发送滤波器计算器、通信设备和方法与流程

根据本发明的实施例涉及一种发送滤波器计算器、一种计算发送滤波器的方法、一种通信设备、一种操作通信设备的方法并且涉及计算机程序。根据本发明的实施例涉及一种用于多小区MIMO通信的自适应酉预编码(unitaryprecoding)。根据本发明的实施例可用于无线通信领域。根据本发明的进一步的实施例涉及传输技术领域。根据本发明的某些实施例涉及多点协作(CoMP)传输领域。根据本发明的某些实施例涉及正交波束形成(beamforming)领域。根据本发明的某些实施例涉及MIMO下行链路。

背景技术：
在下文中，将描述某些发生在当前通信网络(例如，比如移动通信网络)中的应用场景。特别地，将描述其中能够有利地应用根据本发明的实施例的目标配置。在众多通信环境中，存在多小区/多点协作(CoMP)系统中的多个用户。这样的系统中的一个挑战是多用户多小区/CoMP系统中的下行链路传输。在这种情况下，存在所谓的“干扰网络”。例如，由于多个基站(以及还可能地，多个移动站)的存在而存在非常显著的干扰水平。另外，经常将增强的多输入多输出传输应用到这样的系统中，这增加了复杂度。进一步，经常存在未知的小区间干扰，这同样使得更难于选择适当的通信参数。图1中示出了其中可以应用根据本发明的实施例的典型的通信环境的图形表示。鉴于这样的通信环境，目标是减少干扰中的不确定性以获得更稳健的下行链路策略。此外，应该注意，在众多现代通信环境中，小区边缘用户受到小区间干扰。图2中示出了小区边缘附近的移动通信设备的小区间干扰，其示出了这样的场景的图形表示。已经发现，对于MIMO传输，干扰的空间特征典型地为未知的。同样地，已经发现，这导致高层(例如，比如调度器和资源分配，例如部分复用)中的链路自适应和算法有损的问题。鉴于这一情况，目标是拥有稳健的MIMO下行链路策略和解决以上提到的问题。在下文中，将描述某些可选的方案。例如，可以使用所谓的“基于码本的MIMO”的概念。这样的概念的示例以“PU2RC”而知晓。在这一概念中，酉码本使得干扰易于预测。然而，已经发现，所述概念没有利用多用户多输入多输出方法的全部能力。另一可选的方案是所谓的“增强的多用户MIMO”(还简略地称作“MU-MIMO”)。这一概念使用自适应预编码。此外，低复杂度的方案是可利用的，例如，比如称作“SESAM”(例如，参见参考文献[B3])的方案和称作“LISA”(例如，参见参考文献[B4])的方案。在这一增强的多用户MIMO中，典型地通过第二导频(其构成额外的开销)或者通过保守的速率自适应(其带来性能损失)来获得稳健性。对于细节，参考参考文献[B1]。然而，已经发现，基于码本的方法没有利用MU-MIMO的全部潜力。此外，已经发现，在可选的实现中，自适应MIMO的稳健性导致额外的开销。另外，已经认识到，难于找到最佳接收机，这对性能有巨大的影响。因此，可以看出，可选的方案包括诸多问题和限制。在下文中，将简要地概述某些新近的进展。已经发现用于自适应酉预编码的若干概念。例如，参考参考文献[B6]到[B10]。该概念使用自适应预编码，并且已经发现，干扰是易于预测的。然而，线性预编码的最佳方案是不可利用的。另外，已经发现，难于最优化(例如，因为最优化问题是非凸的和组合的)。此外，已经发现，低复杂度方案仅对单天线接收机是可利用的。鉴于以上的讨论，本发明的目标是创建用于多小区多输入多输出通信环境中的通信的高效的概念。

技术实现要素：
根据本发明的一个实施例创建一种用于计算至少发送滤波器的发送滤波器计算器，该发送滤波器用于从包括多个天线的发送通信设备经由多输入多输出(MIMO)信道到包括多个天线的多个接收通信设备中的接收通信设备的通信。发送滤波器计算器配置为迭代地确定用于多个数据流的发送滤波器，其中发送滤波器计算器配置为在给定的迭代中选择发送滤波器，使得在该给定的迭代中选择的发送滤波器正交于一个或多个之前的迭代中选择的一个或多个发送滤波器，以及使得使用在给定的迭代中选择的发送滤波器可获得的加权的或未加权的传输速率最大化。另外，发送滤波器计算器配置为取决于矩阵积项而选择发送滤波器，该矩阵积项基于描述发送通信设备和当前考虑的一个接收通信设备两者之间的MIMO信道特性的信道矩阵并且还基于描述噪声、小区间干扰、以及小区内干扰的上限的失真协方差矩阵。本发明的关键思想是矩阵积项的使用，允许用于发送滤波器的计算的有效的低复杂度迭代算法，该矩阵积项基于描述发送通信设备和当前考虑的一个接收通信设备两者之间的MIMO信道特性的信道矩阵，并且基于描述发送滤波器计算器中的噪声、小区间干扰、以及小区内干扰的上限的失真协方差矩阵，该发送滤波器计算器确保给定的迭代中选择的发送滤波器正交于一个或多个之前的迭代中选择的一个或多个发送滤波器，其中所得到的发送滤波器(其由发送滤波器向量来描述)导致可用资源的良好使用。已经发现，这一概念允许酉预编码以适当的复杂度扩展到多个接收天线。此外，已经发现，使用以上描述的概念不需要额外的反馈。另外，已经发现，因为描述噪声、小区间干扰、以及小区内干扰上限的失真协方差矩阵非常适于这一目的，并且同时允许用于发送滤波器计算的算法的计算效率高的公式，所以最佳的、或者至少几乎最佳的速率自适应是可能的。此外，以上描述的概念还允许最佳的(或者几乎最佳的)接收滤波器的计算有效的供给。总之，如上所述，发送滤波器的迭代计算中的矩阵积项的使用允许有效的算法，该有效的算法仍然带来导致无线资源的良好使用的非常好的结果。在优选的实施例中，发送滤波器计算器配置为使用投影矩阵在给定的迭代中选择发送滤波器，并且配置为响应于发送滤波器的选择而更新投影矩阵，使得与更新的投影矩阵的非零特征值相关联的特征向量正交于在之前的迭代和当前的迭代中选择的发送滤波器(或者，更确切地说，正交于描述发送滤波器的发送滤波器向量)。在避免预先确定的正交的发送滤波器组的使用所暗含的效率限制的同时，已经发现，迭代算法中的投影矩阵的应用允许正交的发送滤波器(或者，更确切地说，发送滤波器向量)的特别有效的选择。换而言之，投影矩阵的使用允许在每个迭代中选择最好的发送滤波器向量(描述发送滤波器)(在选择的发送滤波器向量必须正交于之前选择的发送滤波器向量的限制之下)。在优选的实施例中，在用于多个数据流的发送滤波器的迭代的确定之前，发送滤波器计算器配置为将投影矩阵初始化为单位矩阵、或者其倍数。发送滤波器计算器配置为减去由来自投影矩阵(当前迭代中使用的)的选择的发送滤波器向量(描述选择的发送滤波器)的转置形式和选择的发送滤波器向量的外积来定义的矩阵，以获得更新的投影矩阵(将在下一迭代中使用的)。相应地，创建特别有效的机制以确保在随后的迭代中选择的发送滤波器向量的正交性。在优选的实施例中，发送滤波器计算器配置为取决于矩阵积项而确定与当前所考虑的一个接收通信设备相关联的加权的传输速率，该矩阵积项基于当前迭代的投影矩阵、与当前考虑的一个接收通信设备相关联的信道矩阵以及与当前考虑的一个接收通信设备相关联的失真协方差矩阵。这一实施例基于这样的矩阵积项允许传输速率的简单推导的发现，该矩阵积项基于当前迭代的投影矩阵、与当前考虑的一个接收通信设备相关联的信道矩阵以及与当前考虑的一个接收通信设备相关联的失真协方差矩阵。在优选的实施例中，为了确定可获得的用于当前考虑的一个接收通信设备的加权的或未加权的传输速率，发送滤波器计算器配置为确定矩阵积项的最大特征值，该矩阵积项基于当前迭代的投影矩阵、与当前考虑的一个接收通信设备相关联的信道矩阵、以及与当前考虑的一个接收通信设备相关联的失真协方差矩阵。此外，发送滤波器计算器配置为基于用于多个接收通信设备的可获得的加权的或未加权的传输速率的确定而确定选择的接收通信设备。此外，为了获得与到当前的迭代中选择的接收通信设备的数据流相关联的发送滤波器(或者发送滤波器向量)，发送滤波器计算器优选地配置为确定矩阵积项的特征向量，该矩阵积项基于当前迭代的投影矩阵、与当前考虑的一个接收通信设备相关联的信道矩阵、以及与当前考虑的一个接收通信设备相关联的失真协方差矩阵。已经发现，所述矩阵积项的特征值和特征向量两者的评估允许迭代地选择正交发送滤波器(或者描述所述发送滤波器的正交发送滤波器向量)的计算有效的方式，同时形成可利用的信道资源的良好使用并且避免资源的大的浪费。在优选的实施例中，鉴于当前迭代中将选择的发送滤波器正交于在一个或多个之前的迭代中选择的所有的发送滤波器的情况，发送滤波器计算器配置为在迭代中比较用于多个接收通信设备的可获得的最大的加权的或未加权的传输速率，并且配置为在迭代中选择数据流的接收通信设备和对应的发送滤波器。去往所选择的接收通信设备的数据流的接收通信设备和对应的发送滤波器的同时选择提供了算法的高效。在优选的实施例中，发送滤波器计算器配置为基于矩阵积项的各个的最大特征值来获得用于多个接收通信设备的可获得的最大的加权的或者未加权的传输速率，该矩阵积项基于当前迭代的投影矩阵、与当前考虑的一个接收通信设备相关联的信道矩阵以及与当前考虑的一个接收通信设备相关联的失真协方差矩阵。已经发现，因为使用计算有效的算法来确定最大特征值是可能的，所以这一过程是特别有效的。