一种解决C-RAN架构下多小区系统边缘用户干扰的消除方法

摘要

本发明请求保护一种解决C-RAN架构下多小区系统边缘用户干扰的消除方法，涉及无线通信系统。目前在云无线接入网(C-RAN)架构下，远端的基站可以在基带池里共享信道边缘信息，针对大规模MIMO应用于FDD系统和联合空分复用(JSDM)技术应用于多小区问题，本发明提出一种基于云无线接入网架构下的应用于多小区的JSDM方案，设计一种复杂度更低的一阶预编码矩阵，减少下行导频序列训练的开销，消除组间干扰，通过迫零方法(ZF)消除组内用户间干扰。理论分析与仿真结果表明，采用本发明提出的方案使得一阶预编码矩阵复杂度降低，多小区系统总速率得到提升。

说明书

技术领域

本发明涉及无线通信领域中的多小区干扰消除技术，尤其涉及一种解决 C-RAN架构下多小区系统边缘用户干扰的消除方法。

背景技术

云接入网架构(C-RAN)融合集中处理、协作式无线电和实时云型基础设施为 一体,可以有效地降低系统的能耗，节约运营成本并且提高网络的容量 [Chih-Lin I,Jinri Huang,Ran Duan,et al.Recent Progress on C-RAN  Centralization and Cloudification[J].IEEE Access,2014,2(2): 1030-1039.]。在C-RAN架构中，远端的基站可以在基带池里共享信道边缘信息， 这使得小区间联合处理得到实现。大规模MIMO技术的发展使得无线通信系统容 量得到进一步地提升，它利用在基站端部署大量的天线来实现空间复用，提升 系统的复用增益。当前大规模MIMO技术主要应用于TDD系统，利用信道的互惠性 来实现信道边缘信息的获取[Larsson E,Edfors O,Tufvesson F,et al. Massive MIMO for next generation wireless systems[J].   IEEE  Communications Magazine,2014,52(2):186-195.]。FDD系统中由于需要大 量的下行导频序列训练的开销和信道信息反馈的开销，使得大规模MIMO技术难 以应用于该系统。联合空分复用(Joint Spatial Division and Multiplexing, JSDM)技术在一个小区内将用户进行分组，设计两阶预编码矩阵，分别消除组间 干扰和组内用户间干扰，通过块对角化(BD)算法设计的一阶预编码矩阵不仅可 以消除组间干扰，还使得等效信道矩阵维度大量减少，从而使大规模MIMO技术 应用到FDD系统成为可能。块对角化算法通过两次奇异值分解(SVD)来设计一阶 预编码矩阵，先对联合干扰特征模矢量进行SVD分解，求 其零空间接着对等效信道协方差矩阵进行奇异 值分解，求其主特征模矢量最后设计一阶预编码矩阵为其中， R_g为用户组g的信道协方差矩阵，为R_g的较大 特征值对应的特征向量组成的主特征模矢量，U'_g为较小特征值对应的特征模矢 量组成的次特征模矢量[Junyoung Nam,Jae-Young,Adhikary A,et al.Joint  Spatial Division and Multiplexing:Realizing Massive MIMO Gains with  Limited Channel State Information[C].46th Annual Conference on  Information Sciences and Systems(CISS),Princeton,NJ,IEEE.21-23March 2012:1-6]。

发明内容

针对现有技术中解决传统JSDM技术只应用于单小区的局限，本发明就以上 问题进行研究，提出了一种同样消除组间干扰的情况下，使复杂度大量减少的 解决C-RAN架构下多小区系统边缘用户干扰的消除方法；本发明的技术方案如 下：一种解决C-RAN架构下多小区系统边缘用户干扰的消除方法，所述C-RAN 架构下多小区系统包括若干个小区、设置于小区内的基站、、光传输网及基带池， 基站通过光传输网与基带池连接，基带池集中处理从各个基站发送过来的信息， 假设每个小区边缘只有一个用户组，组内每个用户的信道协方差矩阵是相同的， 所述边缘用户干扰的消除方法包括以下步骤：

