MassiveMIMO系统中信号快速收敛联合预编码方法、信号传输方法与流程

本发明属于大规模多输入多输出领域，涉及一种信号快速收敛预编码算法的研究。

背景技术：

近年来，随着移动数据业务量急剧增长，为满足移动通信系统对频谱效率和数据速率的需求，第五代(5thgeneration，5g)移动通信技术被提出。其中，大规模多输入多输出(multipleinputmultipleoutput，mimo)技术是5g移动通信技术中的主要技术之一，它能有效减少多用户之间的干扰，提高系统信道容量及频谱效率。

在下行链路中，与传统mimo技术配置的几个发射天线和接收天线相比，大规模mimo在基站配置几十根甚至上百根天线用来满足用户需求，基站与用户间的信道矩阵也会随之变大，从而需要在接收端处理大量数据，尤其是矩阵计算。在下行链路中，预编码技术是将接收端的数据处理转移到发射端，从而降低接收端信号处理的复杂度。同时，预编码技术也可以减小系统的硬件成本，提高用户间的公平性。但该技术在大规模mimo系统中涉及大矩阵求逆问题，因此，在大规模mimo系统中需要设计高性能、低复杂度的算法来提高系统性能。

技术实现要素：

为达到上述目的，本发明提供一种适用于大规模多输入多输出系统的信号快速收敛预编码算法，主要包括以下步骤：

一种massivemimo系统中信号快速收敛联合预编码方法，本方法是对massivemimo系统发射端发出的信号通过预编码矩阵w进行sormi-newton联合预编码得到信号x，

x＝ws，w＝βh^h(hh^h+εik)^-1

其中，表示调制信号，β表示功率归一化因子，用于使w满足功率约束条件p代表天线单元总发射功率；ε＝k/p，k表示接收端用户数量，m为发射端天线数量；表示平坦瑞利衰落的信道矩阵，其元素服从标准正态分布；表示单位对角阵；

其中，(hh^h+εik)^-1的计算采用sormi-newton联合预编码方法，具体包括：

第一步：设定初始值z⁽⁰⁾＝d^-1；

第二步：进行一次sormi迭代：

z⁽¹⁾＝(d-ωl)^-1[(ωu+(1-ω)d)z⁽⁰⁾+ωik]

第三步：进行newton迭代：

z⁽ⁱ⁾＝z^(i-1)(2ik-(hh^h+εik)z^(i-1)),i≥2

直到信噪比为30db时，误码率＜10^-5时newton迭代结束，此时联合算法迭代结果即为(hh^h+εik)^-1值；

其中，d-u-l＝g，d、-u和-l分别代表对角阵、严格上三角矩阵和严格下三角矩阵，分别与hh^h+εik中的元素一一对应；i表示迭代次数；表示最优松弛因子，ρ[]表示求谱半径，z为迭代中间变量。

优选的，i介于1到5之间。

更优选的，i取值为2或3。

在此基础上，本发明还提供一种massivemimo系统信号传输方法，包括以下步骤：

massivemimo系统的天线单元发射信号后进行调制，对调制后的信号通过采用上述方法得到信号x，信号x经信道传输、解调后在接收端接收得到信号y；

其中，表示下行链路信噪比度量值；表示加性高斯白噪声向量，其元素服从均值为0，方差为σ²的正态分布，σ为正整数。

本发明的有益效果是：

本发明在massivemimo系统中对信号的处理使用联合算法，收敛速度更快，可以通过更少的迭代次数实现与rzf预编码相同的ber性能，且具有低复杂度。

附图说明

图1为本发明的系统框图。

图2为不同m/k时联合算法收敛情况；

图3为不同算法复杂度比较；

图4大规模mimo系统m×k＝256×64配置下算法ber性能比较；

图5为本发明流程框图。

具体实施方式

预编码算法矩阵求逆的方法，分为线性预编码和非线性预编码。与线性预编码相比，非线行预编码算法在大规模mimo系统中运算复杂度高、对硬件设备要求高，所以本发明只考虑线性预编码。在现有的几个经典线性预编码算法中，rzf预编码算法具有较好的性能，因此本发明基于rzf预编码算法，得到复杂度低且收敛速度快的预编码方法。

另，本发明所述的s调制信号，指的是对基站发出的信号进行调制得到调制信号，本发明信号快速收敛联合预编码方法是在调制信号后进行的，即是对massivemimo系统发射端发出的信号调制后对调制信号通过预编码矩阵w进行sormi-newton联合预编码。调制本身是一个电信号变换的过程，是由a信号去改变b信号的某些特征值(如振幅、频率、相位等)，导致b信号的这个特征值发生有规律的变化，当然这个规律是由a信号本身的规律所决定的。由此，b信号就携带了a信号的相关信息，在某种场合下，可以把b信号上携带的a信号的信息释放出来，从而实现a信号的再生，这就是调制的作用。

下面结合附图对本发明做进一步详细描述：

实施例1：

如图1-5所示，本实施例提供一种massivemimo系统信号传输方法，包括以下步骤：massivemimo系统的天线单元发射信号后进行调制，对调制后的信号通过采用上述方法得到信号x，信号x经信道传输、解调后在接收端接收得到信号y。其中得到信号x的方法为本发明的信号快速收敛联合预编码方法：

