CN1885735A - 迫零波束赋形算法中的用户选择方法 - Google Patents

Abstract

在迫零波束赋形算法中的用于选择发送目标终端的方法中，从所有K个终端接收关于每个终端的信道容量的信息。选择具有最大信道容量的终端作为最初的发送目标终端。确定当前选择的终端i是否等于预定个数N。如果当前选择的终端的个数i与预定个数N不相等，则在i等于N之前，接收关于除先前选择的发送目标终端之外的剩余终端的信道容量的信息，并选择具有最大信道容量的终端作为发送目标终端。

Description

迫零波束赋形算法中的用户选择方法

                        技术领域

本发明通常涉及一种多用户分集技术，更具体地将，涉及一种在用于获得多用户分集增益的迫零波束赋形(zero-forcing beamforming)算法中的用户选择方法。

                        背景技术

最近，在无线通信领域，为了增加频谱效率和满足高速数据传输业务的要求，正通过使用多个发送和接收天线对波束赋形技术进行大量的研究。多用户分集指的是在通过使用瑞丽衰落(Rayleigh fading)来改善信道容量的多用户信道之间的信道分集。

对于多用户分集，发送目标用户必须与发送次数一起被选择。在无线网络环境下，一些用户在特定时间具有最佳的信道状态。此时，对相关用户执行发送，以便可获得期望的全部系统容量。water filling算法通过分配副载波频率之间的最佳功率和传输速率来使全部的多用户容量最佳。然而，waterfilling算法在用户已链接至信道的共享时间/空间自由度的普通时间/用户空间中不是最佳方法。

从总容量最大化方面，最简单的共享方法是将所有的功率分配给具有最大自由度的用户。在这种情况下，其他用户在他的信道状态改善之后可执行通信。与选择了具有最佳信道相关的用户并将所有可用的容量分配给该相关用户的情况相比，当总的传输功率集中在多输入多输出(MIMO)信道中时，基站可通过同时将独立的数据流发送到多个用户来保证高的总容量。

因为接收器在下行链路中不能够合作，所以根据在使得用户之间的干扰最小的同时发送器能否同时发送独立的信号来确定成功传输。如果发送器知道在考虑附加噪声的给定的信道中的干扰信息和当使用了dirty-paper预编码算法时的干扰，则它可获得与在无干扰环境下相同的容量。

然而，因为dirty-paper预编码算法复杂，所以存在这样的问题，即，dirty-paper预编码算法需要具有干扰相关的新的代码，并且实际上在基站中不能实现。另一方面，迫零(zero-forcing)算法是次最佳算法，但是它对于容量相关问题是明显简单的方法。在迫零算法中，所有用户之间的干扰被强制为0。

如下所述的迫零波束赋形算法是公知的，即可获得所谓的最佳dirty-paper预编码算法和当用户个数趋于无限时的渐近总容量的算法。然而，其缺点在于：迫零方案在高信噪比(SNR)处展示较好的性能而在低SNR处展示次最佳性能。

另一方面，因为接入距离减小并且一些用户总是与具有高SNR的一个天线或天线群邻近，所以动态窗口受限调度(Dynamic Window ConstrainedScheduling，DWCS)算法不仅能克服迫零方案的缺点，而且还能获得高总容量。

在迫零方案中，基站天线的个数必须多于所有接收器的总个数。当满足这个条件时，基于迫零方案的需要选择了具有高质量的信道的活动用户，从而可获得多用户分集增益。因此，迫零方案的成功或失败取决于低复杂性地选择具有最好的信道质量的用户。对于迫零方案已经提出了许多用户选择算法。然而，这些用户选择算法考虑的是这样一种情形，即，大多数用户终端具有一个天线并且基站需要全部信道状态信息(CSI)。需要一种在考虑用户终端具有多个接收天线时能使复杂性最小化并改善性能的用户选择方法。

