CN101834814B - 基于信道预测的时变tdd-mimo通信信道互易性补偿方法 - Google Patents

Abstract

本发明公开了一种基于信道预测的时变TDD-MIMO通信信道互易性补偿方法，主要解决现有TDD-MIMO通信系统中由于信道时变而导致的信道互易性丧失问题。在该方法中，基站BS首先对上行链路的子帧进行信道估计，得到上行链路子帧的信道状态信息；然后根据得到的上行链路子帧的信道状态信息预测随后的下行链路子帧的信道状态信息；BS根据预测得到的信道状态信息对随后的下行链路子帧进行预编码处理，从而使得TDD-MIMO上、下行链路的信道互易性得以保持。本方法不需要进行反馈，基站即可获得TDD-MIMO系统下行链路信道状态信息，降低了系统开销，适用于补偿由信道时变引起的TDD-MIMO系统中信道互易性的丧失。

Description

基于信道预测的时变TDD-MIMO通信信道互易性补偿方法

技术领域

本发明属于通信技术领域，涉及时分双工TDD-MIMO通信系统的信号互易性补偿，具体地说是针对TDD-MIMO系统中由信道时变引起的信道互易性丧失这一问题的补偿方法，从而提高系统容量，应用于存在信道时变的TDD-MIMO移动通信系统中。

背景技术

MIMO系统因不需增加频谱资源和天线发送功率却能成倍提高无线信道的容量而成为将来无线通信的关键技术之一。在MIMO下行链路中，若能知道发端信道状态信息，则能大幅提高链路容量。在传统的频分双工FDD系统中，上、下行链路工作于不同的频点，为了在发端获知下行链路信道状态信息，收端需要反馈信息给发端，但随着天线数的增加，反馈量将以指数形式增加。而在TDD系统中，上、下行链路使用同一频点，上、下行链路信道特性一致，因此称为具有信道互易性。在TDD-MIMO系统中，下行链路信道状态信息能通过信道的互易性，从上行链路得到，即若已知上行链路信道状态矩阵H_U，则下行链路信道状态矩阵可由

得到，基站BS可根据此获得的信道状态信息进行发端预处理以获得最大系统容量，如图1所示。此过程并不需要使用专门的反馈信道，降低了系统开销，因此TDD系统的互易性也是较FDD系统的固有优势之一。

在MIMO通信系统的一些实现建议中，信道状态信息不仅用于收端的解码，也用于发端的预编码或预处理，而互易性的假定被广泛接受并用来有效地估计信道。如公开号为CN 101444054A的专利《获得信道互易性的方法、收发器和MIMO通信系统》，给出了一种在MIMO通信系统中确定上下行链路通信信道特性的方法，以使计算复杂度最低，且对通信信道特性反馈的需要最少。但是，现实情况中，由于收发射机本身因素或外部环境对通信链路产生影响等因素，往往会导致信道的互易性无法保持。公开号为CN 1910879A的专利《实现双向通信信道互易性的校准方法》，给出了一种发射机——接收机链非理想情况下对发射接收链中的误差和差异进行补偿的方法，使得信道的互易性可以被应用，保证有价值的信道资源不会浪费在不必要的信号传输上，提高容量增益。但是，该方法要求信道特性不发生变化，即信道时不变。当信道时变时，由于上行链路的信道估计和下行链路的数据传输间存在时延，因此当前时刻估计出的上行链路信道状态信息与下一时刻的下行链路信道状态信息并不满足

的关系，即此时发端所掌握的CSI已经过时，上、下行信道不再互易。若该方法仍用此过时的上行链路信道状态信息进行发端预处理，非但不能提高系统容量，还会导致收端数据产生大的误差。这种情况下，信道时变的影响必须着重考虑并进行补偿，否则TDD的互易性不但不能有效应用，还会严重影响系统性能。

发明内容

本发明的目的是提供一种基于信道预测的时变TDD-MIMO通信信道互易性补偿方法，使得TDD-MIMO系统的信道互易性在时变环境下得以保持，BS仍旧可以根据上行估计到的UL-CSI及前面预测得到的DL-CSI预测所需观测的下行链路子帧的DL-CSI而不用使用专门的反馈链路，从而节省系统开销，提高系统容量，使TDD系统的固有优势得以保持。

本发明的目的实现步骤为：首先BS估计出当前上行链路子帧的信道状态信息，即上行链路信道状态信息，然后根据估计得到的上行链路信道状态信息逐步预测出相邻下行链路子帧的的下行链路信道状态信息，进一步求得所需观测的下行链路子帧的下行链路信道状态信息，并根据此预测得到的下行链路信道状态信息进行发端预处理，从而补偿信道时变所导致的TDD-MIMO信道互易性的丧失，其步骤包括如下：

