CN1998160B - Mimo通信系统的迭代本征向量计算 - Google Patents

Abstract

利用迭代过程导出本征向量矩阵(I)。对于该迭代过程，首先将本征模矩阵V _i初始化为例如单位矩阵。然后，基于MIMO信道的信道响应矩阵(II)更新本征模矩阵V _i，以获得已更新的本征模矩阵V _i+1。可以以固定次数或者可变次数的迭代更新本征模矩阵。可以周期性地对已更新的本征模矩阵的列进行正交化，以改进性能并保证迭代过程的稳定性。在一个实施例中，当完成了所有迭代之后，将对应于最后一次迭代的已更新的本征模矩阵提供作为矩阵(III)。

Description

MIMO通信系统的迭代本征向量计算

技术领域

本发明一般涉及数据通信，更具体地，涉及导出用于在多进多出(MIMO)通信系统中进行空间处理的本征向量的技术。

背景技术

MIMO系统使用多个(N_T个)发射天线和多个(N_R个)接收天线进行数据传输。N_T个发射天线和N_R个接收天线构成的MIMO信道可以被分解为N_S个空间信道，其中N_S≤min{N_T，N_R}。N_S个空间信道可以用于并行发射数据，以实现更高的总吞吐量，或者冗余性地达到更高的可靠性。

通常，在MIMO系统中，多达N_S个数据流可以同时从N_T个发射天线上发射。但是，这些数据流在接收天线处会互相干扰。通过在MIMO信道的N_S个本征模(eigenmode)上发射数据可以实现改进的性能，其中，这些本征模可以被看作正交空间信道。为了在N_S个本征模上发射数据，需要在发射机和接收机处执行空间处理。空间处理试图使数据流正交化，以便可以在接收机处以最小的衰减分别恢复数据流。

对于在N_S个本征模上的数据传输，发射机利用包含N_S个本征向量的矩阵执行空间处理，每个用于数据传输的本征模对应有一个本征向量。每个本征向量包含N_T个复数值，用于缩放(scale)从N_T个发射天线进行传输之前在相关的本征模上的数据符号。对于数据接收，接收机利用另一个包含N_S个本征向量的矩阵执行接收机空间处理(或者空间匹配滤波)。可以基于对发射机和接收机之间的MIMO信道的信道响应估计来导出发射机的本征向量和接收机的本征向量。本征向量的导出是计算密集的。此外，本征向量的准确度会对性能有很大的影响。

因此，本领域需要能够有效且准确地导出用于经由MIMO信道的本征模来进行数据发送和接收的本征向量的技术。

发明内容

本文描述了利用迭代过程来导出本征向量矩阵

的技术。对于该迭代过程，首先，将本征模矩阵V _i初始化为单位矩阵I或者为前一传输间隔导出的本征向量矩阵。然后，基于MIMO信道的信道响应矩阵更新本征模矩阵V _i，以获得已更新的本征模矩阵V _i+1，如下所述。

本征模矩阵的更新可以基于(1)固定次数的迭代(例如10次迭代)，或者(2)可变次数的迭代，直到符合终止条件为止。为了提高性能并保证迭代过程的稳定性，可以周期性地或者在必要时对已更新的本征模矩阵的列进行正交化。在一个实施例中，在已经完成了所有的迭代后，将对应于最后一次迭代的已更新的本征模矩阵(或者正交化的已更新本征模矩阵)提供作为本征向量矩阵

。矩阵可以用于对在MIMO信道本征模上的数据传输执行空间处理。矩阵也可以用于导出空间滤波矩阵，该空间滤波矩阵用于对经由MIMO信道本征模接收到的数据传输进行空间匹配滤波。

下面进一步详细描述本发明的各种方案和实施例。

附图说明

图1示出MIMO系统中的发射实体和接收实体；

图2示出用于导出本征向量矩阵的迭代过程；

图3示出MIMO系统中的接入点和用户终端；

图4示出用于进行信道估计和本征向量计算的处理器；以及

图5示出MIMO系统的示例性TDD帧结构。

具体实施方式

词语“示例性的”在本文用于指“用作例子、实例或示例的”。不应将本文描述为“示例性”的任何实施例理解为优选于或优于其它实施例。

本文描述的本征向量计算技术可以用于单载波MIMO系统以及多载波MIMO系统。为清楚起见，针对单载波MIMO系统具体描述所述技术。

A.单载波MIMO系统

图1示出单载波MIMO系统100中的发射实体110和接收实体150的简化框图。在发射实体110处，发射(TX)空间处理器120利用本征向量矩阵

对数据符号(表示为向量s)执行空间处理，以生成发射符号(表示为向量x)。如本文所使用的，“数据符号”是数据的调制符号，“导频符号”是导频(发射和接收实体均预先已知)的调制符号，“发射符号”是将要从发射天线发送的符号，以及调制符号是在用于特定调制方案(例如，M-PSK、M-QAM等等)的信号星座图中的某点的复数值。发射符号还由发射机单元(TMTR)122调整，以生成N_T个调制信号，这些调制信号经由MIMO信道从N_T个发射天线124进行发射。

在接收实体150处，通过N_R个接收天线152接收所发射的调制信号，并由接收机单元(RCVR)154调整N_R个接收信号，以获得接收符号(表示为向量r)。然后，接收(RX)空间处理器160利用空间滤波矩阵对接收符号执行接收机空间处理(或者空间匹配滤波)，以获得检测符号(表示为向量)。检测符号是对由发射实体110发送的数据符号的估计。下面描述在发射和接收实体处的空间处理。

对于单载波MIMO系统，由发射实体处的N_T个发射天线和接收实体处的N_R个接收天线构成的MIMO信道可以用N_R×N_T信道响应矩阵H来表征，H矩阵可以表示为：

方程(1)

其中，元素h_i，j，i＝1…N_R且j＝1…N_T，表示发射天线j和接收天线i的耦合或者复数增益。为了简化，假设MIMO信道是满秩的且N_S＝N_T≤N_R。

可以对信道响应矩阵H进行“对角化”，以获得H的N_S个本征模。可以通过对信道响应矩阵H执行奇异值分解或者对H的相关矩阵执行本征值分解来实现对角化，所述相关矩阵为C＝H ^H H，其中“^H”表示共轭转置。

信道响应矩阵H的奇异值分解可以表示为：

H＝U∑V ^H，方程(2)

其中，U是由H的左本征向量构成的N_R×N_R酉矩阵；

∑是由H的奇异值构成的N_R×N_T对角矩阵；以及

V是由H的右本征向量构成的N_T×N_T酉矩阵。

酉矩阵M由属性M ^H M＝I表征，其中，I是在对角线上的都为1而其余位置都为0的单位矩阵。酉矩阵的列相互正交。

H的相关矩阵的本征值分解可以表示为：

C＝H ^H H＝VΛV ^H，方程(3)