                        发明内容

因此，本发明的目的在于提供一种这样的用户选择方法：可通过更新具有多天线的用户终端的零空间来改善在低信噪比(SNR)处的迫零算法的性能，并可增加系统的吞吐量。

本发明的另一目的在于提供一种在使性能退化最小的同时可降低复杂度的在迫零波束赋形中选择用户终端的方法。

本发明的另一目的在于提供一种通过比例公平调度技术来保证用户终端的服务质量(QoS)的选择用户终端的方法。

根据本发明的一方面，提供了一种在迫零波束赋形算法中选择发送目标终端的方法，其中，具有多个发送天线的基站通过使用从具有至少两个接收天线的多个终端接收的信道信息来选择预定个数为N的下行链路发送目标终端，所述方法包括以下步骤：从所有K个终端接收关于每个终端的信道容量的信息；选择具有最大信道容量的终端作为最初发送目标终端；确定当前选择的终端的个数i是否等于预定个数N；和如果当前选择的终端的个数i与预定个数N不相等，则在i等于N之前，接收关于除先前选择的发送目标终端之外的剩余终端的信道容量的信息，并选择具有最大信道容量的终端作为发送目标终端。

优选地，所述方法还包括：如果选择的终端的个数i等于预定个数N，则输出选择的终端的索引集合。

优选地，从所有终端接收关于信道容量的信息的步骤包括：向所有K个终端广播导频波束；和响应于所述导频波束，接收关于终端的信道容量的信息。

优选地，选择发送目标终端的步骤包括：从所述最初发送目标终端接收相关终端的信道矩阵；计算接收的信道矩阵的零空间；基于所述零空间广播零空间波束；和响应于所述零空间波束，从除选择的发送目标终端之外的剩余终端接收关于信道容量的信息。

根据本发明的另一方面，提供了一种迫零波束赋形算法中选择发送目标终端的方法，其中，具有多个发送天线的基站通过使用从具有至少两个接收天线的多个终端接收的信道信息来选择预定个数为N的下行链路发送目标终端，所述方法包括以下步骤：向所有K个终端广播导频波束；响应于所述导频波束，从所述终端接收关于每个终端的信道容量的信息；选择具有最大信道容量的终端作为最初的发送目标终端；确定当前选择的终端的个数i是否等于预定个数N；如果当前选择的终端的个数i与预定个数N不相等，则从所述最初发送目标终端接收相关终端的信道矩阵；计算接收的信道矩阵的零空间；基于所述零空间广播零空间波束；和响应于所述零空间波束，从除选择的发送目标终端之外的剩余终端接收关于信道容量的信息，并选择具有最大信道容量的终端作为发送目标终端。

                        附图说明

根据下面结合附图的详细描述，将更清楚地理解本发明的上述和其他目的和方面，其中：

图1示出应用根据本发明的用户选择方法的多用户信道环境的迫零波束赋形算法；

图2是示出根据本发明的迫零算法中的用户选择方法的流程图；

图3是示出当将20dB的信噪比(SNR)应用于协同定位天线系统(CAS)环境时具有四个发送天线的基站的平均吞吐量随具有两个接收天线的终端的个数变化的曲线图；

图4是示出当将20dB的SNR应用于分布式天线系统(DAS)环境时具有四个发送天线的基站的平均吞吐量随具有两个接收天线的终端的个数变化的曲线图；

图5是示出当将0dB的SNR应用于CAS环境时具有四个发送天线的基站的平均吞吐量随具有两个接收天线的终端的个数变化的曲线图；

图6是示出当将0dB的SNR应用于DAS环境时具有四个发送天线的基站的平均吞吐量随具有两个接收天线的终端的个数变化的曲线图；

图7是示出当在SNR为20dB的CAS和DAS环境中具有六个发送天线的基站选择具有两个接收天线的终端时的性能比较结果的曲线图；和

图8是示出当在SNR为0dB的CAS和DAS环境中具有六个发送天线的基站选择具有两个接收天线的终端时的性能比较结果的曲线图。

                        具体实施方式

以下，将参照附图更详细地描述根据本发明的用户选择方法。

本发明考虑两种信道模型，即，分布式天线系统(DAS)和传统的协同定位天线系统(CAS)。

DAS指示具有完全分布式天线的动态窗口受限调度(DWCS)环境，CAS指示具有分布式群的DWCS环境的一个天线群。众所周知，具有分布式群的DWCS环境展示高峰值传输速率。假定发送天线的个数为M，不同用户终端的接收天线的个数为N，并获得了平衰落和准静态信道，且用户终端之间的信道独立，则接收的信号可如方程(1)所示。

