WO2017084223A1 - 大规模分布天线系统中抑制导频污染的多小区预编码方法 - Google Patents
大规模分布天线系统中抑制导频污染的多小区预编码方法 Download PDFInfo
- Publication number
- WO2017084223A1 WO2017084223A1 PCT/CN2016/075471 CN2016075471W WO2017084223A1 WO 2017084223 A1 WO2017084223 A1 WO 2017084223A1 CN 2016075471 W CN2016075471 W CN 2016075471W WO 2017084223 A1 WO2017084223 A1 WO 2017084223A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- cell
- central cell
- antenna system
- vector
- distributed antenna
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0256—Channel estimation using minimum mean square error criteria
Definitions
- the invention belongs to the field of wireless communication technologies, and relates to a multi-cell precoding method for suppressing pilot pollution in a large-scale distributed antenna system, and particularly to a minimum mean square error multi-cell precoding method based on a conjugate gradient method.
- Massive MIMO technology provides sufficient freedom for communication with communication users to increase diversity gain and multiplexing gain by deploying a large number of antennas on the base station (hereinafter referred to as BS) side.
- the cell edge user has low useful signal power due to high path loss.
- the strength of the interference signal received by the cell edge user can be compared with the useful signal and even exceed the useful signal. The strength of this makes the throughput performance of the cell edge users seriously deteriorated.
- the academic community and the industry consider deploying the antenna originally concentrated in the BS in a distributed manner in the cell, reducing the path loss by reducing the transmission distance of the signal, and improving the power of the useful signal. .
- a system that provides services to users in a cell through a large number of antennas deployed in a distributed manner in a cell is called a large-scale distributed antenna system.
- a distributed wireless access point is called a remote access unit (hereinafter referred to as RAU), and each RAU has several antennas, and each RAU is connected through a wired or wireless backhaul link. Go to the baseband processing unit. Due to the different geographical locations of different RAUs, the large-scale fading of antennas to users on different RAUs is also different, which makes channel modeling and analysis of large-scale distributed antenna systems difficult.
- CSI channel state information
- the object of the present invention is to provide a multi-cell precoding method, device and computer storage medium for suppressing pilot pollution in a large-scale distributed antenna system for the problems existing in the prior art.
- the method firstly applies the user to each RAU separately.
- the channel performs minimum mean square error estimation, and then performs precoding on the downlink data to be transmitted by using the estimated channel.
- the present invention can fully utilize the estimated channel design precoding matrix of the user of the cell and other cell users to minimize the suppression. The impact of frequency pollution on system performance.
- the multi-cell precoding method for suppressing pilot pollution in a large-scale distributed antenna system proposed by the present invention includes the following steps:
- a large-scale distributed antenna system including L cells centered on a cell to be precoded (hereinafter referred to as a central cell), and set the number of RAUs in the central cell to be M, and the number of antennas provided in each RAU is N, the number of users in the central cell is K, the total number of users in the L-1 cells around the central cell is R, and each user is configured with one antenna; the users in the large-scale distributed antenna system are numbered, and the central cell
- the user number is 1, 2, ..., K, and the user numbers in the L-1 cells around the central cell are K+1, K+2, ..., K+R, and the first is in the large-scale distributed antenna system.
- step (3-2-5) judging the iteration variable t according to the above iterative threshold P, if t ⁇ P, stopping the iteration and making Carry out step (3-3), if t ⁇ P, proceed to step (3-2-2)-(3-2-5);
- Another object of embodiments of the present invention is to provide an apparatus comprising: one or more processors; a memory; one or more programs, the one or more programs being stored in the memory when Or when the plurality of processors are executed, the multi-cell precoding method for suppressing pilot pollution in the large-scale distributed antenna system of the above-described embodiment of the present invention is executed.
- Another object of embodiments of the present invention is to provide a non-volatile computer storage medium storing one or more programs, when the one or more programs are executed by a device,
- the apparatus performs a multi-cell precoding method for suppressing pilot pollution in a large-scale distributed antenna system of the above-described embodiment of the present invention.
- the multi-cell precoding method, device and computer storage medium for suppressing pilot pollution in the large-scale distributed antenna system proposed by the invention have the advantages that the base station estimation can be fully utilized in the pilot full-multiplex time division duplex system
- the channel information effectively suppresses the influence of pilot pollution on the downlink precoding performance and improves the system throughput.
- the method also solves the linear equations by the conjugate gradient method, which avoids directly searching for large matrices in the precoding process. Inverse, can greatly reduce the computational complexity of precoding.
- FIG. 1 is a schematic diagram of a large-scale distributed antenna system scenario involved in the method of the present invention.
- FIG. 2 is a block diagram of a multi-cell precoding method for suppressing pilot pollution in a large-scale distributed antenna system according to the method of the present invention.