101、当小区个数为3个且分别为α、β、γ时，获取基站的天线数目N_t， 用户天线数目N_r、每个用户组包含的用户数量K，忽略小区的内部干扰，即将 C-RAN架构下多小区系统转化成双向干扰信道模型，则基站i到用户组j中第k 个用户的信道系数可以表示成：

$\left(\begin{array}{cc}{H}_{j,k}^i=U_j^i{\left({\Lambda }_j^i\right)}^{\frac{1}{2}}{w}_{j,k}^i& \left(\begin{array}{cc}(i,j=\alpha ,\beta ,\gamma & k=\mathrm{1,2},...,K)\end{array}\right)\end{array}\right)$

$H_j^i=\left(\begin{array}{cccc}{H}_{j,1}^i& H_{j,2}^i& ···& H_{j,K}^i\end{array}\right)=U_j^i{\left({\Lambda }_j^i\right)}^{\frac{1}{2}}{W}_j^i\in C^{N_t\times {\mathrm{KN}}_r}(i,j=\alpha ,\beta ,\gamma )$

其中对信道协方差矩阵进行卡洛南-洛伊KL变换有 $R_j^i=U_j^i{\Lambda }_j^i{\left(U_j^i\right)}^H,w_{j,k}^i\in C^{r\times N_r}~\mathrm{CN}(0,I),W_j^i=\left(\begin{array}{cccc}{w}_{j,1}^i& w_{j,2}^i& ···& w_{j,K}^i\end{array}\right),{\Lambda }_j^i\in C^{r\times r}$为信道协方差 矩阵的非零特征值组成的对角阵，为的非零特征值对应的特征向 量组成的特征模矢量，N_t为基站端天线数目，N_r为用户天线数目，K表示每 个用户组包含的用户数量，于是，用户组接收到的信号表示为：

$y_i={\left(H_i^i\right)}^H{B}^i{P}^i{s}^i+\underset{j\ne i}{\Sigma }{\left(H_i^j\right)}^H{B}^j{P}^j{s}^j+n_i,(i,j=\alpha ,\beta ,\gamma )---\left(1\right)$

即：$y_i={\left(W_i^i\right)}^H{\left({\Lambda }_i^i\right)}^{\frac{1}{2}}{\left(U_i^i\right)}^H{B}^i{P}^i{s}^i+\underset{i\ne j}{\Sigma }{\left(W_i^j\right)}^H{\left({\Lambda }_i^j\right)}^{\frac{1}{2}}{\left(U_i^j\right)}^H{B}^j{P}^j{s}^j+n_i,(i,j=\alpha ,\beta ,\gamma )---\left(2\right)$

其中表示组i内的一阶预编码矩阵，Pⁱ∈C^b×d表示组i内的二阶预 编码矩阵，sⁱ是用于传输的符号矢量，表示的复共轭转置(Hermitian矩 阵)，n_i是组i收到的噪声信号；

102、当步骤101完成后，忽略小区间的干扰，将C-RAN架构下多小区 系统系统转化为双向多址信道模型，假设每个组内有K个用户，于是用户接收 到的信号表示为：

$y_{\mathrm{ik}}={\left(u_k^i\right)}^H{H}_{\mathrm{eff}-k}^i{P}_k^i{s}_k^i+{\left(u_k^i\right)}^H{H}_{\mathrm{eff}-k}^i\underset{j=1,j\ne k}{\overset{K}{\Sigma }}{P}_j^i{s}_j^i+n_{\mathrm{ik}}---\left(3\right)$

其中，表示第i组中第k个用户的接收滤波器矩阵， 表示基站i到用户组i中的第k个用户的等效信道 矩阵，为基站i发送到用户组i中第k个用户的二阶预编码矩阵， 为基站i发送到用户组i中第k个用户的发送矢量， n_ik(i＝α、β、γ)为用户组i中第k个用户的噪声矢量；