在优选的实施例中，发送滤波器计算器配置为使用失真协方差矩阵，作为与给定的一个接收通信设备相关联的失真协方差矩阵，该失真协方差矩阵基于描述给定的一个接收通信设备的有效噪声的噪声信息、基于描述给定的一个接收通信设备和发送通信设备两者之间的MIMO信道特性的信道矩阵、并且基于描述给定的一个接收通信设备和一个或多个干扰通信设备之间的MIMO信道特性的一个或多个信道矩阵。已经发现，在单个矩阵中，失真协方差矩阵的这样的选择允许不同类型的失真的考虑，该不同类型的失真即噪声、小区间干扰和小区内干扰。另外，已经发现，失真协方差矩阵的这样的选择允许非常适于通信环境的发送滤波器(或者发送滤波器向量)的供给。在优选的实施例中，发送滤波器计算器配置为使用由发送通信设备(其包括发送滤波器计算器)从当前考虑的一个接收通信设备接收的矩阵积项，作为用于选择发送滤波器的矩阵积项。已经发现，已经能够在接收通信设备侧计算矩阵积项，这使得从接收通信设备到发送通信设备的需要的信息的传输是资源有效的。在优选的实施例中，发送滤波器计算器配置为确定用于多个数据流的接收滤波器。基于与在给定迭代中选择的接收通信设备相关联的失真协方差矩阵、基于与在给定的迭代中选择的接收通信设备相关联的信道矩阵、以及取决于在给定迭代中选择的发送滤波器，发送滤波器计算器优选地配置为在给定的迭代中选择接收滤波器。相应地，存在确定接收滤波器的简单的计算规则，该计算法则再次提高了算法的效率。根据本发明的实施例创建一种用于计算用于从发送通信设备到接收通信设备的通信的至少发送滤波器的方法。该方法基于与发送滤波器计算器相同的思想。根据本发明的实施例创建了一种用于在出现一个或多个干扰通信设备之下与发送通信设备通信的通信设备(例如，接收通信设备、移动通信设备或者类似物)。通信设备配置为确定描述通信设备和发送通信设备两者之间的MIMO信道特性的信道矩阵，并且还配置为确定描述通信设备和一个或多个干扰通信设备之间的MIMO信道特性的一个或多个信道矩阵。通信设备还配置为确定矩阵积，以获得积矩阵，该矩阵积基于描述通信设备和发送通信设备两者之间的MIMO信道并且基于描述噪声、小区间干扰、以及小区内干扰上限的失真协方差矩阵。通信设备配置为发送积矩阵到发送通信设备。如上所定义的，这一通信设备基于发现对于从通信设备(例如，接收通信设备、移动通信设备或者类似物)发送矩阵积到发送通信设备是特别有效的。换而言之，已经发现，不需要从通信设备(例如，接收通信设备、移动通信设备或者类似物)发送每个单独的信息项(例如，比如单独的信道矩阵或单独的失真协方差矩阵)到发送通信设备。相反，已经发现，组合的信息对于发送通信设备获取带来无线资源的有效使用的发送滤波器信息(例如，比如描述发送滤波器的发送滤波器向量)是足够的。在优选的实施例中，通信设备(例如，接收通信设备、移动通信设备、或者类似物)配置为获得失真协方差矩阵，该失真协方差矩阵基于描述通信设备(例如，接收通信设备、移动通信设备、或者类似物)的有效噪声的噪声信息、基于描述通信设备(例如，接收通信设备、移动通信设备、或者类似物)和发送通信设备两者之间的MIMO信道特性的信道矩阵、以及基于描述通信设备(例如，接收通信设备、移动通信设备、或者类似物)和一个或多个干扰通信设备两者之间的MIMO信道特性的一个或多个信道矩阵。已经发现，基于能够通过通信设备获得的信息，能够以相对小的付出来完成适当的失真协方差矩阵的推导，例如，该通信设备比如是移动通信设备或者类似物。根据本发明的实施例创建了一种用于操作通信设备的方法。所述方法基于与以上讨论的通信设备相同的思想。根据本发明的其他实施例创建了一种当在计算机上运行计算机程序时用于执行以上讨论的方法之一的计算机程序。附图说明图1示出了其中能够使用根据本发明的实施例的通信环境的示意表示；图2示出了位于通信小区的小区边界附近的移动通信设备的场景的图形表示；图3示出了名为“SESAM”的算法的表示；图4示出了名为“LISA”的算法的表示；图5示出了类似于参考文献[19]中的算法“A”的算法的表示；图6示出了类似于参考文献[19]中的算法“B”的算法的表示；图7示出了类似于来自参考文献[20]的算法的算法的表示；图8示出了类似于来自参考文献[21]的算法的算法的表示；图9示出了描述不同的可选的算法的表；图10示出了根据本发明的实施例的发送滤波器计算器的方框示意图；图11示出了根据本发明的实施例的用于确定发送滤波器的方法的流程图；图12a和12b示出了根据本发明的实施例的用于确定发送滤波器的方法的详细流程图；图13a和13b示出了用于确定能够应用到根据图12a和12b的算法中的用户sd和发送滤波器vd的方法的流程图；图14示出了名为“酉-LISA”的算法的表示；图15示出了根据本发明的实施例的通信设备的方框图；图16示出了根据本发明的实施例的用于操作通信设备的方法的流程图；图17示出了LISA算法中已知的干扰的影响的图形表示；图18示出了LISA算法中未知的干扰的影响的放大的图形表示；以及图19示出了“酉-LISA”算法和可选的算法的比较的图形表示。具体实施方式将提供根据本发明的实施例之中的问题的简要介绍并且将讨论可选的方案。随后，将提供根据本发明的实施例的详细讨论并且将提供仿真结果。最后，将给出结论。1.问题和可选的方案在下文中描述的场景可以是其中可以操作包括根据本发明的发送滤波器计算器的通信设备的场景。此外，这里定义的通信设备可以工作在下文中描述的场景中。这里应当注意的是说明书有时区别“发送机”(也称作“发送通信设备”)和“接收机”(也称作“接收通信设备”或“用户通信设备”或简称“通信设备”)。然而，应当注意的是即使称作发送机或者发送通信设备的设备也可以理所当然地包括某些接收功能性。在众多情况下，发送机或者发送通信设备是收发机或者收发通信设备的一部分。类似地，接收机或者接收通信设备可以是相应的收发通信设备的一部分。相应地，名称“发送通信设备”和“接收通信设备”主要用于描述各自的通信设备的当前的作用，然而，其作用可以变化。然而，“发送通信设备”可以典型地配置为建立与多个“接收通信设备”的通信。相应地，在某些实施例中“发送通信设备”可以是通信网络的基站、或者类似物，并且“接收通信设备”可以是通信网络的移动站。在无线网络中，接收信号的质量、以及由此用户的数据速率取决于选择的发送策略、无线信道的性能、噪声水平以及干扰。由于干扰和受限的资源而引起的用户的数据速率的相互依赖使得难于最优化物理层参数，这在MIMO网络中是特别有挑战性的，因为额外的自由度的可用性直接反映在干扰的空间特征中。一般地，因为最优的传输策略相互地彼此依赖，所以，不能提前正确地预测其他发送机的准确的发送协方差矩阵。这里，我们关心其中在用户受小区间干扰影响时服务用户的情况并且假设干扰发送机的集合I是给定的。我们不关心所涉及的发送机间的进一步的干扰协调并且由此每个发送机(例如，包括根据本发明的发送滤波器计算器的发送通信设备)利己地选择用于其用户的最佳的发送策略。对于其中每个发送机装备了单个天线的网络，显然每个发送机的策略是使用所有可利用功率，其使得对每个用户产生的干扰非常易于预测，例如通过测量。正如在单个天线的情况中那样，对于多个发送天线，每个发送机将使用其全部功率预算，然而干扰的空间特征是难以预测的。具有Nrx个接收天线的用户k的噪声加上小区间干扰协方差矩阵由以下给出：其中σ2I是接收机噪声协方差，是具有Ntx个发送天线的发送机t的发送协方差，并且是从发送机t到用户k的信道矩阵。参见第1.2节，在对于每个用户而言已知Ck的情况下，所谓的干扰认知，知晓如何计算实现发送策略的容量。然而，显然选择的发射策略相互地彼此依赖，意味着不能提前知晓小区间干扰并且干扰的不可预测性导致链路速率自适应的问题。由于小区间干扰的预料不到的变化而引起的传输速率的劣化有时称作“闪光灯”效应[1]并且建议了若干思想以解决该问题[2]。额外地，干扰中的不确定性导致假定的用户可达到的数据速率中的不确定性，其反过来引起高层(例如调度器)的有损。可选的方法是使用基于之前的[2]中的测量的信道间干扰ICI或者基于交叉信道的知识的小区间干扰的预测。已经发现，在用户能够收集到干扰发送机的信道上的正确的信道状态信息的情况下，一种表现良好的预测是假设使用全部功率预算的白发送协方差：预测的干扰加上噪声协方差则由以下给出：在第1.1节，将讨论如何能够将MIMO下行链路策略参数化，即物理层参数到数据速率的映射。在第1.2节中，将简要描述选择传输策略从而最大化数据速率的加权和(WSR)的算法。进一步，将讨论干扰的错误预测如何影响性能。为了减少预测中的不确定性，我们能够强制在每个发送机处的白发送协方差。在第1.2节中将讨论能够得到白发送协方差矩阵的若干已知的策略。最后，将概述可选的方法并且将讨论与根据本发明的实施例的关系。1.1MIMO下行链路策略在下文中，将描述根据本发明的实施例的潜在的某些假设和定义。如在之前的章节中描述的，我们假设通过干扰的预测来考虑由于干扰而引起的数据速率的互相依赖。