- the method relates to a large-scale distributed antenna system composed of L cells, and the number of remote access units RAU in the central cell with the geographical location in the center is M, and the number of antennas provided in each RAU is N, and the users in the central cell
- the number is K
- the total number of users in L-1 cells around the central cell is R
- each user is configured with one antenna, wherein L, M, N, K, and R are positive integers; for large-scale distributed antenna systems
- the user in the center is numbered.
- the user number of the central cell is 1, 2, ..., K.
- the user numbers in the L-1 cells around the central cell are K+1, K+2, ..., K+R, which are large-scale.
- the method includes the following steps:
- step (2-2-5) determining the iteration variable t according to the iterative threshold P, and if t ⁇ P, stopping the iteration and making Carrying out step (2-3), if t ⁇ P, proceeding to step (2-2-2)-(2-2-5);
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及大规模分布天线系统中抑制导频污染的多小区预编码方法，属于无线通信技术领域。该方法根据中心小区RAU的天线接收到的信号，计算用户到中心小区的RAU的上行信道的估计值；计算中心小区RAU的上行信道的估计误差的协方差矩阵；构造用户到中心小区的所有RAU的信道向量的估计值；构造所有用户到中心小区的所有RAU的信道矩阵的估计值；计算中心小区的所有用户的数据向量经过多小区预编码后得到的中心小区的发射信号向量；并进行归一化，得到中心小区的各RAU上的天线最终发射的实际信号向量。本方法能够有效抑制导频污染对下行预编码性能的影响，提升系统吞吐量；且能大大减少预编码的计算复杂度。
Description
相关申请的交叉引用
本申请要求清华大学于2015年11月18日提交的、发明名称为“大规模分布天线系统中抑制导频污染的多小区预编码方法”的、中国专利申请号“201510794800.X”的优先权。
本发明属于无线通信技术领域，涉及一种大规模分布式天线系统中抑制导频污染的多小区预编码方法，尤其涉及一种基于共轭梯度法的最小均方误差多小区预编码方法。
随着移动终端数的飞速增长、物联网的发展，以及无线数据业务种类的不断增多，用户对无线数据业务的需求不断对现有的移动通信技术提出新的挑战。作为一种具有满足未来无线移动通信对频谱效率、能量效率和信道容量需求潜质的技术，大规模多输入多输出(以下简称Massive MIMO)技术已经在学术界和产业界引起了广泛的关注。
Massive MIMO技术通过在基站(以下简称BS)侧部署数量众多的天线，来为与通信用户之间的通信提供足够多的自由度以提高分集增益和复用增益。小区边缘用户由于较高的路径损耗导致其接收到的有用信号功率很低，在实际的多小区场景下，小区边缘用户接收到的干扰信号的强度可与有用信号相比，甚至超过了有用信号的强度，这使得小区边缘用户的吞吐率性能严重恶化。为了解决小区边缘覆盖差的问题，学术界和产业界考虑将原来集中在BS的天线以分布式的方式部署在小区中，通过减小信号的传输距离来减小路径损耗，提高有用信号的功率。通过大量的以分布式方式部署在小区中的天线联合为小区中用户提供服务的系统称为大规模分布式天线系统。在大规模分布式天线系统中，分布式的无线接入点叫做远端接入单元(以下简称RAU)，每个RAU上有若干根天线，且每个RAU通过有线或无线的回程链路连接到基带处理单元上。由于不同RAU的地理位置不同，因此，不同RAU上的天线到用户的大尺度衰落也不同，这使得大规模分布式天线系统的信道建模与分析很困难。目前，大多数关于分布式天线系统的下行预编码研究都假设各RAU上的各天线与各用户之间的信道状态信息(以下简称CSI)是已知的。然而在实际的多小区时分双工系统中，考虑最大化频谱利用率的导频全复用方式，不同小区中的用户使用同一套导频序列。每一个小区中的天线都会收到来自不同小区用户发送的导频序列，从而使得信道估计产生较大误差，这就是导频污染造成的。在分布式天线系统中，部分靠近小区边缘的RAU可能遭受更加严重的导频污染。这使得理想CSI的假设不再成立。现有的多小区下行预编码方案或假设已知理想CSI，或针对集中式多天线系统，不能直接应用到大规模分布式天线系统中，且其计算复杂度随着天线数的增多而急剧增加。因此，使用估计的信道对下行传输数据进行预编码，同时能最大限度地抑制导频污染影响的低复杂度算法仍有待研