具体包括如下步骤：

采用16qam调制发射信号，使调制信号经过预编码矩阵，进行sormi-newton联合预编码得到信号x，预编码后的信号在信道中传输，采用16qam解调信号，并在接收端接受得到信号y。

在大规模多输入多输出(multipleinputmultipleoutput,mimo)系统中，经典正则化迫零(regularizedzeroforcing，rzf)线性预编码算法可以减小噪声对系统的影响，其预编码矩阵表示如下：

w＝βh^h(hh^h+εik)^-1(1)

记g＝hh^h+εik(2)

则通过预编码后的信号向量计算如下：

x＝ws＝βh^hg^-1s(3)

其中，β表示功率归一化因子，用于使w满足功率约束条件p代表总发射功率；ε＝k/p，k表示接收端的用户数；表示平坦瑞利衰落的信道矩阵，其元素服从标准正态分布；表示单位对角阵；表示预编码矩阵；表示调制信号。

因为在大规模mimo系统中直接矩阵求逆复杂度高，因此用gs迭代法、sor迭代法和newton迭代法等近似矩阵求逆。

gs迭代法在于迭代初始值，即在迭代初期能够获得较好的性能，sor迭代法是在gs迭代法的基础上引入变量松弛因子以提高算法的收敛速率。所以sor算法和gs迭代法一样在迭代初期就可以获得良好性能。newton迭代法的特点是迭代初始值计算复杂，它的优势体现在迭代后期，随着迭代次数的增加，newton迭代法的性能逐渐变好。因此该发明提出把newton迭代法与sor迭代法组合可以集合两者的优势。在newton迭代之前首先进行sor迭代，能够改善牛顿迭代法的迭代初始值，获得更有效、快速的搜索方向，从而使得牛顿迭代法快速收敛的特性在迭代初期就体现出来。

但由于sor迭代结果为g^-1s，很难从g^-1s的乘积项中提取出g^-1，故不能直接作为牛顿迭代的初始值。因此提出sormi迭代法近似求解g^-1，具体方法如下所示。

把矩阵g可以分解为：

g＝d-u-l(4)

其中，d、-u和-l分别代表对角阵、严格上三角矩阵和严格下三角矩阵，其元素与矩阵g中的元素一一对应。

则联合预编码算法如下：

第一步：设定初始值；

z⁽⁰⁾＝d^-1(5)

第二步：进行一次sormi迭代；

z⁽¹⁾＝(d-ωl)^-1[(ωu+(1-ω)d)z⁽⁰⁾+ωik](6)

第三步：进行newton迭代，直到满足系统性能需求。本发明规定直到满足信噪比snr＝30db时，误码率接近10^-6为止(小于10^-5)。

z⁽ⁱ⁾＝z^(i-1)(2ik-gz^(i-1)),i≥2(7)

其中，i表示迭代次数；表示最优松弛因子，式中：u＝ρ[d^-1(l+l^h)]，ρ[.]表示求矩阵的谱半径。

在(7)式中所得结果z⁽ⁱ⁾就是(3)式中g^-1的估计值。然后将z⁽ⁱ⁾的迭代结果带入(3)式便可求得预编码后的信号向量x。

接收端的每个用户接收的信号可以表示为：

其中，ρ表示下行链路的信噪比的度量值；表示加性高斯白噪声向量，其元素服从均值为0，方差为σ²的正态分布；表示通过预编码后的信号向量。

图2为不同m/k时联合算法收敛情况，其中m表示发射端信号天线数目，其中k表示接收端的用户数。图中的数代表从上往下m/k的值。当m/k＝1，α>1，所以联合算法不收敛；当m/k≥2时，满足收敛条件α<1，联合算法收敛。并且随着m/k的增大，α的值越小，联合算法收敛概率越大。当m/k≥2时，联合算法便能保证收敛，因此，sormi-newton联合算法的收敛性对不同的基站天线数量与用户数的比值(m/k)情况具有更强的鲁棒性。其中，ε＝k/p，k可取任意正整数，p代表功率，可取任意正数，仿真时所取功率大小与发射端天线数m相等。β是为了使信号功率做归一化，计算得到的因子(信号归一化采用matlab函数，取值0.5)。

图3为两种算法的复杂度比较，为了达到系统性能需求当迭代次数大于1时，联合算法、rzf算法和牛顿迭代复杂度都为o(k³)。由图可知，在用户数k相同时，联合算法复杂度小于rzf算法的复杂度。并且用户数k对算法复杂度具有更大的影响。

由图4可知，所有算法的误码率随着信噪比的增大而减小。以rzf预编码的仿真结果为基准线，在256×64的配置下newton迭代法性能损失非常大。当迭代次数i＝2时，sormi迭代法与联合算法的结果都不理想；当i＝3时，在高信噪比下，联合算法的误码率比sormi迭代法的误码率小，甚至接近i＝4时的sormi迭代法的误码率；特别是在迭代次数i＝4时，联合算法的性能已达到rzf算法，而其他算法还存在性能损失。通过以上分析可知，在相同信噪比下联合算法通过更少的迭代次数快速估计出了g^-1的值。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。