CN1582541A - 在分集系统中从多个天线选择天线子集的方法 - Google Patents

Abstract

描述了一种从天线中选择一个子集的方法，该方法从天线的一个假设集合开始，从这个假设集合中多次除去天线，使得除去天线后的假设集合的容量具有最大值。天线的这个子集对应于天线的剩余假设集合。该方法在计算方面是高效的，并且可以有益地用于具有发送天线(16)和发送链(20)的发送器(12)上以选择发送天线(16)的一个子集，发送天线在耦合到发送链(20)时能够以几乎最佳的发送容量发送信号。类似地，该方法可用于具有接收天线(22)和接收链(26)的接收器(14)上以选择接收天线(22)的一个子集，接收天线在耦合到接收链(26)时能够以几乎最佳的接收容量接收信号。

Description

在分集系统中从多个天线选择天线子集的方法

本发明涉及一种在接收/发送N个信号的 N个天线中选择N的子集的方法。

本发明进一步还涉及一种接收N个信号的接收器，接收器包括 N个接收天线和N个接收链， N大于N，本发明进一步还涉及一种用于发送M个信号的发送器，发送器包括 M个发送天线和M个发送链， M大于M，本发明进一步还涉及一种借助于包括 N个接收天线和N个接收链的接收器接收N个信号的方法， N大于N，本发明进一步还涉及一种借助于包括 M个发送天线和M个发送链的发送器发送M个信号的方法， M大于M。

这种方法从论文“综合选择/优化组合”(Jack H.Winters和MoeZ.Win箸，移动技术会议的会议录(Proceedings vehicularTechnology Conference)，Rhodes，2001年5月)已经公知。在现代传输系统中，发送器/接收器可以装配多个发射/接收天线，以便高效地交换信息。实际的发射/接收天线的数目可能大于可以利用的发射/接收链的数目(例如数字输入/输出的数目)。在某些情况下，只可能同时使用可利用的发送/接收天线的子集。这个子集可以针对发送器和接收器之间的信道进行优化，即按照在接收器和/或发送器处可利用的信道信息进行优化。从上述的论文可以知道，利用针对信道信息的自适应选择天线的有效子集，使用比实际的发送/接收链多的天线可能导致无线信道容量的明显增加。

选择天线的子集的已知方法在计算方面是无能为力的。它涉及对于最佳子集的无休止的搜寻，所说的最佳子集即可提供通信信道的最佳容量(通过量)的子集。对于这样一种蛮力计算方法所需的计算量随着天线数目的线性增加而指数地增加，即使对圩中等数目的天线，这个计算量也变得不切实际。

本发明的一个目的是提供一种按照本说明书开始部分所述的方法，这种方法在计算方面是高效的，同时还将导致大体上优化的子集，即，可提供大体上优化的通信容量的子集。这个目的是通过按照本发明的方法实现的，该方法包括如下步骤：从 N个天线的一个假设集合开始，从这个假设集合中除去( N-N)次天线，使得除去该天线后的假设集合的容量具有最大值，这个子集对应于N个天线的剩余假设集合。本发明基于如下的认识：实现明显减小计算复杂性的方法是，从 N个天线的一个假设集合开始，随后从这个假设集合中一个接一个地总共除去( N-N)个天线，使得在除去天线的每个阶段，该除去的天线产生对应于假设集合的天线子集的通信容量的减小是最小的。应该说明的是，在每个阶段只除去一个天线。从 N个天线的一个假设集合开始，随后除去( N-N)个天线，直到剩下N个天线的假设集合为止。这个剩下的N个天线的假设集合对应于期望的N个天线子集。随后可以将这个N个天线的子集耦合到N个可利用的接收/发射链路。模拟实验表明，这个作法导至选择提供通信容量非常接近已知方法的优化通信容量的子集。

