发明名称 一种大规模MIMO异构网络中的干扰抑制传输方法
摘要 本发明提供了一种大规模MIMO异构网络中的干扰抑制传输方法,属于无线通信的技术领域。本方法首先判断微基站受到宏基站的干扰强度是强干扰还是弱干扰,然后微基站进行不同处理以进一步获取微基站的预编码矩阵,并使得数据率最大;其中当为弱干扰时将宏基站的干扰当作噪声处理;当为强干扰时采用干扰删除处理。本发明方法解决了现有预编码设计计算量大、效率低的问题,只需进行一次计算即可得到预编码矩阵的解,提高了计算效率,缩短了系统处理时间,对提高通信系统效率很有意义。
申请公布号 CN105356917A 申请公布日期 2016.02.24
申请号 CN201510671682.3 申请日期 2015.10.16
申请人 北京航空航天大学;日电(中国)有限公司 发明人 田亚飞;吴迪;王刚
分类号 H04B7/04(2006.01)I 主分类号 H04B7/04(2006.01)I
代理机构 北京永创新实专利事务所 11121 代理人 祗志洁
主权项 一种大规模MIMO异构网络中的干扰抑制传输方法,其特征在于,实现步骤如下:步骤一,判断微基站受到宏基站的干扰强度是强干扰还是弱干扰;步骤二,微基站根据宏基站的干扰强度采取相应的处理方式:(1)当为弱干扰时将宏基站的干扰当作噪声处理,(2)当为强干扰时采用干扰删除处理;设H<sub>mm</sub>为宏基站到第g簇宏用户的信道向量,V<sub>m</sub>为宏基站对第g簇宏用户数据的外层预编码矩阵或完整预编码矩阵,H<sub>pp</sub>为第g个微基站到第g个微用户的信道,V<sub>p</sub>为第g个微基站的预编码矩阵,H<sub>pm</sub>为宏基站到第g个微用户的信道;P<sub>m</sub>为宏基站发射功率与噪声功率的归一化功率,<img file="FDA0000823036200000011.GIF" wi="229" he="124" />P<sub>p</sub>为微基站发射功率与噪声功率的归一化功率,<img file="FDA0000823036200000012.GIF" wi="214" he="127" />P<sub>macro</sub>为宏基站发射功率,P<sub>pico</sub>为微基站发射功率,P<sub>N</sub>为噪声功率;g为正整数;步骤2.1,处理方式(1)下:微用户的数据率R<sub>pico</sub>表示为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>R</mi><mrow><mi>p</mi><mi>i</mi><mi>c</mi><mi>o</mi></mrow></msub><mo>=</mo><mi>l</mi><mi>o</mi><mi>g</mi><mo>|</mo><mi>I</mi><mo>+</mo><msub><mi>P</mi><mi>p</mi></msub><msub><mi>H</mi><mrow><mi>p</mi><mi>p</mi></mrow></msub><msub><mi>V</mi><mi>p</mi></msub><msubsup><mi>V</mi><mi>p</mi><mi>H</mi></msubsup><msubsup><mi>H</mi><mrow><mi>p</mi><mi>p</mi></mrow><mi>H</mi></msubsup><msup><mrow><mo>(</mo><mi>I</mi><mo>+</mo><msub><mi>P</mi><mi>m</mi></msub><msub><mi>H</mi><mrow><mi>p</mi><mi>m</mi></mrow></msub><msub><mi>V</mi><mi>m</mi></msub><msubsup><mi>V</mi><mi>m</mi><mi>H</mi></msubsup><msubsup><mi>H</mi><mrow><mi>p</mi><mi>m</mi></mrow><mi>H</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><mo>|</mo><mo>,</mo></mrow>]]></math><img file="FDA0000823036200000013.GIF" wi="997" he="87" /></maths>其中,上角标H表示转置,I为单位矩阵,<img file="FDA0000823036200000014.GIF" wi="428" he="66" />为正规矩阵,将该正规矩阵进行分解,表示为:<img file="FDA0000823036200000015.GIF" wi="590" he="78" />Q<sub>1</sub>为分解左侧正规矩阵的中间矩阵;(1.1)当微用户发射单流数据时,V<sub>p</sub>为<img