一种大规模MIMO预编码方法与流程

本发明涉及无线通信
技术领域：
，尤其涉及一种大规模MIMO预编码方法。
背景技术：
：多输入多输出(multiple-inputmultiple-output，MIMO)技术是下一代移动通信核心技术，其核心思想是在收发端分别采用多根天线进行信号的发送和接收，在保持高频谱效率的同时大幅度提高信号传输质量。随着无线通信技术的高速发展，对数据速率、服务质量和用户数的需求成倍增加，而传统小规模MIMO系统已经不能满足要求，驱动无线通信朝着大规模MIMO方向发展。大规模MIMO系统中基站装备大量的天线(天线数量大于100)为更多的移动用户服务，以获得更高的频谱效率、数据传输速率、吞吐量和更好的通信质量。在下行链路中，当基站知道了信道状态信息(CSI，channelstateinformation)，为了有效地抑制小区内用户相互之间的干扰，需要对移动用户所需信号进行预编码。预编码主要分为线性和非线性两种。非线性预编码中最著名的有脏纸编码和恒包络预编码。脏纸编码和恒包络预编码是以牺牲复杂度为代价来换取干扰的消除，适用于小规模MIMO系统。而线性预编码算法中最著名的是迫零(ZF，zero-forcing)和最小均方误差(MMSE,minimummeansquareerror)。研究表明当基站天线数与移动用户天线数之比小于10时，采用ZF和MMSE线性预编码获得的总码率可以达到赃纸编码方案总码率的98％。在ZF和MMSE算法基础上，学者提出了正则迫零(RZF，regularizedzero-forcing)线性预编码算法。研究表明当基站天线数和移动用户数都很多时，RZF线性预编码为最优的线性预编码方案。但这些线性预编码算法需要对矩阵进行求逆运算，当天线数较大时，求逆运算复杂度依然很高。为避免RZF线性预编编码中的矩阵求逆运算，采用Taylor级数对矩阵求逆进行展开并截短，利用得到的结果进行预编码。但该算法没有考虑展开级数中相应阶数因子的影响，不能有效地对逆矩阵进行估计。技术实现要素：发明目的：本发明针对现有技术存在的问题，提供一种低复杂度大规模MIMO信道估计方法。技术方案：本发明所述的大规模MIMO预编码方法包括：对大规模MIMO进行建模，获取信道矩阵；根据信道矩阵得到RZF预编码矩阵；采用截短Kapteyn级数对预编码矩阵中的逆矩阵进行估计，得到预编码估计矩阵；利用得到的预编码估计矩阵对发送信号进行预编码。进一步的，所述对大规模MIMO进行建模，获取信道矩阵，具体包括：设置大规模MIMO基站天线数量为M，小区内单天线用户数为K，信道为慢衰落信道，信道向量为：hk～CN(0M×1,Φ),k＝1,...,K式中，hk表示第k个信道向量，hk～CN(0M×1,Φ)表示hk服从均值为0M×1方差为Φ的分布，0M×1表示M行1列的0矩阵，Φ是信道的相干矩阵，具有有界的谱范数；在一个相干周期内，信道向量具有固定的值，即信道模型为瑞利快衰落模型；根据信道向量得到信道矩阵H为H＝[h1,...,hK]T。进一步的，所述根据信道矩阵得到RZF预编码矩阵，具体包括：根据信道矩阵H计算得到RZF预编码矩阵为：式中，表示H的估计值，β是确保GRZF满足的功率约束因子，其中P是实际发送功率；ξ是公式的优化系数，IM是一个M×M的单位矩阵。进一步的，所述预编码估计矩阵为：G~RZF=Σn=0N-1wn′(H^H^H)nH^]]>式中，N为截短阶数，θ表示一个常数，取值为表示使得级数展开后满足收敛的系数，进一步的，所述利用得到的预编码估计矩阵对发送信号进行预编码，具体包括：利用得到的预编码估计矩阵对发送信号进行预编码，得到编码后的信号为式中，S表示发送信号矩阵。有益效果：本发明与现有技术相比，其显著优点是：本发明在截短阶数相同的情况下，与基于截短Taylor级数的展开方法相比，截短Kapteyn级数展开方法能获得更高的平均用户到达率。