从以下结合附图对本发明的优选实施例的描述中，本发明的上述目的和特征都将变得更加显而易见，其中：

图1表示按照本发明的传输系统10的方块图；

图2表示说明按照本发明的方法的流程图；

图3和4表示说明按照本发明的方法的特征的某些曲线图；

在附图中用相同的标号表示相同的部分。

图1表示按照本发明的一个传输系统10的方块图。传输系统10包括发送器12和接收器14。传输系统10可以进一步包括发送器12和接收器14(未示出)。发送器12包括数目为 M的发送天线16和数目为M的发送链20。图1只表示出 M等于5和M等于2的发送器12的实施例。只要 M大于M，其它的 M和M都是可能的。发送器12还包括耦合装置18，用于选择性地耦合两个发送链20到5个发送天线16中的2个天线构成的一个子集。对于耦合装置18进行安排，以便通过从 M个天线的一个假设集合开始、并从这个假设集合中除去( M-M)次天线使除去天线后的假设集合的容量具有最大值，从而可以选择M个天线16的子集。这时，期望的子集对应于M个天线的剩余假设集合。由于两个发送链20耦合到两个发送天线16，所以发送器12能够经过一个(无线)信道向接收器14发送两个(M个)信号。每个发送链20都可包括一个常规的RF前端，它包括一个数字-模拟转换器、一个或多个放大器、一个或多个滤波器、和一个混频器。

接收器14包括数目为 N的接收天线22和数目为N的接收链26。图1只表示出 N等于4和N等于2的接收器14的实施例。只要 N大于N，其它的 N和N都是可能的。接收器14还包括耦合装置24，用于选择性地耦合两个接收链26到4个接收天线22中的2个天线构成的一个子集。对于耦合装置24进行安排，以便通过从 N个天线的一个假设集合开始、并从这个假设集合中除去( N-N)次天线使除去天线后的假设集合的容量具有最大值，从而可以选择N个天线22的子集。最后，期望的子集对应于N个天线的剩余假设集合。由于两个接天线22耦合到两个接收天链26，所以接收器14能够经过一个(无线)信道从发送器12接收两个(N个)信号。每个接收链26都可包括一个常规的RF前端，它包括一个或多个放大器、一个或多个滤波器、一个混频器、和一个模拟-数字转换器。

图2所示的流程图说明按照本发明的用于发射/接收 N个信号的从 N个天线中选择N个天线子集的方法。这个方法包括一系列步骤30、32、34、36、38。在步骤30该方法开始，并且将变量初始化。把代表天线的假设集合的一个变量或一组变量初始化，以使假设集合包括 N个天线。将一个辅助变量n设置为0。辅助变量n用于控制执行步骤32和34的次数。

然后，在步骤32，确定下一次要从假设集合中去除的天线，辅助变量n加1。下一个要去除的该天线是去除天线后的天线的假设集合的通信容量(通过量)具有最大数值的天线。下一个要去除的天线例如可以通过针对在天线的假设集合中的每个天线计算去除天线后的最终容量并且选择导致最大容量的一个天线或多个天线之一来确定。按另一种方式，对于假设集合中的每个天线计算由于去除一个天线引起的容量的减小，并且选择去除天线导致最小容量减小的那个天线。

下面，在步骤34，从天线的假设集合(或代表天线的假设集合的一个/多个变量)去除在步骤32确定的天线。

接下去，在步骤36，确定辅助变量n是否大于( N-N)。如果是，步骤32和34已经执行( N-N)次，并且从这个天线的假设集合(这个天线的假设集合开始时由 N个天线组成)中去除( N-N)个天线，并且该方法继续步骤38。如果不是，则必须确定至少一个另外的天线，并且从天线的假设集合中去除这个天线，并因此再一次地执行步骤32和34。

在步骤38，结束这个方法，代表剩余天线的假设集合的一个/多个变量包括N个天线。期望的子集对应于这个剩余的N个天线的假设集合。

耦合装置18能够切换 M个发送天线中的任何M个发送天线到可利用的M个发送链20。类似地，耦合装置24能够切换 N个接收天线22中的任何N个接收天线到可利用的N个接收链26。让我们定义s[k]＝(s₁[k]，......，s_M[k])^T为加到发送链20的信号的M×1矢量，在符号间隔k≥0和对应于接收信号N×1矢量的x[k]＝(x₁[k]，......，x_M[k])^T对其进行发送，这里(^T)代表矩阵转置。首先，我们假定一个非选择的噪声通道，从而在s[k]和x[k]之间的关系可以写为如下的方程：

$x\left[k\right]=\sqrt{E_s}\mathrm{Hs}\left[k\right]+n\left[k\right]---\left(1\right)$

