max-SLNR算法；应用范围大：IRZF的应用范围与max-SLNR相同，即使终端设备的天线/波束总数大于基站处的天线的数目，IRZF也能适用，而BD-ZF在这种情况下不能使用；更好的性能；以及高的灵活性。

此外，本公开的实施例没有常规技术复杂。为简单起见，假定K个终端设备配对，并且每个终端设备具有

个天线，网络设备针对一个极化具有N个天线。对于BD-ZF、max-SLNR、EZF和IEZF算法，它们都需要计算相同大小的协方差矩阵和这些协方差矩阵的(多个)特征向量。除此之外，这些算法的主要区别在于逆矩阵的计算。

对于BD-ZF算法，需要计算K次大小为

的逆矩阵，因此，除了EVD计算之外，BD-ZF的主要计算复杂度为

对于max-SLNR算法，需要计算K次大小为N×N的逆矩阵，因此，除了EVD计算之外，max-SLNR的主要计算复杂度为O(KN³)。由于BD-ZF只能在

时适用，所以BD-ZF的复杂度比max-SLNR低一点。

对于EZF和IEZF的每次迭代，只需要计算一次大小为K_b×K_b的逆矩阵，其中K_b是用于数据传输的波束总数，一般为

因此，除了EVD计算之外，EZF的主要计算复杂度为O(K_b ³)，并且IEZF的主要计算复杂度为O(iterNum×K_b ³)。

以实际系统中的一个常见情况为例，网络设备有64个天线(假定32个天线用于一个极化，即N＝32)，除了EVD计算之外，这些波束赋形算法的主要复杂度可以如表2所示计算。可以看出，EZF和IEZF的复杂度远低于BD-ZF和max-SLNR算法。

表2

对于迭代迫零方案，主要复杂度来自两部分：一是特征向量计算或EVD部分，二是伪逆或ZF部分。协方差矩阵的维数决定了第一部分的计算复杂度，而共同调度的终端设备的波束总数决定了第二部分的计算复杂度。

一般来说，网络设备通常可能有多达64个收发器(TRX)用于下行链路传输，并且64×64协方差矩阵的EVD应当被计算以获取最佳Eigen波束。假定针对EVD计算使用幂次迭代，每个特征向量的复杂度将在O(64²)水平。假定K个共同调度的秩2终端设备由这样的网络设备服务，总共有2K个波束并且伪逆的复杂度将在O((2K)³)水平。

为了降低总复杂度并且便于将包括特例EZF在内的IZF算法应用到实际产品中，可以采用一些常规技术。例如，可以采用极化平均来降低协方差矩阵的维数。通常，64个TRX以4×8×2模式铺设，如图4所示，水平方向有16个TRX(每个极化8个TRX)，垂直方向有8个TRX(每个极化4个TRX)。对于N个TRX(即，等式(1)中H的列)的排序，数组列索引变化最快，然后是数组行索引，最后是极化索引。因此，相同极化的所有元素都被连续索引，并且在每个极化内，同一阵列行中的所有元素都被连续索引。由于每个极化总共有32个TRX，并且2个极化可以采用相同的波束权重进行下行链路传输，这个特性可以用来减少协方差矩阵的维数和共同调度的终端设备的波束总数。

具体地，当采用极化平均时，会改为计算32×32协方差矩阵的EVD，这样可以将每个特征向量的计算复杂度降低到O(32²)水平。在由网络设备服务于K个共同调度的秩2终端设备的相同假定下，总共有K个波束，伪逆的复杂度将降低到O(K³)水平。

此外，协方差矩阵的EVD的计算复杂度还可以通过采用Kronecker结构进一步降低，该结构将32×32协方差矩阵的全维EVD分解为4×4垂直协方差矩阵和8×8水平协方差矩阵的两个独立的EVD。并且通过计算4×4协方差矩阵的特征向量和8×8协方差矩阵的特征向量的Kronecker积，可以近似地恢复32×32协方差矩阵的特征向量。由于计算4×4和8×8协方差矩阵的特征向量比计算32×32协方差矩阵的特征向量的复杂度要低得多，采用这种逼近可以大大降低计算复杂度，并且在计算资源相当有限的情况下促进EBF、EZF和IEZF算法的应用。

