CN1972138A - 码分多址通信系统中的非线性预编码 - Google Patents

Abstract

本发明公开了一种用于扩频传输系统的预编码技术，它有利地解决了符号间干扰以及多用户和码片间干扰。

Description

码分多址通信系统中的非线性预编码

相关申请的交叉引用

本申请要求了在2005年8月22日提交的题为“TD-SCDMA的非线性预编码”的美国临时申请No.60/710,060的权益，并且是该申请的非临时申请，该美国临时申请的内容通过引用结合于此。

技术领域

本发明一般涉及码分多址系统，更具体地说，涉及在这种系统中降低干扰的预编码技术。

背景技术

使用码分多址(CDMA)的系统的一个主要问题就是多径衰落会引入多用户干扰(MUI)和符号间干扰(ISI)。一种用来最小化在直接序列CDMA系统中的干扰的技术称为“多用户检测”(MUD)，其中多个发射机(例如移动单元)将无关的数据流发送到单个接收机(例如基站)，它执行复杂的信号处理算法来去除MUI和ISI。不幸地是，对下行链路传输(而不是上行链路传输)施加常规的多用户检测面临着若干的重要障碍。例如，线性MUD技术不仅增加下行链路接收机的复杂性，它们还需要移动单元知道剩余用户的扩展序列。

解决这些问题的一种方法是将接收机的解码复杂性转移到发射机，一般称为“预编码”的技术。对于采用时分复用的系统，发射机预编码是一种有吸引力的解决方案，其中上行链路和下行链路信道彼此互逆。提出了种种线性预编码技术，它们在带有码片间干扰但是没有符号间干扰的系统中的复杂性和性能之间得到良好折衷。通过引入保护间隔或者因为扩展增益比多径信道的长度大得多，可忽略符号间干扰。然而，在具有符号间干扰的系统中，这样的现有技术系统的复杂性变得难处理，因为矩阵滤波器的尺寸同帧长与用户数量的乘积(即块处理)成比例。

发明内容

本文公开一种用于扩频传输的预编码技术，它方便地解决了符号间干扰，及其多用户和码片间干扰。预编码器设计使用反馈和前馈滤波器来解决多用户和码片间干扰，而另一反馈滤波器作用于先前预编码矢量，其结果从输入符号矢量中减去来消除符号间干扰。预编码器设计能使用位-方式操作或码片-方式操作实现。码片-方式预编码器设计将预编码操作与扩展操作结合并且与位-方式预编码器相比提供了潜在的性能改善。还公开了功率负载方法，它进一步优化了系统性能。预编码器设计与块-方式的线性预编码器相比显然有利地具有更少的复杂性。当与上行链路和下行链路信道采用时分复用的系统一起利用时，所公开的预编码技术还特别具有优势。

通过参考下面的具体实施方式和附图，对于本领域技术人员来说本发明这些和其它的优点当会显而易见。

附图说明

图1说明了使用根据本发明的一个实施例布置的预编码结构的通信传输系统；

图2说明了使用根据本发明的另一实施例布置的预编码结构的通信传输系统；

图3是说明了用来生成置换矩阵的贪婪方法的伪码；

图4、5和6说明了与现有技术线性预编码器相比所公开的预编码技术的BER性能；

图7说明了当使用带有负载和排序的公开的码片-方式的预编码技术时的信道预测的性能。

具体实施方式

图1说明了使用根据本发明的一个实施例布置的预编码结构的通信传输系统。本文假定该系统为在多径信道上提供了到K个接收机101、102...105的下行链路传输的离散时间同步码分多址(CDMA)系统(但并非仅限于此)。

如图1所示，发射机接收由b[i]＝[b₁[i]，...，b_K[i]]^T表示的下行链路信息流110，其中b_k[i]是从在第i个符号间隔期间传送的第k个用户的有限星座组A选择的信息符号。如在下文中进一步详述，发射机执行逐个符号的预编码操作，它基于v信息符号矢量产生K×1的预编码符号矢量x[i]＝ψ(b[i]，...，b[i-v+1])。预编码符号矢量在150处被转换成扩频信号，其中N表示扩展因子且s_k＝[s_k，1，...，s_k，N]^T表示第k个用户的扩展波形。在第i个符号间隔期间传送的信号可写为p[i]＝Sx[i]，其中S＝[s₁，s₂，… ，s_K]。

按照图1所示和下文所述对在发射机和接收机101、102...105之间的多径信道进行建模。传送的信号矢量p[i]被描绘为通过并-串转换器160并且取决于到接收机101、102...105的路径而受不同复衰落增益171、172...175的支配。路径延时假设为码片间隔的整数倍。将第k个用户看到的多径信道表示为f_k＝[f_k,1，f_k，2，...，f_k，L]^T，其中L为可分解路径的数量且f_k，l为对应于第k个用户的第l个路径的复衰落增益。假定L≤N，使得延时扩展为至多一个符号间隔。将r_k[i]表示为在第i个符号间隔期间由第k个用户接收的N×1的信号矢量(即N个连续的码片间隔)。于是

