一种基于大规模天线系统低复杂度的预编码方法与流程

本发明涉及无线通信领域，具体涉及一种基于大规模天线系统低复杂度的预编码方法。

背景技术：

由于具有较高的复用和分集增益的特性，大规模多输入多输出系统(Massive Multi-input Multi-output,Massive MIMO)成为了无线领域的一个新的研究热点，并被人们视为下一代无线通信系统的关键技术。在传统多用户MIMO系统中，许多经典的线性预编码算法已经得到了广泛的研究，如匹配滤波(Matched filtering,MF)、迫零(Zero forcing,ZF)、最小均方误差检测(Minimum Mean Squared Error,MMSE)。这些预编码方法从原理上讲都适用于大规模多用户MIMO系统，但由于MF算法在基站侧天线数量固定时，系统性能将受到影响。ZF和MMSE算法在进行预编码时需要对矩阵进行求逆的操作，随着大规模天线系统中基站侧天线数和用户数的增加，矩阵求逆的复杂度将逐步上升。当基站天线数趋于无穷大时，矩阵求逆复杂度将会变的极其困难，这极大的限制了大规模天线系统的实现。所以，如何降低波束成形方法的复杂度是大规模天线系统的一个关键问题。因此，需要一种可均衡的预编码方法，即在降低预编码复杂度的同时保证其性能的优越性。

技术实现要素：

本发明目的是为了提供一种基于大规模天线系统下低复杂度的预编码方法，以获得信道容量与算法复杂度的折中。

在基站天线数目为M，单天线用户数目为K的无线通信环境中，设定基站发送的原始信号向量为通过下行链路信道矩阵(H^T由1×M维信道行向量h_k表示)后，在个用户端接收到的信号为y：

其中p是下行信道的发射功率，为加性高斯白噪声。下行发送信号向量x包含多个终端信息，消除终端间干扰，需要在基站侧进行预编码处理。

通过归一化后的预编码矩阵W＝[w₁ … w_k]^T，可把预编码后的下行传输信号x表示为：

其中，表示终端k的数据符号。

对(公式1)和(公式2)进行处理，得到下行接收信号y为：

对(公式3)进行分析推导，得到信号经过线性预编码后的第k个用户的接收信号y_k：

从上式可以看出第k个用户接收的信号y_k分为三部分，第一部分为期望信号，第二部分为用户间干扰信号，第三部分为噪声信号。

在利用传统的线性预编码算法求上式时，由于涉及到矩阵的求逆，这在大规模MIMO系统中，几乎是非常困难的。

本发明的方法具体步骤如下：

一种基于大规模天线系统低复杂度的预编码方法，其特征在于，所述预编码方法包括下列步骤：

步骤1：系统初始化参数，初始化确定基站天线数目为M,单天线用户数目为K,k表示第k个目标用户，k∈[1，K]，n表示第n个干扰用户，n∈[1，K]；设初始波束向量为W＝[w₁… w_k]^T，w_k表示第k个用户的初始波束，同时计算下行链路信道矩阵中目标用户k与干扰用户n之间的干扰I_k,n，H^T中的元素表示基站端到第k个目标用户端的信道特性，表示基站端到第n个干扰用户端的信道特性n∈[1，K],最后，用全部干扰项数构建用户k的干扰集合Ω_k：

并把干扰集合Ω_k中的干扰项，按干扰数值大小降序排列；

步骤2：用正交单位向量计算干扰集合中前N个最大干扰项干扰消除向量的初始值：

其中，N∈[1，K-1]，l表示第l个正交单位向量l∈[1，N+1]；

步骤3：用原始信道参数h_k和消除向量的初始值，计算出第k个用户干扰消除向量所对应的权值：

步骤4：由该权值与干扰消除向量的初始值，计算出第k个用户干扰消除向量的最终值：

步骤5：由初始波束向量和干扰消除向量的最终值，计算得到第k个用户的预编码向量

进一步地，所述单位向量的具体求解步骤包括：

子步骤1：设定消除干扰值N，并设定初始参数k＝1。

子步骤2：设定初始参数n＝1。

子步骤3：判定是否满足n≠k,若满足条件则跳转执行子步骤4，否则，改变被干扰用户n，执行n＝n+1。同时设定初始参数i＝2,对选定的用户k，设定初始波束向量w_k，并赋予单位向量