究。
发明内容
本发明的目的是为已有技术存在的问题，提出一种大规模分布天线系统中抑制导频污染的多小区预编码方法、设备及计算机存储介质，该方法首先分别对用户到每个RAU的信道进行最小均方误差估计，然后在用估计的信道对待发送的下行数据进行预编码，本发明能充分利用估计出的本小区用户和其他小区用户的信道设计预编码矩阵，以最大限度抑制导频污染对系统性能的影响。
本发明提出的大规模分布天线系统中抑制导频污染的多小区预编码方法，包括以下步骤：
(1)考虑以要进行预编码的小区(以下简称中心小区)为中心的包括L个小区的大规模分布式天线系统，设中心小区中的RAU数为M，每个RAU配备的天线数为N，中心小区中的用户数为K，中心小区周围L-1个小区中的总用户数为R，每个用户配置一根天线；对大规模分布式天线系统中的用户进行编号，中心小区的用户编号为1,2,…,K，中心小区周围L-1个小区中的用户编号为K+1,K+2,…,K+R，则大规模分布式天线系统中u第个用户到中心小区的第m个RAU的上行信道为hmu＝λmugmu，
其中λmu表示大规模分布式天线系统中第u个用户到中心小区的第m个RAU的大尺度衰落，gmu表示大规模分布式天线系统中第u个用户到中心小区的第m个RAU的小尺度信道，
代表复数域，1≤u≤K+R，1≤m≤M；设大规模分布式天线系统中第u个用户在信道估计阶段发射的导频序列为
其中τ为导频序列的长度，该长度大于大规模分布式天线系统中所有小区用户数的最大值，第u个用户在信道估计阶段发射导频序列的功率为ρu；各导频序列通过用户的天线发射，经过信道，在中心小区的第m个RAU的N根天线得到RAU接收信号，记为
其中，
表u个用户在信道估计阶段发射的导频序列的转置，Nm表示中心小区的第m个RAU的接收信号中的加性高斯白噪声，
矩阵Nm中的元素独立同分布于均值为0、方差为σ2的循环复高斯分布，1≤m≤M；
(2)计算上述中心小区的第m个RAU的N根天线接收到的信号Ym各列的协方差矩
阵Φm，
其中1≤m≤M，
表示第k用户在信道估计阶段发射的导频序列的共轭转置，Iτ为τ阶单位矩阵；
(3)用共轭梯度法计算大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
具体过程如下：
(3-1)计算大规模分布式天线系统中第u个用户使用的导频序列πu的共轭经过上述Φm的逆矩阵滤波得到的向量fmu，
其中
表示πu的共轭，
是Φm的逆矩阵；
(3-2)建立一个上述滤波过程的等效线性方程组模型
采用共轭梯度法，求解等效线性方程组模型，得到大规模分布式天线系统中第u个用户使用的导频序列的共轭
经过
滤波的向量fmu，具体步骤如下：
(3-2-1)初始化：设置迭代次数阈值P，设向量fmu的初始值为
则上述模型
的初始余向量为r0，
初始化共轭基向量为p0，p0＝r0，设置迭代变量t＝0；
(3-2-2)更新迭代变量使t＝t+1，计算第t次迭代过程中共轭基向量系数αt，
其中
表示共轭基向量pt-1的共轭转置，并根据该系数αt，计算第t次迭代过程中的向量fmu的值
(3-2-3)根据
计算第t次迭代后上述模型的余向量rt，rt＝rt-1-αtΦmpt-1；
(3-2-4)计算第t次迭代过程中共轭基向量的调节系数βt，
并根据该系数计算第t+1次迭代过程中的共轭基向量pt，pt＝rt+βtpt-1；
(3-2-5)根据上述迭代阈值P对迭代变量t进行判断，若t≥P，则停止迭代，并使
进行步骤(3-3)，若t＜P，则进行步骤(3-2-2)-(3-2-5)；
(3-3)根据上述步骤(3-2)得到的向量计算大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
其中，1≤u≤K+R，1≤m≤M；
(4)计算上述中心小区的第m个RAU的上行信道hjmlk的估计误差的协方差矩阵Cmu， 
其中，1≤u≤K+R，1≤m≤M；
(5)构造大规模分布式天线系统中第u个用户到中心小区的所有M个RAU的信道向量hu的估计值
其中，1≤u≤K+R，
表示步骤(3)中获得的大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
的转置，1≤m≤M；
(6)构造大规模分布式天线系统中所有K+R个用户到中心小区的所有M个RAU的信道矩阵H0的估计值
计算H0的估计误差的协方差矩阵C0，
中心小区的所有K个用户到中心小区的所有M个RAU的信道矩阵H的估计值为
其中
为
的前K列，
(7)用共轭梯度法计算中心小区的所有K个用户的数据向量s经过多小区预编码后得到的中心小区的发射信号向量x，具体过程如下：
(7-1)利用步骤(6)中得到的大规模分布式天线系统中心小区所有K个用户到中心小区的所有M个RAU的信道矩阵H的估计值
计算s经过
匹配滤波后的向量z，
(7-2)计算中心小区的多小区最小均方误差均衡矩阵W，
其中
表示
的共轭转置，IMN表示MN阶单位矩阵；
(7-3)建立一个大规模分布式天线系统中心小区进行多小区最小均方误差预编码的等效线性方程组模型z＝Wx，采用共轭梯度法，求解该等效线性方程组模型，得到中心小区的发射信号向量x，具体步骤如下：
(7-3-1)初始化：设置迭代次数阈值V，设中心小区的发射信号向量x的初始值为x(0)，则上述模型z＝Wx的初始余向量为v0，v0＝z，初始化共轭基向量为q0，q0＝r0，设置迭代变量ω＝0；
(7-3-2)更新迭代变量使ω＝ω+1，计算第ω次迭代过程中共轭基向量系数μt，
其中