这将寻找最佳的下行链路策略的问题分离为每个发送机的问题，在下文中，我们由此忽略与特定发送机的联系并且关心单个小区，其中用户集合是K，K＝｜K｜。发送机(可以将其认为是通信设备或者发送通信设备，并且其可以包括发送滤波器计算器)具有Ntx个天线并且用户k的接收天线的数量是Nrx，k。可以将用户k的接收机认为是“通信设备”或者“用户通信设备”或者“接收通信设备”。为了更清楚地标记而不失一般性，我们假设所有的用户(或者所有的接收通信设备，或者所有的用户通信设备)具有相同数量的接收天线下行链路信道矩阵是用户k的预测的干扰是例如由(1.1)给出。我们将用户数据速率r＝[r1，...，rK]T的加权和∑k∈Kwkrk＝wTr的最优化作为目标，其中权重由w＝[w1，...，wK]T给出。1.1.1发送协方差中的参数化高斯输入信号和DPC是达到高斯多输入多输出(MIMO)广播信道的容量[4]，因此，下行链路策略完全由Ntx×Ntx个下行链路发送协方差矩阵Q1，...，QK和编码顺序来描述。要求协方差为半正定，我们将其表示为假设根据编码顺序将用户排序，则用户k的数据速率由以下给出在线性预编码的情况下，用户k的数据速率由以下给出对于装备单个天线(MISO)、Nrx＝1的用户，通常将信道系数标记为列矢量。替代我们写作噪声加上小区间干扰协方差Ck是标量，表示为对于所谓的脏纸编码DPC，速率表达式(1.2)简化为以及对于线性预编码，速率表达式(1.3)变为1.1.2通过数据流的参数化参见第1.1.1节，通过在由发送和接收滤波器建立的标量信道上发送数据流，能够替换地实现可通过发送协方差参数化实现的任意速率配置。低复杂度的方案通常以直接找到高效的数据流集合为目标。将滤波器选择为归一化矢量，即并且因此每个流d由分配到用户Sd∈K、接收滤波器发送滤波器以及功率分配pd∈R+来描述。我们定义数据流集合D＝(S，U，V，p)，D＝｜D｜，其中活动用户的集合由S＝{s1，..，sD}给出，接收滤波器的集合是U＝{ul，...，uD}，发送滤波器收集在矩阵中，并且功率分配表示为对于DPC，可以将数据流d的速率计算为其中我们假设根据编码顺序对数据流分类。对于线性预编码，数据速率是对于单个天线接收机，我们有对于DPC的情况以及对于线性预编码，速率为注意所研究的某些相关的下行链路策略是为具有单个接收天线的接收机设计的。我们描述这些用于单个天线接收机的算法，对于数值模拟，我们扩展这些结果以处理多个接收天线。应当注意的是与数据流相关联的发送滤波器vd(或者，更确切地，由发送滤波器向量vd描述的发送滤波器)描述了如何将代表数据流d的信号分配到多个天线。发送滤波器矢量vd的每个元素描述了如何将代表数据流的信号分配到多个天线中的单个天线。1.2算法-传输功率约束通常加权的和速率最优化受到功率约束，即参见第1.1.1节，对于发送协方差中的参数化，以及参见第1.1.2节，对于数据流公式在下文中，将描述某些可选的算法以易化理解。对于多个接收天线(MIMO)和单个接收天线(MISO)两者，在DPC情况下，经由BCMAC对偶性[4，5]能够有效地计算全局最佳发送协方差。对于线性预编码和MIMO，全局最佳方案是开放问题。对于MISO情况，通过用于全局最佳的方法[6，7]，能够计算全局最佳方案。然而，这些方法具有高复杂度并且对于更大数量的用户或者在线实现是不可应用的。在[8]中能够找到用于MIMO和MISO两者的局部最佳方案的方法。SESAM[9，10]和LISA[11，12，13]是直接选择数据流的低复杂度算法，其中选择发送和接收滤波器以完全消除小区内干扰(迫零)。在下文中，我们简要描述该算法，对于细节，我们参考[9，10]和[11，12，13]。在新增的数据流不干扰之前的数据流的情况下，算法都相继地分配数据流，这隐含着正交发送滤波器。这一正交性由投影矩阵Π保证，同样相继地更新该投影矩阵Π。对于SESAM，DPC抵消剩余的干扰。对于LISA，需要额外的迫零步骤以更新发送滤波器(保持接收滤波器固定)。通过注水找到现在的正交标量信道上的最佳功率分配。因为增加新的流不减小加权的速率和，所以SESAM将一直分配最大数量的数据流，通常为Ntx，其中，增加新的流不减小加权的速率和是因为之前的数据流的标量信道的增益没有改变。这对于LISA算法是不同的，其中迫零步骤影响所有的信道，这可能导致加权的速率和的减小。因此，在添加新的数据流之后，执行性能是否增加的检查并且在减少的情况下，意味着wTr(D(d))＜wTr(D(d-1))(1.8)中断算法并且丢弃最新的数据流。在算法1中概述了SESAM，在图3中表示算法1，并且在算法2中概述了LISA，在图4中表示算法2。1.3算法——白发送协方差已经发现，减少干扰中的不确定性的负面影响的一个可能性是约束传输策略使得对其他小区造成的干扰是常量。例如，可以限制到单个预编码器，或者要求发送的信号的协方差有确定的结构，例如标准的单位矩阵。这意味着移除功率约束并且强制白发送协方差其使用全部功率预算这使干扰中的不缺定性降低为交叉信道中的不确定性。在完全知晓交叉信道的情况下，预测(1.1)是正确的。在白发送协方差约束下的加权的速率和最佳化是：条件：作为备注，应当注意的是问题总是可行的，例如通过对于任意k设置这在[2]中称为稳定化。能够导出用于计算具有白发送协方差限制的WSR最佳化的全局最佳方案的算法，作为来自[14]中的结果的特殊情况。但是，对于DPC以及找到方案，高计算复杂度妨碍了实际实现。实际的方法是酉预编码器的使用，例如，每用户酉速率控制(PU2RC)[15]。使用基于流的公式、酉(或者正交)预编码意味着选择预编码器使得V是酉的，即VVH＝I。在每个发送机精确地服务Ntx个数据流并且在他们中分配相等的功率的情况下，发送协方差是在下文中，将描述某些使用酉预编码的算法，其中在下文中描述的算法假设线性预编码。已经发现，作为流d的小区内干扰Cintra-cell，d，酉预编码是有吸引力的，并且由此可达到的数据速率只取决于自身的预编码器vd，在上文中，可以表示小区内干扰上限。对于单个天线的接收机(记)，这为(1.13)这意味着对于具有固定的酉预编码器码本的PU2RC，每个用户能够决定最大化他的数据速率的码本元素vd，数据速率由以下给出：具有自适应预编码的增强的下行链路策略同样对于酉预编码是可利用的。在给定用户集S的情况下，使得｜S｜＝Ntx，加权的速率和最优化为条件：VVH＝I(1.15)不幸地，这是非凸问题。全局最佳算法仅对两个用户情况是已知的[16]。能够在[17，18]中找到用于发现局部最佳方案的算法。用户集合必须由额外的用户选择方案来确定，这促成了联合发现用户集合和预编码器的算法，对于MISO，参见[19，20]以及对于MIMO，参见[21]。这些算法都是设计用于速率和最大化，但是在所有的情况中，到WSR的扩展是可能的。在下文中，将以一致的(及在一些情况中更复杂的)标记来描述某些算法并且描述这些算法以允许相关场景中的比较，将示出到加权速率和的扩展。额外地，参见(1.8)，在还未在原工作中出现的情况下，则包括停止准则，以在新的配置具有更低的加权速率和之下中断相继的分配。在下文中，将描述多少类似于参考文献[19]中的算法的某些算法。在[19]中，在用户信道的方向上选择第一数据流的预编码器v1。参见等式(1.13)，在这一情况中第一流没有小区内干扰。选择第一用户作为达到最大加权速率的用户：在下一步骤中，经由以v1开始的格拉姆-斯密特正交化来确定酉预编码矩阵V的剩余Ntx-1个预编码器。最后，参见图5中表示的算法3，将剩余的用户相继地分配给预编码器。参见图6中表示的算法4，通过尝试每个用户作为第一用户，能够获得改进的性能。在下文中，将描述多少类似于参考文献[20]中示出的算法的算法。在[20]中，相继地确定用户以及预编码器，其中在每个步骤中最大地增加加权的速率和并且预编码器正交于已经确定的预编码器，参见图7中表示的算法5。参见第1.2节，预编码器的正交性能够通过关于SESAM和LISA算法的相继地更新的投影矩阵Π来达到。在下文中，将描述类似于参考文献[21]中描述的算法的算法。在[21]中，考虑多个接收天线，其中联合地确定接收和发送滤波器。首先，对于每个用户特征值分解(EVD)，计算并且选择具有最高特征值的用户作为第一用户。假设特征值分解返回满酉基Vk，将其用作预编码矩阵。在第二步骤中，相继地执行用户到预编码器的分配。使用最大比合并(MRC)接收滤波器，对于数据流d为直到归一化。使用MRC滤波器和酉特性速率表达式(1.5)变为：请注意在原工作中，在图8中表示的算法6中概述了该方法。1.4可选算法的概述在下文中，概述了所呈现的可选方法并且将讨论与根据本发明的实施例的关系。对于总体情况，参见图9中表示的表1.1。参见第1.2节，在功率约束的情况下，在使用DPC的情况下，通过MIMOBC-MAC对偶性[4，5]发现全局最佳传输策略。存在通常建立于迫零之上的各种低复杂度的方法，诸如SESAM[9，10]算法。对于多个接收天线，线性预编码的全局最佳方案是开放问题，对于单个天线接收机，能够通过全局最佳[6，7]发现方案。