CN100342669C - 在发送/接收天线的移动通信系统中调度用户的方法和设备 - Google Patents

Abstract

本发明公开的是一种基于本征值的、对空间相关性具有稳健性的调度方法和设备，它用于通过使用多个发送/接收天线来支持多用户的移动通信系统中。用户终端估计从发送天线到用户终端的信道特征，把所估计的信道特征分解成接收信道特征和发送信道特征，并将发送主本征向量反馈到基站(BS)。BS根据从多个用户终端反馈的主本征向量来选择预定数量的、有最小相关性的用户终端，通过组合所选择的用户终端的主本征向量来构造用户预编码矩阵，将所选择的用户终端的数据流和用户预编码矩阵相乘，并将相乘后的数据发送到所选择的用户终端。

Description

在发送/接收天线的移动通信系统中调度用户的方法和设备

技术领域

本发明一般涉及使用多个发送/接收天线以支持多个用户的移动通信系统，尤其涉及对空间相关性具有稳健性的基于特征量的调度方法和设备。

背景技术

传统的TDM(时分复用)或CDM(码分复用)移动通信系统不适合支持新生代的高速多媒体传送，因为它们是为低速数据服务开发的，且主要指语音数据。要实现高速传送，需要开发相应的技术以提高有限频率资源的使用率。为此，提出了一种主要的解决技术，就是使用多个发送/接收天线的MIMO(多输入和多输出)。

多个发送/接收天线系统在使用多个发送/接收天线的发射机/接收机中采用了适当的时空信号处理方案。这样，频率使用率有所提高，从而能在有限的带宽内获得高数据速率。众所周知，可利用的最大数据速率和传送信号的无线信道的容量相一致，且从理论上讲，对有大量路径存在的无线信道来说，其容量和发送/接收天线的数量近似成正比。

单个天线TDM移动通信系统只在时域内使用信道资源，因为一个频率信道被分成多个时隙。另一方面，多个发送/接收天线系统在空域内构成多个子信道，且在这些子信道中同时传送不同的数据，而不管发射机是否需要信道信息。子信道等同于从多个发送天线到接收机的无线路径。由于多个发送/接收天线系统具有这种特征，它能获得比单天线系统更高的数据速率。

以往对多个发送/接收天线系统的研究主要集中于在单个发射机和接收机的单用户系统中开发相应的技术以提高数据传送效率或降低传送误差。

因为多用户终端在地理位置和传播环境上是相互独立的，基站和用户终端间的无线信道相互之间也是相互独立的。因此，在某个特定时间(也就是时隙)，有可能存在这样的用户，某个信道环境对他们来说是适合数据传送的，同时也存在这样的用户，某个信道环境对他们来说不适合数据传送，比如由于衰落。考虑到信道的独立性，在每个时隙，基站将发送天线分配给最优用户，从而最大化系统容量。这种操作就叫做调度。调度是一项非常复杂的任务，涉及许多不同的因素，例如用户终端可变的信道环境，要传送的数据量，以及优先级。

图1表示在多用户环境中经MIMO调度的空间和时间分配。图1的例子中，在每个时隙，将4个天线分配给不同的用户。

MIMO调度的要点是在基站侧如何分配发送天线以及在用户终端侧如何检测来自基站的信号。

图2表示以典型方式调度的MIMO移动通信系统的配置。在K个总用户中选择M个用户(M是发送天线的数量)。

在图2中，基站为K个用户服务，也就是提供数据。在一个时隙，基站通过M(M＜＝K)个天线22将数据发送到M个用户终端40到44。即调度器20从K个用户缓冲器10到14中，为M个处于最优信道环境下的用户终端40到44选择用户数据，并通过相应的天线把用户数据发送到所选择的用户终端。

在传统调度中，为每个发送天线选择最优用户是根据各个发送天线的SNR(信噪比)，所述SNR作为信道信息从接收数据服务的所有用户反馈回来。当基站通过M个发送天线为K个用户提供数据服务，且每个用户使用N个接收天线时，从第K个用户反馈到基站的信息由等式1描述：

${\mathrm{\γ}}_k={[{\mathrm{\γ}}_{1,k},{\mathrm{\γ}}_{2,k},\·\·\·{\mathrm{\γ}}_{M,k}]}^T,k=\mathrm{1,2},..K$

