[发明专利]大规模天线系统信道训练及传输过程小区间干扰消除方法

摘要

大规模天线系统信道训练及传输过程小区间干扰消除方法，本方法分析和解决大规模多输入多输出天线系统中信道估计和数据传输过程中的小区间干扰问题。考虑到空间相关信道在角度域的系数特性，期望信道和干扰信道的多径很难具有相同的到达角，这使得在角度域期望信道的分量和干扰信道的分量可分辨。上行数据子帧中的符号数远多于导频序列的长度。通过抽取信道粗估计中相应位置上的信道系数可以得到信道的精估计，进而根据精估计信道进行下行数据传输的预编码。仿真结果表明，无论相邻小区采用同一组正交导频序列还是不同的导频序列，所提出的信道估计方法都有效地消除了导频污染。

主权项

1.大规模天线系统信道训练及传输过程小区间干扰消除方法，本方法将检测得到的上行子帧中的数据符号当做导频序列来估计期望信道在角度域的位置和幅值；然后，利用这一信息对由上行导频序列训练得到的粗估计信道进行精估计以消除导频污染，并利用这个精估计信道设计用于下行数据传输的与编码器；最后，通过仿真结果评估所提出方法的性能；粗体符号表示矩阵和向量；I_M表示M阶单位矩阵；E{·}表示取期望；|·|表示取模；diag{g}是以g的元素为对角元的对角阵；g[j]表示向量g的第j个元素；(·)^*，(·)^T和(·)^H分别表示共轭、转置和共轭转置；其特征在于：考虑一个小区时分双工全频复用蜂窝网络；在每个小区中，每个基站配备N_t根天线服务M个单天线用户；每一帧包含一个上行子帧和一个下行子帧，其中上行子帧由上行训练段和上行数据传输段组成；假设块衰落信道，在每帧中保持不变、帧间相互独立；基站端天线阵列为均匀线阵；则第b个基站到第k小区第m个用户的单元域信道向量表示为：其中L_mk，b是信道的可分辨多径数，是第1条径的幅值，为统计独立的零均值复数，是第1条多径的到达角，是阵列响应向量，表示为：其中d是阵列天线间距，λ是波长；用表示N_t点傅里叶变换矩阵，其第(n，m)个元素的值为1≤n，m≤N_t；第b个基站到第k小区第m个用户的角度域信道表示为其中是第1条多径阵列响应向量的角度域表示；将公式(2)以及的表达式代入，则的第n个元素表示为：其中的模值是这是一个的周期函数，其峰值出现在处，其中k为整数；在上行训练阶段，所有用户向基站发送导频以协助基站进行信道估计；令为第b个小区第m个用户分配到的导频序列，同一小区内不同用户分配到的导频序列相互正交；也就是说，以及j≠m；则第b个基站接收到的导频序列表示为：其中p_U是发射功率，H_b，b是第b个基站到本小区所有用户的信道矩阵；是第b个基站到第k个小区所有用户的信道矩阵，k≠b，是导频矩阵，其每一行是分配给第b个小区所有用户的导频序列；是加性高斯白噪声，其元素具有零均值，方差为在第b个基站估计自己与第b个小区所有用户的单元域信道矩阵为：其中是信道粗估计，是估计误差；信道粗估计误差的自相关矩阵为：其中，是第b个基站到第k小区第m个用户的大尺度信道增益；利用上行传输数据和信道稀疏性进行信道估计的方法如下；在第一帧中，用户采用低阶的调制编码方式传输上行数据，此时利用上行导频进行信道粗估计，而后利用信道粗估计正确解调上行数据符号；其次，基站将解调得到的各用户发送的数据符号视作导频序列，用户估计角度域期望信道中远大于零的元素的位置；最后，利用这一位置信息来获取信道精估计，以设计下行传输的与编码器；A.