考虑实际的TDD 5G系统，网络设备利用N个TRX(每个极化B个TRX)以相同的时间/频率资源服务于一个小区中的K个共同调度的终端设备。在网络设备侧，N个TRX以N_row×N_col×N_pol模式铺设，例如，64个TRX可以以4×8×2模式铺设，如图4所示。在终端设备侧，由于实际终端设备可以有比接收链更少的发送链，假定每个终端设备有R个接收链和T个发送链(T≤R)，并且由L(L≤min(R，N))个层提供服务。

在TDD系统中，通过利用信道互易性，可以从上行链路信道上的探测参考信号(SRS)估计下行链路信道矩阵。设备120-k在时隙t和PRB/RBG f中的估计信道可以表示为H_k(f，t)，其大小为T×N。矩阵H_k(f，t)的每一行对应于UE发送链。对于4×8×2阵列，矩阵H_k(f，t)的列索引与物理TRX阵列位置在阵列行、阵列列和阵列极化方面的对应关系如图5所示。

一般来说，广义IZF波束赋形可以应用于宽带或子带模式。假定P个子带跨越整个系统带宽，并且将第s子带中的物理资源块(PRB)(或RBG)集合表示为集合

其中

表示子带中PRB(或RBG)的总数。

图6A图示了EZF的实现，并且图6B图示了HVEZF的实现。如图6A所示，协方差矩阵(CoMa)模块610可以获取设备120-k在时隙t中在子带s上的协方差矩阵，其计算为

EVD模块620可以获取设备120-k的有效特征信道矩阵的共轭转置，其表示为E_k(s，t)＝(v_k1，…，v_kL)，其中v_kl是R_k(s，t)的第l(全维)特征向量。预编码权重模块630可以获取用于所有共同调度的设备120的波束赋形向量，其可以通过W(s，t)＝E(s，t)(E^H(s，t)E(s，t)+βI)^-1来计算，其中E(s，t)＝(E₁(s，t)，E₂(s，t)，…，E_K(s，t))是大小为N×KL的K个共同调度的UE的扩展的特征信道矩阵(与等式(9)相比较)，β是(SNR相关的)正则化参数。

当利用极化平均和水平/垂直Kronecker分解时，该过程与EZF过程有很大不同。如图6B所示，所谓的HVEZF(水平和垂直EZF)是EZF的简化版本，它采用偏振平均以及Kronecker结构。

在HVEZF过程中，两个极化采用相同的波束赋形向量，并且CoMa模块640可以获取设备120-k的特征信道矩阵E_k(s，t)，该矩阵变为N/2×L/2矩阵并且仅为EZF过程中的Eigen信道矩阵的四分之一。类似于EZF过程，EVD模块650可以获取E(s，t)＝(E₁(s，t)，E₂(s，t)，…，E_K(s，t))，其是共同调度的设备120的大小为N/2×KL/2的扩展的特征信道矩阵。预编码权重模块660可以通过以下方式获取最终的全维度波束赋形向量：

其中

是矩阵的张量积(Kronecker)乘积。需要注意的是，2×2维单位矩阵

不是唯一的选择，如果可以获取一些交叉极化信息(例如，通过从终端设备报告的信息)，则该等式中的

可以被包含交叉极化信息的另一矩阵替换。

在HVEZF过程中，可以引入张量积(Kronecker)结构来计算设备120-k的Eigen信道矩阵E_k(s，t)，以进一步降低计算复杂度。当采用张量积(Kronecker)结构时，计算水平和垂直协方差矩阵(

和

)，而不是计算全维协方差矩阵R_k(s，t)。基于上述定义，水平协方差矩阵可以通过下式计算：

其中

(·)^T和(·)^*分别表示矩阵的转置和共轭。

类似地，垂直协方差矩阵可以通过下式计算：

其中

应当注意，两种极化在HVEZF中都利用相同的波束赋形向量，这就是为什么水平和垂直协方差矩阵在极化之间进行平均的原因。

在获取水平和垂直协方差矩阵之后，可以通过EVD算法计算两个协方差矩阵的Eigen对。对于水平协方差矩阵

其特征值和特征向量表示为

和

对于垂直协方差矩阵

其特征值和特征向量表示为

和

因此，

的第一特征向量可以通过

计算，第二特征向量可以通过下式计算：

利用这些特征向量，设备120-k的有效Eigen信道矩阵可以通过E_k(s，t)＝(v_k1，…，v_kL/2)获取。需要注意的是，由于采用了极化平均，E_k(s，t)的大小为N/2×L/2。