(1)移动台MS发射数据帧到基站BS，BS利用接收到的数据帧进行信道估计，得到第i(i＝0，1，…，∞)个数据帧对应的上行链路的信道状态矩阵为H_U(-i)；

(2)保存BS估计得到的先前K(1≤K≤3)个上行链路子帧分别对应的信道状态矩阵H_U(-i)(i＝0，1，...，(K-1))；

(3)BS根据保存的每个上行链路子帧所对应的上行链路信道矩阵H_U，利用AR模型一步预测得到与i＝0时上行链路子帧相邻的第一个下行链路子帧的下行链路信道状态矩阵

(4)根据i的取值确定信道状态矩阵：

若i＝1，则预测得到第一个下行链路子帧的信道状态矩阵

若i＝2，则根据已知的上行链路信道状态矩阵H_U及第一个下行链路子帧的信道状态矩阵递归预测得到第二个下行链路子帧的信道状态矩阵

若2≤i≤L-K-1，L为帧长，则根据已知的上行链路信道状态矩阵H_U及第一至第(i-1)个下行链路子帧的信道状态矩阵

递归预测得到第i个下行链路子帧的信道状态矩阵

本发明具有以下优点：

1)本发明由于用信道预测代替了信道反馈，避免使用专门的反馈链路，降低了系统的复杂度，同时节省了大量系统开销；

2)本发明相对于实际上行链路信道状态信息和实际下行链路信道状态信息的相似度而言，BS预测得到的下行链路信道状态信息与实际下行链路信道状态信息更加接近，在此基础上进行发端预处理能有效提高系统容量，使TDD的互易性得到充分发挥。

附图说明

图1现有时变信道下的TDD-MIMO通信系统中基于奇异值分解的传输原理示意图；

图2是本发明提出的基于信道预测的信道互易性补偿过程图；

图3本发明与传统方法相比，当终端移动速度v＝30km/h时，采用信道预测进行互易性补偿和不采用信道预测进行互易性补偿时系统容量的比较图。

具体实施方式

参照图2，本发明提出的信道互易性补偿，包括如下步骤：

步骤1，移动台MS发射数据帧到基站BS，BS利用接收到的数据帧进行信道估计。

信道估计采用MMSE方法估计得到的信道作为跟踪的初始值，在发射数据期间，采用卡尔曼滤波或LMS算法进行信道跟踪，得到第i(i＝0，1，…，∞)个数据帧对应的上行链路的信道状态矩阵为H_U(-i)。

步骤2，保存BS估计得到的先前K(1≤K≤3)个上行链路子帧分别对应的信道状态矩阵H_U(-i)(i＝0，1，...，(K-1))。

步骤3，BS根据保存的每个上行链路子帧所对应的上行链路信道矩阵H_U，利用AR模型一步预测得到与i＝0时上行链路子帧相邻的第一个下行链路子帧的下行链路信道状态矩阵

利用AR模型，信道状态矩阵

通过以下公式确定：

${\tilde{H}}_{D0}=\underset{i=0}{\overset{K-1}{\mathrm{\Σ}}}{a}_i{H}_{U(-i)}$

其中，K的取值范围为1≤K≤3；模型系数a＝[a₁，a₂，...，a_i]^T通过下式确定：

$J_0\left(2\mathrm{\π}{f}_d\mathrm{Ti}\right)=\underset{l=1}{\overset{i}{\mathrm{\Σ}}}{J}_0\left(2\mathrm{\π}{f}_{d}T\right|i-l\left|\right)a_l$

其中J₀(2πf_DT|i-l|)为时变信道的时间自相关系数，J₀(·)为第一类零阶贝赛尔函数；T为信道时不变的持续时间，3GPP标准认为信道在一个子帧内保持不变，因此T表示为一个子帧的时长；记ρ_i＝J₀(2πf_dTi)，ρ₀＝1，则模型系数a＝[a₁，a₂，...，a_i]^T可转换为求解下列方程组得到：