表示共轭基向量qt-1的共轭转置，并根据该系数μt，计算第ω次迭代过程中的中心小区的发射信号向量x的值x(t)，x(t)＝x(t-1)+μtqt-1；
(7-3-3)根据x(t)计算第ω次迭代后上述模型的余向量vt，vt＝vt-1-μtWqt-1；
(7-3-4)计算第ω次迭代过程中共轭基向量的调节系数θt，
并根据该系数计算第ω+1次迭代过程中的共轭基向量qt，qt＝vt+βtqt-1；
(7-3-5)根据上述迭代阈值V对迭代变量ω进行判断，若ω≥V，则停止迭代，并使x＝x(t-1)，进行步骤(7-4)，若ω＜V，则进行步骤(7-3-2)-(7-3-5)；
(8)对上述步骤(7)得到的得到中心小区的发射信号向量x进行归一化，使
得到中心小区的各RAU上的天线最终发射的实际信号向量，实现大规模分布式天线系统中抑制导频污染的多小区预编码。
本发明实施例的另一目的在于提供一种设备，包括：一个或者多个处理器；存储器；一个或者多个程序，所述一个或者多个程序存储在所述存储器中，当被所述一个或者多个处理器执行时，执行本发明上述实施例的大规模分布天线系统中抑制导频污染的多小区预编码方法。
本发明实施例的另一目的在于提供一种非易失性计算机存储介质，所述计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备执行本发明上述实施例的大规模分布天线系统中抑制导频污染的多小区预编码方法。
本发明提出的大规模分布式天线系统中抑制导频污染的多小区预编码方法、设备及计算机存储介质，其优点是，在导频全复用的时分双工系统中，能充分利用基站估计出的信道信息，有效抑制导频污染对下行预编码性能的影响，提升系统吞吐量；此外，本方法还通过共轭梯度法求解线性方程组，避免了在预编码过程中直接对大型矩阵求逆，能大大减少预编码的计算复杂度。
图1是本发明方法涉及的大规模分布式天线系统场景示意图。
图2是本发明方法涉及的大规模分布式天线系统中抑制导频污染的多小区预编码方法流程框图。
本发明提出的大规模分布式天线系统中抑制导频污染的多小区预编码方法结合附图及实施例说明如下：
本发明提出的大规模分布式天线系统中抑制导频污染的多小区预编码方法，
本方法涉及L个小区组成的大规模分布式天线系统，设地理位置处于中心的中心小区中的远端接入单元RAU数为M，每个RAU配备的天线数为N，中心小区中的用户数为K，中心小区周围L-1个小区中的总用户数为R，每个用户配置一根天线，其中L、M、N、K、R均为正整数；对大规模分布式天线系统中的用户进行编号，中心小区的用户编号为1,2,…,K，中心小区周围L-1个小区中的用户编号为K+1,K+2,…,K+R，则大规模分布式天线系统中u第个用户到中心小区的第m个RAU的上行信道为hmu＝λmugmu，
其中λmu表示大规模分布式天线系统中第u个用户到中心小区的第m个RAU的大尺度衰落，gmu表示大规模分布式天线系统中第u个用户到中心小区的第m个RAU的小尺度信道，
代表复数域，1≤u≤K+R，1≤m≤M；设大规模分布式天线系统中第u个用户在信道估计阶段发射的导频序列为
其中τ为导频序列的长度，该长度大于大规模分布式天线系统中所有小区用户数的最大值，第u个用户在信道估计阶段发射导频序列的功率为ρu；各导频序列通过用户的天线发射，经过信道，在中心小区的第m个RAU的N根天线得到RAU接收信号，记为
其中，
表u个用户在信道估计阶段发射的导频序列的转置，Nm表示中心小区的第m个RAU的接收信号中的加性高斯白噪声，
矩阵Nm中的元素独立同分布于均值为0、方差为σ2的循环复高斯分布，1≤m≤M；
该方法包括以下步骤：
(1)计算所述中心小区的第m个RAU的N根天线接收到的信号Ym各列的协方差矩阵Φm，
其中1≤m≤M，
表示第k用户在信道估计阶段发射的导频序列的共轭转置，Iτ为τ阶单位矩阵；
(2)用共轭梯度法计算大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
具体过程如下：
(2-1)计算大规模分布式天线系统中第u个用户使用的导频序列πu的共轭经过所述协方差矩阵Φm的逆矩阵的滤波过程得到的向量fmu，
其中
表示πu的共轭，
是Φm的逆矩阵；
(2-2)建立一个所述滤波过程的等效线性方程组模型
采用共轭梯度法，求解等效线性方程组模型，得到大规模分布式天线系统中第u个用户使用的导频序列的共轭
经过
滤波的向量fmu，具体步骤如下：
(2-2-1)初始化：设置迭代次数阈值P，
设向量fmu的初始值为
则所述模型
的初始余向量为r0，
初始化共轭基向量为p0，p0＝r0，设置迭代变量t＝0；
(2-2-2)更新迭代变量使t＝t+1，计算第t次迭代过程中共轭基向量系数αt，
其中
表示共轭基向量pt-1的共轭转置，并根据该系数αt，计算第t次迭代过程中的向量fmu的值
(2-2-3)根据
计算第t次迭代后所述模型的余向量rt，rt＝rt-1-αtΦmpt-1；
(2-2-4)计算第t次迭代过程中共轭基向量的调节系数βt，
并根据该系数计算第t+1次迭代过程中的共轭基向量pt，pt＝rt+βtpt-1；
(2-2-5)根据所述迭代阈值P对迭代变量t进行判断，若t≥P，则停止迭代，并使
进行步骤(2-3)，若t＜P，则进行步骤(2-2-2)-(2-2-5)；
(2-3)根据所述步骤(2-2)得到的向量计算大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
其中，1≤u≤K+R，，1≤m≤M；
(3)计算所述中心小区的第m个RAU的上行信道hjmlk的估计误差的协方差矩阵Cmu， 