这里，E_s是从任何发送天线贡献给任何接收天线的每个通道使用的(平均)信号能量，n[k]是环境噪声的N×1向量，每个复维数每个天线的平均能量为(N₀/2)，H是N×M信道矩阵，这里，项H_q、p规定了在第p个发送链和第q个接收链之间的一个复数值的非存储信道。我们假定一个附加的白色高斯环境噪声，因此，E{n[k]n[k]^H}＝N₀I_N，这里E{·}是数学期望值，I_N是N×N标识矩阵，(^H)表示埃尔米特共轭。

这样一种信道的最大通过量(容量)若按每个信道使用的位数度量由以下方程给出：

    C(H)＝log₂det(I_N+(E_s/N₀)HH^H)              (2)

这里，det(·)代表判别式。在一般情况下，天线选择过程的目标是在总的可利用的 M个发送天线( N个接收天线)中选择 M个发送天线( N个接收天线)，以使通过量(2)最大。定义 H为描述在 M个发送天线和 N个接收天线(假定这些天线全都配备有适当的发射/接收链)之间的非存储信道的一个 N× M矩阵。现在，天线选择问题就等效于使方程(2)最大化的 N× M矩阵 H中选择N×M个子矩阵块H。在上述论文中建议的蛮力计算方法是在 H的所有可能的N×M个子矩阵块H上对于方程(2)进行无休止的最大化。然而，当 M和/或 N相较大时，这种处理方法太繁琐了。下面，描述次优化的选择算法，这种算法在计算方面是高效的。

首先假定，在发送器处选择M个天线的一个固定的子集(当发送器没有任何信道信息的时候， M＝M是有意义的)，同时在已知 N×M信道矩阵 H情况的接收器处自适应地选择 N个可利用的天线中的一组任意的N个接收天线。当 N个接收天线的所有(所有的子集)相继地连接到N个可利用的前端时，在信道估算阶段可获得 N×M信道矩阵 H。按照本发明的原理，随后去除( N-N)个接收天线，因而在每个阶段，按照方程(2)无论哪个天线产生了容量的最小减少，就将这个天线去除.。接下来，我们将注意力集中在这个构思的实施方案上。

应该说明的是，去除一个接收天线，等效于取消矩阵 H的一行。将矩阵的第p行记为 H _p， 代表用 H的剩余( N-1)行构成的( N-1)×M矩阵。由于方程(2)和一些简单的代数，信道

对应的容量可以写成以下的形式：

$C\left({\underset{\‾}{\overset{~}{H}}}_p\right)=\mathrm{lo}{g}_2\det (I_{N-1}+(E_s/N_0){\underset{\‾}{\overset{~}{H}}}_p{\underset{\‾}{\overset{~}{H}}}_p^H)={\log }_2\det (I_M+(E_s/N_0){\underset{\‾}{\overset{~}{H}}}_p^H{\underset{\‾}{\overset{~}{H}}}_p)$

$={\log }_2\det (I_M+(E_s/N_0){\underset{\‾}{H}}^H\underset{\‾}{H})+{\log }_2\left(1-(E_s/N_0){\underset{\‾}{H}}_p{(I_M+(E_s/N_0){\underset{\‾}{H}}^H\underset{\‾}{H})}^{-1}{\underset{\‾}{H}}_p^H\right)$

$=C\left(\underset{\‾}{H}\right)+{\log }_2(1-(E_s/N_0){\underset{\‾}{H}}_p{(I_M+(E_s/N_0){\underset{\‾}{H}}^H\underset{\‾}{H})}^{-1}{\underset{\‾}{H}}_p^H)---\left(3\right)$

要说明的是，去除第p行导致由方程(3)右手边第二项反映的容量的减小。因此，在 N个接收天线中优化选出( N-1)个接收天线将产生p，这个P使方程(3)最大，或者等价地使以下所示的(4)式最小：

${\underset{\‾}{H}}_p{(I_M+(E_s/N_0){\underset{\‾}{H}}^H\underset{\‾}{H})}^{-1}{\underset{\‾}{H}}_p^H---\left(4\right)$

对于一般情况，即N＜ N和 M＝M，随后去除( N-N)个天线，因而在每个阶段，去除将产生方程(3)中容量的最小减少的单个天线，或等效地，去除产生方程(4)的最小值的单个天线。应该说明的是， H应该由排除了对应于去除的接收天线的那些行的 H的子矩阵代替(例如，在第二阶段， H由

