CN104579443A - 一种基于协作多小区Massive MIMO系统的线性预编码方法 - Google Patents

Abstract

本发明公开了一种基于协作多小区Massive？MIMO系统的线性预编码方法(RZF预编码)。本发明首先估计各个小区的下行链路信道矩阵,然后计算RZF预编码系数，获得RZF预编码矩阵’最后将RZF预编码矩阵乘以数据矩阵(基站向各个用户传送的数据信号组成的矩阵)，获得基带发射信号。本发明充分考虑了信道相关性和信道估计误差对系统性能的影响，能够较好地抑制来自本小区和其它小区的干扰信号。通过多小区协作，即共享各个小区的信道状态信息和发送数据，可以有效地抑制小区间干扰。通过引入预编码普遍化参数，对协作多小区Massive？MIMO线性预编码进行了系统的分析.可以获得针对特定信道的预编码矩阵，从而提高系统信道容量。

Description

一种基于协作多小区Massive MIMO系统的线性预编码方法

技术领域

本发明属于无线通信技术领域，尤其涉及多小区协作通信和Massive MIMO预编码。

背景技术

MIMO(多入多出技术)是提高无线通信信道容量、实现高速数据传输的关键技术之一，对提高无线通信的系统容量做出了关键性的贡献。MIMO通过增加收发端收发天线的数量获得分集增益和复用增益，从而提高系统的频谱效率，获得更高的信道容量。

由于频谱资源有限，蜂窝通信采用频率复用的方式实现有限频谱资源对无限区域的覆盖。因此，使用相同频段的小区之间必然存在同频干扰。频率复用因子越高，同频干扰越严重，导致整个系统性能受限。传统的抑制同频干扰方法包括降低频率复用因子和采用部分频率复用。然而，随着社会的发展和人们需求的日益提高，对无线通信速率的要求日益提高。提高通信速率的方法包括提高频率复用因子和增加收发端的天线个数。但是，这两种方法都会增加小区间的同频干扰。此外，同一小区内发射给不同用户的信号之间也存在相互干扰。如何有效地抑制小区内和小区间的干扰已成为制约蜂窝通信发展的关键问题之一。

预编码技术利用发射端的信道状态信息对发射信号进行预处理， 可以有效地抑制干扰。Massive MIMO技术可以有效地提高信道容量和抑制小区内干扰，近年来成为学术界研究的热点之一。通过小区协作，多个小区之间共享信道状态信息，从而可以有效地抑制小区间干扰。

基于上述问题，本发明提出了一种基于协作多小区Massive MIMO系统的线性预编码方法，利用预编码、协作通信和Massive MIMO的优点，有效地缓解蜂窝通信的干扰问题。本发明充分利用发射端的信道状态信息，获得针对不同发射功率约束和信道相关性的预编码矩阵，对基站发射信号进行预处理，从而可以有效地抑制蜂窝通信中的小区内和小区间干扰。

发明内容

本发明利用发射端的信道状态信息，获得各个小区的RZF预编码矩阵：

$G_{\mathrm{rzf},i}={\mathrm{\ξ}}_i{({{\hat{H}}_{i,i}}^H{\hat{H}}_{i,i}+{\mathrm{M\α}}_i{I}_M)}^{-1}{{\hat{H}}_{i,i}}^H$

具体步骤为：

步骤一：应用H-inf算法，估计各个用户到不同基站的上行链路信道向量进而得到各个小区用户到不同基站的上行链路矩阵如下：

${\hat{H}}_{l,i}=[{\hat{h}}_{l,i,1},...,{\hat{h}}_{l,i,K}]$

步骤二：根据基站发射功率约束条件，计算RZF预编码的归一化系数：

${\mathrm{\ξ}}_i^2=\frac{P_i}{{\mathrm{trP}}_i{\hat{H}}_{i,i}{({{\hat{H}}_{i,i}}^H{\hat{H}}_{i,i}+{\mathrm{M\α}}_i{I}_M)}^{-2}{{\hat{H}}_{i,i}}^H}$

步骤三：计算RZF预编码矩阵：

$G_{\mathrm{rzf},i}={\mathrm{\ξ}}_i{({{\hat{H}}_{i,i}}^H{\hat{H}}_{i,i}+{\mathrm{M\α}}_i{I}_M)}^{-1}{{\hat{H}}_{i,i}}^H$

步骤四：根据RZF预编码矩阵，计算各个小区基站的基带发射信号：

$x_i=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\sqrt{p_{i,k}}{g}_{i,k}{s}_{i,k}$

本发明所提出的基于协作多小区MassiveMIMO系统的RZF线性预编码算法主要有以下的优点：

(1)、充分考虑了信道相关性和信道估计误差对系统性能的影响，分析更加准确、全面。

(2)、通过引入RZF预编码普遍化参数α_i，可以系统地分析线性预编码的性能。当α_i趋于无穷时，RZF预编码即为匹配滤波器；当α_i趋于零时，RZF预编码即为传统的迫零预编码。