其中，1≤u≤K+R，1≤m≤M；
(4)构造大规模分布式天线系统中第u个用户到中心小区的所有M个RAU的信道向量hu的估计值
其中，1≤u≤K+R，
表示步骤(2)中获得的大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
的转置，1≤m≤M；
(5)构造大规模分布式天线系统中所有K+R个用户到中心小区的所有M个RAU的信道矩阵H0的估计值
计算H0的估计误差的协方差矩阵C0，
中心小区的所有K个用户到中心小区的所有M个RAU的信道矩阵H的估计值为
其中
为
的前K列，
(6)用共轭梯度法计算中心小区的所有K个用户的数据向量s经过多小区预编码后得到的中心小区的发射信号向量x，具体过程如下：
(6-1)利用步骤(5)中得到的大规模分布式天线系统中心小区所有K个用户到中心小区的所有M个RAU的信道矩阵H的估计值
计算s经过
匹配滤波后的向量z，
(6-2)计算中心小区的多小区最小均方误差均衡矩阵W，
其中
表示
的共轭转置，IMN表示MN阶单位矩阵；
(6-3)建立一个大规模分布式天线系统中心小区进行多小区最小均方误差预编码的等效线性方程组模型z＝Wx，采用共轭梯度法，求解该等效线性方程组模型，得到中心小区的发射信号向量x，具体步骤如下：
(6-3-1)初始化：设置迭代次数阈值V，
设中心小区的发射信号向量x的初始值为x(0)＝0，则所述模型z＝Wx的初始余向量为v0，v0＝z，初始化
共轭基向量为q0，q0＝r0，设置迭代变量ω＝0；
(6-3-2)更新迭代变量使ω＝ω+1，计算第ω次迭代过程中共轭基向量系数μt，
其中
表示共轭基向量qt-1的共轭转置，并根据该系数μt，计算第ω次迭代过程中的中心小区的发射信号向量x的值x(t)，x(t)＝x(t-1)+μtqt-1；
(6-3-3)根据x(t)计算第ω次迭代后所述模型的余向量vt，vt＝vt-1-μtWqt-1；
(6-3-4)计算第ω次迭代过程中共轭基向量的调节系数θt，
并根据该系数计算第ω+1次迭代过程中的共轭基向量qt，qt＝vt+βtqt-1；
(6-3-5)根据所述迭代阈值V对迭代变量ω进行判断，若ω≥V，则停止迭代，并使x＝x(t-1)，进行步骤(6-4)，若ω＜V，则进行步骤(6-3-2)-(6-3-5)；
(7)对所述步骤(6)得到的得到中心小区的发射信号向量x进行归一化，使
得到中心小区的各RAU上的天线最终发射的实际信号向量，实现大规模分布式天线系统中抑制导频污染的多小区预编码。
Claims (7)
- 一种大规模分布式天线系统中抑制导频污染的多小区预编码方法，其特征在于，包括以下步骤：(1)设在以要进行预编码的中心小区为中心的包括L个小区的大规模分布式天线系统中，中心小区中的RAU数为M，每个RAU配备的天线数为N，中心小区中的用户数为K，中心小区周围L-1个小区中的总用户数为R，每个用户配置一根天线；对大规模分布式天线系统中的用户进行编号，中心小区的用户编号为1,2,…,K，中心小区周围L-1个小区中的用户编号为K+1,K+2,…,K+R，则大规模分布式天线系统中u第个用户到中心小区的第m个RAU的上行信道为hmu＝λmugmu，其中λmu表示大规模分布式天线系统中第u个用户到中心小区的第m个RAU的大尺度衰落，gmu表示大规模分布式天线系统中第u个用户到中心小区的第m个RAU的小尺度信道，
代表复数域，1≤u≤K+R，1≤m≤M；设大规模分布式天线系统中第u个用户在信道估计阶段发射的导频序列为
其中τ为导频序列的长度，该长度大于大规模分布式天线系统中所有小区用户数的最大值，第u个用户在信道估计阶段发射导频序列的功率为ρu，各导频序列通过用户的天线发射，经过信道，在中心小区的第m个RAU的N根天线得到RAU接收信号，记为
其中，
表u个用户在信道估计阶段发射的导频序列的转置，Nm表示中心小区的第m个RAU的接收信号中的加性高斯白噪声，
矩阵Nm中的元素独立同分布于均值为0、方差为σ2的循环复高斯分布，1≤m≤M；
(2)计算所述中心小区的第m个RAU的N根天线接收到的信号Ym各列的协方差矩阵Φm，其中1≤m≤M，表示第k个用户在信道估计阶段发射的导频序列的共轭转置，Iτ为τ阶单位矩阵；
(3)用共轭梯度法计算大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
(4)计算上述中心小区的第m个RAU的上行信道hjmlk的估计误差的协方差矩阵Cmu，其中，1≤u≤K+R，1≤m≤M，IN为N阶单位矩阵，
表示第k个用户在信道估计阶段发射的导频序列的共轭转置；
(5)构造大规模分布式天线系统中第u个用户到中心小区的所有M个RAU的信道向量hu的估计值
其中，1≤u≤K+R，
表示步骤(3)中获得的大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
的转置，1≤m≤M；
(6)构造大规模分布式天线系统中所有K+R个用户到中心小区的所有M个RAU的信道矩阵H0的估计值
计算H0的估计误差的协方差矩阵C0，
中心小区的所有K个用户到中心小区的所有M个RAU的信道矩阵H的估计值为
其中
为
的前K列，
(7)用共轭梯度法计算中心小区的所有K个用户的数据向量s经过多小区预编码后得到的中心小区的发射信号向量x；(8)对上述步骤(7)得到的得到中心小区的发射信号向量x进行归一化，使得到中心小区的各RAU上的天线最终发射的实际信号向量，实现大规模分布式天线系统中抑制导频污染的多小区预编码。
- 如权利要求1所述方法，其特征在于，所述步骤(3)具体步骤如下：(3-1)计算大规模分布式天线系统中第u个用户使用的导频序列πu的共轭经过所述Φm的逆矩阵滤波得到的向量fmu，其中
