[发明专利]一种基于策略选择的联合编解码方法

摘要

本发明公开了一种基于策略选择的联合编解码方法，特征是采用理论分析的方法来评估用户和基站选择奇异值分解或干扰对齐编解码方法时的系统吞吐量，进而基于最大化系统近似吞吐量或最大化系统平均近似吞吐量的准则，为用户和基站合理选择奇异值分解或干扰对齐编解码方法，然后通过迭代获取编解码矢量。采用本发明方法，能够在没有瞬时信道状态信息的情况下，预测用户和基站选择奇异值分解或干扰对齐编解码方法时的系统吞吐量，提高了系统吞吐量，降低了系统复杂度和对瞬时信道状态信息的需求，适用于实际的蜂窝系统。

主权项

1.一种基于策略选择的联合编解码方法，其特征在于：首先根据用户的分布和发送功率理论计算不同用户选择奇异值分解或干扰对齐编解码方法时的系统近似吞吐量；然后基于最大化系统近似吞吐量或最大化系统平均近似吞吐量的准则，为发送端选择奇异值分解或干扰对齐方法；同时，根据干扰信号强度的大小，为接收端选择奇异值分解或干扰对齐方法；最后，通过算法迭代，获得不同用户的编解码矢量，实现信号传输；具体操作步骤为：按照蜂窝系统中的扇区通信模型，设每个时隙内，各扇区有1个用户传输信号；基站BS^[i]有N^[i]根天线，用户MS^[i]有M^[i]根天线；上行链路中，基站端的接收信号为：y[j]=Σi=13g[ji]H[ji]p[i]v[i]x[i]+n[j],]]>式中，第一上标i的取值范围从1到3，第二上标j的取值范围也从1到3；为第j个基站端的接收信号矢量；x^[j]为第i个用户端的发送信源码字；为第i个用户端的归一化发送信号矢量；g^[ji]为第i个用户到第j个基站的路径损耗因子；H^[ji]为第i个用户到第j个基站的小尺度衰落信道状态矩阵；p^[i]为第i个用户的的发送功率；n^[j]为第j个基站端的零均值方差为σ²的高斯白噪声；设第j个基站端的解码投影单位矢量为则第j个用户在第j个基站端的信号干扰噪声比(SINR)为：SINR[j]=g[jj]p[j]||u[j]*H[jj]v[j]||2Σi=1,i≠j3g[ji]p[i]||u[j]*H[ji]v[i]||2+σ2,]]>式中上标符号*代表共轭转置操作；||a||代表向量a的欧几里得范数；同时设g^[11]p^[1]=g^[22]p^[2]=g^[33]p^[3]=P；设用户端的的方法选择标志为s^[i]，基站端的方法选择标志为t^[i]；当方法选择标志s^[i](t^[i])=0时，用户MS^[i](基站BS^[i])采用奇异值分解方法；当方法选择标志s^[i](t^[i])=1时，用户MS^[i](基站BS^[i])采用干扰对齐方法；为获取系统近似吞吐量，做如下近似：当两个干扰用户同时选择干扰对齐方法时，两个干扰用户产生的干扰对齐在干扰信号空间内，即：接收到的干扰信号H[ji]v[i]≡H[jic]v[ic];s[i]=s[ic]=1,1≤i≠ic≠j≤3,]]>其中a≡b表示a和b的矢量方向相同；当基站采用干扰对齐方法时，近似解码矢量u^[j]以最小化系统最大干扰为目标，即：近似解码矢量u[j]=H[jj]v[j];t[j]=0Imax[j]⊥;t[j]=0,1≤j≤3,]]>其中a^⊥表示a⊥a^⊥；使用系统的信号干扰噪声比期望()近似计算系统的实际吞吐量，即：SIN~R[j]=E(g[jj]p[j]||u[j]*H[jj]v[j]||2)Σi=1,i≠j3E(g[ji]p[i]||u[j]*H[ji]v[i]||2)+σ2;1≤j≤3,]]>其中E(·)为取期望运算；在基站端，基站收到的最大干扰期望为：Imax[j]=max{g[ji]p[i]E(||H[ji]v[i]||2),g[jic]p[ic]E(||H[jic]v[ic]||2),s[i]g[ji]p[i]E(||H[ji]v[i]||2)+s[ic]g[jic]p[ic]E(||H[jic]v[ic]||2)}]]>=N[j]maxmax{g[ji]p[i],g[jic]p[ic],s[i]g[ji]p[i]+s[ic]g[jic]p[ic]};1≤i≠ic≠j≤3;]]>得系统的信号噪声比期望()和干扰噪声比期望()为：SN~R=E(g[jj]p[j]||u[j]*H[jj]v[j]||2)σ2=g[jj]p[j]E(λ0[j])(1+1(Imax[j]>σ2))σ2;s[j]=0g[jj]p[j]N[j](1+1(Imax[j]>σ2))σ2;s[j]=1,1≤j≤3;]]>IN~R=Σi=1,i≠j3E(g[ji]p[i]||u[j]*H[ji]v[i]||2)σ2=0;Imax[j]>σ2,Imax[j]≠N[j]g[jic]p[ic]g[ji]p[i]N[j]2σ2;else,1≤i≠ic≠j