其中，Λ是由C的本征值构成的N_T×N_T对角矩阵。如方程(2)和(3)所示，V的列是H的右本征向量，也是C的本征向量。Gilbert Strang在名称为“Linear Algebra and Its Applications(线性代数及应用)”的书(第二版，学术出版社，1980年)中描述了奇异值分解和本征值分解。

H的右本征向量(其是V的列)可以被发射实体用于执行空间处理，以在H的N_S个本征模上发射数据。H的左本征向量(其是U的列)可以被接收实体用于进行空间匹配滤波，以恢复在N_S个本征模上发射的数据。本征模可以被看作通过分解而获得的正交空间信道。

对角矩阵在对角线上都为非负实数，而在其余位置都为0。∑的对角线元素被称作H的奇异值，其表示H的N_S个本征模的信道增益。Λ的对角线元素被称作C的本征值，其表示H的N_S个本征模的功率增益。H的奇异值表示为 $\left\{\begin{array}{cccc}{\mathrm{\σ}}_1& {\mathrm{\σ}}_2& ...& {\mathrm{\σ}}_{N_S}\end{array}\right\}$ ，其是C的本征值(表示为 $\left\{\begin{array}{cccc}{\mathrm{\λ}}_1& {\mathrm{\λ}}_2& ...& {\mathrm{\λ}}_{N_S}\end{array}\right\}$ )的平方根，或者 ${\mathrm{\σ}}_i=\sqrt{{\mathrm{\λ}}_i},$ i＝1...N_S。

B.迭代本征向量计算

矩阵H、V和U表示无法在实际系统中获得的“真实(true)”量。然而，可以获得对矩阵H、V和U的估计，并将其分别表示为 和

。例如，可以基于经由MIMO信道发送的MIMO导频获得矩阵

。MIMO导频是包括从N_T个发射天线发送的N_T个导频传输的导频，其中，来自每个发射天线的导频传输可以被接收实体所识别。例如，这可以通过对来自每个发射天线的导频传输使用不同的正交序列来实现。利用迭代过程可以有效而准确地导出矩阵

和

。

对于迭代过程，N_T×N_T维的所估计的相关矩阵A可以初始计算为：

$\underset{\‾}{A}={\underset{\‾}{\overset{^}{H}}}^H\underset{\‾}{\overset{^}{H}},$ 方程(4)

A的本征值分解将遵循 $\underset{\‾}{A}={\underset{\‾}{V}}_a{\underset{\‾}{\mathrm{\Λ}}}_a{\underset{\‾}{V}}_a^H,$ 其中V _a是对V的估计，并且在A是对C的估计的情况下，Λ _a是对Λ的估计。可以按如下方程迭代地计算本征模矩阵V _i，即对V _a的估计：

${\underset{\‾}{V}}_{i+1}^H={\underset{\‾}{V}}_i^H+\mathrm{\μ}\·(\mathrm{Tri}\_\mathrm{up}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\mathrm{AV}}}_i\right)-\mathrm{Tri}\_\mathrm{low}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\mathrm{AV}}}_i\right)){\underset{\‾}{V}}_i^H,$ 方程(5)

其中，V _i是对应于第i次迭代的本征模矩阵；

Tri_up(M)是包含M的对角线之上的元素的矩阵；

Tri_low(M)是包含M的对角线之下的元素的矩阵；

μ是迭代过程的步长；以及

V _i+1是对应于第(i+1)次迭代的本征模矩阵。

如果对于V没有其它信息可用，则可将本征模矩阵V _i初始化为单位矩阵I，或者V ₀＝I。步长μ决定迭代过程的收敛速度。较大步长可以加快收敛，但也会增加V _i的元素的粒度(granularity)。相反，较小步长导致较慢的收敛，但是可以增加V _i的元素的准确度。例如，步长可以设为μ＝0.05，或者设为其它值。

方程(5)中所示的计算可以分解为四个步骤。在一个实施例中，第一步，将矩阵X计算为：X＝AV _i。第二步，将矩阵Y计算为： $\underset{\‾}{Y}={\underset{\‾}{V}}_i^H\underset{\‾}{X}$ 。第三步，将更新矩阵Z计算为：Z＝(Tri_up(Y)-Tri_low(Y))V _i。第四步，将本征模矩阵更新为：V _i+1＝V _i+μ·Z。

方程(5)也可以表示为：

${\underset{\‾}{V}}_{i+1}^H={\underset{\‾}{V}}_i^H+\mathrm{\μ}\·(\mathrm{Tri}\_\mathrm{up}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\overset{^}{H}}}^H{\underset{\‾}{\hat{H}V}}_i\right)-\mathrm{Tri}\_\mathrm{low}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\overset{^}{H}}}^H{\underset{\‾}{\hat{H}V}}_i\right)){\underset{\‾}{V}}_i^H,$

方程(6)

在另一个实施例中，将矩阵X计算为： $\underset{\‾}{X}={\underset{\‾}{\hat{H}V}}_i,$ 将矩阵Y计算为：

Y＝X ^H X，将矩阵Z和V _i+1按照上述进行计算。

方程(5)每次迭代所需要的乘法和加法运算的次数取决于信道响应矩阵的维数，而的维数又取决于发射天线的数量和接收天线的数量。由于除了对角矩阵外，以上定义的所有矩阵都包括复数值元素，因而对于这些矩阵的元素执行复数乘法。对于N_R＝4和N_T＝4，执行3次4×4维复数矩阵乘法，以获得三个矩阵X、Y和Z。对于每个矩阵来说，4×4维复数矩阵乘法通常需要对矩阵的每个元素进行四次复数乘法，或者说对于矩阵的16个元素总共需要进行64次复数乘法，其可以通过256次实数乘法来执行。从而，为了计算三个矩阵X、Y和Z，将需要总共768(其中768＝256×3)次实数乘法。

如果发现(1)矩阵Z在对角线上包含0，以及(2)在Z的对角线之下的元素是在Z的对角线之上的元素的相反数(negative)(Z的下三角是Z的上三角的相反数)，则可以省去一些计算。从而，只需要计算Z的16个元素中的6个。由此将实数乘法的总数减少到608，或者256+256+6×16＝608。所述乘法也可以以利用全部有效值域(range)的方式进行。例如，可以通过256次16×16位实数乘法来执行4×4复数矩阵与给定矩阵的乘法，其中每个实数乘法的两个输入运算量都为16位精准度(resolution)，实数乘法的结果具有大于16位的值域。在这种情况下，可将所获得的矩阵的元素除以矩阵中最大元素的模，然后乘以缩放(scaling)系数，该缩放系数被选择为使得利用16位的值来表示最大元素，所述16位的值尽可能地大和/或便于处理。