能够在[8]中发现用于局部最佳方案的方法并且LISA[11，12，13]提供了低复杂度的算法。对于DPC白发送协方差约束，能够将算法导出为来自[14]中的结果的特殊情况。对于多个接收天线，用于线性酉预编码的全局最佳方案是开放问题，对于单个天线接收机，对于2用户情况，方案是可利用的[16]。对于单个天线接收机，能够在[17，18]中发现局部最佳方案。进一步，对于MISO，存在多个低复杂度算法[19，20]以及在[21]中处理MIMO情况。根据本发明的实施例创建用于酉线性预编码(酉-LISA)的低复杂度的算法，对于多个接收天线能够应用该低复杂度的算法。对于单个天线接收机的情况，其同样适用并且提供与根据[20]的算法类似的结果。2.根据图10的发送滤波器计算器图10示出了根据本发明的实施例的发送滤波器计算器的方框示意图。发送滤波器计算器1000适于计算至少发送滤波器vd，vd用于从包括多个天线的发送通信设备经由多输入多输出信道到包括多个天线的多个接收通信设备中的接收通信设备的通信。发送滤波器计算器1000典型地接收、或者自己确定描述通信设备和当前考虑的一个接收通信设备(由索引sd指示，这里等效于sd)之间的MIMO信道特性的信道矩阵以及描述噪声、小区间干扰、和小区内干扰上限(其中索引sd指示失真协方差矩阵与具有接收通信设备索引sd的接收通信设备相关联)的失真协方差矩阵然而，发送滤波器计算器1000可以可选地接收组合信道矩阵与失真协方差矩阵的组合信息。此外，发送滤波器计算器配置为提供一个或多个发送滤波器(优选地，多个发送滤波器)，其中每个发送滤波器优选地通过发送滤波器向量vd来描述。然而，为方便起见，有时发送滤波器向量也被指代为发送滤波器。发送滤波器计算器配置为迭代地确定用于多个数据流sd的发送滤波器。发送滤波器计算器1000配置为在给定迭代中选择发送滤波器(或者发送滤波器矢量)vd，其可以由迭代索引d来指代，使得在给定迭代中选择的发送滤波器(或者发送滤波器向量)vd正交于在一个或多个之前的迭代中选择的一个或多个发送滤波器(或者发送滤波器向量)vd，并且使得使用在给定迭代d中选择的发送滤波器(或者发送滤波器向量)vd可获得的加权的或者未加权的传输速率rd最大化。这里应该注意的是迭代索引d还可以指代第d个数据流，其在第d次迭代中分配。发送滤波器计算器配置为取决于矩阵积项而选择发送滤波器(或者发送滤波器向量)vd，该矩阵积项基于描述发送通信设备和当前考虑的一个接收通信设备之间的MIMO信道特性的信道矩阵并且基于描述噪声、小区间干扰、小区内干扰上限的失真协方差矩阵。换而言之，发送滤波器的迭代确定确保了描述发送滤波器的发送滤波器向量vd的正交性并且同时最大化加权的或者未加权的传输速率。基于描述发送通信设备和当前考虑的一个接收通信设备之间的MIMO信道特性的信道矩阵并且基于失真协方差矩阵(如上所定义)的矩阵积项的形成允许低复杂度迭代算法中的发送滤波器向量的特别有效的计算。随后将描述关于发送滤波器计算器的功能性的额外的细节，其中应当注意的是用于确定发送滤波器的方法的任何特征和功能性可以包括在发送滤波器计算器1000中，或者由其执行。此外，应当注意的是发送滤波器计算器1000可以是发送机或者收发机的一部分，例如，比如移动通信网络中的基站。值得注意的是例如，发送滤波器计算器可以接收来自信道估计器的信道矩阵。然而，可选地，可以从包括发送滤波器计算器1000的发送通信设备期望通信的通信设备(例如，比如接收通信设备)接收信道矩阵(或者表示信道矩阵的信息)。此外，发送滤波器计算器可以从包括发送滤波器计算器1000的发送通信设备期望通信的接收通信设备接收失真协方差矩阵、或者表示失真协方差矩阵的信息。然而，发送滤波器计算器1000可以可选地接收组合信息，其可以组合信道矩阵信息和失真协方差矩阵信息。例如，可以从包括发送滤波器计算器1000的发送通信设备期望通信的接收通信设备接收这一组合信息(例如，以将在以下描述的描述积矩阵的积矩阵信息的形式)。此外，应当注意的是发送滤波器或发送滤波器矢量vd可以用于发送波束形成。换而言之，发送滤波器矢量的元素可以描述经由包括发送滤波器计算器的发送通信设备的多个天线来发送表示数据流d的信号的强度(以及可能地，相位)。相应地，与具有数据流索引d的多个数据流相关联的发送滤波器vd描述了发送不同的数据流的“空间分集”。3.根据图11的计算发送滤波器的方法根据本发明实施例，图11示出了用于计算发送滤波器的方法的流程图，该发送滤波器用于从包括多个天线的发送通信设备经由的多入多出信道到包括多个天线的多个接收通信设备中的接收通信设备的通信。用1100来指代根据图11的方法的全部。方法1100接收信道矩阵和失真协方差矩阵Cη，sd或者其组合(例如以矩阵积项或者积矩阵的形式)。此外，方法1100提供了作为输出值的表示发送滤波器(或者所述发送滤波器的任何等效表示)的发送滤波器向量vd。方法包括迭代地确定用于多个数据流的发送滤波器，其中在给定的迭代中选择发送滤波器使得在给定的迭代中选择的发送滤波器正交于一个或多个之前的迭代中选择的一个或多个发送滤波器(或者正交于一个或多个之前的迭代中选择的所有发送滤波器)，并且使得使用在给定的迭代中选择的发送滤波器可获得的加权的或未加权的传输速率最大化(或者，至少近似最大化)。当迭代地确定发送滤波器时，取决于基于描述发送通信设备和当前考虑的一个接收通信设备之间的MIMO信道特性的信道矩阵以及描述噪声、小区间干扰、以及小区内干扰上限的失真协方差矩阵Cη，sd的矩阵积项，选择发送滤波器。这里应当注意的是索引sd(有时也以简化形式记为sd)指代当前考虑的一个接收设备。此外，取决于环境，所述索引sd还指代选择的一个接收通信设备，选择该选择的一个接收通信设备用于接收具有数据流索引d的数据流。换而言之，在具有数据流索引d的数据流和具有接收通信设备索引sd的接收通信设备两者之间同样存在关联。随后将参考图12a、12b、13a、13b和14来描述关于图11中表示的方法的进一步的细节。4.根据图12a和12b的计算发送滤波器的方法图12a和12b示出了根据本发明的实施例的用于计算至少发送滤波器的方法的详细流程图。应当注意的是图12a和12b中表示的方法1200可以等效于图11中表示的方法1100。此外，根据图12a和12b的方法1200可以等效于将在下文中描述的根据图14的方法1400。方法1200包括将投影矩阵初始化为具有相等的特征值和正交特征向量的满秩矩阵的步骤1210。相应地，可以将第一次迭代(由“1”表示)的投影矩阵Π(1)初始化为单位矩阵I或其倍数。在步骤1220中，可以将游动变量d初始化为指代第一数据流并且同时指代第一次迭代(其中应当注意的是典型地在第d次迭代中分配第d个数据流)。例如，可以设置游动变量d取值1。在步骤1230中，确定用户(或者接收通信设备)sd和发送滤波器或者发送滤波器向量vd，使得在第d次迭代中获得的加权的数据速率(还指代传输速率)rd最大化。这里，观测在给定的迭代中选择发送滤波器的情况使得选择的发送滤波器正交于在一个或多个之前的迭代中选择的一个或多个(并且优选地，所有)发送滤波器。进一步，确保描述发送滤波器的发送滤波器向量的范数取预定值，例如，1(其可以表达为条件)。例如，可以执行如在图12a的块1230中指示的最佳化(或者最大值搜索)从而确定用户sd以及发送滤波器vd。关于这一最佳化(或最大值搜索)，重新评价基于描述发送通信设备和当前考虑的一个接收通信设备两者之间的MIMO信道特性的信道矩阵并且基于描述噪声、小区间干扰、以及小区内干扰上限的失真协方差矩阵的积项是重要的方面，因为已经发现，这样的积项允许用户的可靠选择并且允许具有少量的计算付出的发送滤波器vd的可靠确定。将在下文中参考图13a和13b来描述关于用户sd以及发送滤波器vd的可能的确定的进一步的细节。方法1200可选地包括计算接收滤波器ud的步骤1240，例如，可以将其应用在接收通信设备sd中。例如，接收滤波器ud可以定义如何组合来自接收通信设备的多个天线的信号以获得用于具有数据流索引d的数据流的数据的提取的信号，该数据流去往具有接收通信设备索引(或者用户索引)sd的接收通信设备(或者用户)。例如，可以将图12a的块1240中示出的等式用于计算接收通信设备(或者用户)sd将使用的接收滤波器ud以接收数据流d。随后，可以执行是否满足停止准则的可选的检查1250。例如，如果满足停止准则，则可以避免算法的进一步执行。否则，算法可以进行更新投影矩阵的步骤1260。然而，应当注意的是不需要检查1250。在步骤1260中，更新投影矩阵Π(d)使得由发送滤波器向量vd描述的发送滤波器是具有用于更新的投影矩阵Π(d+1)的特征值0相关联的特征向量，或者使得与更新的投影矩阵的非零特征值相关联的特征向量正交于描述在之前的迭代和当前的迭代中选择的发送滤波器的发送滤波器向量。例如，可以根据方法1200的框1260中所示的等式来从用于当前的迭代的投影矩阵Π(d)推导用于下一次迭代的投影矩阵Π(d+1)。此外，算法1260还包括在步骤1270中检查是否将处理另一数据流。