Y_k(t)＝H_w，k(t)F_k(t)X_b(t)+W_k(t)，k∈K              方程(1)

其中，X是发送信号，W是噪声，K是用户索引的集合。与下行链路中第k个用户的信道相关的M×N矩阵H_w，k(t)F_k考虑大规模慢衰落以及小规模快衰落。H_w，k(t)是具有元素i、i、d、N(0，1)的M×M矩阵。在与传统CAS不同的DAS中，发送天线遭遇不同程度的大规模衰落。这由M×N的对角矩阵F_k来表示。在本发明中，由路径损失，即， $F_k=\mathrm{diag}(d_{1,k}^{-\mathrm{\γ}/2},d_{2,k}^{-\mathrm{\γ}/2},\·\·\·,d_{M,k}^{-\mathrm{\γ}/2})$ 来确定大规模的衰落。另一方面，在CAS中的 $F_k=\mathrm{diag}(d_1^{-\mathrm{\γ}/2},d_2^{-\mathrm{\γ}/2},\·\·\·,d_M^{-\mathrm{\γ}/2})\·d_k$ 是基于不同的发送天线和第k个用户终端之间的接入距离。当考虑到在DAS中M个天线所处于的半径为r的圆形区域时，每个天线独立于其他天线而随机地位于与均匀概率相关的区域。在CAS中，M个天线被协同定位。γ是路径损失指数。在DAS和CAS中，来随机地定位用户终端。

图1示出应用根据本发明的用户选择方法的多用户信道环境的迫零波束赋形算法。基站(100)将存储在逐用户缓冲器111、112和113中的信号复用，并将复用的信号发送到n_T发送天线。用户终端120、130和140通过n_R，j接收天线接收信号。

当一个基站考虑具有n_T发送天线的K个用户终端的多用户下行链路信道时，可如方程(2)所示来表示第j个用户的接收信号，其中，第j个用户终端的信道矩阵是H_j。

$R_j=H_j\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{T}_i{b}_i+n_j=H_j{T}_j{b}_j+H_j{\tilde{T}}_j{\tilde{b}}_j+n_j$

方程(2)

在方程(2)中， 和 表示波束赋形矩阵和除第j个用户终端之外的所有用户终端的传输矢量，并可分别由方程(3)和方程(4)来表示。

${\tilde{T}}_j=[T_1...T_{j-1}{T}_{j+1}...T_K]$

方程(3)

${\tilde{b}}_j=[b_1^T...b_{j-1}^T{b}_{j+1}^T...b_k^T]$

方程(4)

在本发明中，设置了i≠j时H_jT_j＝0的条件以去除所有的用户干扰分量。可定义 ${\tilde{H}}_j={[H_1^T...H_{j-1}^T{H}_{j+1}^T...H_K^T]}^T.$ T_j可被置于 的零空间以满足条件。另一方面，如方程(5)所示， 的零空间

可通过奇异值分解(SVD)来获得。

${\tilde{H}}_j={\tilde{U}}_j{\widetilde{\mathrm{\Σ}}}_j{\left[{\tilde{V}}_j^{\left(1\right)}{\tilde{V}}_j^0\right]}^{*}$

方程(5)

基于方程(6)可通过

的SVD可获得传输矢量V_j ⁽¹⁾，该传输矢量V_j ⁽¹⁾使第j个用户终端的信息传输速率最大。

$H_j{\tilde{V}}_j^{\left(0\right)}=U_j\left[\begin{array}{cc}{\mathrm{\Σ}}_j& 0\\ 0& 0\end{array}\right]{\left[V_j^{\left(1\right)}{V}_j^{\left(0\right)}\right]}^{*}$