${\mathrm{\γ}}_k[i]=D_k\mathrm{Sx}\left[i\right]+{\stackrel{-}{D}}_k\mathrm{Sx}[i-1]+n_k\left[i\right],---\left(1\right)$

其中n_k[i]～N_c(0，σ_{n 2}I_N)是在第k个接收机的高斯白噪声复矢量，并且

然后该K个接收机101、102...105继续处理多径信号。各接收机101、102...105具有匹配滤波器151、152...155。在第k个接收机，上述匹配滤波器作用于具有该用户的签名波形的接收信号r_k[i]，即y_k[i]＝s_k ^Hr_k[i]。通过将来自所有用户的匹配滤波器输出叠加成单个矢量，该输出矢量可表示为

其中H和

为K×K矩阵。因此，预编码器设计最好加以选择以生成尽可能接近传送数据矢量b[i]的输出矢量y[i]。

图1所示的预编码器设计的不同要素可描述如下。首先，由矩阵F代表的前馈(FF)滤波器矩阵120和由(C-I)代表的反馈(FB)滤波器矩阵125被用来去除多用户干扰和码片间干扰。该设计基于公知的Thomlinson-Harashima预编码技术。例如参看，H.Harashima和H.Miyakawa的“带有符号间干扰的信道的匹配传输技术”(″Matched Transmission Technique for Channels with IntersymbolInterference,″IEEE Trans．Commun.，20：774-80(1972))；M.Tomlinson的“采用模算术的新自动平衡器”(″New Automatic EqualiserEmploying Modulo Arithmetic,″IEEE Electron.Lett.，pp.138-139(Mar.1971))；C.Windpassinger等人的“在多天线和多用户通信中的预编码”(″Precoding in Multi-Antenna and Multi-User Communications，″IEEE Trans.Wireless Commun.(Mar.2004))。将矩阵H的LQ因式分解表示为H＝WF^H，其中F为酉矩阵而W为下三角矩阵。前馈矩阵F的目的是将干扰转化成因果形式，而不增加发射功率。这允许使用反馈滤波器矩阵(C-I)来消除因果干扰。为了使干扰消除能够实现，C需要为首一下三角矩阵。为了得到C，分解W＝G^-1C，其中G是使C成为首一的对角矩阵，即 $G=\mathrm{diag}(w_{\mathrm{1,1}}^{-1},...,w_{K,K}^{-1}),$ 其中w_i，i表示在W中的第i个对角元素。将 表示为反馈滤波器的输出。于是我们得到 $\tilde{x}\left[i\right]=b\left[i\right]-(C-I)\tilde{x}\left[i\right],$ 因此，等价的反馈运算为 $\tilde{x}\left[i\right]=C^{-1}b\left[i\right].$ 因而，输入数据符号b[i]首先通过反馈滤波器C^-1并且然后通过前馈滤波器F，即x[i]＝FC^-1b[i]接着进行图1所示的扩展。

由于矩阵C的下三角结构，反馈滤波器的输出 ${\tilde{x}}_k,k=1,...,K,$ 连续地从输入数据符号b_k[i]∈A以及反馈滤波器的先前输出 ${\tilde{x}}_e\left[i\right],e=1,...,k-1$ 生成，其方式为 ${\tilde{x}}_k\left[i\right]=b_k\left[i\right]-{\mathrm{\Σ}}_{e=1}^{k-1}{c}_{k,e}{\tilde{x}}_e\left[i\right],$ k＝1，...，K。为了防止发射功率的增加，进行关于A的模运算，如图1中130所示。例如，对于M-QAM星座，模运算对应于将b_k[i]的实部和虚部增加

的整数倍，使得产生的输出信号落入A的范围。于是反馈滤波器的输出变为

$\widetilde{x_k}\left[i\right]=b_k\left[i\right]+d_k\left[i\right]-\underset{e=1}{\overset{k-1}{\mathrm{\Σ}}}{c}_{k,e}{\tilde{x}}_e\left[i\right],k=1,...,K,---\left(4\right)$

其中 $d_k\left[i\right]\∈\left\{2\sqrt{M}(d_I+{\mathrm{jd}}_Q)\right|d_I,d_Q\∈Z\}.$ 那就是说，不是将b_k[i]回馈，而是将符号v_k[i]＝b_k[i]+d_k[i]通过C^-1。