103、设计一阶预编码矩阵使步骤102中(2)式中等式右边第二项为零， 即${\left(U_i^j\right)}^H{B}^j=0,(i,j=\alpha ,\beta ,\gamma ,i\ne j)$或${\left(B^j\right)}^H{U}_i^j=0,(i,j=\alpha ,\beta ,\gamma ,i\ne j),$

假设基站估计得到的特征模矢量为$U^i=\left(\begin{array}{ccc}{U}_{\alpha }^i& U_{\beta }^i& U_{\gamma }^i\end{array}\right),(i=\alpha ,\beta ,\gamma ),$且特征模矢 量不满足高酉条件，即：

${\left(U^i\right)}^H{U}^i=\left(\begin{array}{c}{\left(U_{\alpha }^i\right)}^H\\ {\left(U_{\beta }^i\right)}^H\\ {\left(U_{\gamma }^i\right)}^H\end{array}\right)\left(\begin{array}{ccc}{U}_{\alpha }^i& U_{\beta }^i& U_{\gamma }^i\end{array}\right)=\left(\begin{array}{ccc}{\left(U_{\alpha }^i\right)}^H{U}_{\alpha }^i& {\left(U_{\alpha }^i\right)}^H{U}_{\beta }^i& {\left(U_{\alpha }^i\right)}^H{U}_{\gamma }^i\\ {\left(U_{\beta }^i\right)}^H{U}_{\alpha }^i& {\left(U_{\beta }^i\right)}^H{U}_{\beta }^i& {\left(U_{\beta }^i\right)}^H{U}_{\gamma }^i\\ {\left(U_{\gamma }^i\right)}^H{U}_{\alpha }^i& {\left(U_{\gamma }^i\right)}^H{U}_{\beta }^i& {\left(U_{\gamma }^i\right)}^H{U}_{\gamma }^i\end{array}\right)\ne I,(i=\alpha ,\beta ,\gamma )---\left(4\right)$

采用基于伪逆的方法设计一阶预编码矩阵Bⁱ，消除边缘用户干扰。

进一步的，步骤103中基于伪逆的方法设计一阶预编码矩阵Bⁱ的步骤具体 为：1)分别求$U^{\alpha }=\left(\begin{array}{ccc}{U}_{\alpha }^{\alpha }& U_{\beta }^{\alpha }& U_{\gamma }^{\alpha }\end{array}\right),$$U^{\beta }=\left(\begin{array}{ccc}{U}_{\alpha }^{\beta }& U_{\beta }^{\beta }& U_{\gamma }^{\beta }\end{array}\right),$$U^{\gamma }=\left(\begin{array}{ccc}{U}_{\alpha }^{\gamma }& U_{\beta }^{\gamma }& U_{\gamma }^{\gamma }\end{array}\right)$的伪逆，有：

2)对进行分块，有：

3)由步骤1)和2)可知：

由于上式中的方阵是单位阵，即对角线元素是1，非对角线元素是0，所以 设计一阶预编码矩阵为：

$\left(\begin{array}{c}{B}^{\alpha }={\left({\bar{U}}_{\alpha }^{\alpha }\right)}^H\\ B^{\beta }={\left({\bar{U}}_{\beta }^{\beta }\right)}^H\\ B^{\gamma }={\left({\bar{U}}_{\gamma }^{\gamma }\right)}^H\end{array}\right)---\left(7\right).$

本发明的优点及有益效果如下：

本发明提出一种C-RAN架构下多小区边缘用户干扰消除方案，将传统的JSDM 技术应用到多小区的场景下，解决传统JSDM技术只应用于单小区的局限。设计 一阶预编码矩阵在高酉条件不满足时，采用基于伪逆的算法替代BD算法，避免 复杂度较高的SVD分解，可以在同样消除组间干扰的情况下，使复杂度大量减 少。