方程(6)

另一方面，可如方程(7)所示来表示根据本发明的波束赋形矩阵。

$T_s=[{\tilde{V}}_1^{\left(0\right)}{V}_1^{\left(1\right)}{\tilde{V}}_2^{\left(0\right)}{V}_2^{\left(1\right)}...{\tilde{V}}_K^{\left(0\right)}{V}_K^{\left(1\right)}]{\mathrm{\Λ}}^{1/2}$

方程(7)

在方程(7)中，Λ是对角矩阵，Λ的元素λ_i按比例缩放T_s的列中的传输功率。通过方程(8)来计算总容量。

方程(8)

通过对∑的对角元素使用water filling来计算Λ的最佳功率加载系数。

接着，将参照附图来描述根据本发明的迫零方案中的用户选择方法。假定通过使用空间复用方案共享单个信道的用户个数的上限是N，必须从所有K个用户中选择出具有最好信道状态的N个用户终端以获得多用户分集增益。

通过所有可能的排列可找到最好结果。然而，因为测试所有排列的处理非常复杂，所以难于实现该处理。存在用较好的H_j来选择N个终端的简单方法。然而，如果不考虑特定用户终端和其他用户终端之间的空间干扰，则该方法可能不会被认为是最佳方法。

图2是示出根据本发明的迫零算法中的用户选择方法的流程图。在根据本发明的用户选择方法中，应用了逐步贪婪(gradual greedy)算法以在使性能退化最小化的同时降低复杂性。

首先，基站以单位矩阵的形式广播导频波束(步骤S201)，并从所有的用户终端接收与各用户终端的容量C_j(H_jT₁)相应的反馈信息(步骤S202)。

$C_j\left(H_{j}T\right)=\underset{Q_j,\mathrm{tr}\left\{Q_j\right\}\≤P}{\max }\mathrm{lo}{g}_2|I+H_{j}T{Q}_j{T}^H{H}_j^H|$

方程(9)

在方程(9)中，Q_j是传输协方差矩阵。

基站从用户终端选择具有最大容量的用户终端k₁＝arg max_jC_j(H_jT₁)(步骤S203)，并确定到现在为止选择的用户终端的个数i是否等于N(步骤S204)。如果选择的用户终端的个数与N不相等，则基站为选择的用户终端请求信道矩阵H_k1。一旦接收到相关终端的信道矩阵H_k1(步骤S205)，则基站基于接收的信道矩阵生成H_k1的零空间的波束T_i+1，并将生成的波束广播至所有的用户终端(步骤S206)。

响应于波束T_i+1，基站接收与除用户终端k₁之外的所有用户终端的容量C_j(H_jT_i+1)相应的反馈信息(步骤S207)。基站从所述用户终端选择具有最大容量的用户终端k_i+1＝arg max_jC_j(H_jT_i+1)(步骤S203)。不断地，在选择的用户终端的数量i等于N之前，基站重复步骤S203至S207。

另一方面，如果在步骤S204中选择的用户终端的数量i等于N，则基站输出选择的N个终端的索引集合(步骤S208)，并返回到步骤S201。

用户选择算法总结如下。

步骤1：对于T₁＝I，接收所有用户终端的容量C_j(H_jT₁)。

步骤2：选择k₁＝arg max_jC_j(H_jT₁)，

设置Θ₁＝{k₁}， ${\tilde{H}}_0=\mathrm{\φ},$ i＝1的默认值。

步骤3：生成并广播

的零空间的T_i+1，其中， ${\tilde{H}}_i=[{\tilde{H}}_{i-1}^T,H_{k_i}^T].$

步骤4：基于T_i从所有用户终端发送容量C_j(H_jT_i)，其中，i＝i+1，

j∈{1，...，K}-Θ_i-1。

步骤5：选择k_i＝arg max_jC_j(H_jT_i)，其中，j∈{{1，...，K}-Θ_i-1}，Θ_i＝Θ_i-1∪{k_i}。

步骤6，在i＝N之前重复步骤3到5。

步骤7：输出选择的用户终端的索引集合。

在根据本发明的用户选择方法中，假定在用户终端的容量反馈处理期间信道状态不变化。根据本发明实施例的用户选择方法需要选择的用户终端的约定信息速率(CIR)，即，仅对于j∈Θ_i的H_j，并且如果帧的长度不是非常长，则可应用于运动环境。