为了消除其影响，接收机101、102...105对131、132...135进行相同的运算。在第k个用户的接收机上，匹配滤波器s_k、标量运算 $\mathrm{gk}=G[k,k]=w_{k,k}^{-1}$ 以及与在发射机上所作的相同的模运算被加到接收信号r_k[i]。因此，不考虑模运算，所有K个用户的端到端运算由下式给出

z[i]＝G(HFC^-1b[i]+v[i])＝b[[i]+Gv[i].    (5)并且第K个用户基于判决统计z_k[i]对b_k[i]作出判决。注意，标量增益g_k，k＝1，...，K，可在接收机被估计(自动增益控制)或者由发射机/基站广播。

最后，考虑由方程式(3)中出现的

项所引起的符号间干扰。如图1所示，采用另一反馈滤波器140，使用分解H＝G^-1CF^H来消除符号间干扰项

接收机将观察到由先前符号引起的ISI项

于是，第二反馈消除能被用来消除由先前符号x[i-1]引起的干扰。假定先前预编码的符号x[i-1]首先由滤波器A过滤，然后从当前数据符号b[i]中减去，如图1所示，为了找出使得均方误差(MSE)最小的矩阵A，考虑在判决设备中的误差信号

通过正交性原理，E{ez^H}＝0 ，这使得 $(G\stackrel{-}{H}-{\mathrm{GHFC}}^{-1}A)=0,$ 即 $A=G\stackrel{-}{H}.$ 注意，对于ZF(迫零)和MMSE(最小均方误差)优化准则矩阵A是相同的。

因此，在图1中执行的端到端的迭代运算能够由下式表示

为清晰起见，没有包括模运算。

图2描绘了包括作为预编码运算的一部分的扩展运算的备选的码片-方式的预编码设计。预编码器输入K×1的符号矢量b[i]并将它们转换成准备按码片速率传送的大小为N×1的矢量p[i]。在第k个用户的接收机上，对应于P[i]的N×1的接收信号矢量由下式给出

${\mathrm{\γ}}_k\left[i\right]=D_{k}p\left[i\right]+{\tilde{D}}_{k}p[i-1]+n_k\left[i\right].---\left(8\right)$

在各接收机k上，匹配滤波器s_k作用于r_k[i]。通过叠加所有的K个匹配滤波器的输出，我们得到：

注意，与上述图1实施例相对比，此处H不是方阵，而是具有维数K×N，其中N≤K。与前面相似，为了施加预编码，我们执行LQ分解，H＝WF^H＝G^-1CF。在H的行上施加Gram-Schmidt正交化过程能容易地得到该分解，其中得到的正交矢量形成N×K维的F的列，F^HF＝I_K。Gram-Schmidt系数定义了K×K的下三角矩阵C。如此，F和C-I分别为前馈和反馈滤波器矩阵，并且反馈矩阵 $A=G\stackrel{-}{H}$ 消除了符号间干扰，如图2所示。G中的第k个对角元素对应于在第k个用户的接收机上施加的标量增益。

对各用户提供大致相同的比特误码率(BER)性能是更可取的。从方程式(5)可以看出在各用户接收机处的噪声通过由 $G=\mathrm{diag}(w_{\mathrm{1,1}}^{-1},...,w_{K,K}^{-1})$ 的相应的对角元素放大，在用户间产生不同的SNR(因而BER)性能。可以采用功率装载来迫使在用户间得到相同的性能。就是说，符号矢量b[i]首先乘以对角矩阵Γ＝diag(γ₁...，γ_K)，其中γ_k ²表示分配给用户k的功率。于是对各用户的模运算需要考虑装载值，因为在星座点之间的距离依其按比例而定。给定总的发射功率P_T，装载问题能被阐述为：求出γ₁，...，γ_K，使得 ${\mathrm{\Σ}}_{k=1}^K{\mathrm{\γ}}_k^2=P_T$ 以及 ${\mathrm{\γ}}_k^2{w}_{k,k}^2=\mathrm{\η},\∀k,$ 。其解为

${\mathrm{\γ}}_k^2=\frac{w_{k,k}^{-2}}{{\mathrm{\Σ}}_{k=1}^K{w}_{k,k}^{-2}}{P}_T,k=1,...,K,\mathrm{\η}=\frac{P_T}{{\mathrm{\Σ}}_{k=1}^K{w}_{k,k}^{-2}}.---\left(10\right)$

发射机/基站可将公共常数值η广播到所有的接收机，然后接收机可调整它们各自的w_k,k以得到在模算子中要求的γ_k值。因此，装载运算仅仅要求传输的常数值η对所有的接收机是公共的。注意，如果不同的接收机期望不同的SNR性能级，则能够推导出不同的加权因子。

