本發(fā)明涉及無線通信
技術領域：
，具體是一種基于均方誤差的低復雜度MIMO干擾信道接收機。
背景技術：
：多輸入多輸出(multiple-input-multiple-output,MIMO)系統(tǒng)可以有效提高系統(tǒng)容量和鏈路可靠性，受到了非常多的關注。近年來，MIMO系統(tǒng)的研究主要集中于MIMO干擾信道以及MIMO干擾廣播信道。然而，由于MIMO干擾信道的容量域還未能確定，目前普遍采用的方法是將干擾當作噪聲進行單用戶或者單數據流檢測。E.Chiu,V.Lau,H.Huang,T.Wu,andS.Liu的文獻“RobusttransceiverdesignforK-pairsquasi-staticMIMOinterferencechannelsviasemidefiniterelaxation(采用半正定松弛的K-用戶準靜態(tài)MIMO干擾信道魯棒接收機設計),”IEEETrans.onWirelessCommun.,vol.9,no.12,pp.3762–3769,Dec.2010，公開了采用半正定松弛方法通過功率約束下的最差信干噪比(signal-to-interference-plus-noiseratio，SINR)優(yōu)化問題與SINR約束下的功率優(yōu)化問題的互逆性，設計信道非理想情況下的魯棒接收機算法?，F(xiàn)有技術中公開了H.Shen,B.Li,M.Tao,andX.Wang的文獻“MSE-BasedtransceiverdesignsfortheMIMOinterferencechannel(基于MSE的MIMO干擾信道收發(fā)機設計),”IEEETrans.onWirelessCommun.,vol.9,no.11,pp.3480–3489,Nov.2010，分別基于sumMSE和最差用戶MSE兩種優(yōu)化目標設計MIMO干擾信道收發(fā)機，并且考慮信道存在估計誤差的情況，將優(yōu)化問題轉化為二階錐規(guī)劃(second-orderconeprogramming，SOCP)問題。仿真結果表明基于MSE的收發(fā)機設計方法比干擾對齊方法具有更好的誤比特率(biterrorrate，BER)性能，而且基于最差用戶MSE最小化的方法能夠保證用戶間的公平性并獲得較好的性能。C.-E.ChenandW.-H.Chung的文獻“Aniterativeminmaxper-streamMSEtransceiverdesignforMIMOinterferencechannel(基于最小最大單流MSE的MIMO干擾信道收發(fā)機迭代設計方法),”IEEEWirelessCommun.Lett.,vol.1,no.3,pp.229–232,Jun. 2012，公開了以最大數據流MSE為優(yōu)化目標的MIMO干擾信道收發(fā)機設計，由于BER性能在高信噪比時主要受最大數據流MSE的影響，因此該方法能夠在H.Shenetal.文獻的基礎上進一步提高BER性能。然而，上述基于MSE的算法都是通過變換將問題構造為SOCP進行求解，具有較高計算復雜度，隨著用戶數和天線數增多，計算時間快速上升，不利于實際應用。此外，考慮實際系統(tǒng)中，由于信道估計、時延等影響，基站往往只能獲得有誤差的信道狀態(tài)信息(channelstateinformation，CSI)。一種普遍采用的誤差模型是假設誤差項服從某個特定的分布，即統(tǒng)計誤差模型。該模型既可以用于描述TDD系統(tǒng)中基站進行信道估計的誤差，也可以描述TDD系統(tǒng)上下行傳輸間隔或FDD系統(tǒng)backhaul鏈路CSI共享造成的時延影響。