表示πu的共轭，
是Φm的逆矩阵；
(3-2)建立一个所述滤波过程的等效线性方程组模型采用共轭梯度法，求解等效线性方程组模型，得到大规模分布式天线系统中第u个用户使用的导频序列的共轭
经过
滤波的向量fmu；
(3-3)根据上述步骤(3-2)得到的向量计算大规模分布式天线系统中第u个用户到中心小区的第m个RAU的上行信道hmu的估计值
其中，1≤u≤K+R，1≤m≤M。
- 如权利要求2所述方法，其特征在于，所述步骤(3-2)具体步骤如下：(3-2-1)初始化：设置迭代次数阈值P，设向量fmu的初始值为则上述模型
的初始余向量为r0，
初始化共轭基向量为p0，p0＝r0，设置迭代变量t＝0；
(3-2-2)更新迭代变量使t＝t+1，计算第t次迭代过程中共轭基向量系数αt，其中
表示共轭基向量pt-1的共轭转置，并根据该系数αt，计算第t次迭 代过程中的向量fmu的值
(3-2-3)根据计算第t次迭代后上述模型的余向量rt，rt＝rt-1-αtΦmpt-1；
(3-2-4)计算第t次迭代过程中共轭基向量的调节系数βt，并根据该系数计算第t+1次迭代过程中的共轭基向量pt，pt＝rt+βtpt-1；
(3-2-5)根据上述迭代阈值P对迭代变量t进行判断，若t≥P，则停止迭代，并使进行步骤(3-3)，若t＜P，则进行步骤(3-2-2)-(3-2-5)。
- 如权利要求1所述方法，其特征在于，所述步骤(7)具体过程如下：(7-1)利用步骤(6)中得到的大规模分布式天线系统中心小区所有K个用户到中心小区的所有M个RAU的信道矩阵H的估计值计算s经过
匹配滤波后的向量z，
(7-2)计算中心小区的多小区最小均方误差均衡矩阵W，其中
表示
的共轭转置，IMN表示MN阶单位矩阵；
(7-3)建立一个大规模分布式天线系统中心小区进行多小区最小均方误差预编码的等效线性方程组模型z＝Wx，采用共轭梯度法，求解该等效线性方程组模型，得到中心小区的发射信号向量x。 - 如权利要求4所述方法，其特征在于，所述步骤(7-3)具体步骤如下：(7-3-1)初始化：设置迭代次数阈值V，设中心小区的发射信号向量x的初始值为x(0)，则上述模型z＝Wx的初始余向量为v0，v0＝z，初始化共轭基向量为q0，q0＝r0，设置迭代变量ω＝0；(7-3-2)更新迭代变量使ω＝ω+1，计算第ω次迭代过程中共轭基向量系数μt，其中
表示共轭基向量qt-1的共轭转置，并根据该系数μt，计算第ω次迭代过程中的中心小区的发射信号向量x的值x(t)，x(t)＝x(t-1)+μtqt-1；
(7-3-3)根据x(t)计算第ω次迭代后上述模型的余向量vt，vt＝vt-1-μtWqt-1；(7-3-4)计算第ω次迭代过程中共轭基向量的调节系数θt，并根据该系数计算第ω+1次迭代过程中的共轭基向量qt，qt＝vt+βtqt-1；
(7-3-5)根据上述迭代阈值V对迭代变量ω进行判断，若ω≥V，则停止迭代，并使x＝x(t-1)，进行步骤(7-4)，若ω＜V，则进行步骤(7-3-2)-(7-3-5)。 - 一种设备，其特征在于，包括：一个或者多个处理器；存储器；一个或者多个程序，所述一个或者多个程序存储在所述存储器中，当被所述一个或者多个处理器执行时，执行如权利要求1-5任一项所述的大规模分布式天线系统中抑制导频污染的多小区预编码方法。
- 一种非易失性计算机存储介质，其特征在于，所述计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备执行如权利要求1-5任一项所述的大规模分布式天线系统中抑制导频污染的多小区预编码方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510794800.XA CN105429688A (zh) | 2015-11-18 | 2015-11-18 | 大规模分布天线系统中抑制导频污染的多小区预编码方法 |
| CN201510794800.X | 2015-11-18 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2017084223A1 true WO2017084223A1 (zh) | 2017-05-26 |
Family
ID=55507652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2016/075471 WO2017084223A1 (zh) | 2015-11-18 | 2016-03-03 | 大规模分布天线系统中抑制导频污染的多小区预编码方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN105429688A (zh) |
| WO (1) | WO2017084223A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111447037A (zh) * | 2020-03-03 | 2020-07-24 | 南京步微信息科技有限公司 | 共轭梯度的阵列抗干扰方法 |
| CN113364496A (zh) * | 2021-05-18 | 2021-09-07 | 西安交通大学 | 一种基于建设性干扰的多小区分布式协作方法 |
| CN114389654A (zh) * | 2022-01-13 | 2022-04-22 | 郑州轻工业大学 | 基于大规模mimo的移动边缘计算安全计算效率最大化方法 |