$=\frac{1}{{\left[H_k^H{H}_k\right]}_{\min }^{-1}},m=\mathrm{1,2},...M---\left(1\right)$

其中γ_i，j表示从第i个发送天线到第j个用户的信道的SNR，上标H表示Hermit矩阵，调度器20按照等式2针对各个发送天线选择有最优SNR的用户：

d_m＝argmax_k(γ_m，k)                (2)

其中d_m是为第m个天线所选择的用户的索引。之后，调度器20为所选择的用户选择数据s_d1，s_d2，…s_dM，并通过多路复用器(没有表示)把它们传送到M个发送天线。

第k个用户估计表示从发送天线到接收天线的信道特征的信道矩阵H_k，并通过检测算法检测由发射机发送的数据s_dk，如ZF(零强制)。ZF接收机只不过通过信道矩阵的逆矩阵来独立检测数据，因此减少了接收机的复杂性。

假设经M个发送天线传送的数据流是M×1信号向量，且传递发送信号向量的、无线信道30的特征矩阵是H，有N个接收天线的接收机接收到的是N×1信号向量r，它可由等式3表示：

r＝Hs+w                             (3)

其中w表示N×1向量的高斯噪声，因为它是从每个接收天线感应而来，H是N×M矩阵，因为从M个发送天线传送的信号通过不同的路径到达N个接收天线。

然而，当信道的空间相关性较高时，比如发送天线空间分布较广时，信道矩阵的秩会减小。因此不存在逆矩阵，或者假使逆矩阵存在，逆矩阵中的每个元素的值非常大。矩阵的秩表示两两相互独立的列的数目。

用r_k表示第k个用户从第m个发送天线接收到的信号向量。之后，第k个用户按照等式4检测数据：

其中s_k，m是被传送的数据，

是被检测的数据，n_k是为第k个用户引入的噪声向量。因此，

的方差是N₀[H_k ^HH_k]_mm ^-1。正如所提到的，当信道矩阵的逆矩阵中的元素的值随空间相关性增加时，噪声的影响变得严重起来。

图3表示用传统调度方法仿真所得到的各态历经容量与空间相关性的关系。仿真是在4个发送天线、4个接收天线、50个用户和20dB的SNR条件下进行的。如所看到的，在传统调度方法中，随着空间相关性的增加，被检测的信号中的噪声功率也在增加。因此，系统性能迅速恶化。

发明内容

本发明的目的是很大程度上解决至少上述问题和缺点，并提供至少下述优点。因此，本发明的目的是提供一种调度方法和设备，以减少通过多个发送/接收天线为多用户服务的移动通信系统中，当信道空间相关性较大时噪声的影响。

本发明的另一个目的是通过多个发送/接收天线为多用户服务的移动通信系统中提供基于本征量的、对空间相关性具有稳健性的调度方法和设备。

上述目的通过使用多个发送/接收天线多用户服务的移动通信系统中提供一种基于本征量的、对空间相关性具有稳健性的调度方法和设备来实现。

根据本发明的一个方面，在用户终端传送用于数据调度的反馈信息方法中，该用户终端所访问的基站通过多个发送天线为多个用户终端服务，每个用户终端使用多个接收天线，用户终端估计从发送天线到用户终端的信道特征，将所估计的信道特征分解成接收信道特征和发送信道特征，并将发送主本征向量反馈到基站。这里，主本征向量是发送信道特征的最大值。

根据本发明的另一个方面，在基于从用户终端反馈的主本征向量为多个用户终端调度数据的方法中，基站通过多个发送天线为用户终端服务，每个用户终端使用多个接收天线，基站根据从多个用户终端反馈的主本征向量选择预定数量的、有最小相关性的用户终端，通过组合所选择的用户终端的主本征向量，构造用户预编码矩阵(precoding)，将所选择的用户终端的数据流和用户预编码矩阵相乘，并将相乘后的数据发送到所选择的用户终端。