附图说明

图1C-RAN架构下多小区边缘用户干扰模型；

图2组间干扰的双向干扰信道模型；

图3组内干扰的双向多址信道模型；

图4基站不同天线数时单小区信道协方差矩阵非零特征值的累积分布函 数；

图5三小区信道协方差矩阵非零特征值的累积分布函数；

图6单小区单个用户速率对比；

图7单小区用户总速率对比；

图8不同天线配置下三小区单用户速率对比；

图9三小区不同方案下单用户速率的对比；

图10三小区不同方案下小区总速率的对比。

具体实施方式

以下结合附图，对本发明作进一步说明：

图1C-RAN架构下多小区系统边缘用户干扰模型如图1所示，每个小区的 基站通过光传输网与基带池连接，基带池集中处理从各个基站发送过来的信息， 这样，实现了信道边缘信息的共享。假设每个小区边缘只有一个用户组，组内 每个用户的信道协方差矩阵是相同的，这样每个用户不仅要受到本组内用户的 干扰，还要受到不同小区组间用户的干扰。

为了方便分析组间干扰，忽略小区内部情况，并将系统模型转化为如图2所 示双向干扰信道模型。假设3个小区分别为α、β、γ，信道系数可以表示成：

$\left(\begin{array}{cc}{H}_{j,k}^i=U_j^i{\left({\Lambda }_j^i\right)}^{\frac{1}{2}}{w}_{j,k}^i& \left(\begin{array}{cc}(i,j=\alpha ,\beta ,\gamma & k=\mathrm{1,2},...,K)\end{array}\right)\end{array}\right)$

$H_j^i=\left(\begin{array}{cccc}{H}_{j,1}^i& H_{j,2}^i& ···& H_{j,K}^i\end{array}\right)=U_j^i{\left({\Lambda }_j^i\right)}^{\frac{1}{2}}{W}_j^i\in C^{N_t\times {\mathrm{KN}}_r}(i,j=\alpha ,\beta ,\gamma )$

其中信道协方差矩阵进行KL变换有为信道协方差矩阵的非零特征值组成的对角阵， 为的非零特征值对应的特征向量组成的特征模矢量，N_t为基站端天 线数目，N_r为用户天线数目，K表示每个用户组包含的用户数量。于是，用 户组接收到的信号表示为：

$y_i={\left(H_i^i\right)}^H{B}^i{P}^i{s}^i+\underset{j\ne i}{\Sigma }{\left(H_i^j\right)}^H{B}^j{P}^j{s}^j+n_i,(i,j=\alpha ,\beta ,\gamma )---\left(1\right)$

即：$y_i={\left(W_i^i\right)}^H{\left({\Lambda }_i^i\right)}^{\frac{1}{2}}{\left(U_i^i\right)}^H{B}^i{P}^i{s}^i+\underset{i\ne j}{\Sigma }{\left(W_i^j\right)}^H{\left({\Lambda }_i^j\right)}^{\frac{1}{2}}{\left(U_i^j\right)}^H{B}^j{P}^j{s}^j+n_i,(i,j=\alpha ,\beta ,\gamma )---\left(2\right)$

其中表示组i内的一阶预编码矩阵，Pⁱ∈C^b×d表示组i内的二阶预 编码矩阵，sⁱ是用于传输的符号矢量，n_i是组i收到的噪声信号。

为分析组内干扰，忽略组间干扰，并将系统模型转化为如图3所示的双向多 址信道模型。假设每个组内有K个用户，于是用户接收到的信号表示为：

$y_{\mathrm{ik}}={\left(u_k^i\right)}^H{H}_{\mathrm{eff}-k}^i{P}_k^i{s}_k^i+{\left(u_k^i\right)}^H{H}_{\mathrm{eff}-k}^i\underset{j=1,j\ne k}{\overset{K}{\Sigma }}{P}_j^i{s}_j^i+n_{\mathrm{ik}}---\left(3\right)$