f_d为最大多普勒频移，表示为

v为MS移动速度，f_c为载频，c为光速。

步骤4，根据i的取值情况确定信道状态矩阵：

若i＝1，则利用AR模型，预测得到第一个下行链路子帧的信道状态矩阵为即用上行链路信道状态信息预测相邻第一个下行链路子帧的下行链路信道状态信息；

若i＝2，则根据已知的上行链路信道状态矩阵H_U及第一个下行链路子帧的信道状态矩阵递归预测得到第二个下行链路子帧的信道状态矩阵

若2≤i≤L-K-1，L为帧长，则根据已知的上行链路信道状态矩阵H_U及第一至第(i-1)个下行链路子帧的信道状态矩阵

递归预测得到第i个下行链路子帧的信道状态矩阵

当i＞1时，第i个下行链路子帧的信道状态矩阵可通过下式递归预测得到

${\tilde{H}}_{\mathrm{Di}}=\underset{l=1}{\overset{i-1}{\mathrm{\Σ}}}{a}_l{\tilde{H}}_{D(i-l)}+\underset{i=0}{\overset{K-1}{\mathrm{\Σ}}}{a}_i{H}_{U(-i)}$

K为TDD-MIMO系统中上行链路数据子帧的个数。

发端根据信道状态信息

对于相邻上行链路子帧的第i个下行链路子帧进行预编码处理，从而实现了时变信道条件下的信道互易性补偿。

下面以上行链路子帧个数K＝3，观测第i＝3个下行链路子帧为例，AR模型系数表示为a_(i，l)，i表示所要预测的下行链路子帧，l表示不同信道状态矩阵所对应的系数，给出本发明的实现方案实例：

(1)存储BS估计得到的3个上行链路子帧分别对应的信道状态矩

H_U(i)(i＝0，-1，-2)；

(2)预测相邻上行链路子帧的第1个下行链路子帧的信道状态矩阵

${\tilde{H}}_{D1}=a_{\left(\mathrm{0,1}\right)}{H}_{U\left(0\right)}+a_{\left(\mathrm{1,1}\right)}{H}_{U(-1)}+a_{\left(\mathrm{1,2}\right)}{H}_{U(-2)}$

(3)预测相邻上行链路子帧的第2个下行链路子帧的信道状态矩阵

${\tilde{H}}_{D2}=a_{\left(\mathrm{2,1}\right)}{\tilde{H}}_{D1}+a_{\left(\mathrm{2,2}\right)}{H}_{U\left(0\right)}+a_{\left(\mathrm{2,3}\right)}{H}_{U(-1)}+a_{\left(\mathrm{2,4}\right)}{H}_{U(-2)}$

(4)预测相邻上行链路子帧的第3个下行链路子帧的信道状态矩阵

${\tilde{H}}_{D3}=a_{\left(\mathrm{3,1}\right)}{\tilde{H}}_{D2}+a_{\left(\mathrm{3,2}\right)}{\tilde{H}}_{D1}++a_{\left(\mathrm{3,3}\right)}{H}_{U\left(0\right)}+a_{\left(\mathrm{3,4}\right)}{H}_{U(-1)}+a_{\left(\mathrm{3,5}\right)}{H}_{U(-2)}$

至此，认为收发两端的信道状态信息均已知，发端可根据发端已知的信道状态信息

对于相邻上行链路子帧的第3个下行链路子帧进行预编码处理，从而实现了时变信道条件下的信道互易性补偿。

本发明的效果可通过以下原理及仿真进一步说明：

1)现有基于奇异值分解的互易性补偿方法原理

假设TDD-MIMO系统中有M根发射天线，N根接收天线。x为输入符号向量，H_D3为需要观测的实际第三个下行链路子帧的信道状态矩阵，n为收端的加性高斯白噪声向量AWGN，下行链路MS接收到的符号向量可以表示为

y＝H_D3x+n，

假设n为零均值的复高斯噪声，且每根接收天线上噪声独立，有

E(nn^H)＝I_M，n^H为n的共轭转置

在下行链路的发端即BS，对紧邻下行链路子帧的第i＝0个上行链路子帧的信道状态矩阵H_U(0)进行SVD分解得

H_U(0)＝U_U(0)D_U(0)V_U(0) ^H

其中，U和V分别为酉阵，D为对角阵，且对角元素为H的特征值，并按从大到小的顺序排列。

根据信道的互易性，发端先对x用V_U(0)进行预编码，通过实际信道H_D3，再在收端用U_D3 ^H解预编码，最终得到

y＝U_D3 ^H(H_D3V_U(0)x+n)

此时的下行链路与估计出信道状态的上行链路相差3T时间，即3个子帧长度，使信道发生较大变化，而实际中信道很小的变化就能引起预编码矩阵和解预编码矩阵产生较大的偏移，使之不再匹配，因而使用V_U(0)就会产生较大的误差，从而导致系统容量下降。