代替)。为了有效地实施这个过程，我们需要在计算方面有效的对于方程(4)中的矩阵求逆的更新。由于存在涉及非奇异埃尔米特矩阵A和同一维数的矢量x的下述关系，所以可以实现这种更新：

    (A-xx^H)^-1＝A^-1+A^-1x(1-x^HA^-1x)^-1x^HA^-1    (5)

这里，A代表在前一个阶段利用的矩阵求逆，x是平方根 乘以前一阶段去除的信道矩阵的转置的行。下面给出在 N个接收天线中选择N个接收天线的算法的伪语言描述：

    Set H← H，i←(1，...， N)and compute B＝(I_N+(E_s/N₀)H^HH)^-1.

    For n＝1 to( N-N)

    Begin

     $\mathrm{Find}\hat{p}\mathrm{such\; that}{H}_{\hat{p}}B{H}_{\hat{p}}^H\≤H_{p}B{H}_p^H,1\≤p\≤(\underset{\‾}{N}-n+1);$

     $\mathrm{Update\; i}\←(i_1,...,i_{\hat{p}-1},i_{\hat{p}+1},...,i_{N-n+1});$

    If n＜( N-N)

    Begin

     $\mathrm{Update\; B}\←B+B{H}_{\hat{p}}^H{({(E_s/N_0)}^{-1}-H_{\hat{p}}B{H}_{\hat{p}}^H)}^{-1}{H}_{\hat{p}}B,$

     $H\←{(H_1^T,...,H_{\hat{p}-1}^T,H_{\hat{p}+1}^T,...,H_{N-n+1}^T)}^T;$

    End

  End

首先，初始化信道矩阵H和矢量i：使H等于 N×M信道矩阵 H，并使i等于包含所有 N个天线的指示值的1× N矢量。矢量i代表天线的假设集合(开始时假设集合包括 N个天线)。进而，在初始化期间，计算辅助变量B(辅助变量B是表达式(4)的中间部分)。在这个算法的第一次迭代期间计算通信容量时要使用这个变量的计算值。

接下去，这个算法进行( N-N)次迭代，在每一次迭代中首先确定下一个要去除的天线(即，

)，随后通过从矢量i中去除对应的天线指示值i_p，从而从天线的假设集合中去除了这个天线。 是通过对于天线的假设集合中所有剩余的天线p计算(使用先前计算过的值B)所说的通过量/容量减小表达式(4)确定的。 对应于经过去除天线导致最小的通过量/容量减小(换言之，对应于经过去除天线导致最大的剩余通过量/容量)的天线(或者多个天线之一)。

应该说明的是，还可能在每次迭代中对于假设集合中的所有的天线计算去除每个天线后剩余假设集合的通过量/容量。然而，计算容量/通过量之差而不计算实际的容量的复杂性更小些，计算效率也更高些。

在算法的每次迭代中(最后一次迭代除外)都要更新信道矩阵H和辅助变量B，以便为下一次迭代作好准备。信道矩阵的H更新涉及到与刚刚去除的天线

对应的行的排除。

最后，在完成算法之后，最终的1×N矢量i包含所选的接收天线的指示值。

容易看见，这个算法还可以应用到选择发送天线(即，N＝ N和 M＞M的情况)。为此，我们注意到，就信道矩阵的埃尔米特共轭而论，信道容量表达式(3)是不变的，参见表达式(3)的第一行。因此，上述的算法是容易利用的，只要在初始化中用H← H ^H替换H← H、用I_N替换I_M、用M替换N、用 M替换 N即成。下面给出在 M个发送天线中选择M个发送天线的最终改进的算法的伪语言描述：

    Set H← H ^H，i←(1，...， M)and compute B＝(I_N+(E_s/N₀)H^HH)^-1.