file="FDA0000823036200000016.GIF" wi="239" he="71" />的最大特征值λ<sub>max</sub>对应的特征向量x;(1.2)当微用户发射n流数据时,n为大于1的整数,获取<img file="FDA0000823036200000017.GIF" wi="242" he="78" />最大的n个特征值、并按照从大到小的顺序排列为λ<sub>1</sub>,λ<sub>2</sub>,…λ<sub>n</sub>,x<sub>1</sub>,x<sub>2</sub>,…x<sub>n</sub>分别为λ<sub>1</sub>,λ<sub>2</sub>,…λ<sub>n</sub>对应的特征向量,得到预编码矩阵V<sub>p</sub>=[x<sub>1</sub> x<sub>2</sub> … x<sub>n</sub>];步骤2.2,处理方式(2)下:和数据率R表示为:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>R</mi><mo>=</mo><mi>l</mi><mi>o</mi><mi>g</mi><mo>|</mo><mi>I</mi><mo>+</mo><msub><mi>P</mi><mi>m</mi></msub><msub><mi>H</mi><mrow><mi>p</mi><mi>m</mi></mrow></msub><msub><mi>V</mi><mi>m</mi></msub><msubsup><mi>V</mi><mi>m</mi><mi>H</mi></msubsup><msubsup><mi>H</mi><mrow><mi>p</mi><mi>m</mi></mrow><mi>H</mi></msubsup><mo>|</mo><mo>+</mo><mi>l</mi><mi>o</mi><mi>g</mi><mo>|</mo><mi>I</mi><mo>+</mo><msub><mi>P</mi><mi>p</mi></msub><msup><mrow><mo>(</mo><mi>I</mi><mo>+</mo><msub><mi>P</mi><mi>m</mi></msub><msub><mi>H</mi><mrow><mi>p</mi><mi>m</mi></mrow></msub><msub><mi>V</mi><mi>m</mi></msub><msubsup><mi>V</mi><mi>m</mi><mi>H</mi></msubsup><msubsup><mi>H</mi><mrow><mi>p</mi><mi>m</mi></mrow><mi>H</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>H</mi><mrow><mi>p</mi><mi>p</mi></mrow></msub><msub><mi>V</mi><mi>p</mi></msub><msubsup><mi>V</mi><mi>p</mi><mi>H</mi></msubsup><msubsup><mi>H</mi><mrow><mi>p</mi><mi>p</mi></mrow><mi>H</mi></msubsup><mo>)</mo><mo>|</mo><mo>;</mo></mrow>]]></math><img file="FDA0000823036200000018.GIF" wi="1451" he="84" /></maths>其中,上角标H表示转置,I为单位矩阵,将正规矩阵<img file="FDA0000823036200000019.GIF" wi="429" he="71" />分解为<img file="FDA00008230362000000110.GIF" wi="147" he="67" />Q<sub>2</sub>为分解得到的中间矩阵;(2.1)当微用户发射单流数据时,设置V<sub>p</sub>为<img file="FDA00008230362000000111.GIF" wi="246" he="70" />的最大特征值λ<sub>max</sub>对应的特征向量x;(2.2)当微用户发射n流数据时,n为大于1的整数,选取<img file="FDA00008230362000000112.GIF" wi="246" he="71" />最大的n个特征值对应的正交特征向量x<sub>1</sub>,x<sub>2</sub>,…x<sub>n</sub>形成预编码矩阵V<sub>p</sub>,V<sub>p</sub>=[x<sub>1</sub> x<sub>2</sub> … x<sub>n</sub>]。
地址 100191 北京市海淀区学院路37号