本发明涉及无线通信技术领域,尤其涉及一种基于改进slnr的mu-mimo系统预编码方法及功率分配方法。
背景技术:
智能终端以及社交网络等多媒体应用的普及,导致移动蜂窝网络对系统容量和可靠性的需求大幅增长。多用户多输入多输出(multipleusermultipleinputmultipleoutput,mu-mimo)系统由于能够有效提高信道容量而得到广泛应用。mu-mimo系统在不增加带宽和传输功率的情况下,通过提高多路复用和分集增益使系统性能得到了很大的改进。
在mu-mimo下行链路模型中,设计最优线性mu-mimo预编码方案的主要目标之一是优化信噪比,然而由于它的耦合性,使这个问题具有挑战性。为了避免耦合问题的出现,现有技术通常使用迫零(zeroforcing,zf)预编码方案,它可以消除每个用户的同信道干扰。另外,基于信号泄漏(signaltoleakageandnoiseratio,slnr)的概念,引入了slnr方法作为线性预编码设计的优化指标。所述slnr指标也可以将耦合优化问题转化为完全解耦的优化问题,易于求解。与zf方案不同的是,slnr预编码方案不需要对基站天线的数量进行任何限制,在为所有用户设计波束成形矢量时也考虑了噪声的影响。但无论是传统zf方案,还是slnr方案,都面临误码率较高的问题。此外,目前采用等功率分配技术方案为基站涵盖的用户输送数据,使得信噪比不佳的用户接收的信号误码率较高。
因此,本领域的技术人员致力于开发一种基于改进slnr的mu-mimo系统预编码方法及功率分配方法,对于不完整道状态信息下的信号传输,能够有效改善传统slnr方法误码率较高的缺陷,以及以较低成本改善上述场景中等功率分配技术方案使得信噪比不佳的用户接收的信号误码率较高的缺陷。
技术实现要素:
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是改善传统slnr方法,在部分信道状态信息下的信号传输误码率较高的缺陷,以及以较低成本改善上述场景中等功率分配技术方案使得信噪比不佳的用户接收的信号误码率较高的缺陷。
为实现上述目的,本发明提供了一种基于改进slnr的mu-mimo系统预编码方法,所述方法基于信道修改矩阵的最小均方误差,求得slnr方法中修正估计信道矩阵中其他用户同信道干扰量的所述信道修改矩阵;基于所述信道修改矩阵求得改进slnr指标的最优预编码矩阵;所述估计信道矩阵被配置为估计非完整信道状态信息。
进一步地,所述slnr方法中用户k的所述估计信道矩阵满足:
其中,
进一步地,所述估计误差矩阵e为零均值循环对称复高斯变量。
进一步地,基于所述信道修改矩阵与所述估计信道矩阵
其中,f为所述信道修改矩阵;h'k为用户k的所述等效信道矩阵;且||f||2=1。
进一步地,所述信道修改矩阵f为:
f=argmine[||hk-h'k||2]
其中,e[]为期望计算;||||为矩阵的范数计算。
进一步地,通过使所述f的均方误差的梯度等于零,求解所述f。
进一步地,所述用户k的所述f需要均一化处理,且基于均一化处理后的所述f的均方方差σ′满足:
其中,λi是全信道协方差矩阵的非零特征值;σe是所述估计误差矩阵e的均方误差;
所述全信道协方差矩阵hcov满足:
进一步地,基于所述等效信道矩阵,求解改进slnr;所述改进slnr满足:
其中,slnr'k为所述改进slnr;in为n×n的单位矩阵;σ'为所述信道修改矩阵均一化的最小均方误差;
进一步地,最优预编码矩阵
其中,maxev为最大特征向量计算。
此外,本发明还公开了一种基于改进slnr的mu-mimo的功率分配方法,基站基于每个用户的改进slnr值分配;分配给每个用户k功率与所述用户k的所述改进slnr值成反比,如下式:
其中,slnr'k为基于权利要求1-9任意所述的方法计算的改进slnr值或所述最优预编码矩阵;pt为用户k所在基站的总传输功率;pk为所述用户k被分配的功率。
本发明相对于现有技术,有益的技术效果是:
1)在不完整信道状态信息的情况下,通过基于最小均方误差求得的信道修改矩阵,有效地减少估计误差矩阵的影响,进而能够有效降低系统误码率;