有趣的是，当采用正交扩展序列时，即当S^TS＝I_K，则我们得到 $w_{k,k}^{\left(b\right)}\≤w_{k,k}^{\left(c\right)},k=1,...,K,$ 因此η^(b)≤η^(c)，其中上标b和c分别表示位-方式和码片-方式的预编码器。首先，比较方程式(3)和(9)，我们得到H^(b)＝H^(c)S。假定在 $V^{\⊥}\stackrel{\mathrm{\Δ}}{=}{\mathrm{IR}}^N\backslash \mathrm{span}\left(S\right)$ 中，u_K+1，...，u_N为(N-K)标准正交矢量。定义酉矩阵S′＝[s₁..，s_K，u_K+1，...，u_N]＝[S，U]并且假定

X＝[H^(b)，H^(c)U]＝H^(c)S′.    (11)

因为S′为酉矩阵，所以X和H^(c)中的行维持范数和角度。因此，如果K×(N-K)的块矩阵H_cU具有任何非零行(即H_c的行在span(U)上的投影为非零)，则H^(b)中的相应行的范数将小于H^(c)中的相应行的范数。现在考虑LQ因式分解H^(c)＝W^(c)F^(c)H，在H^(c)的行上用Gram-Schmidt得到，即 ${\left\{h_k^{\left(c\right)T}\right\}}_{k=1.}^K$ 能够按照如下方式来得到各个值w_K，k ^(c)。假定在Gram-schmidt算法的第k步已经从h₁ ^(c)，...，h_k-1 ^(c)得到标准正交矢量f₁ ^(c)，...，f_k-1 ^(c)(即F^(c)中前面的k列)，并且表示为 $u_{k-1}=\mathrm{span}\{f_1^{\left(c\right)},...,f_{k-1}^{\left(c\right)}\}.$ 然后，通过简单检查LQ因式分解的结构，w_k，k ^(c)为 ${\tilde{f}}_k^{\left(c\right)}={\mathrm{proj}}_{u_{k-1}^{\⊥}}\left\{h_k^{\left(c\right)}\right\}$ 的范数，其中 $u_{k-1}^{\⊥}={\mathrm{IR}}^N\backslash u_{k-1}$ 以及 $f_k^{\left(c\right)}={\tilde{f}}_k^{\left(c\right)}/w_{k,k}^{\left(c\right)}.$ 也就是说

$w_{k,k}^{\left(c\right)}=\left|\right|h_k^{\left(c\right)}-{\mathrm{proj}}_{u_{k-1}}\left\{h_k^{\left(c\right)}\right\}\left|\right|=\left|\right|{\tilde{f}}_k^{\left(c\right)}\left|\right|.---\left(12\right)$

另一方面，W^(b)的对角元素类似地可由[H^(b)，0_K,N-K]得到。于是，使用方程式(11)和(12)，我们得到

$w_{k,k}^{\left(b\right)}=w_{k,k}^{\left(c\right)}-\left|\right|{\mathrm{proj}}_{V^{\⊥}}\left\{{\tilde{f}}_k^{\left(c\right)}\right\}\left|\right|,---\left(13\right)$

并且因此 $w_{k,k}^{\left(b\right)}\≤w_{k,k}^{\left(c\right)}.$ 注意，当N＝K并且正交扩展序列被采用时，S为酉矩阵并且对于所有k有 $w_{k,k}^{\left(b\right)}=w_{k,k}^{\left(c\right)},$ 且因此η^(b)＝η^(c)。另一方面，当扩展序列S为非正交时，则 $w_{k,k}^{\left(b\right)}\≤w_{k,k}^{\left(c\right)}$ 不成立。然而，可推测η^(b)≤η^(c)仍然成立。

通过优化矩阵W的对角元素可优化系统BER性能，使得所有用户，η的公共SNR被最大化。注意，W从对H的LQ分解得到。该LQ分解基本上是对H的行执行的Gram-Schmidt的正交化。W的第k个对角元素为将H的第k行矢量投影到由已正交的前(k-1)行矢量生成的空间的正交补上的长度。正交化过程中的不同顺序导致W的不同对角值，以及不同的η值。假定p为K！个可能的K×K行置换矩阵的组。于是对于任何P∈p，PH为H的行置换版本，它对应于TH预编码中的K个用户的特定排序。将w_k,k(P)表示为由PH的LQ分解产生的W的第k个对角元素。于是，最佳的行置换矩阵由下式给出：

$P_{\mathrm{opt}}=\arg \underset{P\∈p}{\mathrm{mag}}\frac{P_T}{{\mathrm{\Σ}}_{k=1}^K{w}_{k,k}^{-2}\left(P\right)}=\arg \underset{P\∈p}{\min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{w}_{k,k}^{-2}\left(P\right).---\left(14\right)$