例如，可以检查是否迭代索引或者数据流索引d比执行方法1200的发送通信设备的发送天线的数量Ntx小。如果检查1270指示将处理另一数据流，则可以在步骤1280中增加数据流索引或者迭代索引d并且算法可以进行步骤1230。否则，如果发现没有将处理的进一步的数据流，则算法可以终止。此外，应当注意的是可以在某种程度上改变步骤的顺序。例如，可以在投影矩阵的更新1260之前或之后执行检查1270，使得仅仅在如果将处理另一数据流时执行投影矩阵的更新。类似地，可以改变步骤1240和1260的顺序。5.根据图13a和13b的用于确定用户sd和发送滤波器vd的算法在下文中，将参考图13a和13b来描述用于确定用户sd和发送滤波器vd的可能的算法，其中所述图示出了算法1300的流程图。算法1300可以替代算法1200的步骤1230并且可以构成确定用户sd和发送滤波器vd的计算特别有效的方式。算法1300包括步骤1310，其针对用户集合(或者接收通信设备)中的多个用户sd(或者，等效地，针对多个接收通信设备sd)而执行。在步骤1310中，确定基于当前迭代的投影矩阵Π(d)、基于与当前考虑的一个用户(或者接收通信设备)相关联的信道矩阵并且基于与当前考虑的一个接收通信设备相关联的失真协方差矩阵Cη，sd的矩阵积项的最大特征值随后，使用所述最大的特征值，确定当前考虑的一个用户(或接收通信设备)可获得的加权的或未加权的传输速率。因而，采用这样的最大特征值允许具有少量计算付出的加权的或未加权的传输速率的计算的思想。例如，可以确定模块1310中示出的矩阵积项的最大特征值并且将其用于根据块1310中示出的等式来获得迭代d中的接收通信设备sd的加权的或未加权的传输速率因而，可以通过多次执行(即，针对多个用户或接收通信设备)块1310来确定在迭代d中多个用户可获得的加权的或未加权的传输速率。随后，在步骤1320中，可以比较多个用户(或者接收通信设备)可获得的加权的或者未加权的传输速率并且可以基于所述比较来选择所选择的用户(或者所选择的接收通信设备)。换而言之，比较多个用户(或接收通信设备)可获得的多个加权的或未加权的传输速率并且选择带来最大的加权的或未加权的可获得的传输速率的用户(或接收通信设备)。相应地，对于用户的所述选择，存在非常简单和计算有效的机制，其中，能够采用用于特征值的确定的众所周知的算法以提高计算效率。在步骤1320中的用户(或者接收通信设备)选择之后，在步骤1330中确定与矩阵积项的最大特征值相关联的特征向量，从而获得与到当前迭代中选择的用户(接收通信设备)的数据流相关联的发送滤波器，该矩阵积项基于当前迭代的投影矩阵、与当前考虑(选择)的一个用户(或者接收通信设备)相关联的信道矩阵、以及与当前考虑(选择)的一个用户(或者接收通信设备)相关联的失真协方差矩阵。换而言之，可以将与所述矩阵积项相关联的特征向量用作描述发送滤波器的发送滤波器向量，例如，以归一化形式。因而，可以使用能够使用现有技术中已知的众多高效算法之一来实现的特征向量的确定，从而确定描述高精度发送滤波器的发送滤波器向量。总之，算法(或方法)1300提供了确定用户sd和发送滤波器vd的计算非常有效的方式。此外，值得注意的是随后将参考图14描述额外的实施细节。6.根据图14的“酉-LISA”算法在下文中，将描述关于根据本发明的实施例的所谓的“酉-LISA”算法的某些细节。所述称作“酉-LISA”的算法是上文中描述的“LISA”算法的显著改进，并且是低复杂度算法。为易化理解，在第一步骤中，将导出用于酉预编码的速率表达式，其将用于单个天线接收机的表达式(1.14)推广(或改进)到多个接收天线情况。已经发现，这一改进的速率表达式允许设计相继的流分配：所谓的“酉-LISA”算法。尽管所述酉-LISA算法还可应用于单个天线接收机的特殊情况，当结合多个天线接收机(即，接收通信设备)使用时，酉-LISA算法带来特定优势。与描述的概念相反，例如，在参考文献[21]中，噪声加上干扰协方差的正确预测(其通过噪声协方差矩阵Cη达到)允许发现速率最大化(MMSE)接收滤波器。另外，重要地，注意根据本发明的实施例的新的算法不需要交叉信道或者干扰预测的额外反馈。因而，根据本发明的实施例提供了以下贡献：·“酉-LISA”，用于线性酉预编码的低复杂度的方案；·一种发现最佳接收滤波器的方法；以及·一种关联信道反馈的方法。在下文中，将简要描述如何获得失真协方差矩阵Cη，sd。取决于天线配置酉预编码和迫零方案矛盾。这意味着，对于酉预编码，不得不接受小区内干扰，但是，小区内干扰是在选择数据流的发送波束形成器时已知的。通过使用(1.1)，分配给用户sd的数据流d的总的预测的噪声加上干扰(小区间和小区内)协方差是：关于Cη，sd的以上定义，应当注意的是失真协方差矩阵Cη，sd是与具有索引sd的接收通信设备(或用户)相关联的并且典型地与迭代独立。此外，应当注意的是σ指代噪声(包括随机噪声和由接收机的组件引入的噪声)。此外，应当注意的是指代描述通信设备sd和一个或多个干扰通信设备(例如，当前确定了发送滤波器的发送通信设备之外的发送通信设备，例如，相邻通信小区的发送通信设备)两者之间的MIMO信道特性的信道矩阵。另外，应当注意的是指代描述接收通信设备sd和当前确定了发送滤波器的发送通信设备两者之间的MIMO信道特性的信道矩阵。另外，应当注意的是项描述小区内干扰上限，即由当前确定了发送滤波器的发送通信设备的传输导致的干扰。因而，能够发现总的噪声加上干扰Cnoise+interference，d多少小于由失真协方差矩阵Cη，sd描述的噪声加上干扰。然而，如将在下文中描述的，失真协方差矩阵Cη，sd的使用导致带来良好结果的非常有效的算法。因此通过从(1.3)开始并且假设由给定秩一协方差，对于速率，我们得到：注意，是MSE(均方误差)并且这一结果还能够通过使用MMSE接收机导出[22]。取决于归一化因子，MMSE(最小均方误差)滤波器由给定。因此，数据流d的最佳预编码器vd是对应最大特征值的的归一化特征向量。因为假设小区内和小区间干扰已知，所以能够计算最佳接收滤波器。已经发现，我们能够使用(1.16)作为在没有迫零和功率分配步骤的LISA中的速率估计(其现在是正确的)。在算法7中归纳了酉-LISA方法，算法7在图14中表示。在下文中，将参考图14简要地讨论“酉-LISA”算法，图14示出了所述算法的图形表示，通过上文讨论的发送滤波器计算器可以执行该算法，并且可以将该发送滤波器计算器的功能性包括在上文描述的用于计算发送滤波器的方法中。根据图14的算法1400包括在附图标记1410处示出的初始化投影矩阵Π。此外，算法1400包括针对游动变量d从1到Ntx的值而重复的循环1420，其中游动变量d指代数据流和迭代的索引。在循环1420中，如附图标记1430处所示，选择具有索引sd以及由发送滤波器向量vd描述的对应的发送滤波器的接收通信设备(或者用户)。在该选择1430中，选择接收通信设备索引sd和发送滤波器向量vd对，使得在附图标记1432处示出的表达式最大化。在所述表达式中，wsd是描述发送到具有用户设备索引(或者接收通信设备索引sd)的用户设备的数据流的加权的加权索引。换而言之，wsd描述了发送数据到接收通信设备sd(其中wsd可能在迭代之间改变，例如响应于之前的迭代中的数据流的分配)是多么重要的。在选择1430中，假设发送滤波器向量vd是归一化的。参考图13a和13b，已经讨论了选择1430的可能的算法。此外，应当注意的是由于只需要比较与发送通信设备通信的接收通信设备的最大可获得速率，所以选择1430的复杂度相对较小。循环1420还包括由接收滤波器向量vd描述的接收滤波器的选择1440。此外，循环1420可选地包括停止准则的评价，该评价在附图标记1450中示出。例如，如果可以分配足够的数据速率，则可以中止循环。另外，如果发现额外的链路(数据流)的分配不再能显著改进数据速率，则可以中止循环。此外，如在附图标记1460处所示，为下一循环迭代更新投影。应当注意的是步骤1410对应步骤1210，循环1420对应步骤1220和1270，步骤1430对应步骤1230，步骤1440对应步骤1240，步骤1450对应步骤1250以及步骤1460对应步骤1260。此外，应当注意的是算法还可以应用到单个天线接收机的特殊情况中，还可以将该特殊情况当作多输入单输出情况或者MISO情况。对于单个天线接收机的特殊情况，能够将速率表达式(1.16)示为等效于等式(1.14)。对于MISO，能够选择任意标量接收滤波器。相应地，对于单个天线接收机的特殊情况的某些简化，算法7仍然适用。在下文中，将归纳根据本发明的实施例的算法1400的主要益处：·每用户多个数据流多个接收天线允许每个用户的多个独立数据流，这在酉-LISA算法中是支持的，但在[21]中是不支持的。注意这些流一般不正交。·接收滤波器和链路速率自适应注意能够通过提供使用的预编码器的信息给用户来找到数据流的最佳接收滤波器，这对于[21]也是必须的。对于非酉方法，诸如计算最佳接收滤波器的LISA，同样需要相邻的发送机的发送协方差的知识，其通常是通过额外的参考信号来获得，改进的链路速率自适应同样需要该额外的参考信号。