2)本发明提供了的信道自适应功率分配方法,有效提高了上述场景中信噪比不佳的用户的信息接收质量,降低了用户的信息接收误码率。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的mu-mimo系统框图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
本发明中,对于矩阵a,ah表示其共轭转置;tr(a)表示矩阵的迹,re{a}表示tr(a)的示数部分,|a|表示其矩阵的复数模,||a||取矩阵的f-范数,il表示l×l的单位矩阵,e[]期望值。
本发明考虑一个基站的下行mu-mimo环境,基站采用n根发射天线,与k个用户通信,每个用户也可以配置多根天线;mk表示第k(k=1,2,…,k)个用户k接收天线数量接收天线的数量,且满足
实施例一
如图1所示为本实施例应用的mu-mimo系统框图。
在传统的多用户传输策略中,基站的发射数据信息可以表示为:
其中,
用户接收到的信号可以表示为:
其中,nk表示加性高斯白噪声样本,其均值为0,方差为σk2;用户k的mu-mimo信道
传统slnr预编码方法可以表示为:
其中,slnrk为所述用户k的信漏噪比。
所述传统slnr预编码方法基于所有用户k的slnrk独立的预编码矩阵wk,克服了sinr预编码中遇到的耦合问题。但由于实际通信场景中,由于估计误差的影响,使得基站下行通道的信道状态信息是不理想、不完整的,导致误码率仍较为可观。
实际传输过程中,为量化噪声及同信道其他用户的干扰,包含完整信道信息的信道矩阵hk用信道估计矩阵及估计非完整信道状态信息的估计误差矩阵表示:
本发明采用基于特征向量的利用最小均方误差(minimummeansquareerror,mmse)方法来改进估计信道矩阵,从而有效地减少估计误差矩阵的影响。
基于所述估计信道矩阵改进后的等效信道矩阵满足:
其中,f为所述信道修改矩阵;h'k为用户k的所述等效信道矩阵。考虑到约束条件,还应有||f||2=1。
所述信道修改矩阵f为:
f=argmine[||hk-h'k||2]
通过使所述f的均方误差的梯度等于零,求解所述f,具体过程为:
σ2=e[||hk-hkf+ef||2]
=e[tr[(hk-hkf+ef)h(hk-hkf+eh)]]
=tr(hkhhk)-2re{tr(hkhhkf)}+tr(fhhkhhkf)+e[tr(fhehef)]
又因为:
所以可以得到:
求所述f的均方误差的梯度:
令上式等于零,可以得到所述f的最优解:
fopt为全局最小值,即所述基站下的最小值。
为了满足功率约束条件,fopt需要均一化处理,且基于均一化处理后的所述fopt的均方方差σ′满足:
其中,λi是全信道协方差矩阵的非零特征值;所述全信道协方差矩阵hcov满足:
进一步地,在考虑信道状态信息不完整的情况下,改进后的slnr可以表示为,改进slnr可以表示为:
slnr'k为所述改进slnr;
利用广义瑞丽商可得到改进slnr预编码的最优编码矩阵:
其中,maxev为最大特征向量计算。
至此,就得到了改进的信道估计矩阵和最优预编码矩阵。
实施例二
现有的预编码方法一般采用发射端向每个用户分配相等的功率的方案为用户分配功率。但在实际的无线通信系统中,每个用户的信道状态信息(channelstateinformation,csi)质量一般是不相同的。对于mimo系统中,所有用户的平均误码率由最差的用户误码率决定。提升分配功率以改善误码率,对于信噪比较佳的用户改善意义不大,使得为降低误码率而提升分配功率的所述的等功率分配方案并不经济。
因此,本发明还提出了一种功率分配方法,通过增加来提高对最差用户的传输功率,以改善整体的信道质量。具体方法如下:基站基于每个用户的改进slnr值分配;分配给每个用户k功率与所述用户k的所述改进slnr值成反比,如下式:
其中,slnr'k为所述的基于改进slnr的mu-mimo预编码方法计算的改进slnr值或所述最优预编码矩阵;pt为用户k所在基站的总传输功率;pk为所述用户k被分配的功率。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。