附图说明

本发明的上述及其它目的、特性和优点从下面依据附图的详细描述中将变得更明显：

图1是在多用户环境下MIMO调度的时间和空间的分配图；

图2是以典型方式调度的MIMO移动通信系统的配置图；

图3是在仿真传统的调度方法中各态历经容量与空间相关性的对比图；

图4是根据本发明的实施例调度多个用户的移动通信系统的配置图；

图5是用户终端从接收的信号中检测用户数据的方框图；

图6从概念上说明根据本发明的使用主本征向量的传送，即本征量模式的传送；以及

图7和图8是本发明的调度和传统的调度在小区容量(cell capacity)和BER(比特错误率)方面的比较。

具体实施方式

现在参考附图，将对本发明的优选实施例进行详细的描述。在下面的描述中，众所周知的函数或构造没有详细描述，以避免不必要的细节掩盖了本发明的实质。

以下描述的本发明涉及在通过多个发送/接收天线为多用户服务的移动通信系统中如何最优调度以传送更多数据。在本发明中，接收数据服务的每个用户终端仅需要向基站报告表示基站发送天线和用户终端接收天线间最优信道特征的信道矩阵的主本征向量。基站基于反馈的信道矩阵主本征向量选择有最小相关性的用户终端。

图4说明根据本发明实施例调度多个用户的移动通信系统的配置。当实施例中从K个总用户中选择M个用户(M是发送天线的数量)时，须知所选择的用户数量可小于K，而不管发送天线的数量是多少。

参考图4，K个用户从基站100接收数据服务，且在一个时隙期间基站100通过M个天线124将相应数据传送到M个用户140到160。即在一个时隙调度器120从K个用户缓冲器110到114中为处于最优信道环境中的M个用户终端140到160组选择用户数据。在发送数据之前，预编码器122根据发送信道特征对所选择的用户数据作初步补偿。

对用户终端的各个天线而言，从M个天线124发送的信号经不同的信道环境到达M个用户终端140到160。每个用户终端140到160将接收到的信号和特征向量相乘以恢复原始用户数据，该特征向量是表示接收信道特征的信息流。

为在基站中对用户数据进行预先补偿以及在用户终端进行数据恢复，所有用户终端估计源自基站中发送天线124的信道特征，并把所估计的信息报告给基站。

对于每个用户终端的N个接收天线，表示从发送天线到K个用户终端的的信道特征的信道矩阵H_d1，H_d2，…H_dK都是N×M矩阵。按照公知的奇异值分解(singular decomposition)理论，信道矩阵可分解成无线信道的增益(矩阵Λ)、发送信道特征(矩阵V)和接收信道特征(矩阵U)。为使记号简单化，假设发送和接收天线的数目相等，第k个用户终端的信道矩阵可由等式5表示：

$H_k=U_k{\mathrm{\Λ}}_k{V}_k^H$

$=[{\mathrm{\μ}}_{k,1},{\mathrm{\μ}}_{k,2},...,{\mathrm{\μ}}_{k,M}][{\mathrm{\λ}}_{k,1},{\mathrm{\λ}}_{k,2},...,{\mathrm{\λ}}_{k,M}][{v_{k,1},v_{k,2},...,v_{k,M}]}^H---\left(5\right)$

 其中μ_k，i是表示第i个子信道的接收信道特征的M×1向量，v_k，i是表示第i子信道的发送信道特征的M×1向量，Λ_k是由K个表示第i个子信道的信道增益的λ_k，i组成的M×M对角矩阵。不需要对Λ_k进行补偿，因为Λ_k不影响数据的意义。

每个用户终端按等式5分解表示所估计的信道特征的信道矩阵，并把表示最优特征的向量报告给基站，即发送信道矩阵的主本征向量V_k。由此，基站选择有最优特征的终端，从而不需要将其它信道特征报告给基站。发送信道矩阵V_k是从最优到最差按降序排列的信道特征测量的阵列。因此主本征向量是第一个元素V_k，1。

基站中调度器120基于从K个用户终端接收到的主本征向量v_1，1，v_2，1，...v_K，1选择一组具有最小相关性的用户。第i个用户和第j个用户间的相关性由等式6表示：

${\mathrm{\ρ}}_{i,j}=v_{i,1}^H{v}_{j,1}(i\≠j,i,j=\mathrm{1,2},...K)---\left(6\right)$

通常，K要比M大得多。因此，在选择用户时，如果进行全搜索的话，需要作大量的计算。根据本发明，调度器120按下列程序迭代选择用户。

第一用户，其在K个用户中具有最小的相关性，按照等式7进行选择：

$d_1=\arg {\min }_k\left(\underset{j=1,j\≠k}{\overset{K}{\mathrm{\Σ}}}{\left|\right|v_{\mathrm{dk},1}^H{v}_{\mathrm{dj},1}\left|\right|}^2\right)---\left(7\right)$