可以按照方程(5)所示，以多次迭代来迭代计算本征模矩阵，直到获得对V的足够良好的估计。通过计算机仿真发现，通常经过10次迭代就足以获得对V的良好估计。在一个实施例中，以固定次数的迭代(例如，10次迭代)对方程(5)进行迭代运算，以获得本征模矩阵V _f，V _f是对V的最终估计。在另一个实施例中，以可变次数的迭代对方程(5)进行迭代计算，直到遇到终止条件，并且将对应于最后一次迭代的本征模矩阵V _f提供作为由迭代过程提供的对V的最终估计。由于矩阵Y应当类似于对角矩阵，可以利用Y有多类似于对角矩阵来定义终止条件，如下所述。

迭代过程更新本征模矩阵V _i，使得V _i ^H AV _i接近对角矩阵。对V的最终估值可以表示为：

${\underset{\‾}{V}}_f^H{\underset{\‾}{\mathrm{AV}}}_f=\underset{\‾}{D},$ 方程(7)

其可以写为：

$\underset{\‾}{A}={\underset{\‾}{V}}_f{\underset{\‾}{\mathrm{DV}}}_f^H,$ 方程(8)

如果迭代过程成功了，则D近似等于Λ _a(其是由A的本征值构成的对角矩阵)，且V _f近似等于V _a(其是A的本征向量矩阵)。如果A是对C的良好估计，则本征模矩阵V _f也是对C的本征向量矩阵V的良好估计。

通常存在一些来自迭代过程的残留误差，使得V _f不是真正的酉矩阵，V _f ^H V _f不完全等于单位矩阵，而且D的非对角线元素可能为非零值。因此，可以对方程(5)进行迭代计算，直到D的非对角线元素足够小为止。例如，可以对方程(5)进行迭代计算，直到Y的非对角线元素的模的平方和小于第一预定门限值为止。作为另一个实例，可以继续进行计算，直到Y的对角线元素的模的平方和与Y的非对角线元素的模的平方和之比大于第二预定门限值为止。也可以定义其它终止条件。也可以通过执行本征向量正交化来使V _f的列相互正交，如下所述。

在已经完成了所有迭代之后，可将本征向量矩阵定义为 $\underset{\‾}{\overset{^}{V}}={\underset{\‾}{V}}_f$ 。矩阵

是对矩阵V的估计，其中，基于并利用迭代过程来获得所述估计。矩阵可以用于进行空间处理，如下所述。

计算机仿真表明方程(5)中对V _i的计算在大多数情况下都收敛。但是，当对于给定的信道响应矩阵

迭代次数增加时，残留误差开始累积而且V _i的解开始发散。例如，在每一次经过N_orth次迭代之后，其中N_orth可以等于50或者其它值，可以通过周期性地对本征模矩阵V _i执行本征向量正交化(如下所述)来保证收敛。

类似于上文针对矩阵的描述，也可以利用迭代过程导出矩阵，其中矩阵是对U的估计。为了导出

，将矩阵A定义为 $\underset{\‾}{A}=\underset{\‾}{\overset{^}{H}}{\underset{\‾}{\overset{^}{H}}}^H$ ，在方程(5)中将矩阵V _i替换为U _i，并且将对应于最后一次迭代的矩阵U _f用作对U的最终估计，或者 $\underset{\‾}{\overset{^}{U}}={\underset{\‾}{U}}_f$ 。可选地，基于方程(2)，矩阵U可被表示为：U＝HV∑ ^-1。因此，矩阵

可以计算为 $\underset{\‾}{\overset{^}{U}}={\underset{\‾}{\hat{H}\hat{V}\widehat{\mathrm{\Σ}}}}^{-1}$ ，其中，和可以从MIMO导频中获得，

可以利用迭代过程导出。

C.本征向量正交化

如上所述，如果D不是对角矩阵，则V _f的列可能不相互正交。这可能是由各种参数引起的，例如步长μ、计算V _i的迭代次数、有限的处理器精准度等等。可以利用各种技术，例如QR因式分解、最小方差计算和极分解，使V _f的列相互正交。下面详细描述QR因式分解。对由QR因式分解生成的正交本征向量进行归一化，并将标准正交本征向量用于进行空间处理。

QR因式分解将矩阵V _f分解成正交矩阵Q和上三角矩阵R。矩阵Q形成V _f的列的正交基，R的对角线元素给出V _f的列分量在Q的相应列的方向中的长度。矩阵Q和R可以用于导出具有正交列的增强矩阵(enhanced matrix)。

QR因式分解的执行可以采用各种方法，包括Gram-Schmidt过程、householder变换等等。Gram-Schmidt过程是递归的，其可能在数字上是不稳定的。已经设计出Gram-Schmidt过程中的各种变量，这些变量在本领域是公知的。下面描述对矩阵V _f进行正交化的“典型”Gram-Schmidt过程。

对于QR因式分解，矩阵V _f可以表示为：

V _f＝QR，方程(9)

其中，Q是N_T×N_T正交矩阵；以及

R是N_T×N_T上三角矩阵，其在对角线上或对角线的上方具有可能的非零值，在对角线的下方具有0值。

Gram-Schmidt过程逐列地产生矩阵Q和R。以下符号在随后的描述中使用：

i是矩阵的行索引；

j是矩阵的列索引；

$\underset{\‾}{Q}=\left[\begin{array}{cccc}{\underset{\‾}{q}}_1& {\underset{\‾}{q}}_2& ...& {\underset{\‾}{q}}_{N_T}\end{array}\right],$ 其中，q _j是Q的第j列；

q_i，j是Q的第i行第j列的元素；

$\underset{\‾}{\overset{~}{Q}}=\left[\begin{array}{cccc}{\underset{\‾}{\overset{~}{q}}}_1& {\underset{\‾}{\overset{~}{q}}}_2& ...& {\underset{\‾}{\overset{~}{q}}}_{N_T}\end{array}\right]$ ，其中，

是

的第j列；

r _i，j是R的第i行第j列元素；

${\underset{\‾}{V}}_f=\left[\begin{array}{cccc}{\underset{\‾}{v}}_1& {\underset{\‾}{v}}_2& ...& {\underset{\‾}{v}}_{N_T}\end{array}\right],$ 其中，v _j是V _f的第j列；以及

v _i，j是V _f的第i行第j列的元素。

Q和R的第一列可以按照下面方程获得：

$r_{\mathrm{1,1}}=\left|\right|{\underset{\‾}{v}}_1\left|\right|={\left[\underset{i=1}{\overset{N_T}{\mathrm{\Σ}}}{\left|v_{i,1}\right|}^2\right]}^{1/2}$ ，并且方程(10)