使用最佳置换P_opt，在发射机和接收机处需要进行以下修改：

●执行LQ分解，PH＝WF^H或H＝P^TG^-1CF；

●在接收机处施加GP(即根据最佳顺序施加标量增益)；

●用于去除ISI的反馈矩阵变成 $A=\mathrm{GP}\stackrel{-}{H}.$

使用这种修改，运算的级联变成

$=\mathrm{\Γb}\left[i\right]+\mathrm{GPv}\left[i\right].---\left(15\right)$

注意，上文中的矩阵G，F和C从PH得到。

一般，对方程式(14)的穷举搜索解在计算上是禁止的。然而，使用较低计算复杂性的次最佳方法能够得到近似解。注意， ${\mathrm{\Π}}_{k=1}^k{w}_{\mathrm{kk}}^2$ 对于置换矩阵P是不变式。使用F中的标准正交列，回想上面说过的PH＝WF^H，此结果不难证明，于是

$\det \left(H{H}^H\right)=\det \left(P^T\right)\det \left(W\right)\det \left(W^H\right)\det \left(P\right)={\mathrm{\Π}}_{k=1}^K{w}_{k,k}^2.---\left(16\right)$

考虑其中K＝两个用户的简单情形，则片含有由h₁ ^T和h₂ ^T表示的两个行。不失一般性，假定‖h₂‖＜‖h₁‖。接着，最大化方程式(14)中的目标函数，能看出应当从h₂ ^T开始，即通过用最小w_k,k进行行正交化来开始。前面说过w_k，k是H的第k行投影到由已正交化的前(k-1)行生成的子空间的正交补上的长度。于是，我们需要示出：

$\frac{1}{{\left|\right|h_2\left|\right|}^2}+\frac{1}{{\left|\right|h_1-\frac{h_2^H{h}_1}{{\left|\right|h_2\left|\right|}^2}{h}_2\left|\right|}^2}<\frac{1}{{\left|\right|h_1\left|\right|}^2}+\frac{1}{{\left|\right|h_2-\frac{h_1^H{h}_2}{{\left|\right|h_1\left|\right|}^2}{h}_1\left|\right|}^2}.---\left(17\right)$

由方程式(16)可知，方程式(17)两边的分母的乘积相等。因此，方程式(17)等于

${\left|\right|h_1-\frac{h_2^H{h}_1}{{\left|\right|h_2\left|\right|}^2}{h}_2\left|\right|}^2+{\left|\right|h_2\left|\right|}^2<{\left|\right|h_2-\frac{h_1^H{h}_2}{{\left|\right|h_1\left|\right|}^2}{h}_1\left|\right|}^2+{\left|\right|h_1\left|\right|}^2\&DoubleLeftRightArrow;\frac{{\left|h_2^H{h}_1\right|}^2}{{\left|\right|h_2\left|\right|}^2}>\frac{{\left|h_2^H{h}_1\right|}^2}{{\left|\right|h_1\left|\right|}^2},---\left(18\right)$

假定‖h₂‖＜‖h₁‖，则上式成立。

图3陈述了说明用于找出最佳置换矩阵的贪婪方法的伪代码。如上所述，该方法对于K＝2个用户是最佳的。尽管该方法对于多于两个用户是次最佳的，但是在N＞K时它取得具有低复杂性的良好结果，并且当使用码片-方式预编码器时执行地特别好。图3所示的方法在第k次迭代时通过用最小w_k，k将行正交化进行。换句话说，选择最靠近由已选择的行所生成的子空间的行。在图3中， ${\mathrm{\&mu;}}_{p,j}={\hat{h}}_p^H{h}_j$ 和 Θ_i表示已正交到第i步的行的子集。注意，除了找出顺序P以外，图3中的处理还提供LQ分解PH＝WF^H，因为W由GS系数μ_ij给出且F的第i行由

给出。上述搜索的复杂性为

它明显小于穷举搜索方法的复杂性

假定装载被施加且E{|b_k[i]|²}＝1，则各用户的位出错概率可以通过 $P_e=\mathrm{\&alpha;Q}\left(\sqrt{\mathrm{\&eta;}/{\mathrm{\&sigma;}}_n^2}\right)$ 良好地近似，其中α说明了由于模运算而导致最临近邻居数量的增加(例如在QPSK中，α＝2)。注意，预编码运算通过 $\mathrm{\&beta;}=\frac{M}{M-1}$ 因子提高了发射功率。当考虑符号间干扰时，先前的符号总是被反馈并且β被

良好地近似。而且，因为模运算，星座中的所有符号具有相同数目的最临近邻居，因此，星座边缘符号的差错概率增加。通过考虑更高阶的星座，该次要问题能被避免。随着星座变得更大，

