[发明专利]用于在多小区多用户多天线系统中的解码方法

权利要求书

1.用于在多小区多用户多天线系统中的解码方法，假定系统模型为：

$Y=\sqrt{\mathrm{\ρ}}\mathrm{HBX}+W---\left(1\right)$

其中，有L个来自不同小区的用户，接收端的基站天线数为M；再假定每个用户发送长为T的信息序列，且序列前端均包含有长为τ的训练序列头，则发送信号可表示成L×T的发送信号矩阵X，矩阵中每个元素均匀地取自于标准4-QAM，某小区基站接收信号可表示成M×T的接收信号矩阵Y；H为M×L的信道矩阵，ρ为信噪比,B＝diag{β₁,β₂,…β_L}为对角矩阵，β_i表示第i个小区到基站的大尺度衰落因子，W表示随机噪声；

其中发送信号矩阵X规定为以下形式：

X＝[x₁,x₂,…,x_T]，x_i是第i个列向量，x_iR和x_iI表示x_i的实部和虚部，把x_iR和x_iI排列成2L×1的列向量$\left[\begin{array}{c}{x}_{\mathrm{iR}}\\ x_{\mathrm{iI}}\end{array}\right],$则X可分解成$X_{\mathrm{re}}=\left[\begin{array}{cccc}{x}_{1R}& x_{2R}& ...& x_{\mathrm{TR}}\\ x_{1I}& x_{2I}& ...& x_{\mathrm{TI}}\end{array}\right],$其中前面的τ列是训练序列头，后(T-τ)列为用户的有用信息序列，且τ满足2^τ-3＜L≤2^τ-2

其特征在于该方法包括以下步骤：

第一步是训练序列头的设计；具体如下：

X_re的前τ列是训练序列头，X_re的第一列中的元素均为1，X_re的第2列至第τ列记为X_τ,其中X_τ中的元素可为1或-1，则可产生2^τ-1个不同的行向量，任取其中的2L个行向量构成X_τ；

第二步是利用系统模型，用接收信号矩阵Y估计出发送信号矩阵X具体如下：

2.1基站接收到信号矩阵为Y＝[y₁,y₂…y_T]，y_i是第i个列向量，y_iR和y_iI表示y_i的实部和虚部，把y_iR和y_iI排列成2M×1的列向量$\left[\begin{array}{c}{y}_{\mathrm{iR}}\\ y_{\mathrm{iI}}\end{array}\right],$则Y可分解成

$Y_{\mathrm{re}}=\left[\begin{array}{cccc}{y}_{1R}& y_{2R}& ...& y_{\mathrm{TR}}\\ y_{1I}& y_{2I}& ...& Y_{\mathrm{TI}}\end{array}\right];$计算Y_re的样本均值为${\stackrel{\‾}{y}}_{\mathrm{re}}=\frac{1}{T}\underset{j=1}{\overset{T}{\mathrm{\Σ}}}\left(\begin{array}{c}{y}_{\mathrm{jR}}\\ y_{\mathrm{jI}}\end{array}\right),$可得协方差矩阵E[y_rey_re^t]的样本估计：

$\mathrm{\Σ}=\frac{1}{T}(Y_{\mathrm{re}}{Y_{\mathrm{re}}}^t-T{\stackrel{\‾}{y}}_{\mathrm{re}}{{\stackrel{\‾}{y}}_{\mathrm{re}}}^t)$

2.2将Σ进行特征值分解，Σ较大的2L个特征值组成的对角阵U是2M×2L的矩阵，U中的第i个列向量是与D₁对角线上第i个特征值相对应的特征矢量，可以得到：

$\frac{1}{2}{\left(\sqrt{2D_1-I_{2L}}\right)}^{-1}{U}^t{Y}_{\mathrm{re}}=V^t{X}_{\mathrm{re}}---\left(2\right)$

2.3在(2)式中V^t和X_re未知，对(2)式运用快速ICA算法估计X_re，其中快速ICA算法中负熵的近似，使用的非线性函数为g(y)＝tanh(y)或g(y)＝yexp(-y²/2)，最终得到估计结果对的每个元素进行判决，如果大于0，则该元素赋值为1，若小于0，则该元素赋值为-1；

2.4若解出第1列中某一个元素为负，则该元素所在行符号发生了改变，中该行乘上-1，符号得以确定；记是的第2列至第τ列，取X_τ的第1行，与每一行做内积运算，内积最大那一行的所在行即为正确排序的第1行，再取X_τ的第2行，与每一行做内积运算，内积最大那一行的所在行即为正确排序的第2行，由此类推，最终确定每一行的顺序；在的行序确定后，的第1至L行为X实部的估计第L+1至2L行为X虚部的估计最后得到X的估计$\tilde{X}={\tilde{X}}_R+j{\tilde{X}}_I.$