${\underset{\‾}{q}}_1=\frac{1}{r_{\mathrm{1,1}}}{\underset{\‾}{v}}_1$ 方程(11)

R的第一列包括第一行中的元素R_1，1的一个非零值，其它位置均为0，其中，r_1，1等于v ₁的2-范数(2-norm)。Q的第一列是V _f第一列的归一化形式，其中，通过利用r_1，1的倒数来缩放v ₁的每个元素实现所述归一化。

Q和R的其余列中的每一列可以按照下面方程获得：

FOR   j＝2，3，…N_T{

$\mathrm{FORi}=\mathrm{1,2},...j-1\{$

$r_{i,j}={\underset{\‾}{q}}_i^H{\underset{\‾}{v}}_j\}$ 方程(12)

${\underset{\‾}{\overset{~}{q}}}_j={\underset{\‾}{v}}_j-\underset{i=1}{\overset{j-1}{\mathrm{\Σ}}}{r}_{i,j}\·{\underset{\‾}{q}}_i$ 方程(13)

$r_{i,j}=\left|\right|{\underset{\‾}{\overset{~}{q}}}_j\left|\right|$ 方程(14)

${\underset{\‾}{q}}_j=\frac{1}{r_{j,j}}\·{\underset{\‾}{\overset{~}{q}}}_j\}$ 方程(15)

Gram-Schmidt过程一次为矩阵Q生成一列。使Q的每个新列与在该新列左侧的之前生成的所有列正交。这可以通过方程(13)和方程(15)实现，其中，Q的第j列(或者q _j)的产生基于，而

的产生则基于V _f的第j列(或者v _j)以及与v _j中指向v _j左侧的j-1列的任何分量进行相减。R的对角线元素被计算作为的列的2-范数(其中， ${\underset{\‾}{\overset{~}{q}}}_1={\underset{\‾}{v}}_1$ )，如方程(14)所示。

通过在执行QR因式分解之前，基于D的对角线元素对V _f的列进行排序，可以获得改进的性能。D的对角线元素可以排序为 $\{d_1\≥d_2\≥...\≥d_{N_T}\},$ 其中，d₁是D的最大对角线元素，是D的最小对角线元素。当对D的对角线元素进行排序时，也相应地对V _f的列进行排序。从而，已排序的V _f的第一列或者最左侧一列将与D的最大对角线元素相关联，已排序的V _f的最后一列或者最右侧一列将与D的最小对角线元素相关联。

如果基于相关联的对角线元素的递减值对V _f的列进行排序，则使得Q的列/本征向量与第一列/本征向量正交，所述第一列/本征向量与最大的对角线元素正交并且具有最大的增益。从而，所述排序对于消除Q的每个剩余本征向量的特定噪声分量具有有益的作用。具体地，基于V _f的第j列(或者v _j)生成Q的第j列(或者q _j)，并且从v _j中减去v _j中的指向q _j左侧j-1个本征向量(与更高的增益相关联)的噪声分量，以获得q _j。所述排序对于改进与较小对角线元素相关联的本征向量的估计也具有有益的作用。最终结果是实现了改进的性能，尤其是当将Q的正交化本征向量用于进行空间处理时。

从QR因式分解获得的增强矩阵

可以表示如下：

$\underset{\‾}{\overset{~}{V}}=\underset{\‾}{Q}\underset{\‾}{\overset{~}{R}},$ 方程(16)

其中，是仅包含R的对角线元素的对角矩阵。矩阵可被设置为等于增强矩阵

，或者 $\underset{\‾}{\overset{^}{V}}=\underset{\‾}{\overset{~}{V}}$ 。

图2示出用于导出本征向量矩阵

的迭代处理200的流程图。首先，将本征模矩阵V _i初始化为例如单位矩阵，或者初始化为为另一个传输间隔或另一个子带导出的本征向量矩阵(方块212)。基于信道响应矩阵

计算矩阵A，例如方程(4)所示(方块214)。

然后，以多次迭代来迭代计算本征模矩阵V _i。对于每一次迭代，首先基于矩阵V _i和A计算矩阵Y，例如 $\underset{\‾}{Y}={\underset{\‾}{V}}_i^H{\underset{\‾}{\mathrm{AV}}}_i$ (方块216)。然后，基于矩阵V _i和Y计算更新矩阵Z，例如Z＝(Tri_up(Y)-Tri_low(Y))V _i(方块218)。方块216和218表示一种获得更新矩阵Z的方法。然后，基于矩阵Z更新本征模矩阵，例如V _i+1＝V _i+μ·Z(方块220)。

然后，确定是否对本征模矩阵中的本征向量进行正交化(方块222)。例如，如果从开始迭代过程之后或者从上一次本征向量正交化之后已经完成了N_orth次迭代，则执行正交化。如果方块222的回答是“是”，则执行本征向量正交化以获得本征模矩阵的正交列(方块224)。否则，如果回答是“否”，则跳过方块224。无论如何，都将接着确定是否要终止迭代过程(方块226)。例如，在固定次数的迭代之后或者如果遇到终止条件时，终止迭代过程。如果方块226的回答是“否”，则处理返回到方块216以执行另一次迭代。否则，将对应于最后一次迭代的本征模矩阵V _f提供作为本征向量矩阵并终止处理。虽然在图2中没有示出，可以对V _f执行本征向量正交化，从而可以将具有正交列的增强矩阵提供作为矩阵

D.空间处理

信道估值和本征向量计算可以通过各种方式进行。例如，参考图1，接收实体可以从发射实体接收MIMO导频，基于MIMO导频获得信道响应矩阵

基于

并利用迭代过程导出本征向量矩阵

并且基于和

导出空间滤波矩阵接收实体可以将

发回到发射实体。

发射实体对N_s个本征模执行用于数据传输的空间处理，如下：

$\underset{\‾}{x}=\underset{\‾}{\hat{V}s},$     方程(17)

其中，s是N_T×1向量，其具有将在一个符号周期内在N_s个本征模上发送的多达N_s个数据符号；以及

x是N_T×1向量，其具有将在一个符号周期内从N_T个发射天线发送的N_T个发射符号。

中的本征向量也被称为发射向量或者导引向量。

接收实体处的接收符号可以表示为：

r＝Hx+n，    方程(18)

