CN108063634B - 一种低精度量化大规模mimo中最优正则预编码方法 - Google Patents

Abstract

本发明公开了一种低精度量化大规模MIMO中最优正则预编码方法，在大规模MIMO系统中，基站需要配置数十甚至上百根天线。为了降低硬件成本和系统功耗，基站端每根天线配置低精度量化的DAC，用户端一般配置有限精度量化的ADC。此外，由于基站端天线数目巨大而设备体积受限，天线阵列布置密集，多天线空间信道不独立，存在相关性。本发明综合考虑低精度量化和信道相关性的影响，在最大化每个用户接收信干噪比的准则下优化基站端的正则预编码方法。给定基站天线数目，DAC量化精度，以及信噪比，本发明能够迅速确定最优的正则预编码计算形式。本发明计算简单，对大规模MIMO系统的下行链路传输具有积极意义。

Description

一种低精度量化大规模MIMO中最优正则预编码方法

技术领域

本发明涉及一种低精度量化大规模多输入多输出系统(MIMO)中最优正则预编码方法，属于无线通信技术领域。

背景技术

大规模MIMO技术具有极大提升系统容量、提高频谱和功率效率的优点，已被公认为未来移动通信系统中的关键支撑技术之一。最初的单用户MIMO技术可以通过部署多个发送/接收天线获得多天线分集增益。但是，为了充分复用频谱和空间资源，研究人员们首先提出了多用户MIMO传输方式。这种传输模式可以让多个用户复用相同的时频资源进行数据传输，而不同用户数据通过预编码来进行区分。Jindal，Vishwanath和Goldsmith等研究人员最早从信息论角度给出了多用户MIMO上行信道和下行信道的理论信道容量，并给出了最佳的多用户预编码设计方案，即脏纸编码(DPC,Dirty Paper Coding)。他们的研究成果首次揭示了MIMO技术用于多用户层协作传输的基本理论和实现方法。虽然多用户协作的最优理论已经非常明确，但是基于DPC的多用户预编码包含的非线性复杂计算并不适用于目前绝大部分系统。为了便于系统实现，研究人员们进一步提出了一系列的低复杂度线性预编码方法，其中包括最大比合并、迫零以及正则预编码方案等。最大比合并预编码虽然实现简单，但是存在用户间干扰。迫零预编码虽然能够消除用户间干扰，但是需要进行矩阵求逆运算，当信道矩阵病态时会出现功率损失问题。正则预编码因其引入了正则化系数，算法稳定且性能良好，在大规模MIMO通信系统中被广泛应用。在正则预编码方案中，正则化系数的取值对系统性能具有直接影响。在现有文献中，正则化系数一般设置为用户数目/信噪比。若充分考虑实际系统的特性，例如信道的空间相关性、信号的低精度量化等，该系数的取值有待进一步优化。

在多用户大规模MIMO系统中，每根射频链路，即每根天线，需要配置一对模数转换单元(ADC)和数模转换单元(DAC)，分别对复数信号的实部和虚部进行量化，因此系统的硬件和功耗成本随着天线数目的增长而大大增加。针对这个问题，目前有两种解决方案。一是为射频链路配置低精度的ADC和DAC。由于ADC/DAC的功耗随其量化精度的增加而呈指数级增长，配置低精度ADC/DAC能够有效降低系统功耗。已有研究表明，在某些实际场景下1比特量化的ADC足以获得近似最优的传输速率。此外，已有研究人员提出混合使用高低精度的ADC/DAC，以期在系统性能和功耗成本之间进行权衡。二是减少射频链路的数目以减少ADC/DAC的数目。同一射频链路服务于多根天线，每根天线配置移相器形成数字-模拟混合收发结构。显然，以上两种方法都会造成一定程度的性能损失。前者会带来量化误差，后者会降低天线复用增益。

此外，对大规模MIMO系统性能的研究通常都是在独立信道假设下进行的。许多研究将信道建模成瑞丽衰落模型，信道矩阵中每个元素都服从独立同复高斯分布。然而，在实际通信系统中，基站端天线数目巨大而天线阵列体积又非常受限，相邻天线单元间隔通常十分狭小，因此不同天线和用户间的信道向量不满足独立分布，而存在空间相关性。信道相关性会对大规模MIMO系统的性能造成非常大的影响。天线单元间隔越小，空间相关性就越强。已有文献证明，相邻天线间隔为4倍波长的MIMO系统与不存在相关性的系统相比，信道容量存在百分之二十的衰减。在现有研究中，常用的信道相关模型有Kronecker模型和Unitary-Independent-Unitary(UIU)模型等。对于不同形式的信道相关矩阵，预编码方案也应随相关性而做出相应的优化。