根据本发明的用户选择方法利用了URV分解算法来更新零空间。URV分解算法的处理复杂度是O(p)。URV分解比具有复杂度O(p³)的SVD快。

假定A的秩为k，这意味着A的奇异值满足条件σ₁≥...≥σ_k＞σ_k+1＞σ_p，如方程(10)所示，将A进行URV分解。

$A=U\left(\begin{array}{cc}R& F\\ 0& G\end{array}\right)V^H$

方程(10)

在方程(10)中，R和G是上三角形矩阵， $\inf \left(R\right)\≅{\mathrm{\σ}}_k,$ 并且

$\sqrt{{\left|\right|F\left|\right|}^2+{\left|\right|G\left|\right|}^2}\≅\sqrt{{\mathrm{\σ}}_{k+1}^2+\mathrm{\Λ}+{\mathrm{\σ}}_p^2}.$

根据方程(10)，可通过比SVD的计算和更新处理更容易的计算和更新处理来提取零空间。

对于所述更新处理，通过旋转诸如

的矩阵的左元素来推导上三角形。

$\begin{array}{ccccc}\→& r& r& r& r\\ & r& r& r& r\\ & 0& 0& r& r\\ & 0& 0& 0& r\\ \→& \tilde{x}& x& x& x\end{array}\⇒\begin{array}{ccccc}& r& r& r& r\\ \→& 0& r& r& r\\ & 0& 0& r& r\\ & 0& 0& 0& r\\ \→& 0& \tilde{x}& x& x\end{array}\⇒\begin{array}{ccccc}& r& r& r& r\\ & 0& r& r& r\\ \→& 0& 0& r& r\\ & 0& 0& 0& r\\ \→& 0& 0& \tilde{x}& x\end{array}\⇒\begin{array}{c}\begin{array}{ccccc}& r& r& r& r\\ & 0& r& r& r\\ & 0& 0& r& r\\ \→& 0& 0& 0& r\\ \→& 0& 0& 0& \tilde{x}\end{array}\end{array}\⇒\begin{array}{ccccc}& r& r& r& r\\ & 0& r& r& r\\ & 0& 0& r& r\\ & 0& 0& 0& r\\ & 0& 0& 0& 0\end{array}$

优选地，根据本发明的用户选择方法与比例公平的调度算法一起使用以克服迫零方案的缺点，并保证用户终端的服务质量(QoS)。

图3至8是示出所提出的用户选择方法和传统的用户选择方法之间的性能比较结果的曲线图。

图3是示出当将20dB的信噪比(SNR)应用于协同定位天线系统(CAS)环境时具有四个发送天线的基站的平均吞吐量随具有两个接收天线的终端的个数变化的曲线图。可以看出，所提出的用户选择方法几乎在所有区域都优于简单的用户选择方法，并且具有与所有可能的用户选择方法几乎一样的性能。

图4是示出当将20dB的SNR应用于DAS环境时具有四个发送天线的基站的平均吞吐量随具有两个接收天线的终端的个数变化的曲线图。可以看出，所提出的用户选择方法几乎在所有区域都优于简单的用户选择方法，并且具有的吞吐量几乎接近于所有可能的用户选择方法的吞吐量。

图5和6是示出当将0dB的SNR应用于CAS和DAS环境时具有四个发送天线的基站的平均吞吐量随具有两个接收天线的终端的个数变化的曲线图。在CAS环境中，所提出的用户选择方法的性能稍微优于简单的用户选择方法的性能。在DAS中，所提出的用户选择方法的性能显著优于简单的用户选择方法的性能。

图7是示出当在SNR为20dB的CAS和DAS环境中具有六个发送天线的基站选择具有两个接收天线的终端时的性能比较结果的曲线图。在CAS和DAS环境中，可以看出，所提出的用户选择方法优于简单的用户选择方法。