    For n＝1 to( M-M)

    Begin

     $\mathrm{Find}\hat{p}\mathrm{such\; that}{H}_{\hat{p}}B{H}_{\hat{p}}^H\≤H_{p}B{H}_p^H,1\≤p\≤(\underset{\‾}{M}-n+1);$

     $\mathrm{Update\; i}\←(i_1,...,i_{\hat{p}-1},i_{\hat{p}+1},...,i_{M-n+1});$

    If n＜( M-M)

    Begin

     $\mathrm{Update\; B}\←B+B{H}_{\hat{p}}^H{({(E_s/N_0)}^{-1}-H_{\hat{p}}B{H}_{\hat{p}}^H)}^{-1}{H}_{\hat{p}}B,$

     $H\←{(H_1^T,...,H_{\hat{P}-1}^T,H_{\hat{p}+1}^T,...,H_{M-n+1}^T)}^T;$

    End

  End

在发送器12处的信道情况必须强制性地用于发送天线选择。可以用不同的方式来提供所说的信道情况。一种可能性是使用从接收器14到发送器12的反馈链路。接收器14利用这个反馈链路将所获得的信道参数与发送器12通信。另一种选择可以在时分双工(TDD)模式中得到，其中对于前向和反向链路这两者使用同一个载波频率。在这种情况下，每个位置获得在它的接收阶段的两个位置之间的传播信道的参数。由于电磁波传播的互易性，可以认为在接收价段获得的信道参数与随后的发送阶段完成天线选择所需的信道参数是完全相同的。为发送器12提供信道情况的合适方法取决于系统要求和时间-频率资源分配的类型。

上述的算法对于非存储信道是有效的。下面，将要探讨用于频率选择信道的类似的方法。无线通信信道的频率选择性通常来源于多路径传播，多路径传播将导致内部符号干扰。通常，传播延迟的扩展似乎只是符号速率的一个适中的整数倍。通过有限脉冲响应(FIR)线性滤波器并利用适中数目的分支可以准确地近似表示这些信道。在这些情况下，非存储信道模式(1)可以扩展成如下的形式：

$x\left[k\right]=\sqrt{E_s}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}H\left[l\right]s[k-l]+n\left[k\right],---\left(6\right)$

这里，这组N×M个矩阵H[0]，......，H[L]规定了(近似的)有限因果信道脉冲响应。由下式给出了频率选择信道的容量：

$C\left(H\right)=\underset{0}{\overset{1}{\∫}}{\log }_2\det (I_N+(E_s/N_0)H\left(e^{i2\mathrm{\πf}}\right)H(e^{i2\mathrm{\πf}}{)}^H)\mathrm{df}$

$=\underset{0}{\overset{1}{\∫}}{\log }_2\det (I_M+(E_s/N_0)H{\left(e^{i2\mathrm{\πf}}\right)}^{H}H\left(e^{i2\mathrm{\πf}}\right))d{f}^{\′}---\left(7\right)$

这里，H(e^i2πf)＝∑₁H[1]e^-i2πf1是信道频率响应。我们再次假定，在发送器处选择M个天线的一个固定的子集，同时在已知 N×M矩阵信道响应H[0]，......，H[L]情况的接收器处可自适应地选择 N个可利用的天线中的一组任意的N个接收天线。显然，即使对于数目很小的发送天线和接收天线，直接计算公式(7)也是很麻烦的。根据两种观点，可以简化精确的标准(7)。

首先，按照Wiener-Masani理论，可将表达式(7)改写成如下形式：

    C(H)＝log₂ det(D)，                            (8)

这里，D是从一个正的有限光谱密度矩阵-函数

    (I_M+(E_s/N₀)H(e^i2πf)^HH(e^i2πf))，f∈(0，1).    (8`)的因果最小相位光谱因子导出的M×M修正协方差矩阵。

其次，我们注意到：

$(I_M+(E_s/N_0)H{\left(e^{i2\mathrm{\πf}}\right)}^{H}H\left(e^{i2\mathrm{\πf}}\right))=$

$(I_M+(E_s/N_0)\underset{l=0}{\overset{L}{\mathrm{\Σ}}}H{\left[l\right]}^{H}H[l\left]\right)+(E_s/N_0)\underset{\left|k\right|=1}{\overset{L}{\mathrm{\Σ}}}{e}^{i2\mathrm{\πfk}}\left(\underset{l=\max \{0,-k\}}{\overset{\min \{L,L-k\}}{\mathrm{\Σ}}}H{[l+k]}^{H}H\right[l\left]\right)---\left(9\right)$

应该注意的是，在公式(9)的右手边的第一项涉及信道脉冲响应的自相关，而其余各项只涉及互相关。如果指定在对应于不同延迟分支的系数之间存在明显的去相关，则与其它各项相比，第一项占主导地位。基于这一观点，我们建议近似：