其中min_k(·)表示选择第k个用户，使括号中的表达式最小。在选择第一个用户时，考虑其和从该基站接收服务的其他用户间的相关性。

第二用户按照等式8进行选择：

$d_2=\arg {\min }_k\left({\left|\right|v_{d1,1}^H{v}_{\mathrm{dk},1}\left|\right|}^2\right)---\left(8\right)$

在选择第二个用户时，考虑其和除第一个用户之外的其他用户间的相关性。在选择余下的用户(从第三个用户开始)时，考虑其和除已选择的用户之外的其他用户间的相关性，如等式9所示：

$d_3=\arg {\min }_k({\left|\right|v_{d1,1}^H{v}_{\mathrm{dk},1}\left|\right|}^2+{\left|\right|v_{d\mathrm{2,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2)$



$d_M=\arg {\min }_k({\left|\right|v_{d1,1}^H{v}_{\mathrm{dk},1}\left|\right|}^2+{\left|\right|v_{d\mathrm{2,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2\·\·\·+{\left|\right|v_{d(M-1),1}^H{v}_{\mathrm{dk},1}\left|\right|}^2)---\left(9\right)$

调度器120以向量s＝[s_d1，s_d2，..s_dM]^T的形式为所选择的M个用户终端140到160构造数据流，并把向量s和相应于M个用户终端140到160的M个主本征向量反馈给预编码器122。

预编码器122把M个主本征向量组合成M×M用户预编码矩阵的形式，并使用用户预编码矩阵预先对发送信道特征进行补偿。即预编码器122将数据向量和用户预编码矩阵

相乘以产生发送信号向量x。x由等式10表示：

$x=V\·s=\sqrt{\frac{E_s}{M}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{v}_{\mathrm{dm},1}{s}_{\mathrm{dM}}---\left(10\right)$

其中数据向量s是由所选择的M个数据码元组成的M×1向量，d_m表示M个用户终端的识别符，V是由M×1个向量v_d1，1，v_d2，1，...v_dM，1组成的M×M个用户预编码矩阵，E_s是发射机的功率噪声比，M是发送天线的数量。

M个用户终端140到160中的第d_m个用户终端从基站的发送天线接收到的信号向量由等式11表示：

${\mathrm{\γ}}_{\mathrm{dm}}=H_{\mathrm{dm}}x+n_{\mathrm{dm}}$

$=\sqrt{\frac{E_s}{M}}{\mathrm{\λ}}_{\mathrm{dm}}{\mathrm{\μ}}_{\mathrm{dm},1}{s}_{\mathrm{dm}}+\sqrt{\frac{E_s}{M}}{H}_{\mathrm{dm}}\left(\underset{i=1,i\≠m}{\overset{M}{\mathrm{\Σ}}}{v}_{\mathrm{di},1}{s}_{\mathrm{di}}\right)+n_{\mathrm{dm}}---\left(11\right)$

其中n_dm表示从发送天线124到第d_m个用户终端的信道产生的高斯噪声向量，λ_dm表示从发送天线124到第d_m个用户终端的信道矩阵的本征值常量。本征值指本征向量方向(相应于子信道)上的信道增益。信道矩阵H是N×M矩阵，因为从M个天线发送的信号经不同路径到达N个接收天线。等式11中最后一个表达式中的第二项(即 $\sqrt{\frac{E_s}{M}}{H}_{\mathrm{dm}}\left(\underset{i=1,i\≠m}{\overset{M}{\mathrm{\Σ}}}{v}_{\mathrm{di},1}{s}_{\mathrm{di}}\right)$ )表示来自其他用户的干扰。

图5是用户终端从接收的信号中检测用户数据的方框图；

参考图5，第d_m个用户终端中的信道估计器144根据从接收天线接收到的信号估计从发送天线到接收天线的信道特征。信道特征分析器和发送器146限据所估计的信道特征信息计算表示发送信道特征的主本征向量v_dm，1，并将主本征向量反馈到基站。与此同时，信道特征分析器和发送器146计算表示接收信道特征的主本征向量u_dm，1 ^H，并把它传送到解码器142。