其中，r是N_R×1向量，其具有经由N_R个接收天线获得的N_R个接收符号，n是噪声向量。

接收实体可以执行空间匹配滤波，如下：

$\underset{\‾}{\overset{^}{s}}={\underset{\‾}{\overset{^}{\mathrm{\Λ}}}}^{-1}\underset{\‾}{\hat{M}r}={\underset{\‾}{\overset{^}{\mathrm{\Λ}}}}^{-1}{\underset{\‾}{\overset{^}{V}}}^H{\underset{\‾}{\overset{^}{H}}}^H\underset{\‾}{r}={\underset{\‾}{\overset{^}{\mathrm{\Λ}}}}^{-1}{\underset{\‾}{\overset{^}{V}}}^H{\underset{\‾}{\overset{^}{H}}}^H(\underset{\‾}{H\hat{V}s}+\underset{\‾}{n})\≅\underset{\‾}{s}+\underset{\‾}{n^{\′}},$     方程(19)

其中，

是N_T×1向量，其具有N_T个检测符号；

是N_T×N_R空间滤波矩阵， $\underset{\‾}{\overset{^}{M}}={\underset{\‾}{\overset{^}{V}}}^H{\underset{\‾}{\overset{^}{H}}}^H;$ 以及

n′是后检测(post-detection)噪声向量。如方程(19)所示，接收实体可以通过利用执行空间匹配处理，并接着利用进行缩放以获得检测符号，从而恢复所发射的数据符号。如果是对H的良好估计且是对V的良好估计，则是对s的无噪声估计。

为了简化，上面的描述假设在满秩MIMO信道中N_S＝N_T≤N_R。MIMO信道可以是秩亏的(rank deficient)使得N_S＜N_T≤N_R，或者接收天线的数量可以少于发射天线的数量使得N_S≤N_R＜N_T。对于上面两种情况，N_T×1向量s将在前N_S个元素中包含非零值，在后N_T-N_S个元素中包含零值，并且N_T×1向量在前N_S个元素中包含N_S个检测符号。可选地，向量s可以具有N_S×1的维度，矩阵可以具有N_T×N_S的维度，空间滤波矩阵

可以具有N_S×N_T的维度。

E.信道估计

数据可以在MIMO系统中以各种方式发射。对于突发模式，数据在少量的帧(例如一帧)中发射。帧可以定义为具有预定持续时间(例如2毫秒)的传输间隔。然后，基于在有限数量的帧中接收的导频执行信道估值。对于连续模式，数据在大量的帧中发射，在传输中或者是连续的或者具有小的间隔。然后，可以基于在多个帧中接收的导频执行信道估计。

接收实体可以基于在每个帧n中接收的导频对该帧估计MIMO信道响应，并获得该帧的信道响应矩阵。为了提高信道估计的质量，接收实体可以利用有限脉冲响应(FIR)滤波器、无限脉冲响应(IIR)滤波器或者其它类型的滤波器，对为当前帧和之前的帧获得的信道响应矩阵进行滤波。对信道响应矩阵中的每个元素执行滤波，并提供已滤波的信道响应矩阵

。例如，可将利用单抽头IIR滤波器对多个帧的信道响应矩阵进行的滤波表示为：

${\tilde{h}}_{i,j}\left(n\right)=\mathrm{\α}\·{\tilde{h}}_{i,j}(n-1)+(1-\mathrm{\α})\·{\hat{h}}_{i,j}\left(n\right),$ i＝1…N_R且j＝1…N_T，

                           方程(20)

其中，是对应于帧n的的第i行第j列的元素；

是对应于帧n-1的

的第(i，j)个元素；

是对应于帧n的的第(i，j)个元素；以及

α是IIR滤波器的系数。

较大的α值对之前的信道估计给予较大的权值，较小的α值对当前信道估计给予较大的权值。例如，系数α可以设成α＝0.75或者其它值。

对于每个帧n，可以基于为该帧获得的未滤波的信道响应矩阵或者已滤波的信道响应矩阵

执行本征向量计算。对于每个帧，本征模矩阵V _i可以初始化为单位矩阵或者为前一帧获得的本征向量矩阵

。每个帧的本征向量计算提供本征向量矩阵

，可用于在该帧中进行空间处理。

本征向量正交化可以以各种方式执行，这取决于数据是以突发模式发射还是以连续模式发射。在用于这两种模式的一个实施例中，对对应于最后一次迭代的本征模矩阵V _f执行本征向量正交化，并将矩阵设置为具有正交列的增强矩阵

。在用于突发模式的另一个实施例中，不执行本征向量正交化，仅将矩阵设置为本征模矩阵V _f。在用于连续模式的另一个实施例中，在每一次经历N_fr个帧之后执行本征向量正交化，其中，可将N_fr设置为例如N_fr＝5，或者设置为其它值。如果对信道响应矩阵执行滤波，则可以周期性地执行本征向量正交化，以确保迭代过程的稳定性。通常，本征向量正交化可以提高性能和稳定性，但是需要进行计算。因此，可以简化地执行本征向量正交化，或者根据需要减少导出

所需要的计算量。

F.多载波MIMO系统

本文描述的本征向量计算技术也可以用于多载波MIMO系统。可以利用正交频分复用(OFDM)、其它多载波调制技术或者其它构造来获得多载波。OFDM有效地将整个系统带宽划分为多个(N_F个)正交子带，这些子带也被称为音调(tone)、子载波、频段(bin)和频道。通过OFDM，每个子带与各自的可调制数据的子载波相关联。

对于多载波MIMO系统，可以对用于数据传输的每个子带(或者每个“数据”子带)执行本征向量计算。可以基于例如在每个数据子带k上接收到的MIMO导频，获得该子带的信道响应矩阵

。可以对每个数据子带k的

执行本征向量计算，以获得用于对该子带进行空间处理的本征向量矩阵

。在邻近子带的信道响应矩阵中可能存在高度相关性，尤其是对于平坦衰落MIMO信道。本征向量计算可以用一种利用这种相关性的方式进行。例如，每个数据子带的本征模矩阵V _i(k)可以初始化为为邻近子带获得的本征向量矩阵，例如 ${\underset{\‾}{V}}_i\left(k\right)=\underset{\‾}{\overset{^}{V}}(k-1)$ 或者 ${\underset{\‾}{V}}_i\left(k\right)=\underset{\‾}{\overset{^}{V}}(k+1)$ 。作为另一个实例，可以迭代地导出第一组子带的第一组本征向量矩阵，并且可以通过在第一组中内插矩阵来导出第二组子带的第二组本征向量矩阵。

G.系统

图3示出MIMO系统300中的接入点310和用户终端350的实施例的框图。接入点310配备有N_ap个可以用于数据发送和接收的天线，用户终端350配备有N_ut个天线，其中N_ap＞1且N_ut＞1。