基于最小二乘的方法在上行传输阶段，第b个基站接收到的来自第b小区的所有用户的信号表示为：其中X_b是第b个小区所有用户的发送数据符号，中的元素是均值为零方差为的加性高斯白噪声；假设第b个基站正确解调X_b，通过将X_b视做导频序列并考虑公式(8)，得到估计角度域信道的角度域观测方程：其中是第b个基站到第b个小区所有用户的角度域信道矩阵；根据最小二乘准则，基于数据的角度域期望信道的估计为：其中是估计误差；l_d→∞时，估计误差的自相关矩阵为：l_d是数据符号数，通过比较公式(11)和公式(7)并考虑到l_d＞＞l_p，看出基于数据的信道估计性能远远优于基于导频的信道估计性能；通过利用上行数据，更精确地获得公式(10)中角度域信道非零分量的位置；然而这种方法的计算复杂度决定于上行帧的符号数l_d；在实际应用中，使用递推最小二乘算法来降低复杂度；定义为表示位置信息的向量，它包含了中模值最大的N_Tap个元素的位置；若为中模值前N_Tap大的元素，则否则B.基于时间平均的方法在期望用户传输的上行子帧中，当接收到第n个符号时第b个基站的接收信号向量被表示为：其中是的列向量；x_mb(n)是第b个小区第m个用户发送的上行数据帧中的第n个符号，是公式(10)中数据符号矩阵X_b的第m行第n列的元素；是加性高斯白噪声向量；对上述接收信号向量进行傅里叶变换，再除以正确解调的上行传输符号x_mb(n)以及并乘上则由公式(12)得到：其中是角度域粗估计信道；令为角度域能量分布向量的估计；因此，通过对传输符号x_mb(n)取期望，得到于是，由公式(13)得到：假设传输符号具有各态历经性，则利用时间平均来近似集平均即期望；因此，角度域功率分布向量被估计为：由此，通过相同的方法获得角度域位置向量如果需要对多个上行帧的数据取平均以提高性能，利用递推算法对多个连续的上行子帧取时间平均，同样具有低复杂度；利用由公式(6)中导频序列得到的单元域信道粗估计以及角度域模值远大于零的元素位置向量Φ_mb，b，得到单元域信道精估计如下：令表示第b个小区中第m个用户的预编码向量，则：公式(17)说明单元域预编码和角度域预编码的等价性，为此只在角度域讨论预编码；通过对单元域信道精估计进行傅里叶变换，得到角度域信道精估计利用它设计用于下行传输的与编码器；令B和M分别表示基站和用户的总数；令T表示所有基站组成的集合，所有基站包括宏基站和毫微基站；则在下行传输时，第m个用户的接收信号表示为：其中，为第m个用户到第b个基站的信道向量，是第b个宏基站的预编码矩阵；是基站b的发送符号；n为加性高斯白噪声，其均值为零，方差为异频组网中，T₁表示宏基站的集合，T₂表示微基站的集合；假设用户m接入宏基站b，则下行传输时宏用户i的接收信号为：其中第一项为宏用户的期望信号，第二项为来自于宏基站的小区间干扰；假设用户m接入微基站b’，其下行传输时微用户m的接收信号为：其中第一项为微用户的期望信号，第二项为来自于微基站的小区间干扰；在异频组网时，所有宏基站和所有毫微基站分别组成两个子系统，完全独立工作；在网络中，令p表示所有宏基站的频带使用率，ρ∈[0，1]，B_S表示整个异构系统的可用带宽；根据香农公式，此时网络的吞吐量表示为：其中，Ψ₁、Ψ₂分别表示所有接入宏基站和毫微基站的用户集合；S_m为第m个用户接收到期望信号的能量，I_m为第m个用户接收到小区间干扰信号能量；假设第b个基站获得其本身到全部M个用户的信道，即基站b为其服务基站，则它对第m个用户的协作ZF与编码器表达为：其中即，Q_mb是第b个基站到除第m个用户外所有用户的信道估计向量张成的零空间；P_m是分配给第m个用户的发射功率；第m个用户的下行接收信号为：其中，Θ_b为第b个基站服务用户的集合；公式(23)右端第一项为用户的期望信号，第二项为本小区的多用户干扰(Multiuser interference，MUI)，第三项为来自其他基站的小区间干扰；第二项和第三项的存在是由于信道估计误差导致。