图7A至图12B图示了本公开的实施例和常规技术的仿真性能。

如图7A至图12B所示，本公开的实施例与EBF、BD-ZF、max-SLNR和EZF方案进行了比较。仿真参数如下：调制阶数：16-QAM星座；网络设备处的天线数目：N＝32(32个发送天线)；共同调度的终端设备的数目：K＝8或K＝12(每个UE使用1至2个波束进行传输)；终端设备处的天线数目：

或

(2或4个接收天线)；采用具有干扰抑制组合的最小均方误差(MMSE-IRC)接收器。

在仿真中，假定H_k的元素(即，第k终端设备的信道矩阵)是具有零均值和单位方差的复高斯变量。此外，假定加性噪声向量n_k具有均值为零并且方差为

的独立的复高斯元素。接收的SNRρ_k定义为

最大正交性原则用于MU配对。从16个候选终端设备中选择相关性最小的8个或12个终端设备作为共同调度的终端设备，以使共同调度的终端设备之间的正交性最大化。在3,000个终端设备组样本上对结果求平均。

图7A、图7B、图8A、图8B、图9A和图9B图示了低相关性情况下的仿真结果。在这种情况下，共同调度的终端设备之间的相关性较低。在传输过程中，每个终端设备使用1到2个主波束进行传输，其他波束不使用。不同波束赋形器的符号错误率(SER)性能如图7A和图7B所示。

在图7A和图7B中，共同调度的终端设备有8个或12个，每个终端设备有2个天线，并且利用1个主波束进行数据传输。如图7A所示，在8个共同调度的终端设备的情况下，IEZF和EZF的性能最好，r而BD-ZF和max-SLNR的性能次之。自私EBF性能最差。

图7B中示出了12个共同调度的终端设备的情况，IEZF获取了最好的性能，略好于EZF。max-SLNR的性能比EZF差，但略好于BD-ZF。EBF仍然获取最差的性能。

在图8A和图8B中，每个终端设备具有4个天线并且利用2个主波束进行数据传输。图8A中示出了8个共同调度的终端设备的情况，其中IEZF仍获取最佳性能，EZF获取次佳性能。Max-SLNR获取第三好的性能，略好于BD-ZF。自私EBF仍然性能最差。

图8B中示出了12个共同调度的终端设备的情况，其中IEZF仍然获取最佳性能。EZF获取第二好的性能，max-SLNR获取第三好的性能。由于尺寸限制，BD-ZF的性能最差，甚至比SU-MIMO EBF还要差。

在图9A和图9B中，基于MMSE-IRC接收器绘制了不同波束赋形方法的吞吐量性能。如图9A所示，每个终端设备有2个天线，并且利用1个主波束进行数据传输。IEZF和EZF获取最高吞吐量，而max-SLNR和BD-ZF获取第二高吞吐量。EBF是SU-MIMO情况下的最佳波束赋形器，其吞吐量最低。

如图9B所示，每个终端设备具有4个天线并且利用2个主波束进行数据传输，IEZF获取最高吞吐量，EZF获取第二高吞吐量，max-SLNR获取第三高吞吐量。BD-ZF在低SNR时的吞吐量低于EBF，但在高SNR时的吞吐量高于EBF。这些结果进一步验证了上述不同波束赋形器的SER性能。

图10A、图10B、图11A、图11B、图12A和图12B图示了高相关性情况下的仿真结果。在这种情况下，共同调度的终端设备之间的相关性很高，这是对终端设备位置非常近的场景的近似。在传输过程中，每个终端设备使用1至2个主波束进行传输，其他波束不使用。不同波束赋形器的SER性能如图10A-图11B所示。

在图10A和图10B中，有8个或12个高相关性的共同调度的终端设备，每个终端设备有2个天线，并且利用1个主波束进行数据传输。图10A中示出了8个共同调度的终端设备的情况，其中IEZF获取了最佳性能，远优于其他波束赋形器的性能。EZF获取第二好的性能，而max-SLNR和BD-ZF获取第三好的性能。EBF是SU-MIMO情况下的最佳波束赋形器，其性能最差。