在下行链路上，在接入点310处，TX数据处理器314接收来自数据源312的业务数据以及来自控制器330的信令和其它数据。TX数据处理器314对不同类型的数据进行格式化、编码、交织和调制(或者符号映射)，并提供数据符号。TX空间处理器320从TX数据处理器314接收数据符号，利用用于下行链路的一个或者多个本征向量矩阵对数据符号执行空间处理(例如，方程(17)所示)，在导频符号中进行适当地复用，并且将N_ap个发射符号流提供给N_ap个发射机单元322a到322ap。每个发射机单元322接收并且处理各自的发射符号流，并且提供相应的下行链路调制信号。然后，分别从N_ap个天线324a到324ap发射来自发射机单元322a到322ap的N_ap个下行链路调制信号。

在用户终端350处，N_ut个天线352a到352ut接收所发射的下行链路调制信号，并且每个天线分别将接收信号提供给相应的接收机单元354。每个接收机单元354执行与接收机单元322所执行的处理互补的处理，并且提供接收符号。然后，RX空间处理器360对来自全部N_ut个接收机单元354a到354ut(例如，方程20所示)的接收符号执行空间匹配滤波，以获得检测符号。RX数据处理器370处理(例如，符号解映射、解交织和解码)检测符号，并将解码数据提供到数据接收器(data sink)372以供存储和/或控制器380以供将来处理。

上行链路的处理可以与下行链路的处理相同或者不同。数据和信令由TX数据处理器388进行处理(例如，编码、交织和调制)，由TX空间处理器390利用用于上行链路的一个或者多个本征向量矩阵进行空间处理，以及与导频符号进行复用，以生成N_ut个发射符号流。N_ut个发射机单元354a到354ut还对N_ut个发射符号流进行调整，以生成N_ut个上行链路调制信号，这些调制信号接着经由N_ut个天线352a到352ut进行发射。

在接入点310处，上行链路调制信号由N_ap个天线324a到324ap进行接收，并由N_ap个接收机单元322a到322ap进行处理，以获得上行链路的接收符号。RX空间处理器340对接收符号执行空间匹配滤波，并提供检测符号，这些检测符号进一步由RX数据处理器342进行处理，以获得上行链路的解码数据。

数字信号处理器(DSP)328到378分别为接入点和用户终端执行信道估计和本征向量计算。控制器330到380分别在接入点和用户终端处控制各种处理单元的操作。存储器单元332到382分别存储由控制器330到380使用的数据和程序代码。

图4示出DSP 378的实施例，其为用户终端执行信道估计和本征向量计算。信道估值器412获得接收导频符号(其是对应于在下行链路上发送的MIMO导频的接收符号)，并导出当前帧n的信道响应矩阵。滤波器414对当前帧或者之前的帧的信道响应矩阵执行时域滤波，例如方程(21)所示，并提供当前帧的已滤波的信道响应矩阵。本征向量计算单元416基于未滤波的矩阵或者已滤波的矩阵并使用上述的迭代过程，导出当前帧的本征模矩阵V _f(n)。如果单元418开启，则其对V _f(n)执行本征向量正交化，并提供当前帧的本征向量矩阵。单元418可以跳过本征向量正交化，而直接将来自单元416的矩阵V _f(n)提供作为

。例如对于突发模式可能发生这种情况，或者对于连续模式，在最后一次正交化之后经历了少于N_fr个帧时，也可能发生这种情况。单元418也可以执行本征向量正交化，并将具有正交列的增强矩阵提供作为。单元416和418也可以针对当前帧反复多次传送其结果。无论如何，矩阵可以被发回到接入点并用于执行对下行链路数据传输的空间处理。单元420基于矩阵

和未滤波矩阵或已滤波矩阵

，为用户终端导出空间匹配滤波

，例如 ${\underset{\‾}{\overset{^}{M}}}_{\mathrm{ut}}\left(n\right)={\underset{\‾}{\overset{^}{V}}}^H\left(n\right){\underset{\‾}{\overset{^}{H}}}^H\left(n\right)$ 或者 ${\underset{\‾}{\overset{^}{M}}}_{\mathrm{ut}}\left(n\right)={\underset{\‾}{\overset{^}{V}}}^H\left(n\right){\underset{\‾}{\overset{~}{H}}}^H\left(n\right)$ 。

图4示出用于进行信道估计和本征向量计算的处理单元的视图。可以通过DSP 378中的共享乘法器和加法器，以例如时分复用(TDM)方式执行图4中由各种单元所进行的处理。

DSP 328为接入点执行信道估计和本征向量计算。DSP 328进行的处理可以和DSP 378进行的处理相同或者不同，这取决于用于MIMO系统的信道结构和导频传输方案。

系统300可以使用频分复用(FDD)或者时分复用(TDD)信道结构。对于FDD结构，对下行链路和上行链路分配独立的频带，从而一条链路的信道响应矩阵不会与另一条链路的信道响应矩阵高度相关。在这种情况下，可以独立地对每条链路执行信道估计和本征向量计算。对于TDD结构，下行链路和上行链路共享同一频带，其中对下行链路分配一部分时间，而对上行链路分配其余部分的时间。一条链路的信道响应矩阵可能与另一条链路的信道响应矩阵高度相关。在这种情况下，可以以利用这种相关性的方式执行信道估计和本征向量计算。

图5示出可用于TDD MIMO系统的示例性帧结构500。数据传输发生在TTD帧的单元中，其中每个TTD帧覆盖预定的持续时间(例如2毫秒)。每个TTD帧被划分为下行链路部分510a和上行链路部分510b。每个部分510包括导频部分520以及数据和信令部分530。每条链路的导频部分520用于发射一种或者多种类型的导频，这些导频可用于估计该链路的MIMO信道响应或者本征向量。每条链路的数据和信令部分530用于发射数据和信令。每个部分510可以包括多个导频部分520和/或多个数据和信令部分530，但是为了简化图5并未示出。

对于TTD MIMO系统，可以假设下行链路和上行链路信道响应是互逆的(reciprocal)。也这就是说，如果H表示从天线阵列A到天线阵列B的信道响应矩阵，那么互逆信道就意味着由H ^T来给出从阵列B到阵列A的耦合，其中“^T”表示转置。通常，在接入点处的发射和接收链的响应与在用户终端处的发射和接收链的响应不相等。可以执行校准，以确定和说明在两个实体处的发射/接收响应的差异。为了简化，下面的描述假设在接入点和用户终端处发射和接收链是单调的(flat)，H是下行链路的信道响应矩阵，H ^T是上行链路的信道响应矩阵。对于互逆信道，可以简化信道估计和本征向量计算。

对于互逆的MIMO信道，下行链路和上行链路的奇异值分解可以表示为：

${\underset{\‾}{H}}^T={\underset{\‾}{U}}_{\mathrm{ap}}\underset{\‾}{\mathrm{\Σ}}{\underset{\‾}{V}}_{\mathrm{ut}}^H$ (上行链路)，以及  方程(21)