$C\left(H\right)\≈{\log }_2\det (I_M+(E_s/N_0)\underset{l=0}{\overset{L}{\mathrm{\Σ}}}H[l{]}^{H}H\left[l\right])---\left(10\right)$

下面，我们会利用下面的记法：

公式(9)近似为：

$C\left(H\right)\≈{\log }_2\det (I_M+(E_s/N_0)\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{H}^{H}H),$

$C\left(\underset{\‾}{H}\right)\≈{\log }_2\det (I_M+(E_s/N_0)\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{\underset{\‾}{H}}^H\underset{\‾}{H}).---\left(12\right)$

后面的表达式类似于早些时候对于非存储信道给出的通过量表达式(平直衰减的)。二者之间的差别在于下面的事实：N(L+1)×M矩阵H( N(L+1)×M矩阵 H的(L+1)×M矩阵块)的相继的(L+1)×M个矩阵块对应于相同接收天线的不同分支。因而，去除一个天线，就意味着去除对应的(L+1)×M矩阵块，而不是去除一个行，与非存储信道的情况类似。因此我们需要表达式(3)和(5)的相应的扩展。根据这些扩展，可以导出从 N个接收天线中选择N个接收天线的前述的算法的一个扩充的版本(即，用于频率选择信道)，它的一个伪语言描述如以下所示：

    Set H← H，i←(1，...， N)and compute B＝(I_M+(E_s/N₀)H^HH)^-1.

    For n＝1 to( N-N)

    Begin

      Find such that

     $\det (I_{L+1}-(E_s/N_0)H_{\hat{p}}^{H}B{H}_{\hat{p}})\≥\det (I_{L+1}-(E_s/N_0)H_p^{H}B{H}_p),$

      1≤p≤( N-n+1)；

     $\mathrm{Update\; i}\←(i_1,...,i_{\hat{p}-1},i_{\hat{p}+1},...,i_{N-n+1});$

      If n＜( N-N)

      Begin

     $\mathrm{Update\; B}\←B+B{H}_{\hat{p}}^H{({(E_s/N_0)}^{-1}{I}_{L+1}-H_{\hat{p}}B{H}_{\hat{p}}^H)}^{-1}{H}_{\hat{p}}B,$

     $H\←{(H_1^T,...,H_{\hat{p}-1}^T,H_{\hat{p}+1}^T,...,H_{N-n+1}^T)}^T;$

      End

    End

在这个算法中，Hp表示跨过H的行(p-1)(L+1)+1至行p(L+1)的(L+1)×M矩阵块。要注意的是，这种算法的复杂性随着分支数(L+1)的增加而明显增加。的确，这个算法的每个阶段都要计算( N-n+1)个判别式和大小为(L+1)×(L+1)的一个逆矩阵。还可以只考虑天线选择的信道脉冲响应几个重要的分支，从而可以保持L很小。

可以改变这个算法来选择发送天线(N＝ N和 M＞M)。我们再一次地利用对于信道矩阵的埃尔米特共轭的信道容量的不变性。只需要改变如以下所述定义(11)：

以下给出在频率选择信道条件下从 M个发送天线中选择M个发送天线的最终改进的算法的伪语言描述：

    Set H← H，i←(1，...， M)and compute B＝(I_N+(E_s/N₀)H^HH)^-1.

    For n＝1 to( M-M)

    Begin

      Find

such that

     $\det (I_{L+1}-(E_s/N_0)H_{\hat{p}}^{H}B{H}_{\hat{p}})\≥\det (I_{L+1}-(E_s/N_0)H_p^{H}B{H}_p),$

      1≤p≤( M-n+1)；

     $\mathrm{Update\; i}\←(i_1,...,i_{\hat{p}-1},i_{\hat{p}+1},...,i_{M-n+1});$

      If n＜( M-M)

      Begin

     $\mathrm{Update\; B}\←B+B{H}_{\hat{p}}^H{({(E_s/N_0)}^{-1}{I}_{L+1}-H_{\hat{p}}B{H}_{\hat{p}}^H)}^{-1}{H}_{\hat{p}}B,$

