论文部分内容阅读
【摘要】 在LTE-A系统中引入了多点协作(CoMP)技术,它能够有效降低小区间干扰,提升系统吞吐量,它可以看做是一个协作的多用户MIMO系统,但是每个用户会同时接收到有用信息和来自其他用户的干扰。而采用预编码方案可以有效消除MIMO用户之间的干扰。本文重点研究了基于CoMP技术所使用的经典预编码算法,并在此基础上,提出了结合SLNR和SVD两种算法优势的改进算法,该算法可以同时消除用户间以及用户内的多天线干扰,使系统容量进一步提升。
【关键词】 LTE-Advnaced 多点协作技术 SLNR算法 SVD算法
LTE-A系统大幅度地提升了峰值速率,平均频谱效率与小区边缘频谱效率等指标。但是要更进一步的提升系统性能一定要考虑小区间的干扰问题,为此引入了多点协作(CoMP)传输技术[1]。
一、预编码技术
预编码是一种满足空间分集和空间复用增益的技术,其在信号处理中有非线性预编码和线性预编码两类不同的数学处理方式。其中,非线性预编码是在发射端采用取模的运算方式对信号做非线性处理,而线性预编码是对信号做矩阵乘法运算等线性变换。所以线性预编码用数学方式可表示如下形式[3]:
(2.1)
(2.2)
其中y表示接受向量,H为空间信道矩阵,n为噪声向量,W为预编码矩阵,HR为经过预编码后的等效空间信道矩阵。
常用的预编码算法有迫零(ZF)算法,最小均方误差(MMSE)准则算法,信漏噪比(SLNR)算法与块对角化(BD)算法等[4]。通过分析可知:ZF算法计算简单,还能够有效地消除用户自身带来的多天线干扰,但是它不考虑噪声所造成的影响,因此性能最差。而MMSE算法则是在ZF算法的前提下改进得到的,它考虑了噪声的影响能获得比ZF算法更加优越的性能。而BD算法则是以消除用户间的干扰为目标,其性能与ZF算法相比有一定程度的提高,但是无法消除自身天线产生的干扰。此外,ZF算法和BD算法存在共同的缺陷,即不能消除噪声的影响,且它们都对天线数有一定的限制,若使用这些算法,只有通过提供足够的自由度才能将用户间的共道干扰置为0。相比之下,SLNR算法在天线数方面没有限制,而且它在某些情况下能够同时为更多的用户服务,并保证信漏比达到最大,保证了系统的性能。但SLNR算法的缺点是其计算过程较为复杂,而且该算法也跟BD算法一样无法消除用户自身的干扰。
二、改进的预编码技术
2.1 SLNR-SVD算法
文献[5]介绍了一种SLNR-ZF改进算法,该算法是在SLNR预编码算法基础上使用了ZF算法以进一步提升性能,但是ZF算法无法消除噪声,对系统性能的提升有限。因此本文根据SLNR-ZF算法,研究了一种性能更优的SLNR-SVD算法。
假设第k个用户的SLNR预编码矩阵为WSLNR_k,与式(3.2)使用相同的方法让其与用户矩阵HR相乘,可以得到新的矩阵HSLNR_k。对这个矩阵进行奇异值分解,可以得到:
(3.5)
其中,USLNR_k、VSLNR_k都是Nt阶的酉矩阵,SSLNR_k为Nt×Nt的奇异值矩阵,此时
求得一个Nt×Nt阶的SVD预编码矩阵WSVD_k=VSLNR_k
将其与原SLNR预编码矩阵相乘最后得到W’SLNRSVD_k,因此所求的SLNR-SVD预编码矩阵WSLNRSVD为:
(3.6)
(3.7)
采用此预编码算法的系统,在每个UEk端进行检测之前都需要分别乘以矩阵,由于使
用了SLNR预编码算法已经让
HiWSLNRSVD_k=0 (i≠k),所以假设信道分解成n个SU-CoMP的MIMO信道后,对于第k个信道的信道模型为:
(3.8)
因此可得到检测信号如下:
(3.9)
其中SSLNR_k是由矩阵HSLNR_k的奇异值组成一个对角矩阵。
这样SLNR和SVD两种预编码技术结合的SLNR-SVD预编码矩阵,不仅通过使用SLNR算法消除了用户之间的干扰,同时使用SVD算法进行MIMO特征波束成型来提高系统容量,并且还抑制了每个数据流之间的干扰。
三、总结
本章首先介绍了基于CoMP技术的一些经典预编码算法,并在结合SVD算法和SLNR算法的条件下,研究了一种新的改进算法。SLNR-SVD预编码矩阵,是在SLNR算法的基础上,同时使用SVD算法来提高系统容量,并且抑制了每个数据流之间的干扰。与经典算法相比能够更加有效地改善系统性能,尤其是小区边缘用户的系统性能。
参 考 文 献
[1]徐凯.LTE-Advanced系统中小区间干扰协调技术的研究[D].南京.南京邮电大学.2011.15-20
[2]CHEN Zhilin,HOU Xueying,HAN Shengqian,YANG Chenyang,Gang Wang,Ming Lei.Low complexity channel estimation in TDD coordinated multi-point transmission systems[C].