图10B中示出了12个共同调度的终端设备的情况，其中IEZF获取最佳SER性能，EZF获取次佳SER性能。Max-SLNR和BD-ZF的性能相似，比EZF差，但比EBF好得多。

在图11A和图11B中，有8个或12个高相关性的共同调度的终端设备，每个终端设备有4个天线，并且利用2个主波束进行数据传输。图11A中示出了8个共同调度的终端设备的情况，其中IEZF获取最佳性能。EZF获取第二好的性能，max-SLNR获取第三好的性能。BD-ZF的性能比max-SLNR稍差，但比SU-MIMO EBF波束赋形器好得多。

图11B中示出了12个共同调度的终端设备的情况，其中IEZF仍然获取最佳SER性能。EZF获取第二好的性能，max-SLNR获取第三好的性能。由于尺寸限制，BD-ZF未能获取比EBF更好的性能，并且两者都获取了最差的SER性能。

在图12A和图12B中，基于MMSE-IRC接收器绘制了不同波束赋形方法的吞吐量性能。如图12A所示，其中每个终端设备有2个天线并且利用1个主波束进行传输，IEZF获取最高吞吐量，EZF获取第二高吞吐量。Max-SLNR获取第三高的吞吐量，略优于BD-ZF，而EBF获取最低的吞吐量。

如图12B所示，其中每个终端设备具有4个天线并且利用2个主波束进行传输，IEZF获取最高吞吐量，EZF获取第二高吞吐量，max-SLNR获取第三高吞吐量。BD-ZF在低SNR时的吞吐量低于EBF，但在高SNR时的吞吐量高于EBF。

在一些实施例中，一种用于执行方法300的装置(例如，第一设备110)可以包括用于执行方法300中的对应步骤的相应部件。这些部件可以以任何合适的方式实现。例如，它可以通过电路系统或软件模块来实现。

在一些实施例中，该装置包括用于在第一设备处针对多个共同调度的设备中的一个或多个设备确定一个或多个波束赋形向量的部件；用于通过以下各项迭代地更新一个或多个波束赋形向量的部件：基于一个或多个波束赋形向量和第一设备与多个共同调度的设备之间的信道的信道估计，确定信道的传输性质；对信道的传输性质执行预编码以减轻多个共同调度的设备之间的干扰；以及用于基于迭代地更新后的一个或多个波束赋形向量对多个共同调度的设备执行波束赋形的部件。

在一些实施例中，用于确定一个或多个波束赋形向量的部件包括：用于确定多个共同调度的设备的至少一个协方差矩阵的一个或多个特征向量的部件。

在一些实施例中，用于确定多个共同调度的设备中的一个或多个设备中的一个设备的一个或多个特征向量的部件包括：用于确定设备的水平协方差矩阵的部件；用于确定设备的垂直协方差矩阵的部件；用于确定至少一个设备的水平协方差矩阵的至少一个特征向量的部件；以及用于确定垂直协方差矩阵的至少一个特征向量的部件。

在一些实施例中，该装置包括用于基于水平协方差矩阵的至少一个特征向量和垂直协方差矩阵的至少一个特征向量恢复设备的一个或多个波束赋形向量的部件。

在一些实施例中，用于更新一个或多个波束赋形向量的部件包括：用于基于多个共同调度的设备的信噪比确定正则化参数的部件；以及用于对传输性质和正则化参数执行预编码的部件。

在一些实施例中，用于对信道的传输性质执行预编码的部件包括用于对一个或多个波束赋形向量执行干扰消除操作以更新一个或多个波束赋形向量的部件。

在一些实施例中，一个或多个波束赋形向量被迭代地更新，直到迭代的数目达到阈值数目。

在一些实施例中，一个或多个波束赋形向量被迭代地更新，直到干扰低于阈值。

在一些实施例中，该装置还包括用于根据确定一个或多个设备中的一个设备的波束赋形向量的数目超过1来正交化该设备的更新后的一个或多个波束赋形向量的部件。

在一些实施例中，第一设备是网络设备并且至少一个设备是终端设备。

图13是适合于实现本公开的实施例的设备1300的简化框图。可以提供设备1300来实现通信设备，例如如图1所示的第一设备110、第二设备120或车辆。如图所示，设备1300包括一个或多个处理器1310、耦合到处理器1310的一个或多个存储器1320、以及耦合到处理器1310的一个或多个通信模块1340。

