基于三角分解和SLNR算法的多小区多用户同频干扰抑制方法与流程

技术特征：
1.基于三角分解和SLNR算法的多小区多用户同频干扰抑制方法，多小区多用户通信系统包括有K个小区基站，在每个小区基站内均包括有I个用户终端，各小区基站复用相同的频率，各小区基站在同一频率上向I个用户终端发射多个数据流，其特征在于，干扰抑制的具体步骤为：1)计算各小区基站到本小区用户信道矩阵的Frobenius范数，根据范数的大小对联合信道矩阵的行向量进行调整；2)对调整好的联合信道矩阵H进行三角分解，得到等效信道矩阵R；3)根据等效信道矩阵R，构建小区内干扰抑制矩阵，以消除各小区内用户间干扰；4)根据三角分解后的等效信道矩阵R，得到等效的接收信号模型Y＝RVX+n，其中，V表示等效预编码矩阵、X表示发送信号、n表示噪声；利用SLNR算法计算小区k中用户i的等效预编码矩阵Vi,k，然后反变换得到小区k中用户i的预编码矩阵wi,k，以消除小区间干扰；步骤1)中，没有经过任何干扰抑制处理，小区k的接收信号表达矩阵形式为，其中，Hbk表示小区b与小区k之间的信道矩阵，wk和xk分别表示小区k中的预编码矩阵和发送数据流，wk＝[w1，k，w2，k，…，wI，k]，xk＝[(x1，k)T，(x2，k)T，…，(xI，k)T]T；nk表示白噪声，nk＝[n1，kn2，k…nI，k]T；将K个小区的接收信号写在一起，就可以得到系统的联合信道矩阵计算各小区中基站到本小区用户信道矩阵的Frobenius范数，将所得最大范数的对应行调整到第一行，并由此从大到小依次调整联合信道矩阵h的其余行，将调整后每一行对应的小区重新依次命名为1，2，…，K，最终得到调整后的联合信道矩阵2.如权利要求1所述的基于三角分解和SLNR算法的多小区多用户同频干扰抑制方法，其特征在于：步骤2)中，对调整后的联合信道矩阵H进行三角分解得到等效信道矩阵Rbk表示小区b和小区k之间的等效信道矩阵，3.如权利要求1所述的基于三角分解和SLNR算法的多小区多用户同频干扰抑制方法，其特征在于：步骤3)中，令其中，Vk＝[V1,k,V2,k,…,VI,k]表示小区k的等效预编码矩阵；将分解后的联合信道矩阵带入接收信号表达式，得到等效接收信号模型利用干扰抑制矩阵消除小区内用户间干扰，则小区k中用户i的接收信号进一步表示为式中第一部分为小区k中用户i的有用信号，第二部分为小区内用户间干扰，第三部分为小区间干扰；由此可知，利用干扰抑制矩阵消除小区内用户间干扰，只需利用干扰对齐方法，将小区k中用户i接收到的小区内干扰信号对齐到相应的干扰抑制矩阵ui,k的零空间上，用于消除小区内用户间干扰；xi,k和ni,k分别表示小区k中用户i的发送数据和小区k中用户i接收到的白噪声，表示b＝k时，表示小区b和小区k之间的等效信道矩阵。4.如权利要求3所述的基于三角分解和SLNR算法的多小区多用户同频干扰抑制方法，其特征在于：所述步骤4)中，小区k只有来自小区1,2,...,k-1的小区间干扰，因此从SLNR算法出发，小区k中用户i将信号泄露给了小区k+1,k+2,...,K的用户和本小区其它用户；SLNR方法选择预编码的标准是在一定的功率约束下，使SLNR最大化的矢量，根据广义瑞利商结论，预编码向量之间相互正交，Vi,k取矩阵对最大的d个广义特征值对应的特征向量，就能够使SLNR最大化，即最后，由于所以当得到等效预编码矩阵Vi,k后，通过上式就可以得到预编码矩阵wi,k。