技術實現(xiàn)要素：本發(fā)明在現(xiàn)有技術基礎上，提出一種基于均方誤差的低復雜度MIMO干擾信道接收機，本發(fā)明基于信道統(tǒng)計誤差模型，考慮到BER性能在高信噪比時主要取決于最大的數據流MSE，在統(tǒng)計誤差范圍內對每個數據流MSE取均值，以最差數據流平均MSE作為優(yōu)化目標，利用拉格朗日方法和MMSE(最小均方誤差)接收迭代更新閉式的發(fā)送和接收向量，并通過內層迭代優(yōu)化確定發(fā)送向量的參數，相比于采用SOCP的方法降低了計算復雜度。根據本發(fā)明提供的一種基于均方誤差的低復雜度MIMO干擾信道接收機，其特征在于，所述基于均方誤差的低復雜度MIMO干擾信道接收機是通過如下設計方法得到的：以最差數據流平均MSE為優(yōu)化目標，通過MMSE接收和拉格朗日對偶迭代更新閉式的接收和發(fā)送向量，具體包括以下步驟：步驟1：設置系統(tǒng)參數：用戶數為K，第k對發(fā)射機和接收機中的發(fā)射機、接收機分別記為第k個發(fā)射機、第k個接收機，第k個發(fā)射機的天線數為Mk，第k個接收機的天線數為Nk，第k對發(fā)射機和接收機傳輸的數據流數為dk，第k個發(fā)射機的功率約束為Pk，第k個接收機處的零均值復高斯加性噪聲的協(xié)方差為第j個發(fā)射機到第k個接收機的前一時刻的估計信道狀態(tài)信息為信道估計誤差矩陣為Δkj、信道時間相關系數為ρkj、時延誤差矩陣為Fkj；其中：k,j＝1,...,K；信道估計誤差矩陣Δkj的每一項均服從均值為0方差為σ2的復高斯分布，時延誤差矩陣Fkj的每一項均服從均值為0 方差為的復高斯分布；σ為信道估計誤差矩陣Δkj每一項服從復高斯分布的標準差；步驟2：定義ek,l為第k對用戶第l個數據流的MSE：ek,l=|gk,lHHkkbk,l-1|2+Σ(j,i)≠(k,l)|gk,lHHkjbj,i|2+σk2||gk,l||2]]>其中：Hkk為第k個發(fā)射機到第k個接收機的信道狀態(tài)信息，上標H表示共軛轉置操作，bj,i為第j個發(fā)射機對第i個數據流的波束成形向量，σk為第k個接收機處的零均值復高斯加性噪聲的標準差，bk,l為第k個發(fā)射機對第l個數據流的波束成形向量，gk,l為第k個接收機對第l個數據流的接收向量，其中：l,i＝1,...,dk，Hkj為第j個發(fā)射機到第k個接收機的當前實際信道狀態(tài)信息，即其中：k,j＝1,...,K；步驟3：計算統(tǒng)計誤差范圍內第k對用戶第l個數據流的平均MSEe‾k,l=Σj,i|gk,lHρkjH^kjbj,i-δk,lj,i|2+Σj,iμkj2||bj,i||2||gk,l||2+σk2||gk,l||2]]>其中：為第k個發(fā)射機到第k個接收機的估計信道矩陣；μkj=σ2ρkj2+1-ρkj2,∀k,j,δk,lj,i=1j=k,i=l0otherwise]]>步驟4：對第k個發(fā)射機到第k個接收機的估計信道矩陣進行奇異值分解，即U表示維度為Nk×Nk的酉矩陣，Σ表示維度為Nk×Mk的半正定對角矩陣，V表示維度為Mk×Mk的酉矩陣，初始化發(fā)送矩陣Bk(0)=bk,1(0)bk,2(0)...bk,dk(0)]]>為V的前dk列，其中：k＝1,...,K，最大迭代次數omax和imax，omax為外層迭代的最大迭代次數，imax為內層迭代的最大迭代次數，迭代次數no＝0；為第k個發(fā)射機的初始波束成形矩陣，為第k個發(fā)射機對第dk