$\underset{\‾}{H}={\underset{\‾}{V}}_{\mathrm{ut}}^{*}{\underset{\‾}{\mathrm{\Σ}}}^T{\underset{\‾}{U}}_{\mathrm{ap}}^T$ (下行链路)，      方程(22)

其中，U _ap是由H ^T的左本征向量构成的N_ap×N_ap酉矩阵，∑是由H ^T的奇异值构成的N_ap×N_ut对角矩阵，V _ut是由H ^T的右本征向量构成的N_ut×N_ut酉矩阵，以及“*”表示复共轭。

矩阵V _ut ^*和Uap ^*也是分别由H的左和右本征向量构成的矩阵。矩阵U _ap和V _ut可以分别被接入点和用户终端用于执行对数据发送和接收的空间处理，如其下标所示。

对于TDD MIMO系统，可以用多种方式执行信道估计和本征向量计算。在一个实施例中，接入点在下行链路上发射MIMO导频。用户终端基于下行链路MIMO导频估计MIMO信道响应，并获得下行链路的信道响应矩阵

。然后，用户终端利用上述的迭代过程执行对的分解并获得

是对由H ^T的右本征向量构成的矩阵V _ut的估计。用户终端利用执行(1)对发向接入点的上行链路数据传输的空间处理，以及(2)对来自接入点的下行链路数据传输的空间匹配滤波。用户终端利用在上行链路上发射导引参考。导引参考(或者导引导频)是在MIMO信道的本征模上从所有天线发射的导频。接入点基于用户终端发送的上行链路导引参考导出，其是对U _ap的估计。然后，接入点利用矩阵

执行(1)对发向用户终端的下行链路数据传输的空间处理，以及(2)对来自用户终端的上行链路数据传输的空间匹配滤波。通过互逆信道，可以仅在一条链路上(例如下行链路)发送MIMO导频，并且可以仅由一个实体(例如用户终端)来执行本征向量计算，以导出两个实体所使用的本征向量矩阵。

系统300可以使用或者可以不使用OFDM进行数据传输。如果系统300使用OFDM，则全部N_F个子带可以用于传输。在全部N_F个子带中，N_D个子带可以用于数据传输并被称为数据子带，N_P个子带可以用于载波导频并被称为导频子带，以及N_G个子带可以用作保护子带(没有传输)，其中N_F＝N_D+N_P+N_G。在每个OFDM符号周期中，可以在N_D个数据子带上发送多达N_D个数据符号，并且可以在N_p个导频子带上发送多达N_P个导频符号。对于OFDM调制，可以利用N_F点逆快速傅立叶变换(IFFT)将N_F个频域值(N_D个数据符号、N_P个导频符号和N_G个零)变换到时域，以获得包括N_F个时域码片的“变换”符号。为了抵制频率选择性衰退导致的符号间干扰(ISI)，重复每个变换符号的一部分以形成相应的OFDM符号。所重复的部分通常被称为循环前缀或者保护间隔。OFDM符号周期(也被简称为“符号周期”)是一个OFDM符号的持续时间。在图3中，发射机单元可以为每个发射天线执行该天线的OFDM调制。接收机单元可以为每个接收天线执行该天线的互补的OFDM解调。

本文描述的本征向量计算技术可以利用多种方法实现。例如，这些技术可以实现在硬件、软件或者其组合中。对于硬件实现，用于执行本征向量计算的处理单元可以实现在一个或者多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、其它设计用于执行本文所述功能的电子单元及其组合中。

对于软件实现，本征向量计算技术可以利用执行本文所述功能的模块(例如程序、函数等等)来实现。软件代码可以存储在存储器单元(例如图3中的存储器单元332或382)中并可由处理器(例如DSP 328或378，或者控制器330或380)执行。存储器单元可以在处理器内部或者处理器外部实现，其中在存储器单元实现在处理器外部的情况中，可以通过本领域公知的各种方式将存储器单元通信连接到处理器上。

本文包括的标题用来参考和帮助查找特定的部分。这些标题并不旨在限定其下面描述的概念的范围，这些概念可以应用到整个说明书的其它部分中。

提供了对公开实施例的上述说明，以便使本领域的任何技术人员都能够实现或使用本发明。这些实施例的各种修改对本领域的技术人员来说将是显而易见的，并且在不脱离本发明的精神或范围的情况下，可以将本文定义的一般原理应用到其它实施例。因此，本发明并未受限于本文所示的实施例，而应给予与本文公开的原理和新特征一致的最宽范围。

Claims (29)

1.一种用于为多进多出(MIMO)通信系统导出本征向量的方法，包括：

初始化本征向量的第一矩阵；以及

基于MIMO信道的信道响应矩阵更新所述第一矩阵，其中，以预定次数的迭代更新所述第一矩阵或者以可变次数的迭代更新所述第一矩阵，直到遇到终止条件为止，并且其中，所更新的第一矩阵中的本征向量用于进行空间处理，以经由所述MIMO信道发射数据。

2.如权利要求1所述的方法，其中，所述第一矩阵的更新基于下列方程：

${\underset{\‾}{V}}_{i+1}^H={\underset{\‾}{V}}_i^H+\mathrm{\μ}\·(\mathrm{Tri}\_\mathrm{up}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\overset{^}{H}}}^H{\underset{\‾}{\hat{H}V}}_i\right)-\mathrm{Tri}\_\mathrm{low}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\overset{^}{H}}}^H{\underset{\‾}{\hat{H}V}}_i\right)){\underset{\‾}{V}}_i^H,$

其中，i是所述多次迭代的索引；

“H”是共轭转置；

V _i是对应于第i次迭代的所述第一矩阵；

是所述MIMO信道的所述信道响应矩阵；

Tri_up(M)是包含M的对角线之上的元素的矩阵；

Tri_low(M)是包含M的所述对角线之下的元素的矩阵；

μ是步长；以及

V _i+1是对应于所述第i次迭代的所更新的第一矩阵。

3.如权利要求1所述的方法，其中，更新所述第一矩阵的步骤包括：

基于所述第一矩阵和所述信道响应矩阵计算第二矩阵，

基于所述第一和第二矩阵计算更新矩阵，以及

利用所述更新矩阵更新所述第一矩阵。

4.如权利要求3所述的方法，其中，所述第二矩阵的计算基于下列方程：

$\underset{\‾}{Y}={\underset{\‾}{V}}_i^H\underset{\‾}{\overset{^}{H}}{\underset{\‾}{\hat{H}V}}_i,$