其中，表示第i组中第k个用户的接收滤波器矩阵， 表示基站i到用户组i中的第k个用户的等效信道 矩阵，为基站i发送到用户组i中第k个用户的二阶预编码矩阵， 为基站i发送到用户组i中第k个用户的发送矢量， n_ik(i＝α、β、γ)为用户组i中第k个用户的噪声矢量。

为了消除组间干扰，应该设计一阶预编码矩阵使(2)式中等式右边第二项为 零，即${\left(U_i^j\right)}^H{B}^j=0,(i,j=\alpha ,\beta ,\gamma ,i\ne j)$或${\left(B^j\right)}^H{U}_i^j=0,(i,j=\alpha ,\beta ,\gamma ,i\ne j).$

假设基站估计得到的特征模矢量为$U^i=\left(\begin{array}{ccc}{U}_{\alpha }^i& U_{\beta }^i& U_{\gamma }^i\end{array}\right),(i=\alpha ,\beta ,\gamma ),$且特征模矢 量不满足高酉条件，即：

${\left(U^i\right)}^H{U}^i=\left(\begin{array}{c}{\left(U_{\alpha }^i\right)}^H\\ {\left(U_{\beta }^i\right)}^H\\ {\left(U_{\gamma }^i\right)}^H\end{array}\right)\left(\begin{array}{ccc}{U}_{\alpha }^i& U_{\beta }^i& U_{\gamma }^i\end{array}\right)=\left(\begin{array}{ccc}{\left(U_{\alpha }^i\right)}^H{U}_{\alpha }^i& {\left(U_{\alpha }^i\right)}^H{U}_{\beta }^i& {\left(U_{\alpha }^i\right)}^H{U}_{\gamma }^i\\ {\left(U_{\beta }^i\right)}^H{U}_{\alpha }^i& {\left(U_{\beta }^i\right)}^H{U}_{\beta }^i& {\left(U_{\beta }^i\right)}^H{U}_{\gamma }^i\\ {\left(U_{\gamma }^i\right)}^H{U}_{\alpha }^i& {\left(U_{\gamma }^i\right)}^H{U}_{\beta }^i& {\left(U_{\gamma }^i\right)}^H{U}_{\gamma }^i\end{array}\right)\ne I,(i=\alpha ,\beta ,\gamma )---\left(4\right)$

采用基于伪逆的方法设计一阶预编码矩阵Bⁱ，具体实施包括以下步骤：

1)分别求$U^{\alpha }=\left(\begin{array}{ccc}{U}_{\alpha }^{\alpha }& U_{\beta }^{\alpha }& U_{\gamma }^{\alpha }\end{array}\right),$$U^{\beta }=\left(\begin{array}{ccc}{U}_{\alpha }^{\beta }& U_{\beta }^{\beta }& U_{\gamma }^{\beta }\end{array}\right),$$U^{\gamma }=\left(\begin{array}{ccc}{U}_{\alpha }^{\gamma }& U_{\beta }^{\gamma }& U_{\gamma }^{\gamma }\end{array}\right)$的伪逆，有：

2)对进行分块，有：

3)由步骤1)和2)可知：

由于上式中的方阵是单位阵，即对角线元素是1，非对角线元素是0，所以 设计一阶预编码矩阵为：

$\left(\begin{array}{c}{B}^{\alpha }={\left({\bar{U}}_{\alpha }^{\alpha }\right)}^H\\ B^{\beta }={\left({\bar{U}}_{\beta }^{\beta }\right)}^H\\ B^{\gamma }={\left({\bar{U}}_{\gamma }^{\gamma }\right)}^H\end{array}\right)---\left(7\right)$