第7节中提供了参考算法的描述的细节。当选择下一数据流时，因为正确地考虑了小区内和小区间干扰，所以假设的SINR也是正确的并且在没有额外的用户反馈的情况下是已知的。因此，能够使链路速率最佳地适应。·信道反馈注意能够在接收机处计算因此用户能够计算有效的信道并且提供(量化的)反馈到发送机。这意味着，酉-LISA算法不需要交叉信道或者ICI测量的反馈，这使得算法对于可部署的网络特别有吸引力并且以已有的信令和反馈方法是不可操作的。7.仿真结果在下文中，将参考图17、18和19讨论某些仿真结果。尽管白发送协方差的限制意味着孤立小区的性能损失，但是我们期望干扰网络的显著的增益。在干扰网络中我们比较酉-LISA算法与已有的LISA算法。如在[23]中地，两者都应用在具有时变信道和部分复用的场景中，但是没有动态小区选择。这意味着我们拥有更多受干扰影响的用户，这应该支持我们的方法。对于LISA算法，我们使用根据(1.1)的小区间干扰的预测。因为干扰不是期望的，所以链路速率自适应需要额外的处理[2]。第一个思想是用期望的速率乘以在零和一之间的恒定因子α以避免中断。在试验中这一方法称作博弈并且通过实验我们发现最好的执行因子是α＝0.1。可选地，能够将额外的参考信号(第二导频)用于估计允许最佳的链路速率自适应的正确的SINR，或者用于估计将允许发现最佳的接收滤波器的实际的小区间干扰，但是这需要更长的训练序列的甚至更多的开销。图17示出了未知干扰的影响能够是多么剧烈并且到目前为止博弈方法不是有竞争力的。如果我们放大曲线，图18，我们能够看到对于α＝1，将大约4％的用户完全排除出网络服务。记住这是平均数据速率的CDF。通过考虑速率表达式(1.16)，容易将[17，18]中的局部最佳的处理方法扩展到多个接收天线。但是这些局部最佳的方法只能够在给定用户集合的条件下使用。针对所有可能的用户选择运行算法是不实际的，因此，我们通过决定允许最高和速率的用户集合来添加简单的用户选择。通常，期望来自这一基于最佳的方法的最好的性能，但是非最佳用户选择似乎具有剧烈的影响。在[21]中的工作似乎是将[19]中的结果推广到多个接收天线情况的(弱的并且多少不准确的)尝试。替代地，我们准确地将[19]中的工作扩展到多个接收天线情况。[20]中的工作用于单个接收天线并且对于这一场景酉-LISA是一样的。到多个接收天线的准确的推广导致酉-LISA。进一步，我们包括PU2RC[15]并且假设码本与LTE中的一样，但是仅考虑多用户传输。必须考虑的是，PU2RC以非常低的信道反馈开销工作，然而所有其它的尝试假定发送机处的全CSI。对于酉-LISA，小区间干扰是已知的并且能够计算最佳的链路速率和最佳接收滤波器两者。图19示出了平均用户数据速率的CDF。我们能够看到酉-LISA算法胜过已有的方法。8.通信设备在下文中，将描述通信设备(例如，接收通信设备)1500，该通信设备1500特别适用结合上文讨论的发送滤波器计算使用。通信设备1500适于在出现一个或多个干扰通信设备之下与发送通信设备通信。通信设备1500配置为确定信道矩阵描述通信设备1500(具有通信设备索引sd)和发送通信设备两者之间的MIMO信道特性。此外，通信设备还配置为确定描述通信设备和一个或多个干扰通信设备两者之间的MIMO信道特性的一个或多个信道矩阵其中，干扰通信设备具有干扰通信设备索引t。例如，干扰通信设备t可以是相邻通信小区的基站，而术语“发送通信设备”可以指代通信设备1500所在的当前通信小区的基站。通信1500还配置为确定基于描述通信设备和发送通信设备(例如，当前通信小区的基站)两者之间的MIMO信道的信道矩阵并且基于描述噪声、小区间干扰、以及小区内干扰上限的失真协方差矩阵Cη的矩阵积，以获得积矩阵。此外，通信设备1500配置为发送积矩阵(而非单个的矩阵Cη)到发送通信设备。换而言之，例如，通信设备1500可以包括信道矩阵确定1510和失真协方差确定1520。另外，通信设备1500可以包括矩阵积确定器1530，其配置为确定基于矩阵和矩阵Cη的所述矩阵积。然后发送由矩阵积确定器1530形成的积矩阵M到发送通信设备，例如使用发送机1540。换而言之，可以将由矩阵积确定器1530提供的积矩阵的表示包括到发送数据中，使用发送机1540将发送数据从通信设备1500发送到发送通信设备(未示出)。通过发送积矩阵，能够避免发送单个的矩阵Cη，sd。例如，如通信设备1500的块1530中所示，可以将矩阵积确定器1530配置为计算积矩阵M。自然地，通信设备1500可以包括额外的功能性以传递数据、编码的音频或者视频信号、或者类似物。另外，通信设备1500典型地配置为从发送通信设备(例如，从包括上文讨论的发送滤波器计算器的发送通信设备)接收数据。9.操作通信设备的方法图16示出了操作用于在出现一个或多个干扰通信设备之下与发送通信设备通信的通信设备的方法1600的流程图。应当注意的是术语“发送通信设备”指代期望与其通信的通信设备，例如，比如其中安排了执行方法1600的通信设备的当前小区中的基站。例如，干扰通信设备可以是相邻通信小区的基站，邻近其中安排了执行方法1600的通信设备的通信小区。方法1600包括确定描述通信设备和发送通信设备(期望与其通信并且其典型地与执行方法1600的通信设备在同样的通信小区)两者之间的MIMO信道特性的信道矩阵的步骤1610。方法1600还包括确定描述通信设备和一个或多个干扰通信设备(例如，安排在不同通信小区中的基站，该不同的通信小区与其中安排执行方法1600的通信设备的通信小区相邻)两者之间的MIMO信道特性的一个或多个信道矩阵的步骤1620。在某些实施例中可以同时执行步骤1610和1620以及可以在其他的实施例中相继地执行。方法1600还包括确定基于描述通信设备和期望与其通信的发送通信设备两者之间的MIMO信道的信道矩阵并且基于描述噪声、小区间干扰、以及小区内干扰上限的失真协方差矩阵的矩阵积的步骤1630，以获得积矩阵。关于细节，例如，参考可以执行确定1630的矩阵积确定器1530的功能性。此外，方法1600包括发送积矩阵(或者描述积矩阵自身的信息，而非单独的信道矩阵或者失真协方差矩阵)到期望通信的发送通信设备的步骤1640(即，执行方法1600的通信设备)。应当注意的是方法1600实现了通信设备1500的功能性。10.结论总之，应该注意的是根据本发明的实施例介绍了所谓的“酉-LISA”算法，用于多用户MIMO下行链路中的线性酉预编码的低复杂度方案。酉预编码导致白发送和协方差，其允许邻近小区中的干扰的更好的近似值并且使得能够计算最佳的接收滤波器和完美的链路速率自适应。此外，根据本发明的实施例创建了用于关联信道反馈的方法。换而言之，用于关联信道反馈的方法包括在本发明中。此外，应该注意的是本发明的实施例基于针对酉预编码发现干扰取决于自身的预编码器。相应地，创建了名为“自适应酉预编码-酉LISA”的新方法。根据本发明的实施例创建了到多天线接收机的扩展。在实施例中，考虑数据流d的干扰加上噪声协方差。关于细节，参考上文描述的所述协方差Cd的公式或者计算。此外，根据本发明的实施例基于流d的数据速率的计算规则。关于细节，参考上文中描述数据速率rd的计算的等式。在本发明的某些实施例中，利用了能够在接收机处计算的事实。换而言之，在某些实施例中，具有从接收通信设备到发送通信设备的新的类型的反馈是有利的。然而，新的反馈带来效率提高，其不同于传统的反馈(传统地，从接收通信设备提供给发送通信设备)，但是没有增加反馈。换而言之，积矩阵形式的反馈典型地不需要比传统的反馈更大的比特率。根据本发明的某些实施例基于使用投影矩阵以获得酉预编码器的主要思想。关于细节，例如，参考关于图14进行的算法的详细讨论。根据本发明的某些实施例为具有多个接收天线的用户创建酉预编码。本发明的实施例的某些主要特征如下：·根据本发明的实施例是稳健的：能够在没有额外开销之下发现最佳接收滤波器和速率自适应链路。·根据本发明的实施例允许每用户多个数据流；·根据本发明的实施例带来低复杂度(其可以比可选择的算法“LISA”的复杂度更低)；·根据本发明的实施例可以避免反馈的增加。因而，根据本发明的实施例与可选的方案有显著不同。在下文中，将描述多小区/多点合作(CoMP)仿真配置。配置如下：·57个小区环绕；·每小区随机地分配平均10个移动用户；·4×4MIMO；·瑞利衰落(车载用户)；·部分复用/比例公平。比较以下算法：·PU2RC(LTE码本)·LISA(第二导频)·局部最佳(试探式用户选择)·格拉姆-施密特(扩展到多用户)；·酉LISA(根据本发明)对于结果，参考图19，图19示出了仿真结果的图形表示。图19示出了CDF平均用户速率。进一步总结，根据本发明的简单实施例创建了联合预编码和选择用户的线性连续用户分配方法，包括发送机处的酉预编码器。所述线性连续用户分配的改进进一步包括最佳接收滤波器和最佳速率自适应链路。以上描述的方法的进一步的改进还包括信道反馈方案，其中在不增加反馈量之下并入噪声协方差矩阵。