個數據流的初始波束成形向量；步驟5：使迭代次數no的值增加1，固定第k個發(fā)射機對第l個數據流在第no-1次迭代的發(fā)送波束成形向量其中：k＝1,...,K,且l＝1,...,dk，通過MMSE接收更新第k個接收機對第l個數據流在第no次迭代的接收向量其中：k＝1,...,K，且l＝1,...,dk；步驟6：固定接收向量其中：k＝1,...,K且l＝1,...,dk初始化迭代次數ni＝0，對應第k個用戶第l個數據流的初始拉格朗日變量其中：k＝1,...,K且l＝1,...,dk，dj為第j對發(fā)射機和接收機之間傳輸的數據流數；步驟7：使迭代次數ni的值增加1，固定在第ni-1次迭代中對應第k個用戶第l個數據流的拉格朗日變量其中：k＝1,...,K且l＝1,...,dk，計算公式當vk＝0時的值，vk為對應第k個發(fā)射機的拉格朗日變量：如果則更新拉格朗日變量表示在第ni次迭代對應第k個發(fā)射機的拉格朗日變量；如果則通過二分搜索法求解更新在第ni次迭代對應第k個發(fā)射機的拉格朗日變量其中：k＝1,...,K；其中，公式是指：其中：Pk是第k個發(fā)射機的最大發(fā)射功率，ρkk為第k個發(fā)射機到第k個接收機信道的時間相關系數，Uk為矩陣特征值分解得到的酉矩陣，Σk為矩陣特征值構成的對角矩陣，為第k個發(fā)射機到第k個接收機的估計信道矩陣，為第k個接收機對第l個數據流在第no次迭代的接收向量，vk為對應第k個發(fā)射機的拉格朗日變量，為第ni-1次迭代后計算得到的矩陣，即Ak(ni-1)=Σj,iλj,i(ni-1)[ρjk2H^jkHgj.i(no)gj,i(no)HH^jk+μjk2||gj,i(no)||2I],]]>其中：k,j＝1,...,K且l,i＝1,...,dk，[·]ii為矩陣的第i個對角元素；為第ni-1次迭代中對應第j個用戶第i個數據流的拉格朗日變量，ρjk為第k個發(fā)射機到第j個接收機信道的時間相關系數，為第k個發(fā)射機到第j個接收機的估計信道矩陣，為第j個接收機對第i個數據流在第no次迭代的接收向量，μjk由估計標準差σ和信道的時間相關系數ρjk構成，即μjk=σ2ρjk2+1-ρjk2,]]>I為單位矩陣；步驟8：固定拉格朗日變量和其中：k＝1,...,K且l＝1,...,dk，求解方程組更新在第ni次迭代中對應第k個用戶第l個數據流的 拉格朗日變量其中：k＝1,...,K且l＝1,...,dk；其中，方程組是指：λk,l=max(1+σk2||gk,l(no)||2-ω2Dk,l,0),k=1,...,K,d=1,...,dkΣk,lλk,l=1]]>其中：Dk,l=ρkk2gk,l(no)HH^kk(Ak(ni-1)+vk(ni)I)-1H^kkHgk,l(no),]]>k＝1,...,K且l＝1,...,dk；λk,l表示第ni次迭代中對應第k個用戶第l個數據流的拉格朗日變量，即σk為第k個接收機處的零均值復高斯加性噪聲的標準差，為第k個接收機對第l個數據流在第no次迭代的接收向量，ω是為了求解而引入的非負變量，為第ni次迭代中對應第k個發(fā)射機的拉格朗日變量，ρkk為第k個發(fā)射機到第j個接收機信道的時間相關系數；步驟9：如果ni＜imax，則返回步驟7，否則進入步驟10；步驟10：由接收向量和拉格朗日變量和更新第no次迭代中第k個發(fā)射機對第l個數據流的發(fā)送波束成形向量其中：k＝1,...,K且l＝1,...,dk；步驟11：如果no＜omax，則返回步驟5，否則流程截止，輸出其中：k＝1,...,K且l＝1,...,dk。