在大规模MIMO下行传输中，本发明综合考虑信道的空间相关性和收发两端的低精度量化操作，采用比桑理论分析低精度ADC/DAC的量化性能，从而优化正则预编码方案中的正则化系数，提高了系统传输速率。

发明内容

本发明正是针对现有技术中存在的技术问题，提供一种低精度量化大规模MIMO中最优正则预编码方法，该方法在信道存在空间相关性的大规模MIMO下行链路中，基站配置低精度DAC，单天线用户配置有限精度ADC，正则预编码方案中的正则化系数直接影响用户速率等系统性能。本发明根据系统信噪比，DAC量化精度，用户数目，能够迅速确定最优的正则化系数，从而获得最大的单用户速率。

为了实现上述目的，本发明的技术方案如下，一种低精度量化大规模多输入多输出系统(MIMO)中最优正则预编码方法，具体步骤如下：

(1)在大规模MIMO系统中，基站配置N根发射天线，其中N为正实数，每根天线配置低精度量化的数模转换单元(DAC)；基站同时服务于M个用户终端，其中M≤N，M为正实数，每个用户终端配置单根接收天线并配置有限精度量化的模数转换单元(ADC)；系统中下行信道矩阵H可以表示为

其中

表示不相关的瑞利信道矩阵，其维度为MxN，R表示基站侧天线阵列的相关性矩阵，其维度为NxN；

(2)下行链路中每个用户的等效接收信干噪比γ按如下公式计算：

其中，γ₀表示系统信噪比；ρ_AD和ρ_DA分别表示ADC和DAC的衰减因子，取值由其量化精度决定；ζ、A和B的计算公式如下：

其中，λ表示相关矩阵R的特征值，E{·}表示对λ求数学期望；

(3)为了优化正则预编码中的正则系数α以提高系统传输速率，求解以下优化问题

max_αγ(6)

(4)针对步骤(3)中的优化问题，通过求解方程

求得正则化系数α的最优值计算公式为:

(5)在下行链路传输时，采用正则预编码，预编码矩阵计算公式为

P＝c(H^HH+αI)^-1H^H(8)

其中正则化系数α的取值根据公式(7)计算获得；c表示功率控制参数，由下式确定

其中P表示发送功率，Tr{·}表示求矩阵的迹，I表示单位矩阵，上标()^H表示矩阵的共轭转置；

(6)下行链路传输时，基站将待发送的数据向量乘以步骤(5)中得到的预编码矩阵P，再进行发送，获得最优的速率性能。

相对于现有技术，本发明有益效果如下：1)本发明在基站端配置低精度量化的DAC，能够有效降低大规模MIMO系统的硬件和功耗成本；2)本发明考虑了MIMO下行信道中发射端天线阵列的空间相关性，对实际通信系统的设计具有指导意义；3)本发明采用正则预编码，和传统迫零预编码方案相比性能更加稳定，即使针对病态的信道矩阵也能获得良好的系统性能；4)本发明计算最优正则化系数的公式非常简单，能够迅速根据DAC量化精度、用户数目以及信噪比等确定最优的正则预编码方法。

附图说明：

图1为本发明中大规模MIMO系统下行传输链路的发射端、接收端框图。

图2展示了每个用户的等效接收信干噪比。

具体实施方式

实施例1：一种低精度量化大规模多输入多输出系统(MIMO)中最优正则预编码方法，所述方法包括以下步骤：

(1)在大规模MIMO系统中，基站配置N根发射天线，每根天线配置低精度量化的数模转换单元(DAC)；基站同时服务于M个用户终端(M≤N)，每个用户终端配置单根接收天线并配置有限精度量化的模数转换单元(ADC)；系统中下行信道矩阵H可以表示为

其中

表示不相关的瑞利信道矩阵，其维度为MxN，R表示基站侧天线阵列的相关性矩阵，其维度为NxN；

(2)下行链路中每个用户的等效接收信干噪比γ按如下公式计算：

其中，γ₀表示系统信噪比；ρ_AD和ρ_DA分别表示ADC和DAC的衰减因子，取值由其量化精度决定；ξ、A和B表示信道相关性对γ的影响参数，其计算公式如下：

其中，λ表示相关矩阵R的特征值，E{·}表示对λ求数学期望；

(3)为了优化正则预编码中的正则系数α以提高系统传输速率，求解以下优化问题

max_αγ(6)