| CN115776424A (zh) * | 2022-11-16 | 2023-03-10 | 南通大学 | 一种去蜂窝大规模mimo共生通信系统信道估计方法 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106059728B (zh) * | 2016-05-05 | 2019-03-01 | 西安交通大学 | 一种大规模mimo系统中的基于相移的导频设计方法 |
| CN105978836B (zh) * | 2016-05-06 | 2019-04-02 | 华东交通大学 | 大规模mimo系统下多小区导频污染消除方法 |
| CN105933044B (zh) * | 2016-05-11 | 2018-11-06 | 中山大学 | 一种大规模多天线系统低复杂度预编码方法 |
| CN106230571B (zh) * | 2016-07-30 | 2019-06-21 | 山东大学 | 一种基于用户分簇的导频分配方法 |
| CN107017930B (zh) * | 2017-02-17 | 2020-08-14 | 南京航空航天大学 | 一种存在信道反馈延迟与估计误差的mimo双向中继系统的预编码方法 |
| CN106793147B (zh) * | 2017-03-02 | 2019-10-11 | 西安电子科技大学 | 基于定时提前信息的导频随机接入方法 |
| CN113067783B (zh) * | 2021-03-18 | 2022-04-22 | 东南大学 | 一种用于分布式天线系统的协方差矩阵估计方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130195000A1 (en) * | 2004-12-07 | 2013-08-01 | Adaptix, Inc. | Cooperative mimo in multicell wireless networks |
| CN103634816A (zh) * | 2013-11-01 | 2014-03-12 | 南京邮电大学 | 多小区大规模mimo基于导频污染的干扰消除方法 |
| WO2015167117A1 (en) * | 2014-04-27 | 2015-11-05 | Lg Electronics Inc. | Method of generating transmission signal using preprocessing filter of mimo transmitter |
-
2015
- 2015-11-18 CN CN201510794800.XA patent/CN105429688A/zh active Pending
-
2016
- 2016-03-03 WO PCT/CN2016/075471 patent/WO2017084223A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130195000A1 (en) * | 2004-12-07 | 2013-08-01 | Adaptix, Inc. | Cooperative mimo in multicell wireless networks |
| CN103634816A (zh) * | 2013-11-01 | 2014-03-12 | 南京邮电大学 | 多小区大规模mimo基于导频污染的干扰消除方法 |
| WO2015167117A1 (en) * | 2014-04-27 | 2015-11-05 | Lg Electronics Inc. | Method of generating transmission signal using preprocessing filter of mimo transmitter |
Non-Patent Citations (1)
| Title |
|---|
| WANG, HAIRONG ET AL: "Precoding and Pilot Scheduling in Very Large MIMO Multi-Cell TDD 1-7 System", JOURNAL OF SIGNAL PROCESSING, vol. 29, no. 8, 31 August 2013 (2013-08-31) * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111447037A (zh) * | 2020-03-03 | 2020-07-24 | 南京步微信息科技有限公司 | 共轭梯度的阵列抗干扰方法 |
| CN111447037B (zh) * | 2020-03-03 | 2022-07-26 | 南京步微信息科技有限公司 | 共轭梯度的阵列抗干扰方法 |
| CN113364496A (zh) * | 2021-05-18 | 2021-09-07 | 西安交通大学 | 一种基于建设性干扰的多小区分布式协作方法 |
| CN113364496B (zh) * | 2021-05-18 | 2022-08-09 | 西安交通大学 | 一种基于建设性干扰的多小区分布式协作方法 |
| CN114389654A (zh) * | 2022-01-13 | 2022-04-22 | 郑州轻工业大学 | 基于大规模mimo的移动边缘计算安全计算效率最大化方法 |