通信模块1340用于双向通信。通信模块1340具有至少一个天线以促进通信。通信接口可以表示与其他网络元件通信所必需的任何接口。

处理器1310可以是适合本地技术网络的任何类型，并且作为非限制性示例，可以包括以下中的一种或多种：通用计算机、专用计算机、微处理器、数字信号处理器(DSP)和基于多核处理器架构的处理器。设备1300可以具有多个处理器，诸如在时间上从属于与主处理器同步的时钟的专用集成电路芯片。

存储器1320可以包括一个或多个非易失性存储器和一个或多个易失性存储器。非易失性存储器的示例包括但不限于只读存储器(ROM)1324、电可编程只读存储器(EPROM)、闪存、硬盘、压缩盘(CD)、数字视频磁盘(DVD)和其他磁存储和/或光存储。易失性存储器的示例包括但不限于随机存取存储器(RAM)1322和不会在断电期间持续的其他易失性存储器。

计算机程序1330包括由相关联的处理器1310执行的计算机可执行指令。程序1330可以存储在ROM 1324中。处理器1310可以通过将程序1330加载到RAM 1322中来执行任何合适的动作和处理。

本公开的实施例可以借助于程序1320来实现，使得设备1300可以执行如参考图3讨论的本公开的任何过程。本公开的实施例也可以通过硬件或软件和硬件的组合来实现。

在一些示例实施例中，程序1330可以有形地包含在计算机可读介质中，该计算机可读介质可以被包括在设备1300(诸如在存储器1320中)或在设备1300可访问的其他存储设备中。设备1300可以将程序1330从计算机可读介质加载到RAM 1322以供执行。计算机可读介质可以包括任何类型的有形非易失性存储器，诸如ROM、EPROM、闪存、硬盘、CD、DVD等。图14示出了CD或DVD形式的计算机可读介质1400的示例。计算机可读介质上存储有程序1330。

应当理解，未来的网络可以利用网络功能虚拟化(NFV)，NFV是一种网络架构概念，其提出将网络节点功能虚拟化为可以在操作上连接或链接在一起以提供服务的“构建块”或实体。虚拟化网络功能(VNF)可以包括一个或多个虚拟机，虚拟机使用标准或通用类型的服务器而不是定制的硬件来运行计算机程序代码。也可以使用云计算或数据存储。在无线电通信中，这可以表示节点操作至少部分在在操作上耦合到分布式单元DU(例如，无线电头端/节点)的中央/集中式单元CU(例如，服务器、主机或节点)中执行。节点操作也可以分布在多个服务器、节点或主机之间。还应当理解，核心网操作与基站操作之间的工作分配可以根据实现而有所不同。

在一个实施例中，服务器可以生成虚拟网络，服务器通过该虚拟网络与分布式单元通信。一般而言，虚拟网络可以涉及将硬件和软件网络资源和网络功能组合成单个基于软件的管理实体(虚拟网络)的过程。这种虚拟网络可以在服务器与无线电头端/节点之间提供灵活的操作分布。在实践中，任何数字信号处理任务都可以在CU或DU中执行，并且CU与DU之间职责转移的边界可以根据实现来选择。

因此，在一个实施例中，实现了CU-DU架构。在这种情况下，设备1300可以被包括在可操作地耦合(例如，经由无线或有线网络)到分布式单元(例如，远程无线电头端/节点)的中央单元(例如，控制单元、边缘云服务器、服务器)中。也就是说，中央单元(例如，边缘云服务器)和分布式单元可以是经由无线电路径或经由有线连接彼此通信的独立装置。备选地，它们可以在经由有线连接等进行通信的同一实体中。边缘云或边缘云服务器可以服务于多个分布式单元或无线电接入网。在一个实施例中，所描述的过程中的至少一些可以由中央单元执行。在另一实施例中，设备1300可以改为被包括在分布式单元中，并且所描述的过程中的至少一些可以由分布式单元执行。