增加邻居数量的符号的百分比率→0。

图4、5和6说明了与现有技术的线性预编码器相比上文非线性预编码技术的BER性能。假定各接收机采用长度N＝8的标准Hadamard序列作为其扩展签名。假定所有的接收机采用QPSK调制。还假定各移动用户经历独立的多径信道f_k＝[f_k，1，...，f_k，L]^T，具有L＝3个可分解路径，并且发射机具有所有用户的完美的信道状态信息。根据 $f_{k,i}~N_c(0,\frac{1}{L})$ 生成路径增益。对于各数据块，为各用户模拟独立信道的实现，并在1000块以上对结果求平均。图中的实线对应于使用近似公式 $P_e=\mathrm{\&alpha;Q}\left(\sqrt{\mathrm{\&eta;}/{\mathrm{\&sigma;}}_n^2}\right)$ 所计算的分析结果，而标记对应于仿真结果。采用以上描述的装载技术，并且在不同的排序方法之间进行比较：不排序、最佳排序(即穷举搜索)以及图3所示的次最佳排序方法。

图4示出了上文提出的位-方式预编码器以及码片-方式的预编码器的BER性能，其中用户数K＝3。如图4所示，两个非线性预编码器明显优于现有技术的线性预编码器。而且，码片-方式的预编码器似乎比位-方式的预编码器提供更好的性能。排序显得对位-方式的预编码器具有明显的影响，然而它对码片-方式的预编码器并未显现出明显的差异(对于小的用户数量K)。此外，以上描述的贪婪排序方法显现出提供了接近穷举搜索方法的性能。图5示出当用户数量增加到K＝7时如何影响性能。明显地，图5显示两个预编码方案都执行很好，即便是在这种高负载系统中。当用户的数量高时，排序给位-方式和码片-方式预编码器这二者都带来明显的改善，尽管穷举搜索方法的复杂性成为禁止性(即，它涉及7×7的矩阵的K！＝5040次LQ分解的计算量)。在码片-方式的预编码器中，次最佳排序方法执行得特别好，并且它需要少于7的LQ分解。将图5与图4比较，能看到当用户数量增加时在两个预编码器之间的性能差异减小。

图6示出了在不利情形中的不同预编码方法的性能，其中带有各分布为 $~N_c(0,\frac{1}{7})$ 的L＝7的可分解路径且其中K＝N＝8个用户。如图6所示，码片-方式预编码器和位-方式预编码器提供相同的结果，并且它们的曲线完全重叠。原因在于矩阵H对于两个解决方案有相同的维数，因为N＝K。同前，当用户数大时，排序显著地改善性能。而且，能看出严重的多径效应和大量的用户对性能具有最小的影响。此外，当N＝K时，试探排序方法执行得不好。

上文假定发射机知道所有接收机的多径信道状态。在使用时分双工(TDD)的无线系统中，下行链路信道状态信息可以在发射机得到(根据上行链路传输估计)，只要信道的相干时间大于在上行链路和下行链路时隙之间的时间差异。另一方面，在快衰落信道中，在上行链路时隙期间已估计的信道状态已经改变，并且对于在下个下行链路时隙中用于预编码，估计可能不再准确。在该情况下，通过采用衰落信道的二阶统计，信道预测技术能被用来根据当前和先前的上行链路估计来估计未来的下行链路信道状态。

假定各信道路径f_k，i(t)的复高斯衰落过程遵从具有最大多普勒扩展f_d的Jakes氏模型。参看，例如，W.C.Jakes的“微波移动通信”(″Microwave Mobile communications，″Wiley(1974))。也就是说，我们有 $E\left\{f_{k,i}\left(t_1\right)f_{k,i}\left(k_2\right)\right\}=v_{k,i}^2{J}_0\left(2\mathrm{\&pi;}{f}_d\right|t_1-t_2\left|\right),$ k＝1，...，K；i＝1，...，L，其中J₀(·)是第一类零阶Bessel函数。假定，在TDD系统中，上行链路和下行链路时隙分开T秒；并且发射机/基站每隔一个上行链路时隙估计各接收机的多径信道。我们将最新信道估计的时间设为基准t＝0。于是发射机会在时间t∈{0，-2T，-4T，...}估计信道状态。考虑基于导引符号的信道估计，其中信道估计具有形式 ${\hat{f}}_{k,i}\left(t\right)=f_{k,i}\left(t\right)+{\mathrm{\&xi;}}_{k,i}\left(t\right),$ 其中ξ_k，i(t)～N_c(0，γ_k，i ²)。假定每个时隙基站对信道估计一次，并且这些估计会用来预测在下个下行链路时隙中的数据预编码的信道。假定当前信道估计之后在时刻t＝0基站预测称作预测深度的时间τ(例如，τ＝T，其中T为时隙持续时间)的各信道路径。用P阶有限脉冲响应(FIR)滤波器实现该预测：

${\hat{f}}_{k,i}\left(T\right)=\underset{p=0}{\overset{p}{\mathrm{\&Sigma;}}}{w}_{k,i}\left(p\right)*{\hat{f}}_{k,i}(-p2T)=w_{k,i}^H{\hat{f}}_{k,i},---\left(19\right)$