2)使用本发明时的基于SVD的互易性补偿方法

由以上分析可知，在时变系统中进行信道预测，得到所需观测的第i＝3个下行链路子帧的信道状态矩阵

进行SVD分解得

${\tilde{H}}_{D3}={\tilde{U}}_{D3}{\tilde{D}}_{D3}{{\tilde{V}}_{D3}}^H$

此时BS获知的下行链路子帧的信道状态信息为

因此采用

进行发端预编码，通过实际信道H_D3，再在收端用解预编码，最终得到所需观测的第i＝3个下行链路的MS接收到的符号向量

$y={U_{D3}}^H(H_{D3}{\tilde{V}}_{D3}x+n)$

发端BS预编码结合收端MS解预编码，可针对信道的变化进行相对应的互易性补偿，从而信道变化对传输性能的影响完全消除，系统容量得以提高。以MIMO 2×2天线为例，取MS速度为30km/h，信噪比SNR＝10dB，i＝3，K＝3进行了仿真，并对现有互易性不补偿的信道容量进行仿真，结果如图3所示，从图3可见，本发明采用信道预测进行信道互易性补偿之后系统容量明显提高，因而有效实现了时变信道条件下的信道互易性补偿。

本发明并不限于上述系统的实施例，利用本发明的原理和方案，本领域的技术人员可以做出各种修改或改型，但这些改型和应用均在本发明的保护范围之内。

Claims (1)

1.一种基于信道预测的时变TDD-MIMO通信信道互易性补偿方法，包括如下步骤：

(1)移动台MS发射数据帧到基站BS，BS利用接收到的数据帧进行信道估计，得到第i个数据帧对应的上行链路的信道状态矩阵为H_u(-i)，i＝0，1，…，∞；

(2)保存BS估计得到的先前K个上行链路子帧分别对应的信道状态矩阵H_U(-i)，i＝0，1，...，(K-1)，1≤K≤3；

(3)BS根据保存的每个上行链路子帧所对应的上行链路信道矩阵H_U，利用AR模型进行一步预测，得到与i＝0时上行链路子帧相邻的第一个下行链路子帧的下行链路信道状态矩阵

${\tilde{H}}_{D0}=\underset{i=0}{\overset{K-1}{\mathrm{\Σ}}}{a}_i{H}_{U(-i)},$

其中，a＝[a₀，a₁，...，a_K-1]^T为模型系数，K的取值范围为1≤K≤3，模型系数a＝[a₁，a₂，...，a_i]^T通过下式确定：

$J_0\left(2\mathrm{\π}{f}_d\mathrm{Ti}\right)=\underset{l=1}{\overset{i}{\mathrm{\Σ}}}{J}_0\left(2\mathrm{\π}{f}_{d}T\right|i-l\left|\right)a_l,$

其中J₀(2πf_dT|i-l|)为时变信道的时间自相关系数，J₀(·)为第一类零阶贝赛尔函数；T为信道时不变的持续时间，3GPP标准认为信道在一个子帧内保持不变，因此T表示为一个子帧的时长；记ρ_i＝J₀(2πf_dTi)，ρ₀＝1，则模型系数a＝[a₁，a₂，...，a_i]^T可转换为求解下列方程组得到：

f_d为最大多普勒频移，表示为

v为MS移动速度，f_c为载频，c为光速；

(4)根据i的取值情况确定信道状态矩阵：

若i＝1，则预测得到第一个下行链路子帧的信道状态矩阵

若i＝2，则根据已知的上行链路信道状态矩阵H_U及第一个下行链路子帧的信道状态矩阵

通过以下公式递归预测得到第二个下行链路子帧的信道状态矩阵

${\tilde{H}}_{\mathrm{Di}}=\underset{l=1}{\overset{i-1}{\mathrm{\Σ}}}{a}_l{\tilde{H}}_{D(i-l)}+\underset{i=0}{\overset{K-1}{\mathrm{\Σ}}}{a}_i{H}_{U(-i)},$

其中，a＝[a₁，a2，...，a_i]^T为模型系数；2≤i≤L-K-1，L由选用的3GPP标准中的帧结构决定，K表示一帧中上行链路子帧的个数，1表示一个保护间隔子帧，L-K-1表示一帧中下行链路子帧的个数；

若2≤i≤L-K-1，L为帧长，则根据已知的上行链路信道状态矩阵H_U及第一至第i-1个下行链路子帧的信道状态矩阵

递归预测得到第i个下行链路子帧的信道状态矩阵

Images