在一个实施例中，设备1300的至少一些功能的执行可以在形成一个操作实体的两个物理上分离的设备(DU和CU)之间共享。因此，该装置可以被视为描绘了包括用于执行所描述的过程中的至少一些过程的一个或多个物理上分离的设备的操作实体。在一个实施例中，这样的CU-DU架构可以在CU与DU之间提供灵活的操作分布。在实践中，任何数字信号处理任务都可以在CU或DU中执行，并且CU与DU之间职责转移的边界可以根据实现来选择。在一个实施例中，设备1300控制过程的执行，而不管装置的位置和过程/功能在哪里执行。

通常，本公开的各种实施例可以使用硬件或专用电路、软件、逻辑或其任何组合来实现。一些方面可以使用硬件实现，而其他方面可以使用可以由控制器、微处理器或其他计算设备执行的固件或软件来实现。尽管本公开的实施例的各个方面被图示和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的块、设备、系统、技术或方法可以使用硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备、或其某种组合来实现。

本公开还提供有形地存储在非瞬态计算机可读存储介质上的至少一种计算机程序产品。计算机程序产品包括计算机可执行指令，诸如程序模块中包括的指令，该指令在目标真实或虚拟处理器上的设备中执行，以执行如以上参考图3描述的方法300。通常，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、库、对象、类、组件、数据结构等。在各种实施例中，程序模块的功能可以根据需要在程序模块之间组合或拆分。程序模块的机器可执行指令可以在本地或分布式设备内执行。在分布式设备中，程序模块可以位于本地和远程存储介质两者中。

用于执行本公开的方法的程序代码可以以一种或多种编程语言的任何组合来编写。这些程序代码可以被提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器或控制器，使得程序代码在由处理器或控制器执行时引起在流程图和/或框图中指定的功能/操作被实现。程序代码可以完全在机器上、部分在机器上、作为独立软件包、部分在机器上和部分在远程机器上、或完全在远程机器或服务器上执行。

在本公开的上下文中，计算机程序代码或相关数据可以由任何合适的载体承载，以使得设备、装置或处理器能够执行如上所述的各种过程和操作。载体的示例包括信号、计算机可读介质等。

计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读介质可以包括但不限于电子、磁性、光学、电磁、红外线或半导体系统、装置或设备、或前述各项的任何合适的组合。计算机可读存储介质的更具体示例将包括具有一根或多根电线的电连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光存储设备、磁存储设备、或前述各项的任何合适的组合。

此外，虽然以特定顺序描述操作，但这不应当被理解为需要以所示特定顺序或按顺序执行这样的操作或者执行所有所示操作以获取期望结果。在某些情况下，多任务和并行处理可能是有利的。同样，虽然在上述讨论中包含了若干具体实现细节，但这些不应当被解释为对本公开的范围的限制，而是对可能特定于特定实施例的特征的描述。在单独实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反，在单个实施例的上下文中描述的各种特征也可以在多个实施例中单独或以任何合适的子组合来实现。

尽管本公开已经以特定于结构特征和/或方法动作的语言进行了描述，但是应当理解，在所附权利要求中定义的本公开不一定限于上述特定特征或动作。相反，上述具体特征和动作被公开作为实现权利要求的示例形式。

Claims (22)