解码器142将接收到的信号向量和u_dm，1 ^H相乘，从而检测从基站传送的数据，由等式12表示：

${\mathrm{\μ}}_{\mathrm{dm},1}^H{r}_{\mathrm{dm}}=\sqrt{\frac{E_s}{M}}{\mathrm{\λ}}_{\mathrm{dm}}{s}_{\mathrm{dm}}+\sqrt{\frac{E_s}{M}}{\mathrm{\λ}}_{\mathrm{dm}}{v}_{\mathrm{dm},1}^H\left(\underset{i=1,j\≠m}{\overset{M}{\mathrm{\Σ}}}{v}_{\mathrm{di},1}{s}_{\mathrm{di}}\right)+{\mathrm{\μ}}_{\mathrm{dm},1}^H{n}_{\mathrm{dm}}---\left(12\right)$

$=\sqrt{\frac{E_s}{M}}{\mathrm{\λ}}_{\mathrm{dm}}(s_{\mathrm{dm}}+{\mathrm{\ρ}}_{\mathrm{dmd}2}{s}_{d2}+{\mathrm{\ρ}}_{\mathrm{dmd}3}{s}_{d3}+...+{\mathrm{\ρ}}_{\mathrm{dmdM}}{s}_{\mathrm{dM}})+{\mathrm{\μ}}_{\mathrm{dm},1}^H{n}_{\mathrm{dm}}$

其中ρ_didj是v_di ^Hv_dj，表示第i个和第j个用户终端的主本征向量间的相关性。调度器120选择具有最小特征向量相关性的用户。

图6是说明使用主本征向量传送概念视图，即本征量模式的传送的概念图。正如所看到的，在基站的预编码器中，将用户预编码矩阵V和数据相乘，以在MIMO信道上补偿发送信道特征V^H，且用户终端的解码器将接收到的信号乘以主接收特征向量U^H以补偿接收信道特征U。

上面所描述的根据本发明的调度在数据发送/接收时不需要计算基站和用户终端间的信道矩阵的逆矩阵。在下文，对按照本发明的调度的性能和传统调度在小区容量方面进行比较。

假定理想接收机，单用户AWGN(加性白高斯噪声)MIMO系统的小区容量由等式13表示：

$C_k=\log \det |I_N+\frac{E_s}{N_{0}M}{H}_k^H{H}_k|$

$=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\log (1+\frac{E_s}{\mathrm{NoM}}{\mathrm{\λ}}_m^2{H}_k)---\left(13\right)$

其中C_k是第k个用户的小区容量，det|·|表示矩形矩阵的确定，I_N是大小为N的单位矩阵，E_s是发射机的功率噪声比，No是高斯噪声，M是发送天线的数量，H_k表示从发送天线到第k个用户的信道特征的信道矩阵，λ_m是H_k的本征值。信道矩阵的第m个本征值是第m个子信道的信道增益。

当MIMO系统中接收机采用ZF技术，在减少接收机复杂性的同时会带来性能风险的情况下，小区容量由等式14表示：

$C_k=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\log (1+\frac{E_s}{\mathrm{NoM}}\frac{1}{{\left[H_k^H{H}_k\right]}_{\mathrm{mm}}^{-1}})---\left(14\right)$

在传统调度中，小区容量由等式15描述：

$C_{\mathrm{total}}=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\log (1+\frac{E_s}{\mathrm{NoM}}{\max }_k\frac{1}{{\left[H_k^H{H}_k\right]}_{\mathrm{mm}}^{-1}})---\left(15\right)$

且在本发明的调度中，小区容量由等式16描述：

$C_{\mathrm{total}}=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\log (1+\frac{1}{M{(E_s/\mathrm{No})}^{-1}+\underset{j=1,j\≠m}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\λ}}_{\mathrm{dm}}^2{\left|{\mathrm{\ρ}}_{\mathrm{dmdj}}\right|}^2}{\mathrm{\λ}}_{\mathrm{dm}}^2)---\left(16\right)$

其中λ_dm是第d_m个用户的信道增益。与等式15不同的是，等式16包括干扰带来的影响。然而，因为λ_dm随空间相关性增长而增长，本发明中的小区容量和使用理想接收机所能达到的小区容量近似相等。

图7和图8是本发明的调度和传统的调度在小区容量和BER(比特错误率)方面的比较。仿真调度的条件是使用4个发送天线和4个接收天线、调度器选择2个用户、考虑50和100个用户两种情况。通常，在每个用户接收机周围存在足够的散射。因此，接收天线间的信道独立性得以保证，且空间相关性设置为基站发送天线间0度的DOA(到达角度，degree of arrival)和15度传播角(angle spread)。