優(yōu)選地，所述步驟5中的MMSE接收是指：gk,l(no)=(Σj,iρkj2H^kjbj,i(no-1)bj,i(no-1)HH^kjH+Σj,iμkj2||bj,i(no-1)||2I+σk2I)-1ρkkH^kkbk,l(no-1)]]>其中：k,j＝1,...,K且l,i＝1,...,dk；ρkj為第j個發(fā)射機到第k個接收機信道的時間相關系數，為第j個發(fā)射機到第k個接收機的估計信道矩陣，為第no-1次迭代中第j個發(fā)射機對第i個數據流的發(fā)送波束成形向量，μkj為由估計標準差σ和信道的時間相關系數ρkj構成的系數，即I為單位矩陣，σk為第k個接收 機處的零均值復高斯加性噪聲的標準差，ρkk為第k個發(fā)射機到第k個接收機信道的時間相關系數，為第k個發(fā)射機到第k個接收機的估計信道矩陣，為第no-1次迭代中第k個發(fā)射機對第l個數據流的發(fā)送波束成形向量。優(yōu)選地，所述步驟10中的更新發(fā)送向量是指：bk,l(no)=(Ak(ni)+vk(ni)I)-1λk,l(ni)ρkkH^kkHgk,l(no)]]>其中：Ak(ni)=Σj,iλj,i(ni)[ρjk2H^jkHgj.i(no)gj,i(no)HH^jk+μjk2||gj,i(no)||2I],]]>k,j＝1,...,K且l,i＝1,...,dk；為第ni次迭代中對應第k個發(fā)射機的拉格朗日變量，為第ni次迭代中對應第k個用戶第l個數據流的拉格朗日變量，ρjk為第j個發(fā)射機到第k個接收機信道的時間相關系數，ρkk為第k個發(fā)射機到第k個接收機信道的時間相關系數，為第k個發(fā)射機到第k個接收機的估計信道矩陣，為第k個接收機對第l個數據流在第no次迭代的接收向量，為第ni次迭代中對應第j個用戶第i個數據流的拉格朗日變量，為第k個發(fā)射機到第j個接收機的估計信道矩陣，為第j個接收機對第i個數據流在第no次迭代的接收向量，μjk為由估計標準差σ和信道的時間相關系數ρjk構成的系數，即μjk=σ2ρjk2+1-ρjk2.]]>與現(xiàn)有技術相比，本發(fā)明具有如下的有益效果：本發(fā)明所提出的基于均方誤差的低復雜度MIMO干擾信道接收機設計方法，對每個數據流MSE在統(tǒng)計誤差范圍內取均值，優(yōu)化最差平均數據流MSE，采用MMSE接收和拉格朗日對偶方法迭代計算閉式的接收和發(fā)送向量，能夠提升系統(tǒng)BER性能，并且相對于采用SOCP的方法具有較低計算復雜度，即具有低復雜度。附圖說明通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯：圖1為場景K＝3,Mk＝4,Nk＝4,dk＝2時分別采用本實施例方法和現(xiàn)有技術中的per-userMSE算法以及采用SOCP的per-streamMSE算法的BER性能比較圖。具體實施方式下面結合具體實施例對本發(fā)明進行詳細說明。以下實施例將有助于本領域的技術人員進一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應當指出的是，對本領域的普通技術人員來說，在不脫離本發(fā)明構思的前提下，還可以做出若干變形和改進。這些都屬于本發(fā)明的保護范圍。本發(fā)明提供一種基于均方誤差的低復雜度MIMO干擾信道接收機，屬于無線通信
技術領域：