为了进一步概括上文，能够将根据本发明的实施例应用于多小区MIMO通信中。本发明的实施例基于多小区通信网络中协作的不同范例的研究、基于在基于MIMO系统的蜂窝通信网络中的那些协作策略的潜力的识别、并且基于各自的概念和算法的发展，从而达到相比于传统技术而言的显著的增益。为了进一步总结，能够在无线接入并且特别地在无线接入网络中使用根据本发明的实施例。为了进一步总结和简要概括，根据本发明的实施例创建了自适应酉预编码，酉LISA。根据本发明的实施例包括到多个接收天线的酉预编码的扩展。根据本发明的实施例不需要额外的反馈。根据本发明的实施例提供了最佳速率自适应和/或提供了最佳接收滤波器(其中在某些情况下，后者可能引起某些开销)。根据本发明的实施例胜过线性酉预编码的可选的方案，例如：1)PU2RC(例如，参见参考文献[B5])；2)基于优化的概念，其中对于给定用户选择(例如，参见参考文献[B6]、[B7]和[B8])，最佳的用户选择是不可行的；3)联合预编码和用户选择的试探，例如，比如格拉姆-斯密特以预先确定预编码器(例如，参见参考文献[B9])、以及相继的预编码器和用户分配(例如，参见参考文献[B10])。应当注意的是以上方案2)和3)仅适用于单个天线接收机，然而根据本发明的实施例适用于其中接收机包括多个天线的环境中。为了进一步总结，根据本发明的实施例达到了减少干扰中的不确定性以获得更稳健的下行链路策略的目标。11.实现的可选方案尽管在装置的上下文中已经描述了某些方面，但是显然这些方面还表示对应方法的描述，其中块或者设备对应方法步骤或者方法步骤的特征。类似地，在方法步骤的上下文中描述的方面同样表示对应装置的对应块或项或特征。某些或者所有的方法步骤可以通过(或使用)硬件装置来执行，例如，比如微处理器、可编程计算机或者电子电路。在某些实施例中，某个或多个最重要的方法步骤可以通过这样的装置来执行。取决于特定实现要求，能够在硬件中或在软件中实现本发明的实施例。能够使用具有存储在其上的电可读的控制信号的数字存储媒介来执行该实现，例如软盘、DVD、蓝光光碟、CD、ROM、PROM、EPROM、EEPROM或者FLASH存储器，该电可读的控制信号与可编程计算机系统协作(或者能够协作)使得执行各自的方法。因此，该数字存储媒介可以是计算机可读的。根据本发明的某些实施例包括具有电可读控制信号的数据载体，该电可读控制信号能够与可编程计算机系统协作，使得执行这里描述的方法之一。一般地，能够将本发明的实施例实现为具有程序代码的计算机程序产品，当计算机程序产品运行在计算机上时，该程序代码可操作用于执行方法之一。例如，可以将程序代码存储在计算机可读载体上。其他实施例包括存储在计算机可读载体上的用于执行这里描述的方法之一的计算机程序。换而言之，因此，当计算机程序运行在计算机上时，所发明的方法的实施例是具有用于执行这里描述的方法之一的程序代码的计算机程序。因此，所发明的方法的进一步的实施例是包括其上记录有用于执行这里描述的方法之一的计算机程序的数据载体(或者数字存储媒介，或者计算机可读媒介)。数据载体、数字存储介质或者记录的媒介典型地是有形的和/或非变化的。因此，所发明的方法的进一步的实施例是表示用于执行这里描述的方法之一的计算机程序的数据流或信号序列。例如，可以将数据流或者信号序列配置成经由数据通信连接而传递，例如经由互联网。进一步的实施例包括配置成或适于执行这里描述的方法之一的处理模块，例如计算机、或者可编程逻辑设备。进一步的实施例包括具有安装在其上的用于执行这里描述的方法之一的计算机程序。根据本发明的进一步的实施例包括配置成传递(例如，电子地或光学地)用于执行这里描述的方法之一的计算机程序到接收机的装置或系统。例如，接收机可以是计算机、移动设备、存储设备或者类似物。例如，装置或者系统可以包括用于传递计算机程序到接收机的文件服务器。在某些实施例中，可以将可编程逻辑设备(例如，现场可编程门阵列)用于执行这里描述的方法的某些或所有的功能性。在某些实施例中，现场可编程门阵列可以与微处理器协作从而执行这里描述的方法之一。一般地，优选地通过任意硬件装置来执行方法。以上描述的实施例仅是针对本发明的原理的说明性的。理解到这里描述的安排和细节的修改或变化对于本领域技术人员将是明显的。因此，意图通过即将产生的专利权的范围而不是通过以这里的实施例的描述和解释的方式来呈现的特定细节来限制。参考书目[1]A.OsseiranandA.Logothetis.ClosedlooptransmitdiversityinWCDMAHS-DSCH.InProc.IEEE61stVehicularTechnologyConference，VTC2005-Spring，volume1，pages349-353，2005.[2]M.TIvrlacandJ.ANossek.Intercell-InterferenceintheGaussianMISObroadcastchannel.InIEEEGlobalTelecommunicatiohsConference，2007.GLOBECOM’07，pages3195-3199，November2007.[3]A.DotzlerandW.Utschick.Multi-cellMIMOcommunications.Technicalreport，TechnischeMünchen，2009.FinalTechnicalReportoftheResearchCooperation：MulticellMIMOCommunications-PhaseI，NTIDoCoMoEuroLabsandTUM.[4]H.Weingarten，Y.Steinberg，andS.Shamai.ThecapacityregionoftheGaussianMultiple-InputMultiple-Outputbroadcastchannel.IEEETransactionsonInformationTheory，52(9)：3936-3964，September2006.[5]N.Jindal，S.Vishwanath，andA.Goldsmith.OnthedualityofGaussianmultiple-accessandbroadcastchannels.IEEETrasactionsonInformationTheory，50(5)：768-783，May2004.[6]J.BrehmerandW.Utschick.Optimalinterferencemanagementinmulti-antenna，multi-cellsystems.InternationalZurichSeminaronCommunications(IZS)，March2010.[7]M.Rossi，A.MTulino，O.Simeone，andA.MHaimovich.Non-convexutilitymaximizationingaussianMISObroadcastandinterferencechannels.In2011IEEEInternationalConferenceonAcoustics，SpeechandSignalProcessing(ICASSP)，pages2960-2963.IEEE，May2011.[8]R.Hunger，D.ASchmidt，andM.Joham.AcombinatorialapproachtomaximizingthesumrateintheMIMOBCwithlinearprecoding.In200842ndAsilomarConferenceonSignals，SystemsandComputers，pages316-320.IEEE，October2008.[9]P.Tejera，W.Utschick，G.Bauch，andJ.ANossek.SubchannelallocationinmultiuserMultiple-Input-Multiple-Outputsystems.IEEETransactionsonInformationTheory，52(10)：4721-4733，October2006.[10]P.Tejera，W.Utschick，andJ.A.Nossek.Patent：Subchannelallocationinmultipleinputmultipleoutputmultiusercommunicationsystems，July2004.[11]C.Guthy，W.Utschick，andG.Dietl.LoW-ComplexitylinerZero-ForcingfortheMIMObroadcastchannel.IEEEJournalofSelectedTopicsinSignalProcessing，3(6)：1106-1117，December2009.