MU-MIMO预编码实现方法

摘要

本发明公开了一种MU-MIMO预编码实现方法，具体通过对所有用户的联合信道矩阵H_S的扩展矩阵H进行改进的QR分解来获得第一个预编码矩阵以消除多用户干扰，并根据QR分解的结果来确定各用户的预编码矩阵，降低了计算的复杂度；然后利用格基规约方法获得性能更优的第二个预编码矩阵。本发明的方法比传统MU-MIMO预编码方法在获得更低复杂度的同时，提高了系统性能。

主权项

一种MU‑MIMO预编码实现方法，具体包括如下步骤：步骤1.所有K个用户的联合信道矩阵为$H_S={\left[\begin{array}{cccc}{H}_1^T& H_2^T& ...& H_K^T\end{array}\right]}^T,$对联合信道矩阵H_S进行扩展：$\bar{H}=\left[\begin{array}{cc}{H}_S& \sqrt{\alpha }{I}_{N_R}\end{array}\right],$其中，α=N_Rσ²/P_total，σ²表示噪声的方差，P_total表示下行链路总的发送功率，表示维度为N_R×N_R的单位矩阵；步骤2.对扩展信道矩阵的共轭转置进行QR分解：${\bar{H}}^H=\bar{Q}\bar{R}\left[\begin{array}{c}{Q}_{N_T}\\ Q_{N_R}\end{array}\right]\bar{R},$得到维度为N_R×N_R的上三角矩阵与维度为(N_T+N_R)×N_R的酉矩阵并用表示酉矩阵的前N_T行，表示酉矩阵的后N_R行；步骤3.由${\bar{H}}^H=\left[\begin{array}{c}{H}_S^H\\ \sqrt{\alpha }{I}_{N_R}\end{array}\right]=\left[\begin{array}{cc}{Q}_{N_T}& \bar{R}\\ Q_{N_R}& \bar{R}\end{array}\right]$得到$\sqrt{\alpha }{I}_{N_R}=Q_{N_R}\bar{R},$进而得到${\bar{R}}^{-1}=\frac{1}{\sqrt{\alpha }}{Q}_{N_R},$${\left({\bar{R}}^H\right)}^{-1}={\left({\bar{R}}^{-1}\right)}^H=\left[\begin{array}{ccccc}{\hat{R}}_1& ...& {\hat{R}}_k& ...& {\hat{R}}_K\end{array}\right],$其中，是的子矩阵，维度为N_T×N_k，N_k为第k个用户的接收天线数；步骤4.获取的正交基P_k，则任意用户k的预编码矩阵的第一部分为从而获得第一次预编码后的等效信道矩阵对所有K个用户来说，其联合预编码矩阵的第一部分为W^a=[P₁P₂…P_k]，将MU‑MIMO信道分解为多条独立的等效SU‑MIMO信道，H_SW^a=diag{H₁P₁,H₂P₂,…,H_KP_K}；步骤5.对任意用户k的等效信道矩阵的转置进行格基约减（LR）操作：其中变换矩阵T_k为幺模矩阵，即T_k中元素的取值为复整数且行列式满足det(T_k)=±1；步骤6.对约减后的等效信道矩阵进行扩展：${\bar{H}}_k=\left[\begin{array}{cc}{\tilde{H}}_k^{\mathrm{eff}}& \sqrt{\alpha }{I}_{N_k}\end{array}\right];$步骤7.对扩展信道矩阵的共轭转置进行QR分解：${\bar{H}}_k^H={\bar{Q}}_k{\bar{R}}_k=\left[\begin{array}{c}{Q}_k^1\\ Q_k^2\end{array}\right]{\bar{R}}_k,$得到维度为N_k×N_k的上三角矩阵与维度为(N_k+N_k)×N_k的酉矩阵并用k表示酉矩阵的前N_k行，表示酉矩阵的后N_k行；步骤8.由${\bar{H}}_k^H=\left[\begin{array}{c}{\left({\tilde{H}}_k^{\mathrm{eff}}\right)}^H\\ \sqrt{\alpha }{I}_{N_k}\end{array}\right]=\left[\begin{array}{c}{Q}_k^1{\bar{R}}_k\\ Q_k^2{\bar{R}}_k\end{array}\right]$得到$\sqrt{\alpha }{I}_{N_k}=Q_k^2{\bar{R}}_k,$所以${\bar{R}}_k^{-1}=\frac{1}{\sqrt{\alpha }}{Q}_k^2,$${\left({\bar{R}}_k^H\right)}^{-1}={\left({\bar{R}}_k^{-1}\right)}^H=\frac{1}{\sqrt{\alpha }}{\left(Q_k^2\right)}^H;$步骤9.对任意用户k，将作为预编码矩阵的第二部分，即：$W_k^b=Q_k^1{\left({\bar{R}}_k^H\right)}^{-1}=\frac{1}{\sqrt{\alpha }}{Q}_k^1{\left(Q_k^2\right)}^H;$对所有K个用户来说，其联合预编码矩阵的第二部分为：$W^b=\mathrm{diag}\{\frac{1}{\sqrt{\alpha }}{Q}_1^1{\left(Q_1^2\right)}^H,\frac{1}{\sqrt{\alpha }}{Q}_2^1{\left(Q_2^2\right)}^H,...,\frac{1}{\sqrt{\alpha }}{Q}_K^1{\left(Q_K^2\right)}^H\};$步骤10.获取整个系统的预编码矩阵W=W^aW^b。