图7表示当E_s/N₀＝20dB时，小区容量的CDF(累积密度函数)函数。正如所看到的，在各态历经容量上，对50个用户而言，本发明获得6.2bps/Hz的增益，对100个用户而言，可获得5.85bps/Hz的增益。

在图8中，当要求BER为10^-3时，本发明提供12dB或更大的增益。

因此，本发明的显著优点包括在高空间相关性的无线环境中基于主本征值选择有最优信道的用户，通过简单的向量乘法检测数据，以简化接收机配置。因为对预定数量的用户而言，通信得到全时保证，不会出现公平问题。此外，通过限制有效用户的数量减少干扰的影响，且小区容量通过将发送功率集中起来而极大地增加。

尽管参照某些优选实施例对本发明进行了展示和描述，本领域的技术人员会理解在形式和细节上作多种变化而不偏离本发明的实质和范围，如附加权利要求中所定义的。

Claims (16)

1.一种在访问基站的用户终端中发送用于数据调度的反馈信息的方法，该基站通过多个发送天线为多个用户终端提供服务，其中的每个终端有多个接收天线，该方法包括以下步骤：

估计从发送天线到用户终端的信道特征；

将估计的信道特征分解成接收信道特征和发送信道特征；以及

将发送主本征向量反馈给基站，主本征向量是发送信道特征的最大值。

2.根据权利要求1所述的方法，其中信道特征分解成

$H_k=U_k{\mathrm{\Λ}}_k{V}_k^H$

$=[{\mathrm{\μ}}_{k,1},{\mathrm{\μ}}_{k,2},...,{\mathrm{\μ}}_{k,M}][{\mathrm{\λ}}_{k,1},{\mathrm{\λ}}_{k,2},...,{\mathrm{\λ}}_{k,M}]{[v_{k,1},v_{k,2},...,v_{k,M}]}^H$

其中H_k表示第k个用户的信道特征的信道矩阵，U_k是表示第k个用户的接收信道特征的矩阵，μ_k，i是表示第i个子信道的接收信道特征的向量，Λ_k是表示第k个用户的信道增益的对角矩阵，λ_k，i是表示第i个子信道的信道增益的常量，V_k是表示第k个用户的发送信道特征的矩阵，v_k，i是表示第i个子信道的发送信道特征的向量。

3.根据权利要求2所述的方法，其中用户终端在反馈步骤中将v_k，1反馈给基站。

4.根据权利要求2所述的方法，也包括将从基站接收到的信号乘以μ_k，i ^H以检测所期望的数据流。

5.一种在基站中为多个用户终端进行数据调度的方法，该基站通过多个发送天线为用户终端提供服务，该基站中的每个终端有多个接收天线，该方法包括以下步骤：

使用从多个用户终端反馈的主本征向量来选择预定数量的、且有最小相关性的用户终端；

通过组合所选择的用户终端的主本征向量来构造用户预编码矩阵；

将所选择的用户终端的数据流和用户预编码矩阵相乘，并将相乘得到的数据发送到所选择的用户终端；以及

其中多个用户终端估计从发送天线到用户终端的信道特征，将估计的信道特征分解成接收信道特征和发送信道特征，并反馈作为所述发送信道特征中的最大值的主本征向量。

6.根据权利要求5所述的方法，其中选择用户终端的步骤包括：

选择第一用户终端，其对于其它多个用户终端具有最小相关性；以及

按顺序选择其它用户终端，每个用户终端与除先前已选择的用户终端之外对于其它多个用户终端有最小相关性。

7.根据权利要求6所述的方法，其中按以下方式选择用户终端：

$d_1={\arg \min }_k\left(\underset{j=1,j\≠k}{\overset{K}{\mathrm{\Σ}}}{\left|\right|v_{\mathrm{dk},1}^H{v}_{\mathrm{dj},1}\left|\right|}^2\right)$

$d_2={\arg \min }_k\left({\left|\right|v_{d\mathrm{1,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2\right)$

$d_3={\arg \min }_k\left({\left|\right|v_{d\mathrm{1,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2{+\left|\right|v_{d\mathrm{2,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2\right)$



$d_M={\arg \min }_k({\left|\right|v_{d\mathrm{1,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2+{\left|\right|v_{d\mathrm{2,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2\·\·\·+{\left|\right|v_{d(M-1),1}^H{v}_{\mathrm{dk},1}\left|\right|}^2)$