在计算组间干扰消除算法的复杂度时，我们用浮点操作数来衡量，其中BD 算法需要对联合干扰特征模矢量Ξ_g和等效信道协方差矩阵进行奇异值分解， 然后将零空间和主特征模矢量进行相乘运算，需要的总的浮点操作数为： 而本文算法只需要对联合特征模矢量Uⁱ,(i＝α、β、γ)作伪逆运算， 需要的总的浮点操作数为：可以看到，当基站天线数目较大的时候， 本文算法的复杂度相对于BD算法是大量减少的。

假设基站端部署的天线阵为均匀线阵，图4为到达角为θ＝π/6，角度扩展为 △＝π/10，基站天线数目为64和200时，单小区信道协方差矩阵非零特征值的累 积分布函数，可以看到，曲线在0到1.6之间是缓慢变化的，也就是说有大约一半 的特征值是比较接近于0的，这部分带来的干扰是较少的，当特征值大于1.6之后， 曲线是快速上升的，说明大部分特征值分布在1.6到2.35这一范围，我们可以据 此选择有效特征值的个数来确定特征模矢量的维度[Adhikary,A,Junyoung Nam, Jae-Yong Ahn,et al.Joint Spatial Division and Multiplexing—The Large-Scale Array  Regime[J],IEEE Transactions on Information Theory,2013,59(10):6441-6463]。

考虑三个小区，基站天线数目为64，三个基站到三个用户组的到达角分别为： 0、0.1986、-0.1986，角度扩展分别为：π/10、0.1986、0.1986。图5为三小区信 道协方差矩阵非零特征值的累积分布函数，图中的星线和圆形线是重合的，根 据特征值的大小，我们可以适当忽略较小的特征值，使组间干扰消除的条件得 到放松。

单小区环境下，利用MATLAB进行仿真比较传统JSDM技术和改进的基于伪 逆的JSDM技术，基站端部署64根天线，而用户部署1根天线，图6、图7分别是 单小区单个用户速率对比和单小区用户总速率对比，可以看到改进的基于伪逆 的JSDM技术在系统速率方面有所提升。

图8为不同天线配置下三小区单用户速率对比，其中，星线代表理论最大速 率，三角形线、正方形线和圆形线分别代表不同天线配置下的单用户速率，可 以看出，随着基站天线数目的增加，系统容量也得到了一定的提升，也就是说 当用户端天线数目一定时，随着N_t和r的增加，用户速率也随之增加，这是因 为r的增加，使得我们在设计一阶预编码矩阵的时候包括了更多的特征值，从而 期望信号泄露的更少，也就是更多的考虑了期望信号。又因为我们采用伪逆的 方法设计一阶预编码矩阵，所以r的增加又要求N_t也要随之增加。

图9、图10为三小区不同方案下单用户速率的对比和三小区不同方案下小区 总速率的对比，文献[Wonjae Shin,Namyoon lee,Jong-Bu Lim,et al.User  cooperation-assisted multi-cell MIMO networks[C].IEEE MTT-S International  Microwave Workshop Series on Intelligent Radio for Future Personal  Terminals(IMWS-IRFPT),Daejeon,IEEE,24-25August 2011,Korea:446-712.] Wonjae Shin提出基于干扰对齐和用户协作的方案，其中，本文采用方案的天线 配置为：基站端有32根天线，用户端1根天线(共计33根)；而基于干扰对齐 和用户协作方案的天线配置为：基站端16根，用户端9根(共计25根)。虽然 本文方案天线总数较基于干扰对齐和用户协作方案略大，但是用户端天线数目 仅为1，相对减少了很多，在实际的通信系统中，基站端有足够的空间和能力部 署大量的天线，用户端通常是手机、电脑等一些移动设备，经常受到空间的限 制从而很难部署大的天线阵；另外，基于干扰对齐和用户协作方案是用户通过 自身的WiFi进行用户之间的协作，这也对用户端设备的处理能力提出了更高的 要求。而本文方案是基于C-RAN架构的，可以很简单的实现不同基站之间信道 边缘信息的共享，可以更好的实现协作集中处理。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范 围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或 修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。