1.一种第一设备，包括：

至少一个处理器；以及

至少一个存储器，包括计算机程序代码；

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第一设备：

针对多个共同调度的设备中的一个或多个设备确定一个或多个波束赋形向量；

通过以下各项迭代地更新所述一个或多个波束赋形向量：

基于所述一个或多个波束赋形向量和所述第一设备与所述多个共同调度的设备之间的信道的信道估计，确定所述信道的传输性质；以及

对信道的所述传输性质执行预编码以减轻所述多个共同调度的设备之间的干扰；以及

基于迭代地更新后的所述一个或多个波束赋形向量，针对所述多个共同调度的设备执行波束赋形。

2.根据权利要求1所述的第一设备，其中所述第一设备被使得通过以下来确定所述一个或多个波束赋形向量：

确定所述多个共同调度的设备的至少一个协方差矩阵的一个或多个特征向量。

3.根据权利要求2所述的第一设备，其中所述第一设备被使得通过以下来确定针对所述一个或多个设备中的一个设备的所述一个或多个特征向量：

确定所述设备的水平协方差矩阵；

确定所述设备的垂直协方差矩阵；

确定所述水平协方差矩阵的至少一个特征向量；以及

确定所述垂直协方差矩阵的至少一个特征向量。

4.根据权利要求3所述的第一设备，其中所述第一设备还被使得：

基于所述水平协方差矩阵的所述至少一个特征向量和所述垂直协方差矩阵的所述至少一个特征向量，恢复针对所述设备的所述一个或多个波束赋形向量。

5.根据权利要求1所述的第一设备，其中所述第一设备被使得通过以下来更新所述一个或多个波束赋形向量：

基于所述多个共同调度的设备的信噪比确定正则化参数；以及

对所述传输性质和所述正则化参数执行所述预编码。

6.根据权利要求1所述的第一设备，其中所述第一设备被使得通过以下对信道的所述传输性质执行预编码：

对所述一个或多个波束赋形向量执行干扰消除操作，以更新所述一个或多个波束赋形向量。

7.根据权利要求1所述的第一设备，其中所述一个或多个波束赋形向量被迭代地更新，直到迭代的数目达到阈值数目。

8.根据权利要求1所述的第一设备，其中所述一个或多个波束赋形向量被迭代地更新，直到所述干扰低于阈值。

9.根据权利要求1所述的第一设备，其中所述第一设备还被使得：

根据确定针对所述一个或多个设备中的一个设备的所述波束赋形向量的数目超过1，对所述设备的更新后的所述一个或多个波束赋形向量进行正交化。

10.根据权利要求1至9中任一项所述的第一设备，其中所述第一设备是网络设备，并且所述至少一个设备是终端设备。

11.一种用于多用户多输入多输出MU-MIMO系统中的下行链路波束赋形的方法，包括：

在第一设备处针对多个共同调度的设备中的一个或多个设备确定一个或多个波束赋形向量；

通过以下各项迭代地更新所述一个或多个波束赋形向量：

基于所述一个或多个波束赋形向量和所述第一设备与所述多个共同调度的设备之间的信道的信道估计，确定所述信道的传输性质；以及

对信道的所述传输性质执行预编码以减轻所述多个共同调度的设备之间的干扰；以及

基于迭代地更新后的所述一个或多个波束赋形向量，针对所述多个共同调度的设备执行波束赋形。

12.根据权利要求11所述的方法，其中确定所述一个或多个波束赋形向量包括：

确定所述多个共同调度的设备的至少一个协方差矩阵的一个或多个特征向量。

13.根据权利要求12所述的方法，其中确定针对所述一个或多个设备中的一个设备的所述一个或多个特征向量包括：

确定所述设备的水平协方差矩阵；

确定所述设备的垂直协方差矩阵；

确定所述水平协方差矩阵的至少一个特征向量；以及

确定所述垂直协方差矩阵的至少一个特征向量。

14.根据权利要求13所述的方法，还包括：

基于所述水平协方差矩阵的所述至少一个特征向量和所述垂直协方差矩阵的所述至少一个特征向量，恢复针对所述设备的所述一个或多个波束赋形向量。

15.根据权利要求11所述的方法，其中更新所述一个或多个波束赋形向量包括：

基于所述多个共同调度的设备的信噪比确定正则化参数；以及

对所述传输性质和所述正则化参数执行所述预编码。

16.根据权利要求11所述的方法，其中对信道的所述传输性质执行预编码包括：

对所述一个或多个波束赋形向量执行干扰消除操作，以更新所述一个或多个波束赋形向量。

17.根据权利要求11所述的方法，其中所述一个或多个波束赋形向量被迭代地更新，直到迭代的数目达到阈值数目。

18.根据权利要求11所述的方法，其中所述一个或多个波束赋形向量被迭代地更新，直到所述干扰低于阈值。

19.根据权利要求10所述的方法，还包括：

根据确定针对所述一个或多个设备中的一个设备的所述波束赋形向量的数目超过1，对所述设备的更新后的所述一个或多个波束赋形向量进行正交化。

20.根据权利要求11至19中任一项所述的方法，其中所述第一设备是网络设备，并且所述至少一个设备是终端设备。

21.一种计算机可读存储介质，包括存储在其上的程序指令，所述指令在由装置执行时，使所述装置执行根据权利要求11至20中任一项所述的方法。

22.一种装置，包括用于执行根据权利要求11至20中任一项的方法的部件。

Images