图8是示出当在SNR为0dB的CAS和DAS环境中具有六个发送天线的基站选择具有两个接收天线的终端时的性能比较结果的曲线图。可以看出，在低SNR时所提出的用户选择方法也优于简单的用户选择方法。特别地，在DAS环境中，可以看出，与简单的用户选择方法相比，提出的用户选择方法被显著改善。

如上所述，本发明的用户选择方法可通过在用于多用户调度的迫零波束赋形时更新零空间来减小处理复杂度，并还可获得与如下所述的情况下的性能类似的性能，即在通过对所有用户的一系列操作而选择的用户的情况下的性能。

此外，因为终端具有多个接收天线并且仅需要选择的用户终端的信道信息，所以本发明的用户选择方法可在没有性能退化的情况下减小处理的复杂度。另外，本发明的用户选择方法可定义虚拟的小区(cell)并还可获得用户分集。此外，本发明的用户选择方法与比例公平的调度算法一起使用，从而保证用户的QoS。

尽管为了示出的目的已公开的本发明的优选实施例，但是本领域的技术人员应该明白，在不脱离本发明的范围的情况下，可进行各种修改、添加和代替。因此，本发明不限于上述实施例，而是由权利要求及其等同物的全部范围来限定。

Claims (9)

1、一种在迫零波束赋形算法中选择发送目标终端的方法，其中，具有多个发送天线的基站通过使用从具有至少两个接收天线的多个终端接收的信道信息来选择预定个数为N的下行链路发送目标终端，所述方法包括以下步骤：

从所有K个终端接收关于每个终端的信道容量的信息；

选择具有最大信道容量的终端作为最初发送目标终端；

确定当前选择的终端的个数i是否等于预定个数N；和

如果当前选择的终端的个数i与预定个数N不相等，则在i等于N之前，接收关于除先前选择的发送目标终端之外的剩余终端的信道容量的信息，并选择具有最大信道容量的终端作为发送目标终端。

2、如权利要求1所述的方法，还包括：

如果选择的终端的个数i等于预定个数N，则输出选择的终端的索引集合。

3、如权利要求1所述的方法，其中，从所有终端接收关于信道容量的信息的步骤包括：

向所有K个终端广播导频波束；和

响应于所述导频波束，接收关于终端的信道容量的信息。

4、如权利要求3所述的方法，其中，所述导频波束是单位矩阵的形式。

5、如权利要求1所述的方法，其中，选择发送目标终端的步骤包括：

从所述最初发送目标终端接收相关终端的信道矩阵；

计算接收的信道矩阵的零空间；

基于所述零空间广播零空间波束；和

响应于所述零空间波束，从除选择的发送目标终端之外的剩余终端接收关于信道容量的信息。

6、如权利要求1所述的方法，其中，所述信道容量是相关终端所有接收天线的总容量。

7、一种迫零波束赋形算法中选择发送目标终端的方法，其中，具有多个发送天线的基站通过使用从具有至少两个接收天线的多个终端接收的信道信息来选择预定个数为N的下行链路发送目标终端，所述方法包括以下步骤：

向所有K个终端广播导频波束；

响应于所述导频波束，从所述终端接收关于每个终端的信道容量的信息；

选择具有最大信道容量的终端作为最初的发送目标终端；

确定当前选择的终端的个数i是否等于预定个数N；

如果当前选择的终端的个数i与预定个数N不相等，则从所述最初发送目标终端接收相关终端的信道矩阵；

计算接收的信道矩阵的零空间；

基于所述零空间广播零空间波束；和

响应于所述零空间波束，从除选择的发送目标终端之外的剩余终端接收关于信道容量的信息，并选择具有最大信道容量的终端作为发送目标终端。

8、如权利要求7所述的方法，其中，所述导频波束是单位矩阵的形式。

9、如权利要求7所述的方法，还包括：

如果选择的终端的个数i等于预定个数N，则输出选择的终端的索引集合。

Images