其中M是所选择的用户终端的数量，K是基站所服务的多个用户终端的数量，d₁到d_M是所选择的用户终端的索引，v_dk，1是从第d_k个用户终端反馈的主本征向量。

8.根据权利要求5所述的方法，其中在选择用户终端步骤中，所选择的用户终端的总数和基站的多个发送天线的总数匹配。

9.一种在访问基站的用户终端中发送用于数据调度的反馈信息的设备，该基站通过多个发送天线为多个用户终端服务，其中每个终端有多个接收天线，该设备包括：

信道估计器，用于估计从发送天线到用户终端的信道特征；

信道特征分析器和发送器，用于将所估计的信道特征分解成接收信道特征和发送信道特征，以及将发送主本征向量反馈到基站，主本征向量是发送信道特征的最大值。

10.根据权利要求9所述的设备，其中信道特征分析器和发送器将信道特征分解为

$H_k=U_k{\mathrm{\Λ}}_k{V}_k^H$

$=[{\mathrm{\μ}}_{k,1},{\mathrm{\μ}}_{k,2},...,{\mathrm{\μ}}_{k,M}][{\mathrm{\λ}}_{k,1},{\mathrm{\λ}}_{k,2},...,{\mathrm{\λ}}_{k,M}]{[v_{k,1},v_{k,2},...,v_{k,M}]}^H$

其中H_k表示第k个用户的信道特征的信道矩阵，U_k是表示第k个用户的接收信道特征的矩阵，μ_k，i是表示第i个子信道的接收信道特征的向量，Λ_k是表示第k个用户的信道增益的对角矩阵，λ_k，i是表示第i个子信道的信道增益的常量，V_k是表示第k个用户的发送信道特征的矩阵，v_k，i是表示第i个子信道的发送信道特征的向量。

11.根据权利要求10所述的设备，其中信道特征分析器和发送器在反馈步骤中将v_k，1反馈给基站。

12.根据权利要求10所述的设备，还包括将从基站接收到的信号乘以μ_k，i ^H以检测所期望的数据流的解码器。

13.一种在基站中为多个用户终端进行数据调度的设备，该基站通过多个发送天线为用户终端提供服务，该基站中的每个终端有多个接收天线，该设备包括：

使用从多个用户终端反馈的主本征向量选择预定数量的、有最小相关性的用户终端的调度器；

通过组合所选择的用户终端的主本征向量来构造用户预编码矩阵，将所选择的用户终端的数据流和用户预编码矩阵相乘，并将相乘得到的数据发送到所选择的用户终端的预编码器；以及

其中多个用户终端估计从发送天线到用户终端的信道特征，将估计的信道特征分解成接收信道特征和发送信道特征，并反馈作为所述发送信道特征中的最大值的主本征向量。

14.根据权利要求13所述的设备，其中调度器选择第一个用户终端，其对于其它多个用户终端具有最小相关性，之后按顺序选择其它用户终端，每个用户终端与除先前已选择的用户终端之外对于其它多个用户终端有最小相关性。

15.根据权利要求14所述的设备，其中调度器按以下方式选择用户终端：

$d_1={\arg \min }_k\left(\underset{j=1,j\≠k}{\overset{K}{\mathrm{\Σ}}}{\left|\right|v_{\mathrm{dk},1}^H{v}_{\mathrm{dj},1}\left|\right|}^2\right)$

$d_2={\arg \min }_k\left({\left|\right|v_{d\mathrm{1,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2\right)$

$d_3={\arg \min }_k\left({\left|\right|v_{d\mathrm{1,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2{+\left|\right|v_{d\mathrm{2,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2\right)$



$d_M={\arg \min }_k({\left|\right|v_{d\mathrm{1,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2+{\left|\right|v_{d\mathrm{2,1}}^H{v}_{\mathrm{dk},1}\left|\right|}^2\·\·\·+{\left|\right|v_{d(M-1),1}^H{v}_{\mathrm{dk},1}\left|\right|}^2)$

其中M是所选择的用户终端的数量，K是基站所服务的多个用户终端的数量，d₁到d_M是所选择的用户终端的索引，v_dk，1是从第d_k个用户终端反馈的主本征向量。

16.根据权利要求13所述的设备，其中调度器选择与基站的多个发送天线的总数匹配的用户终端的总数和。

Images