，以統(tǒng)計誤差范圍內最差平均數據流MSE為優(yōu)化目標，通過MMSE接收和拉格朗日對偶迭代更新閉式的接收和發(fā)送向量。該接收機能獲得較好的誤比特率性能，并且相對于采用SOCP的方法能夠很大程度降低計算復雜度。本發(fā)明所公開的基于均方誤差的低復雜度MIMO干擾信道接收機，其設計方法是在統(tǒng)計誤差范圍內對每個數據流MSE取均值，以最差平均數據流MSE作為優(yōu)化目標，利用拉格朗日對偶和MMSE接收迭代更新閉式的發(fā)送和接收向量的算法，所述的最差平均數據流MSE最小化問題是：minmaxe‾k,ls.t.tr(BkBkH)≤Pk,k=1,2,...,K]]>其中：e‾k,l=Σj,i|gk,lHρkjH^kjbj,i-δk,lj,i|2+Σj,iμkj2||bj,i||2||gk,l||2+σk2||gk,l||2]]>其中：bk,l是第k個發(fā)射機對第l個數據流的波束成形向量，gk,l是第k個接收機對第l個數據流的接收向量，是第j個發(fā)射機到第k個接收機的前一時刻的估計信道狀態(tài)信息，ρkj是信道時間相關系數，是估計誤差復高斯分布的方差，Pk是第k個發(fā)射機的功率約束，是第k個接收機處的零均值復高斯加性噪聲的協(xié)方差。tr(·)為取矩陣跡的操作，Bk為第k個發(fā)射機的波束成形向量構成的矩陣，bj,i為第j個發(fā)射機對第i個數據流的波束成形向量，為取值0或1的函數，當k＝j且l＝i時，δk,lj,i=1,]]>否則δk,lj,i=0.]]>本發(fā)明中設計方法包括以下步驟：第一步、設置系統(tǒng)參數：用戶數K，第k對發(fā)射機/接收機的天線數Mk/Nk，傳輸的數據流數dk，第k個發(fā)射機的功率約束Pk，第k個接收機處的零均值復高斯加性噪 聲的協(xié)方差其中：k＝1,...,K，第j個發(fā)射機到第k個接收機的前一時刻的估計信道狀態(tài)信息信道時間相關系數ρkj，其中：k,j＝1,...,K，估計誤差復高斯分布方差本實施例中，所用的仿真場景為K＝3,Mk＝4,Nk＝4,dk＝2。本實施例中，的每一項為服從均值為0方差為1的復高斯分布的隨機變量，σe＝0.05，ρkj＝0.995，其中：k,j＝1,...,K。本實施例中，采用QPSK調制，其中：k＝1,...,K；Eb為比特功率譜密度，N0為噪聲功率譜密度，P為發(fā)射機的最大發(fā)射功率；第二步、定義ek,l為第k對用戶第l個數據流的MSE，ek,l=|gk,lHHkkbk,l-1|2+Σ(j,i)≠(k,l)|gk,lHHkjbj,i|2+σk2||gk,l||2]]>其中：bk,l為第k個發(fā)射機對第l個數據流的波束成形向量，gk,l為第k個接收機對第l個數據流的接收向量，其中：k＝1,...,K,l＝1,...,dk，Hkj第j個發(fā)射機到第k個接收機的當前實際信道狀態(tài)信息，即其中：k,j＝1,...,K；第三步、計算統(tǒng)計誤差范圍內第k對用戶第l個數據流的平均MSE為e‾k,l=Σj,i|gk,lHρkjH^kjbj,i-δk,lj,i|2+Σj,iμkj2||bj,i||2||gk,l||2+σk2||gk,l||2]]>其中：μkj=σ2ρkj2+1-ρkj2,∀k,j,δk,lj,i=1j=k,i=l0otherwise]]>第四步、對信道矩陣進行奇異值分解，即初始化發(fā)送矩陣Bk(0)=bk,1(0)bk,2(0)...bk,dk(0)]]>為V的前dk列，其中：k＝1,...,K，最大迭代次數omax和imax，迭代次數no＝0；本實施例中，最大迭代次數omax＝16，imax＝32；第五步、增加迭代次數no＝no+1，固定發(fā)送波束成形向量其中：k＝1，...，K，l＝1，...