| CN115776424A (zh) * | 2022-11-16 | 2023-03-10 | 南通大学 | 一种去蜂窝大规模mimo共生通信系统信道估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105429688A (zh) | 2016-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2017084223A1 (zh) | 大规模分布天线系统中抑制导频污染的多小区预编码方法 | |
| US11323162B2 (en) | Data detection in MIMO systems with demodulation and tracking reference signals | |
| CN107483088B (zh) | 大规模mimo鲁棒预编码传输方法 | |
| Xu et al. | Analysis and design of channel estimation in multicell multiuser MIMO OFDM systems | |
| CN111386662B (zh) | 用于无线通信系统中的信号检测的方法、设备和介质 | |
| Sabbagh et al. | Pilot allocation and sum-rate analysis in cell-free massive MIMO systems | |
| EP2997705B1 (en) | Large-scale fading coefficient estimation in wireless massive mimo systems | |
| WO2011078726A1 (en) | Method and apparatus for downlink multiuser mimo transmission in a wireless network | |
| CN112889224B (zh) | Mu-mimo系统中基于波束的预处理 | |
| CN105471775B (zh) | 一种大规模mimo系统中低复杂度的信道估计方法 | |
| CN106160806B (zh) | 无线通信系统中执行干扰协调的方法和设备 | |
| Al-Nahhas et al. | Intelligent reflecting surface assisted MISO downlink: Channel estimation and asymptotic analysis | |
| CN111510403B (zh) | 一种基于对称lq的大规模mimo系统迭代信号检测方法 | |
| Luo et al. | Aligning power in multiple domains for pilot decontamination in massive MIMO | |
| Chen et al. | Hybrid beamforming and data stream allocation algorithms for power minimization in multi-user massive MIMO-OFDM systems | |
| Maso et al. | Cognitive interference alignment for OFDM two-tiered networks | |
| CN107733487B (zh) | 一种大规模多输入多输出系统的信号检测方法及装置 | |
| CN114760647A (zh) | 一种去蜂窝大规模mimo上行总速率一阶优化方法 | |
| Liu et al. | A distributed detection algorithm for uplink massive MIMO systems | |
| Ribeiro et al. | Exploiting spatial correlation for pilot reuse in single-cell mMTC | |
| CN108347267B (zh) | 一种面向大规模mimo的自适应混合检测接收方法 | |
| Younas et al. | Achieving bandwidth efficiency by improved zero-forcing combining algorithm in massive mimo | |
| Tang et al. | Downlink path-based precoding in FDD massive MIMO systems without CSI feedback | |
| Zou et al. | Downlink asynchronous non-orthogonal multiple access systems with imperfect channel information | |
| Shi et al. | Deep learning based robust precoder design for massive MIMO downlink |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 16865406 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 16865406 Country of ref document: EP Kind code of ref document: A1 |