其中 $w_{k,i}\stackrel{\mathrm{\&Delta;}}{=}{[w_{k,i}\left(0\right),w_{k,i}\left(1\right),...,w_{k,i}\left(P\right)]}^T,$ ${\hat{f}}_{k,i}\stackrel{\mathrm{\&Delta;}}{=}{[{\hat{f}}_{k,i}\left(0\right),{\hat{f}}_{k,i}(-2T),...,{\hat{f}}_{k,i}(-P2T)]}^T.$ 最小化均方误差 ${\mathrm{\&zeta;}}_{\mathrm{pred}}\stackrel{\mathrm{\&Delta;}}{=}E\left\{\right|f_{k,i}\left(T\right)-{\tilde{f}}_{k,i}\left(T\right){|}^2\}$ 的最佳滤波器由 $w_{k,i}=R_{k,i}^{-1}{T}_{k,i}$ 给出，其中项R_k，i和r_k，i分别由 ${\left[R_{k,i}\right]}_{p,q}=v_{k,i}^2{J}_0\left({2\mathrm{\&pi;f}}_d\right|p-q\left|2T\right)+r_{k,i}^2{\mathrm{\&delta;}}_{p,q}$ 和 ${\left[{\mathrm{\&gamma;}}_{k,i}\right]}_p=v_{k,i}^2{J}_0\left(2\mathrm{\&pi;}{f}_d(T+p2T)\right),p,q=\mathrm{0,1},...,P$ 给出。

在以上描述的预测滤波器中，使用已被每隔2T秒采样的信道的估计值。该采样速率一般比要求的等于两倍多普勒频率2f_d的最小Nyquist采样速率高得多。已经表明，当滤波器P的阶固定时，这种采样过密会不利。这里假定基站能够每隔2T秒对信道进行估计。将最佳的采样周期定义为δ2T，其中δ为正整数。于是，对于固定的预定深度、噪声方差、多普勒频率和滤波器阶，我们能对于不同整数值δ计算预测滤波器ζ_pred的MSE并且选择一个δ使得ζ_pred成为最小。另一方面，已经观察到：当系统参数被固定时，ζ_pred随预测滤波器P的阶而减小。然而，在某个滤波器的阶之后，ζ_pred由于先前信道估计中的噪声支配了在预测误差中的MSE而饱和。因此，方便的做法是：对P的不同值评估MSE表达式，并且选择使得ζ_pred接近饱和级的最短的那个。

图7说明了在使用带装载和排序的上述码片-方式预编码技术时的信道预测性能。假定所有的接收机为移动单元并且按v＝36Km/h运动。当处于WCDMA TDD模式中时，假定上行链路和下行链路被时间复用到一个中心位于f_c＝2GHz的载波。帧长为10ms，它被细分成能被分配给上行链路或下行链路的15个时隙。因此上行链路和下行链路传输能在T＝666.7μs的突发中交织。如上文所述，我们考虑N＝8、L＝3以及 $v_{k,i}^2=1/L.$ 各信道路径的衰落过程通过具有自相关函数J₀(2πf_dt)的平稳零均值复高斯过程的采样形成并且根据在P.Dent等人的“Jakes衰落模型之重温”(″Jakes Fading Model Revisited，″IEEEElectronic Letters，29(13)，pp.1162-63(June 1993))中描述的方法生成。通过为具有方差 ${\mathrm{\&gamma;}}_{k,i}^2=0.001$ 的复高斯噪声所恶化的真信道值给出先前的信道估计 $\{{\hat{f}}_{k,i}\left(t\right),t=0,-2T,...\}.$ 对不同阶的预测滤波器评估MSE表达式ζ_pred我们发现P＝2的非常短的预测滤波器得到良好结果。评估ζ_pred我们发现如果信道用δ＝2采样会得到稍好的结果。在10个不同的初始信道实现上评估结果。对于各信道实现，我们考虑长度T＝666μs的200个时隙(即200个信道变化)并且在各时隙中我们每移动用户发送1000个QPSK符号。在结果中，我们考虑完美的信道估计(精灵辅助)、在T秒之前的旧的信道估计以及具有最佳采样(δ＝2)和具有频繁采样(δ＝1)的信道预测。图7示出，上述预测技术给出非常好的结果，甚至考虑了所有的用户以v＝36Km/h运动以及基于噪声信道估计值的预测。注意，若没有信道预测且仅仅使用旧的信道估计，在这些代表非常高移动性的情形中性能会显著降低。

虽然已经描述和说明了本发明的示范附图和专门的实施例，但是应当理解，本发明的范围并不限于所讨论的特定实施例。因而，应当认为实施例是说明性的而不是限制性的，并且应当理解，在不背离在权利要求书中阐述的本发明及其结构和功能的等价物的范围的前提下，本领域技术人员可对那些实施例进行修改。

Claims (20)