     $H\←{(H_1^T,...,H_{\hat{p}-1}^T,H_{\hat{p}+1}^T,...,H_{M-n+1}^T)}^T;$

      End

   End

图3和4表示说明按照本发明方法的性能的几条曲线。所考虑的情况是，发送器12利用 M＝4发送天线16，每个发送天线16都耦合到一个发送链20上(即 M＝M)，接收器14具有N＝4个接收链16，接收天线22的数目是 N＝8(图3)和N＝4(图4)。让我们假定一个瑞利平直衰减信道和完全不相关的发射/接收天线。换言之，信道矩阵 H的各个项都模式化为相互无关的、均匀分布的、平均值为0的、圆复数的、高斯变量，每个复维数的方差为(1/2)。对于从各种选择方法导出的子集，经过10000次独立的模拟试验，已经获得输出速率为10％和1％的输出容量，在图3和4中表示出最终得到的曲线。带有圆圈的实线表示从现有技术的穷尽搜寻方法得到的优化子集的输出容量。应该注意的是，这样一种穷尽搜寻方法当 M＝M＝4、N＝4、和 N＝16时需要计算M×M矩阵的( N/N)个判别式，这等于4×4矩阵的1820个判别式。带有星点的实线反映的是借助于上述的第一种算法确定的子集的输出容量(即，用于在平坦衰减条件下从 N个接收天线中选择N个接收天线)。这个过程的复杂性由M×M矩阵确定的(2 M-M+1)( M-M)/2这种二次型式的计算来支配确定。在上述的实例中，二次型式的数目是174。为了确定基准，用带有三角形的实线代表N＝4个天线的一个随机选取的子集的特性。可以看出，与所述的优化选择相比，按照本发明的方法产生的损耗可以忽略。另外，随机选择的增益随着期望的输出速率而有所变化，在低和中SNR(信噪比)这个变化为50％。

本发明的范围不限于这里明确公开的实施例。在每个新特征和每个特征的组合中实施本发明。任何标号都不限制权利要求书的范围。术语“包括”不排除列在权利要求限定以外的其它元件或步骤的存在。在元件前边加上术语“一个”并不排除多个这样的元件的存在。

Claims (6)

1.一种从 N个天线选择N个天线的子集以接收/发送N个信号的方法，

该方法通过从 N个天线的一个假设集合开始，从这个假设集合中除去( N-N)次天线，使得除去天线后的假设集合的容量具有最大值，这个子集对应于N个天线的剩余假设集合。

2.一种用于接收N个信号的接收器(14)，接收器(14)包括 N个接收天线(22)和N个接收链(26)， N大于N，接收器(14)还包括耦合装置(24)，用于选择性地耦合N个接收链(26)到 N个接收天线(22)中的N个天线的一个子集，对于耦合装置(24)进行安排，以便通过从 N个天线的一个假设集合开始、并从这个假设集合中除去( N-N)次天线使除去天线后的假设集合的容量具有最大值，从而可以选择N个天线(22)的子集，这个子集对应于N个天线的剩余假设集合。

3.一种用于发送M个信号的发送器(12)，发送器(12)包括 M个发送天线(16)和M个发送链(20)， M大于M，发送器(12)还包括耦合装置(18)，用于选择性地耦合M个发送链(20)到 M个发送天线(16)中的M个天线的一个子集，对于耦合装置(18)进行安排，以便通过从 M个天线的一个假设集合开始、并从这个假设集合中除去( M-M)次天线使除去天线后的假设集合的容量具有最大值，从而可以选择M个天线(16)的子集，这个子集对应于M个天线的剩余假设集合。

4.一种传输系统(10)，包括根据权利要求2所述的接收器(14)和/或根据权利要求3所述的发送器(12)。

5.一种借助于接收器(14)接收N个信号的方法，接收器(14)包括 N个接收天线(22)和N个接收链(26)， N大于N，该方法包括如下步骤：

-从 N个天线的一个假设集合开始，并从这个假设集合中除去( N-N)次天线，使得除去天线后的假设集合的容量具有最大值，其中这个子集对应于N个天线的剩余假设集合；

-将N个接收链(26)耦合到N个天线(22)的子集。

6.一种借助于发送器(12)发送M个信号的方法，发送器(12)包括 M个发送天线(16)和M个发送链(20)， M大于M，该方法包括如下步骤：

-从 M个天线的一个假设集合开始，并从这个假设集合中除去( M-M)次天线，使得除去天线后的假设集合的容量具有最大值，其中这个子集对应于M个天线的剩余假设集合；

-将M个发送链(20)耦合到M个天线(16)的子集。

Images