子步骤4：通过施密特向量正交化处理，迭代求出每个干扰向量与初始波束向量及干扰集合Ω_k中其他干扰向量正交的单位向量其中i≠n：

子步骤5：执行i＝i+1，并判定是否满足i＞N+1条件，若满足则跳转执行子步骤6，否则，重复子步骤4，直到满足判定条件为止。

子步骤6：由用户k和干扰用户n的值可以计算出干扰消除向量

子步骤7：判定是否满足条件n＝N+1，若满足则执行k＝k+1,否则，重复子步骤3，直到满足判定条件为止。

子步骤8：判定是否满足条件k＝K，若满足则完成循环，停止执行。否则，重复子步骤2，直到满足判定条件为止。

与现有技术相比，本发明提供的方法优点在于：

1、对现有的经典线性预编码匹配滤波(Matched filtering,MF)和迫零(Zero forcing,ZF)进行改进，提出了一种低复杂度的预编码算法。该方法的优点在于降低了算法复杂度。由于传统的预编码方法需要对矩阵进行求逆，随着基站端天线数目的增加，矩阵的维度随之增加，算法复杂度也将急剧上升。

2、当基站端天线数目限定后，信道间相关性增加，匹配滤波(MF)的性能将受到影响，从而降低算法的优越性。本发明方法可根据实际需要，消除信道间干扰，算法性能不会受到基站端天线数目限定的影响。

3、随着基站端天线数目的增加，若使用迫零(ZF)预编码方法，算法复杂度较高，本发明方法通过消除每个终端的前N项最大干扰，获得复杂度与性能的折中。同时，当干扰值取N＝K-1时，本发明方法性能与迫零(ZF)预编码方法效果一致。

附图说明

图1为实例中预编码方法的总体流程框图。

图2为实例中的施密特正交向量流程步骤图。

图3为实例中与匹配滤波和迫零方法在基站天线数为32，65，103，135，用户数为10，干扰值N＝K-1时的复杂度对比图。

图4为实例中本发明方法与MF和ZF在基站天线数为100，用户数为10的情况下，随消除干扰值N的变化得到的性能对比图。

具体实施例

下面结合附体和具体实施例对本发明的具体实施作进一步说明，但本发明的实施和保护不限于此，需指出的是，以下若有未特别详细说明之过程或者参数符号，均是本领域技术人员可参照现有技术理解或实现的。

本实例系统初始化参数中，初始化设定基站天线数目为M＝100，单天线用户数目为K＝3，下行链路信道矩阵(H^T由1×100维信道行向量h_k表示)。

步骤1：设初始波束向量为W＝[w₁ … w_k]^T，计算用户k与用户n之间的干扰，其中Ω_k为干扰集合：

将干扰按大小降序排列，消除每个终端的前N项最大干扰。

步骤2：用单位向量得到干扰消除向量的表示式：

步骤3：采用原始信道参数h_k和消除向量计算出每一个消除向量所对应的权重：

步骤4：由(公式13)和(公式14)可得到用户k的新权重值：

步骤5：由(公式15)可得用户k的预编码向量

其中，单位向量的具体求解步骤包括：

子步骤1：设定消除干扰值N＝2，并设定初始参数k＝1。

子步骤2：设定初始参数n＝1。

子步骤3：判定是否满足n≠k,若满足条件则跳转执行子步骤4，否则，改变被干扰用户n，执行n＝n+1。同时设定初始参数i＝2,对选定的用户k＝1，设定初始波束向量w_k，并赋予单位向量

子步骤4：通过施密特向量正交化处理，迭代求出每个干扰向量与初始波束向量及干扰集合Ω_k中其他干扰向量正交的单位向量其中i≠n：

子步骤5：执行i＝i+1，并判定是否满足i＞N+1条件，若满足则跳转执行子步骤6，否则，重复子步骤4，直到满足判定条件为止。

子步骤6：由用户k和干扰用户n的值可以计算出干扰消除向量

子步骤7：判定是否满足条件n＝N+1，若满足则执行k＝k+1,否则，重复子步骤3，直到满足判定条件为止。

子步骤8：判定是否满足条件k＝K，若满足则完成循环，停止执行。否则，重复子步骤2，直到满足判定条件为止。

如上即可较好的实现本发明并取得前述效果。