1.一种对扩频传输进行预处理的方法，所述方法包括以下步骤：

接收到K个接收机的多径信道的信道状态信息，K≥2；

在传输之前通过以下步骤对输入的K×1符号矢量进行预编码：

将第一反馈滤波器作用到先前预编码的矢量，并且从所述输入的K×1的符号矢量中减去以消除符号间干扰，所述第一反馈滤波器用所述信道状态信息生成；以及

施加第二反馈滤波器和前馈滤波器，所述第二反馈滤波器和所述前馈滤波器配置成用所述信道状态信息来消除沿着至所述K个接收机的所述多径信道的多用户干扰。

2.如权利要求1所述的方法，其中：所述对K×1的符号矢量的预编码以位方式运算进行，产生K×1的预编码符号矢量，所述方法还包括将扩展运算施加到所述K×1的预编码符号矢量，从而产生预编码的码片矢量。

3.如权利要求1所述的方法，其中：所述预编码与扩展运算结合，以使所述对K×1的符号矢量的预编码按码片-方式运算进行，产生N×1的预编码码片矢量，其中N是用于扩展运算的扩展因子。

4.如权利要求1所述的方法，其中：用所述第二反馈滤波器施加模运算以防止发射功率的增加。

5.如权利要求1所述的方法，其中：信道状态由分解成矩阵G^-1CF^H的矩阵H表示，F为酉矩阵，G^-1C为下三角矩阵，其中G是使C成为首一下三角矩阵的对角矩阵，且其中所述第一反馈滤波器的运算能由 $A=G\stackrel{-}{H}$ 表示，所述第二反馈滤波器的运算由C-I表示，所述前馈矩阵的运算由F表示。

6.如权利要求5所述的方法，其中：用LQ分解进行对H的分解。

7.如权利要求5所述的方法，其中：功率装载通过用一个对角矩阵乘输入符号矢量来施加，所述对角矩阵的对角元素代表分配给特定接收机的功率。

8.如权利要求7所述的方法，其中：通过将所述矩阵H中的行按优化顺序正交化来优化性能。

9.如权利要求8所述的方法，其中：所述优化顺序由置换矩阵P规定，并且其中最佳置换矩阵通过以迭代方式选择一个最接近于已正交化的行所生成的子空间的行而寻找到。

10.如权利要求1所述的方法，其中：所述信道状态信息基于来自一个先前传输时隙的信息而估计。

11.一种用于扩频传输系统的发射机装置，所述发射机装置包括：

信道状态估计器，用于生成至K个接收机的多径信道的信道状态信息，K≥2；以及

在传输之前对输入的K×1的符号矢量进行预编码的预编码器，所述预编码器还包括：

第一反馈滤波器，用来自所述信道状态估计器的所述信道状态信息生成，所述第一反馈滤波器被加到一个先前预编码的矢量上，该矢量然后从所述输入的K×1符号矢量中减去以消除符号间干扰；以及

第二反馈滤波器和前馈滤波器，所述第二反馈滤波器和所述前馈滤波器配置成用所述信道状态信息来消除沿着所述多径信道到达所述K个接收机的多用户干扰。

12.如权利要求11所述的发射机装置，其中：所述对K×1符号矢量的预编码以位方式运算进行，产生K×1预编码符号矢量，其中所述发射机装置还包括一个对所述K×1预编码符号矢量执行扩展运算的模块，从而产生一个预编码码片矢量。

13.如权利要求11所述的发射机装置，其中：所述预编码与扩展运算结合，使得所述对K×1符号矢量的预编码以码片方式运算进行，产生N×1预编码码片矢量，其中N是用于扩展运算的扩展因子。

14.如权利要求11所述的发射机装置，其中：用所述第二反馈滤波器施加模运算来防止发射功率的增加。

15.如权利要求11所述的发射机装置，其中：信道状态由分解成矩阵G^-1CF^H的矩阵H表示，F为酉矩阵，G^-1C为下三角矩阵，其中G是使得C成为首一下三角矩阵的对角矩阵，且其中所述第一反馈滤波器的运算可由 $A=G\stackrel{-}{H}$ 表示，所述第二反馈滤波器的运算可由C-I表示，且所述前馈矩阵的运算可由F表示。

16.如权利要求15所述的发射机装置，其中：对H的分解用LQ分解进行。

17.如权利要求15所述的发射机装置，其中：通过将输入符号矢量与其对角元素代表分配给特定接收机的功率的对角矩阵相乘来施加功率装载。

18.如权利要求17所述的发射机装置，其中：通过按优化顺序将所述矩阵H中的行正交化来优化性能。

19.如权利要求18所述的发射机装置，其中：所述优化顺序由置换矩阵P规定，且其中最佳置换矩阵通过以迭代方式选择最接近于由已正交化行生成的子空间的行而寻找到。

20.如权利要求11所述的方法，其中：所述信道状态信息由基于来自一个先前传输时隙的信息的所述信道状态估计器估计。

Images