[12]C.Guthy，W.Utschick，G.Dietl，andP.Tejera.EfficientlinearsuccessiveallocationfortheMIMObroadcastchannel.In200842ndAsilomarConfereneeonSiguals，SystemsandComputers，pages336-340，October2008.[13]P.Tejera，C.Guthy，W.Utschick，G.Dietl，andJ.A.Nossek.AspatialSub-ChannelselectionandPre-Codingapparatuseuropeanpatentapplication08009276.0.(pending)，2008.[14]A.Dotzler，M.Riemensberger，andW.Utschick.Uplink-downlinkminimaxdualitywithlinearconicconstraints.Technicalreport，2012.submittedtoISIT.[15]HojinKim，ChangSoonPark，andKwangBokLee.OntheperformanceofmultiuserMIMOsystemsinWCDMA/HSDPA：Beamforming，feedbackanduserdiversity.IEICETransactionsonCommunications.E89-B(8)：2161-2169，2006.[16]A.JalaliandD.JLove.Closed-formexpressionforoptimaltwo-userMIMOunitaryprecoding.IEEECommunicationsLetters，13(4)：251-253，April2009.[17]R.deFranciscoandD.T.MSlock.AnoptimizedunitarybeamformingtechniqueforMIMObroadcastchannels.IEEETransactionsonWirelessCommunications，9(3)：990-1000，March2010.[18]S.Wagner，S.Sesia，andD.Slock.OnunitarybeamformingforMIMObroadcastchannels.In2010IEEEInternationalConferenceonCommunications(ICC)，pages1-5.IEEE，May2010.[19]R.deFrancisco，M.Kountouris，D.T.MSlock，andD.Gesbert.OrthogonalliinearbeamforminginMIMObroadcastchannels.InIEEEWirelessCommunicationsandNetworkingConference，2007.WCNC2007，pages1210-1215.IEEE，March2007.[20]J.Duplicy，D.PPalomar，andL.Vandendorpe.Adaptiveorthogonalbeamformingforthemimobroadcastchannel.In2ndIEEEInternationalWorkshoponComputationalAdvancesinMulti-SensorAdaptiveProcessing，2007.CAMPSAP2007，pages77-80.IEEE，December2007.[21]FangLiang，GongPing，andWuWeiling.AuserschedulingschemeforMU-MIMOsystemwithcoordinatedbeamforming.In20102ndInternationalConferenceonAdvancedComputerControl(ICACC)，volume4，pages462-465.IEEE，March2010.[22]A.JTenenbaumandR.SAdve.LinearprocessingandsumthroughputinthemultiuserMIMOdownlink.IEEETransactionsonWirelessCommunications，8(5)：2652-2661，May2009.[23]A.DotzlerandW.Utschick.Multi-cellmimocommunications-phaseii.Technicalreport，TechnischeMiinchen，2011.2ndTechnicalReportoftheResearchCooperation：MulticellMIMOCommunications-PhaseIII，NTTDoCoMoEuroLabsandTUM.[B1]M.TIvrlacandJ.ANossek.Interoell-InterferenceintheGaussianMISObroadcastchannel.InIEEEGlobalTelecommunicationsConference，2007.GLOBECOM’07，pages3195-3199，November2007.[B2]A.DotzlerandW.Utschick.Multi-cellMIMOcommunications.Technicalreport，TechnischeMünchen，2009.FinalTechnicalReportoftheResearchCooperation：MulticellMIMOCommunicatiohs-PhaseI，NTTDoCoMoEuroLabsandTUM.[B3]P.Tejera，W.Utschick，G.Bauch，andJ.ANossek.SubchannelallocationinmultiuserMultiple-Input-Multiple-Outputsystems.IEEETransactionsonInformationTheory，52(10)：4721-4733，October2006.[B4]C.Guthy，W.Utschick，andG.Dietl.LoW-ComplexitylinearZero-ForcingfortheMIMObroadcastchannel.IEEEJournalofSelectedTopicsinSignalProcessing，3(6)：1106-1117，December2009.[B5]HojinKim，ChangSoonPark，andKwangBokLee.OntheperformanceofmultiuserMIMOsystemsinWCDMA/HSDPA：Beamforming，feedbackanduserdiversity.IEICETransactionsonCommunications，E89-B(8)：2161-2169，2006.[B6]A.JalaliandD.JLove.Closed-formexpressionforoptimaltwo-userMIMOunitaryprecoding.IEEECommunicationsLetters，13(4)：251-253，April2009.[B7]R.deFranciscoandD.T.MSlock.AnoptimizedunitarybeamformingtechniqueforMIMObroadcastchannels.IEEETransactionsonWirelessCommunications，9(3)：990-1000，March2010.[B8]S.Wagner，S.Sesia，andD.Slock.OnunitarybeamformingforMIMObroadcastchannels.In2010IEEEInternationalConferenceonCommunications(ICC)，pages1-5.IEEE，May2010.[B9]R.deFrancisco，M.Kountouris，D.T.MSlock，andD.Gesbert.OrthogonallinearbeamforminginMIMObroadcastchannels.InIEEEWirelessCommunicationsandNetworkingConference，2007.WCNC2007，pages1210-1215.IEEE，March2007.[B10]J.Duplicy，D.PPalomar，andL.Vandendorpe.AdaptiveorthogonalbeamformingfortheMIMObroadcastchannel.In2ndIEEEInternatioualWorkshoponComputationalAdvancesinMulti-SensorAdaptiveProcessing，2007.CAMPSAP2007，pages77-80.IEEE，December2007.