附图说明图1为本发明的大规模MIMO预编码方法的流程示意图；图2是本发明和基于截短Taylor级数的展开方法，在信道估计误差为0.1，发送天线数128，接收天线32的条件下，针对不同截短系数、信噪比对应的平均用户到达率对比图；图3是本发明和基于截短Taylor级数的展开方法，在信道估计误差为0.1，发送天线数64，接收天线16的条件下，针对不同截短系数、信噪比对应的平均用户到达率对比图；图4是本发明和基于截短Taylor级数的展开方法，在信道估计误差为0.7，发送天线数128，接收天线32的条件下，针对不同截短系数、信噪比对应的平均用户到达率对比图。具体实施方式如图1所示，本实施例的大规模MIMO预编码方法包括以下步骤：S1、对大规模MIMO进行建模，获取信道矩阵。具体的，该步骤包括：S11、设置大规模MIMO基站天线数量为M，小区内单天线用户数为K，信道为慢衰落信道，信道向量为：hk～CN(0M×1,Φ),k＝1,...,K，式中，hk表示第k个信道向量，hk～CN(0M×1,Φ)表示hk服从均值为0M×1方差为Φ的分布，0M×1表示M行1列的0矩阵，Φ是信道的相干矩阵，具有有界的谱范数；S12、在一个相干周期内，信道向量具有固定的值，即信道模型为瑞利快衰落模型；根据信道向量得到信道矩阵H为H＝[h1,...,hK]T。S2、根据信道矩阵得到RZF预编码矩阵。其中，根据信道矩阵H计算得到RZF预编码矩阵为：式中，表示H的估计值，β是确保GRZF满足的功率约束因子，其中P是实际发送功率；ξ是公式的优化系数，IM是一个M×M的单位矩阵。S3、采用截短Kapteyn级数对预编码矩阵中的逆矩阵进行估计，得到预编码估计矩阵。采用截短Kapteyn级数进行估计的具体步骤为：对于矩阵X，若最大特征值λ满足不等式则有如下展开式：1I-X=Θ0(I)+2Σn=1∞Θn(I)Jn(nX)---(1)]]>式中Θ0(I)＝I；利用式(1)对RZF预编码矩阵中的逆矩阵进行展开得到：GRZF=β(H^H^H+ξIM)-1H^=βα(Θ0(I)+2Σn=1∞Θ0(I)Jn(n-(I-α(H^H^H+ξIM))))H^---(2)]]>式中α是使得级数展开后满足收敛的系数，将代入式(2)得GRZF=βα(IM+2Σn=1∞Σn=1∞(Θn(I)1n!(1+θ)×(n2)n(nm(1-αξ)n-m(-αH^H^H)m)))H^---(3)]]>对式(3)进行截短，截短阶数取值为N，最终得到RZF预编码矩阵的级数表达式为G~RZF=βα(IM+2Σn=1N-1Σm=1n(Θn(I)1n!(1+θ)×(n2)n(nm(1-αξ)n-m(-αH^H^H)m)))H^---(4)]]>令则上式等于G~RZF=βα(IM+2Σn=1N-1Σm=0n(Ψn×(nm(1-αξ)n-m(-αH^H^H)m)))H^---(5)]]>对式(5)的两个求和符号进行展开得到Σn=1N-1Σm=0nΨn(nm(1-αξ)n-m(-αH^H^H)m)=Σn=0N-1Σm=nN-1Ψnmn(1-αξ)m-n(-αH^H^H)n-Ψ0---(6)]]>将式(4)代入式(5)得G~RZF=Σn=0N-1wn′(H^H^H)nH^---(7)]]>式中θ表示一个常数，取值为etrace((I-α(H^H^H+ξIM))×(I-α(H^H^H+ξIM))H)4(n+1)-1,wn=Σm=1N-12βαΨnCnm(1-αξ)m-n(-α)n]]>通过式(7)可以看出，使用级数对RZF预编码矩阵进行估计，最终将矩阵求逆运算转换成了矩阵乘积和求和运算。而且利用迭代算法可以快速地求出对应的预编码矩阵S4、利用得到的预编码估计矩阵对发送信号进行预编码。其中，编码后的信号为式中，S表示发送信号矩阵。为了验证本发明的性能，将基于Kapteyn级数多项式展开的本发明与Taylor算法分别对比，分析截短多项式及其阶数因子对复杂度的影响，对比结果如图2、图3、图4所示，实验结果表明，在截短阶数相同的情况下，与基于截短Taylor级数的展开方法相比，截短Kapteyn级数展开方法能获得更高的平均用户到达率。以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。当前第1页1 2 3