其中，i是所述多次迭代的索引；

“H”是共轭转置；

V _i是对应于第i次迭代的所述第一矩阵；

是所述MIMO信道的所述信道响应矩阵；以及

Y是所述第二矩阵。

5.如权利要求1所述的方法，还包括：

对所更新的第一矩阵中的所述本征向量进行正交化。

6.如权利要求5所述的方法，其中，利用QR因式分解执行对所更新的第一矩阵中的所述本征向量的所述正交化。

7.如权利要求3所述的方法，还包括：

基于所述第二矩阵的对角线元素对所更新的第一矩阵中的所述本征向量进行排序；以及

对所更新的第一矩阵中的已排序本征向量进行正交化。

8.如权利要求1所述的方法，其中，所述第一矩阵被初始化为单位矩阵。

9.如权利要求1所述的方法，其中，利用为前一传输间隔获得的本征向量对所述第一矩阵进行初始化。

10.如权利要求1所述的方法，其中，所述MIMO系统使用正交频分复用(OFDM)，并且其中，基于为多个子带中的每一个子带获得的信道响应矩阵，导出该子带的本征向量的第一矩阵。

11.如权利要求10所述的方法，其中，第一子带的本征向量的第一矩阵被初始化为为第二子带导出的本征向量的第一矩阵。

12.如权利要求3所述的方法，其中，以可变次数的迭代更新所述第一矩阵，直到所述第二矩阵的非对角线元素的模的平方和小于门限值为止。

13.如权利要求1所述的方法，还包括：

估计所述MIMO信道的第一链路的信道响应，以获得所述信道响应矩阵，并且其中，所更新的本征向量的第一矩阵用于对在所述MIMO信道的第二链路上的数据传输进行空间处理。

14.如权利要求1所述的方法，还包括：

估计所述MIMO信道的下行链路的信道响应，以获得所述信道响应矩阵，并且其中，所更新的本征向量的第一矩阵用于对在所述MIMO信道的上行链路上的数据传输进行空间处理。

15.如权利要求1所述的方法，还包括：

对于多个传输间隔，对多个信道响应矩阵进行滤波，以获得已滤波的信道响应矩阵，并且其中，基于所述已滤波的信道响应矩阵更新所述第一矩阵。

16.如权利要求1所述的方法，还包括：

基于所更新的本征向量的第一矩阵和所述信道响应矩阵导出空间滤波矩阵，其中，所述空间滤波矩阵用于对经由所述MIMO信道接收的数据传输进行空间匹配滤波。

17.如权利要求1所述的方法，其中，所述第一矩阵和所述信道响应矩阵包括复数值元素。

18.一种用于多进多出(MIMO)通信系统的设备，包括：

信道估计器，用于获得MIMO信道的信道响应矩阵；以及

第一单元，用于

初始化本征向量的第一矩阵，以及

基于所述信道响应矩阵更新所述第一矩阵，其中，以预定次数的迭代更新所述第一矩阵或者以可变次数的迭代更新所述第一矩阵，直到遇到终止条件为止，并且其中，所更新的第一矩阵中的本征向量用于进行空间处理，以经由所述MIMO信道发射数据。

19.如权利要求18所述的设备，其中，所述第一单元用于基于下列方程更新所述第一矩阵：

${\underset{\‾}{V}}_{i+1}^H={\underset{\‾}{V}}_i^H+\mathrm{\μ}\·(\mathrm{Tri}\_\mathrm{up}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\overset{^}{H}}}^H{\underset{\‾}{\hat{H}V}}_i\right)-\mathrm{Tri}\_\mathrm{low}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\overset{^}{H}}}^H{\underset{\‾}{\hat{H}V}}_i\right)){\underset{\‾}{V}}_i^H,$

其中，i是所述多次迭代的索引；

“H”是共轭转置；

V _i是对应于第i次迭代的所述第一矩阵；

是所述MIMO信道的所述信道响应矩阵；

Tri_up(M)是包含M的对角线之上的元素的矩阵；

Tri_low(M)是包含M的所述对角线之下的元素的矩阵；

μ是步长；以及

V _i+1是对应于所述第i次迭代的所更新的第一矩阵。

20.如权利要求18所述的设备，还包括：

第二单元，用于对所更新的第一矩阵中的所述本征向量进行正交化。

21.如权利要求20所述的设备，其中，所述第一和第二单元通过数字信号处理器实现。

22.如权利要求18所述的设备，还包括：

第三单元，用于基于所更新的第一矩阵和所述信道响应矩阵导出空间滤波矩阵。

23.如权利要求18所述的设备，还包括：

滤波器，用于对于多个传输间隔，对多个信道响应矩阵进行滤波，并提供已滤波的信道响应矩阵，并且其中，基于所述已滤波的信道响应矩阵更新所述第一矩阵。

24.如权利要求18所述的设备，其中，所述MIMO系统使用正交频分复用(OFDM)，并且其中，基于为多个子带中的每一个子带获得的信道响应矩阵，导出该子带的本征向量的第一矩阵。

25.一种用于多进多出(MIMO)通信系统的设备，包括：

用于初始化本征向量的第一矩阵的装置；以及

用于基于MIMO信道的信道响应矩阵更新所述第一矩阵的装置，其中，以预定次数的迭代更新所述第一矩阵或者以可变次数的迭代更新所述第一矩阵，直到遇到终止条件为止，并且其中，所更新的第一矩阵中的本征向量用于进行空间处理，以经由所述MIMO信道发射数据。

26.如权利要求25所述的设备，其中，所述第一矩阵的更新基于下列方程：

${\underset{\‾}{V}}_{i+1}^H={\underset{\‾}{V}}_i^H+\mathrm{\μ}\·(\mathrm{Tri}\_\mathrm{up}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\overset{^}{H}}}^H{\underset{\‾}{\hat{H}V}}_i\right)-\mathrm{Tri}\_\mathrm{low}\left({\underset{\‾}{V}}_i^H{\underset{\‾}{\overset{^}{H}}}^H{\underset{\‾}{\hat{H}V}}_i\right)){\underset{\‾}{V}}_i^H,$

其中，i是所述多次迭代的索引；

“H”是共轭转置；

V _i是对应于第i次迭代的所述第一矩阵；

是所述MIMO信道的所述信道响应矩阵；

Tri_up(M)是包含M的对角线之上的元素的矩阵；

Tri_low(M)是包含M的所述对角线之下的元素的矩阵；

μ是步长；以及

V _i+1是对应于所述第i次迭代的所更新的第一矩阵。

27.如权利要求25所述的设备，还包括：

用于对所更新的第一矩阵中的所述本征向量进行正交化的装置。

28.如权利要求25所述的设备，还包括：

用于基于所更新的第一矩阵和所述信道响应矩阵导出空间滤波矩阵的装置。

29.如权利要求25所述的设备，还包括：

用于对于多个传输间隔，对多个信道响应矩阵进行滤波，以获得已滤波的信道响应矩阵的装置，并且其中，基于所述已滤波的信道响应矩阵更新所述第一矩阵。

Images