(4)针对步骤(3)的优化问题，通过求解方程

求得正则化系数α的最优值计算公式为:

具体的，当给定γ₀＝10dB，ρ_DA＝0.3633，以及M＝16，计算可得α＝11.65；

(5)在下行链路传输时，采用正则预编码，预编码矩阵计算公式为

P＝c(H^HH+αI)^-1H^H(8)

其中根据步骤(4)，α＝11.65；c表示功率控制参数，由下式确定

其中P表示发送功率，Tr{·}表示求矩阵的迹，I表示单位矩阵，上标()^H表示矩阵的共轭转置；

(6)下行链路传输时，基站将待发送的数据向量乘以步骤(5)中得到的预编码矩阵P，再进行发送，获得最优的速率性能；

参见图1，基站作为发射端，配置有N根天线，每根天线配置低精度DAC；M个用户作为接收端，每个用户仅配置单根天线，每根天线配置有限精度ADC。在发射端，M个待发送符号{s₁,s₂,…,s_M}首先经过正则预编码，生成N个数字信号{x₁,x₂,…,x_N}；然后经过低精度DAC转换成模拟信号{x_q1,x_q2,…,x_qN}；最后由N根天线同时发送；在接收端，所有用户接收到的模拟信号为{y₁,y₂,…,y_M}；经过有限精度ADC量化产生数字信号{y_q1,y_q2,…,y_qM}；最后通过解调恢复出原始发送符号。

图2展示了每个用户的等效接收信干噪比，其中γ，随着正则化系数α的变化。横坐标为归一化后的正则化系数α/N，其中N＝64为基站天线数目。本例中用户数目M设为16，信噪比γ₀设为10dB，DAC量化精度为1比特，ADC量化精度分别为5、4、3、2比特。信道相关矩阵R是一个正定的托普利兹矩阵，其第i行第j列元素为ν^|i-j|，其中ν＝0.5为相关系数。图中五角星表示按本发明计算得到的最优正则化系数，可以观察到在该点γ取值最大。说明本发明能够有效确定最优的正则预编码方法，使得每个用户的接收信干噪比最大。从图中还可以看出，最优的正则化系数与ADC的量化精度无关，这说明基站不需要用户端ADC的任何信息就可以进行最优的正则预编码。

需要说明的是上述实施例仅仅是本发明的较佳实施例，并没有用来限定本发明的保护范围，在上述技术方案的基础上做出的等同替换或者替代均属于本发明的保护范围。

Claims (2)

1.一种低精度量化大规模多输入多输出系统(MIMO)中最优正则预编码方法，其特征在于：所述方法包括以下步骤：

(1)在大规模MIMO系统中，基站配置N根发射天线，其中N为正实数，每根天线配置低精度量化的数模转换单元(DAC)；基站同时服务于M个用户终端，M为正实数，每个用户终端配置单根接收天线并配置有限精度量化的模数转换单元(ADC)；系统中下行信道矩阵H可以表示为

其中

表示不相关的瑞利信道矩阵，其维度为MxN，R表示基站侧天线阵列的相关性矩阵，其维度为NxN；

(2)下行链路中每个用户的等效接收信干噪比γ按如下公式计算：

其中，γ₀表示系统信噪比；ρ_AD和ρ_DA分别表示ADC和DAC的衰减因子，取值由其量化精度决定；ξ、A和B表示信道相关性对γ的影响参数，其计算公式如下：

其中，λ表示相关矩阵R的特征值，E{·}表示对λ求数学期望；

(3)为了优化正则预编码中的正则系数α以提高系统传输速率，求解以下优化问题

max_αγ (6)

(4)针对步骤(3)的优化问题，通过求解方程

求得正则化系数α的最优值计算公式为:

(5)在下行链路传输时，采用正则预编码，预编码矩阵计算公式为

P＝c(H^HH+αI)^-1H^H (8)

其中正则化系数α的取值根据公式(7)计算获得；c表示功率控制参数，由下式确定

其中P表示发送功率，Tr{·}表示求矩阵的迹，I表示单位矩阵，上标()^H表示矩阵的共轭转置；

(6)下行链路传输时，基站将待发送的数据向量乘以步骤(5)中得到的预编码矩阵P，再进行发送，获得最优的速率性能。

2.根据权利要求1所述的低精度量化大规模多输入多输出系统(MIMO)中最优正则预编码方法，其特征在于：所述步骤(1)中的M≤N。

Images