【关键词】 LTE-Advnaced 多点协作技术 SLNR算法 SVD算法
LTE-A系统大幅度地提升了峰值速率,平均频谱效率与小区边缘频谱效率等指标。但是要更进一步的提升系统性能一定要考虑小区间的干扰问题,为此引入了多点协作(CoMP)传输技术[1]。
一、预编码技术
预编码是一种满足空间分集和空间复用增益的技术,其在信号处理中有非线性预编码和线性预编码两类不同的数学处理方式。其中,非线性预编码是在发射端采用取模的运算方式对信号做非线性处理,而线性预编码是对信号做矩阵乘法运算等线性变换。所以线性预编码用数学方式可表示如下形式[3]:
(2.1)
(2.2)
其中y表示接受向量,H为空间信道矩阵,n为噪声向量,W为预编码矩阵,HR为经过预编码后的等效空间信道矩阵。
常用的预编码算法有迫零(ZF)算法,最小均方误差(MMSE)准则算法,信漏噪比(SLNR)算法与块对角化(BD)算法等[4]。通过分析可知:ZF算法计算简单,还能够有效地消除用户自身带来的多天线干扰,但是它不考虑噪声所造成的影响,因此性能最差。而MMSE算法则是在ZF算法的前提下改进得到的,它考虑了噪声的影响能获得比ZF算法更加优越的性能。而BD算法则是以消除用户间的干扰为目标,其性能与ZF算法相比有一定程度的提高,但是无法消除自身天线产生的干扰。此外,ZF算法和BD算法存在共同的缺陷,即不能消除噪声的影响,且它们都对天线数有一定的限制,若使用这些算法,只有通过提供足够的自由度才能将用户间的共道干扰置为0。相比之下,SLNR算法在天线数方面没有限制,而且它在某些情况下能够同时为更多的用户服务,并保证信漏比达到最大,保证了系统的性能。但SLNR算法的缺点是其计算过程较为复杂,而且该算法也跟BD算法一样无法消除用户自身的干扰。
二、改进的预编码技术
2.1 SLNR-SVD算法
文献[5]介绍了一种SLNR-ZF改进算法,该算法是在SLNR预编码算法基础上使用了ZF算法以进一步提升性能,但是ZF算法无法消除噪声,对系统性能的提升有限。因此本文根据SLNR-ZF算法,研究了一种性能更优的SLNR-SVD算法。
假设第k个用户的SLNR预编码矩阵为WSLNR_k,与式(3.2)使用相同的方法让其与用户矩阵HR相乘,可以得到新的矩阵HSLNR_k。对这个矩阵进行奇异值分解,可以得到:
(3.5)
其中,USLNR_k、VSLNR_k都是Nt阶的酉矩阵,SSLNR_k为Nt×Nt的奇异值矩阵,此时
求得一个Nt×Nt阶的SVD预编码矩阵WSVD_k=VSLNR_k
将其与原SLNR预编码矩阵相乘最后得到W’SLNRSVD_k,因此所求的SLNR-SVD预编码矩阵WSLNRSVD为:
(3.6)
(3.7)
采用此预编码算法的系统,在每个UEk端进行检测之前都需要分别乘以矩阵,由于使
用了SLNR预编码算法已经让
HiWSLNRSVD_k=0 (i≠k),所以假设信道分解成n个SU-CoMP的MIMO信道后,对于第k个信道的信道模型为:
(3.8)
因此可得到检测信号如下:
(3.9)
其中SSLNR_k是由矩阵HSLNR_k的奇异值组成一个对角矩阵。
这样SLNR和SVD两种预编码技术结合的SLNR-SVD预编码矩阵,不仅通过使用SLNR算法消除了用户之间的干扰,同时使用SVD算法进行MIMO特征波束成型来提高系统容量,并且还抑制了每个数据流之间的干扰。
三、总结
本章首先介绍了基于CoMP技术的一些经典预编码算法,并在结合SVD算法和SLNR算法的条件下,研究了一种新的改进算法。SLNR-SVD预编码矩阵,是在SLNR算法的基础上,同时使用SVD算法来提高系统容量,并且抑制了每个数据流之间的干扰。与经典算法相比能够更加有效地改善系统性能,尤其是小区边缘用户的系统性能。
参 考 文 献
[1]徐凯.LTE-Advanced系统中小区间干扰协调技术的研究[D].南京.南京邮电大学.2011.15-20
[2]CHEN Zhilin,HOU Xueying,HAN Shengqian,YANG Chenyang,Gang Wang,Ming Lei.Low complexity channel estimation in TDD coordinated multi-point transmission systems[C].