，dk，通過MMSE接收更新所有數據流的接收向量其中： k＝1,...,K,l＝1,...,dk；所述的MMSE接收是：gk,l(no)=(Σj,iρkj2H^kjbj,i(no-1)bj,i(no-1)HH^kjH+Σj,iμkj2||bj,i(no-1)||2I+σk2I)-1ρkkH^kkbk,l(no-1)]]>其中：k＝1,...,K,l＝1,...,dk；第六步、固定接收向量其中：k＝1,...,K,l＝1,...,dk，初始化迭代次數ni＝0，拉格朗日變量其中：k＝1,...,K,l＝1,...,dk；第七步、將迭代次數ni的值增加1，固定拉格朗日變量其中：k＝1，...，K,l＝1，...，dk，計算公式當vk＝0時的值：如果則更新拉格朗日變量如果則通過二分搜索法求解更新拉格朗日變量其中：k＝1,...,K；所述的公式是：其中：Pk是第k個發(fā)射機的最大發(fā)射功率，Ak(ni-1)=Σj,iλj,i(ni-1)[ρjk2H^jkHgj.i(no)gj,i(no)HH^jk+μjk2||gj,i(no)||2I],]]>是的特征值分解，，其中：k＝1,...,K,l＝1,...,dk，[·]ii為矩陣的第i個對角元素；第八步、固定拉格朗日變量和其中：k＝1,...,K,l＝1,...,dk，求解方程組更新拉格朗日變量其中：k＝1,...,K,l＝1,...,dk；所述的方程組是：λk,l=max(1+σk2||gk,l(no)||2-ω2Dk,l,0)Σk,lλk,l=1]]>其中：Dk,l=ρkk2gk,l(no)HH^kk(Ak(ni-1)+vk(ni)I)-1H^kkHgk,l(no),]]>Ak(ni-1)=Σj,iλj,i(ni-1)[ρjk2H^jkHgj.i(no)gj,i(no)HH^jk+μjk2||gj,i(no)||2I],k=1,...,K,l=1,...,dk;]]>第九步、如果ni＜imax，則返回第七步，否則進入第十步；第十步、由接收向量和拉格朗日變量和更新發(fā)送向量bk,l(no)=(Ak(ni)+vk(ni)I)-1λk,l(ni)ρkkH^kkHgk,l(no)]]>其中：Ak(ni)=Σj,iλj,i(ni)[ρjk2H^jkHgj.i(no)gj,i(no)HH^jk+μjk2||gj,i(no)||2I],]]>k＝1,...,K,l＝1,...,dk；第十一步、如果no＜omax，則返回第五步，否則算法截止，輸出其中：k＝1,...,K,l＝1,...,dk。圖1為場景K＝3,Mk＝4,Nk＝4,dk＝2時分別采用本實施例方法和現(xiàn)有技術中的per-userMSE算法以及采用SOCP的per-streamMSE算法的BER性能比較圖。表1為場景K＝3,Mk＝4,Nk＝4,dk＝2時采用本實施例方法和采用SOCP方法的計算時間比較。由圖1可見，采用本實施例的方法能夠有效處理誤差影響，獲得較好的BER性能，同時由表1可見，相比采用SOCP的方法本實施例方法能夠很大程度降低計算復雜度。表1單位：秒0dB5dB10dB15dB20dB25dB采用SOCP方法4.52174.49504.56354.56544.57374.5880本實施例方法0.62700.62550.62520.62490.63060.6259表1為場景K＝3,Mk＝4,Nk＝4,dk＝2時采用本實施例方法和采用SOCP方法的計算時間比較。以上對本發(fā)明的具體實施例進行了描述。需要理解的是，本發(fā)明并不局限于上述特定實施方式，本領域技術人員可以在權利要求的范圍內做出各種變形或修改，這并不影響本發(fā)明的實質內容。當前第1頁1 2 3