(2)、通过调整RZF预编码普遍化参数α_i，可以获得针对特定相干信道的预编码矩阵，从而能够有效地抑制干扰，提高系统容量。

(3)、通过小区间协作，共享信道状态信息，可以有效地抑制小区间干扰。

附图说明

下面将通过参照附图详细描述本发明的示例性实施例，使本领域 的普通技术人员更清楚本发明的上述及其它特征和优点，附图是本发明一个实施例的具体算法流程图。

具体实施方式

下面通过附图和实施例的具体算法流程图，对本发明进行详细阐述。主要包括以下步骤。

在步骤201中，利用H-inf算法，获得各个小区下行链路信道估计值。

在步骤202中，根据各个小区的基站发射功率约束条件，计算其RZF预编码归一化系数。

在步骤203中，根据线性预编码准则，计算各个小区的RZF预编码矩阵。 

在步骤204中，将RZF预编码矩阵乘以各个小区的发射数据矩阵，获得各个小区的基带发射信号，RZF预编码完成。

Claims (5)

1.一种基于协作多小区Massive MIMO系统的线性预编码算法，其特征在于：

本发明应用的多小区Massive MIMO协作通信系统由L个小区组成，各个小区分别包括K个随机分布的用户和一个位于小区中央的M天线基站。各个小区之间共享信道状态信息和发送数据信息。第i小区第j用户接收信号y_i,j如下：

其中，h_l,i,j为第i小区第j用户到第l小区的上行链路信道向量，x_l为第l个小区基站的发射信号向量，是噪声向量。假设信道h_l,i,j为块衰落信道，在每个信道相干区间内为常数，各个信道相干区间的h_l,i,j相互独立。

第l个小区基站的发射信号向量x_l是s_l,k的线性组合，其表达式如下：

s_l,k是第l小区基站发射给第l小区第k用户的数据，其彼此相互独立且满足约束条件E[|S_l,k|²]＝1。是RZF预编码向量，p_l,k≥0是第l小区第k用户的信号功率。归一化RZF预编码向量满足如下功率约束条件：

E[||x_i||²]＝tr(P_iG_i ^HG_i)≤P_i

其中，是第i个小区的预编码矩阵，第i小区 的最大发射功率为P_i，P_i＝diag(p_i,1,p_i,2,...,p_i,K)是第i小区的功率分配矩阵。

应用H-inf算法获得各个小区的下行链路信道矩阵估计值，第l个小区基站到第i个小区第j个用户的下行链路信道矩阵估计值如下：

其中，β_l,i,j＝z_l,i,j/r_l,i,j ^γ。z_l,i,j为第i个小区第j个用户到第l个小区基站信道的阴影衰落系数，服从方差为σ_shad ²的对数正态分布；r_l,i,j为第i个小区第j个用户到第l个小区基站距离；γ为大尺度衰落因子。为信道小尺度衰落估计值，其表达式如下：

M为基站天线数目，Θ_l,i,j为第i个小区第j个用户到第l个小区基站的信道相关矩阵。τ_l,i,j为第i小区第j用户到第l小区基站的信道估计误差，z_l,i,j和q_l,i,j均服从均值为0，方差为1/M的正态分布，且二者相互独立。

第i小区的RZF预编码矩阵如下：

其中，是第i小区的信道估计矩阵，ξ_i是为了满足基站发射功率约束条件的RZF预编码归一化系数，α_i>0是第i小区的RZF预编码普遍化参数。从基站的发射功率约束条件，我们可以得到ξ_i的表达式如下：

RZF预编码的步骤为，第一步，应用H-inf算法进行信道估计；第二步，根据基站发射功率约束条件，计算RZF预编码的归一化系数；第三部，计算RZF预编码矩阵；第四步，根据预编码矩阵，计算各个小区基站的基带发射信号。

2.根据权利要求1所述的信道模型，其特征在于，既考虑了大尺度衰落和阴影效应，又考虑了信道相关性和信道估计误差对系统性能的影响。考虑因素全面，对系统性能的分析更加准确、可靠。

3.根据权利要求1所述的多小区Massive MIMO协作通信系统模型，各个用户接收到的信号中既包括来自本小区的干扰，也包括来自其他小区的干扰。

4.根据权利要求1所述的多小区Massive MIMO协作通信系统模型，其特征在于，各个小区的基站发射信号功率受限，从而可以减小相邻小区的同频干扰。

5.根据权利要求1所述的RZF预编码矩阵计算方法，可以通过适当调节预编码普遍化参数α_i，获得针对特定相关特性信道的预编码矩阵，从而更好地抑制同频干扰，提高系统性能。