≤3;]]>其中是信道状态矩阵H^[jj]的最大奇异值；当条件w被满足时，示性函数1(w)=1，否则1(w)=0；且的期望E(λ0[j])=M[j]N[j](M[j]+N[j]M[j]N[j]+1)2/3;M[j]N[j]≤250(M[j]+N[j])2;M[j]N[j]>250;]]>系统的近似吞吐量表示为：R~(s[1],s[2],s[3])=Σj=13log(1+SNR[j]Σi=1,i≠j3IN~R[ji]+1);]]>当发送端以最大化系统近似吞吐量为准则选取奇异值分解或干扰对齐编解码方法，接收端根据干扰信号强度的大小选择奇异值分解或干扰对齐方法时，收发端方法选择标志为：{sopt[1],sopt[2],sopt[3]}=argmax{R~(s[1],s[2],s[3]);s[1],s[2],s[3]∈{0,1}};]]>topt[j]=1(N[j]max{g[ji]p[i],g[jic]p[ic],s[i]g[ji]p[i]+s[ic]g[jic]p[ic]}>σ2);1≤i≠ic≠j≤3;]]>当发送端以最大化系统平均近似吞吐量为准则选取奇异值分解或干扰对齐编解码方法时，将小区用户分为小区中心用户和小区边沿用户，小区中心用户选择奇异值分解方法，小区边沿用户选择干扰对齐方法，收发端方法选择标志为：{snov[1],snov[2],snov[3]}=1(r[ii]>R[i]);1≤i≤3;]]>tnov[j]=1(N[j]max{g[ji]p[i],g[jic]p[ic],snov[i]g[ji]p[i]+snov[ic]g[jic]p[ic]}>σ2);1≤i≠ic≠j≤3;]]>其中(R^[1]，R^[2]，R^[3])是MS^[i]到BS^[j]的欧几里得几何距离；R^[i]为将小区用户分为中心用户和边沿用户的用户分类分界线；用户分类分界线的最优取值以最大化系统平均近似吞吐量期望为准则，得：最优用户分类分界线{Ropt[1],Ropt[2],Ropt[3]}=argmaxF(R[1],R[2],R[3]);]]>其中，系统平均近似吞吐量期望F(R[1],R[2],R[3])=E(R~(s[1],s[2],s[3]);s[i]=1(r[ii]>R[i]),1≤i≤3);]]>当蜂窝系统的扇区内，用户MS^[i]的分布函数只与用户至所在小区基站距离r^[ii]有关时，最优用户分类分界线的获取流程表示为：首先固定第二、三小区用户分类分界线更新第一小区用户分类分界线包括初始化第一小区用户分类分界线的搜索区间为在第一小区用户分类分界线的搜索区间内选取K个离散点R^j[1]=Rmax[1]-Rmin[1]K-1(j-1)+Rmin[1];1≤j≤K;]]>选取使得系统平均近似吞吐量取值最大对应的最小离散点R^min[1]=min{argmax{F(R^j[1],Ropt[2],Ropt[3]);1≤j≤K}}]]>和最大离散点R^max[1]=max{argmax{F(R^j[1],Ropt[2],Ropt[3]);1≤j≤K}};]]>的搜索区间下界更新为Rmin[1]=R^min[1]-1(R^min[1]>Rmin[1])Rmax[1]-Rmin[1]K-1,]]>上界更新为Rmax[1]=R^max[1]+1(R^max[1]<Rmax[1])Rmax[1]-Rmin[1]K-1;]]>继续在新的搜索区间内选取K个离散点，反复迭代直至第一小区用户分类分界线的搜索区间长度足够小，满足精度要求；更新第一小区用户分类分界线然后类似地固定第一、三小区用户分类分界线更新第二小区用户分类分界线固定第一、二小区用户分类分界线更新第三小区用户分界线反复迭代更新最优用户分类分界线直至收敛；基于策略选择的联合编解码方法表示为：首先基于最大化系统近似吞吐量或最大化系统平均近似吞吐量的准则，为用户和基站端确定方法选择标志{s^[1]，s^[2]，s^[3]}和{t^[1]，t^[2]，t^[3]}；初始化发送信号矢量为奇异值分解方法对应的编码矢量，即发送信号矢量v^[i]=eigvec_max(H^[ii]*H^[ii])；1≤i≤3，其中eigvec_max(A)代表矩阵A最大特征值对应的特征向量；然后固定发送信号矢量，更新解码矢量为u[j]=t[j]eigvecmin(Σi=1,i≠j3g[ji]p[i]H[ji]v[i]v[i]*H[ji]*)+(1-t[j])H[jj]v[j]||H[jj]v[j]||,]]>固定解码矢量，更新发送信号矢量为v[i]=s[i]eigvecmin(Σj=1,j≠i3g[ji]p[i]H[ji]*u[j]u[j]*H[ji])+(1-s[j])v[i],]]>其中eigvec_min(A)代表矩阵A最小特征值对应的特征向量。