单用户MIMO系统（二）：信道信息在发端未知

单用户MIMO系统（二）：信道信息在发端未知

关键词

MIMO，单用户，信道容量，MMSE-SIC，Matlab实现

基本介绍

本文介绍了单用户MIMO系统在发端不知道信道状态信息时的系统传输速率以及相应的接收机结构，并且给出了对应的Matlab实现。针对MIMO的接收机结构，本文重点论述了MMSE-SIC译码器的性质。

考虑图1所示的单用户MIMO系统，发射机配有$N_{\text{t}}$条射频链路，接收机配置有$N_{\text{r}}$条射频链路，无线信道可以用矩阵$\text{H}\in {\mathbb{C}}^{N_{\text{r}}\times N_{\text{t}}}$表示。接收机接收到的信号向量为：$$\text{y}=\text{H}\text{s}+\text{n},$$其中$\text{s}\in {\mathbb{C}}^{N_{\text{t}}\times 1}$表示传输的信号向量， $\text{n}\sim \mathcal{C}\mathcal{N}\left(0,{\sigma }^2{\text{I}}_{N_{\text{r}}}\right)$表示接收侧加性噪声，系统传输速率可以表示为[1]$$\mathcal{R}=\log \det \left({\text{I}}_{N_{\text{r}}}+\frac{1}{{\sigma }^2}\text{H}\mathbf{\Phi }{\text{H}}^{†}\right),$$其中$\mathbf{\Phi }=\mathbb{E}\left\{\text{s}{\text{s}}^{†}\right\}$表示发射信号的协方差矩阵，$\mathrm{T}\mathrm{r}\left(\mathbf{\Phi }\right)$表示传输功率。

图1：单用户MIMO传输系统框图

由于此时发送方无法利用$\text{H}$来对协方差矩阵$\mathbf{\Phi }$进行优化。此时，发送方只能选择将功率平均分配每个数据流，并且将单位矩阵${\text{I}}_{N_{\text{t}}}$作为预编码矩阵。综上所述，此时采用的协方差矩阵为$\mathbf{\Phi }=\sqrt{P/N_{\text{t}}}{\text{I}}_{N_{\text{t}}}$，其中$P>0$表示传输功率。因此，此时的传输速率为$$\mathcal{R}=\log \det \left({\text{I}}_{N_{\text{r}}}+\frac{P}{N_{\text{t}}{\sigma }^2}\text{H}{\text{H}}^{†}\right).$$注意，由于信道信息$\text{H}$在发送方不可知，信道容量（最大传输速率）是不可达的。

接下来，考虑接收机的结构。此时，接收端收到的信号为$$\text{y}=\text{H}\text{s}+\text{n}.$$为了使得传输速率达到此时的最大可达传输速率$\mathcal{R}=\log \det \left({\text{I}}_{N_{\text{r}}}+\frac{P}{N_{\text{t}}{\sigma }^2}\text{H}{\text{H}}^{†}\right)$，接收端需要将接收到的信号向量$\text{y}$直接送入译码器，对发送的数据流进行联合译码（joint decoding），这个过程具有指数复杂度。前文提及，当发送方与接收方同时知道信道$\text{H}$时，接收方与发送方分别利用信道矩阵的左右奇异矩阵进行滤波和预编码就可以将信道$\text{H}$分解为几个并行子信道，接下来对这些子信道进行并行译码即可。并行译码的复杂度远低于联合译码的复杂度。当信道信息在发送方未知的时候，发送方无法进行相应的预编码使得整个信道最终可以分解为若干个并行子信道。直观上来看，此时接收端必须采用联合译码。但是，可以有复杂度更低的译码方式来使得系统传输速率为最大可达传输速率。

记$\text{s}={\left[s_1,\cdots ,s_{N_{\text{t}}}\right]}^{⊺}$，其中$s_i$表示传输的第$i$条数据流（或者第$i$个符号），满足$\mathbb{E}\left\{s_i{s}_i^{†}\right\}=\frac{P}{N_{\text{t}}}$。因此，接收到的信号$\text{y}$可以写为$$\text{y}={\text{y}}_1={\text{h}}_1{s}_1+\sum _{i=2}^{N_{\text{t}}}{\text{h}}_i{s}_i+\text{n},$$其中${\text{h}}_i\in {\mathbb{C}}^{N_{\text{r}}\times 1}$表示信道矩阵$\text{H}$的第$i$列。先从接收到的信号$\text{y}$中恢复出第1条数据流$s_1$中的信息，此时可以将${\text{z}}_1={\sum }_{i=2}^{N_{\text{t}}}{\text{h}}_i{s}_i+\text{n}$视为干扰，其中$\text{n}\sim \mathcal{C}\mathcal{N}\left(\text{0},{\sigma }^2{\text{I}}_{N_{\text{r}}}\right)$表示加性白高斯噪声，${\sum }_{i=2}^{N_{\text{t}}}{\text{h}}_i{s}_i$表示数据流之间的流间干扰。为了恢复数据流$s_1$中的信息，可以先将接收信号通过滤波器${\text{c}}_1\in {\mathbb{C}}^{N_{\text{r}}\times 1}$，再将滤波器的输出送入译码器。接下来，需要对滤波器进行设计。具体来讲，滤波器的输出为：$$r_1={\text{c}}_1^{†}{\text{y}}_1=\left({\text{c}}_1^{†}{\text{h}}_1\right)s_1+{\text{c}}_1^{†}{\text{z}}_1=\left({\text{c}}_1^{†}{\text{h}}_1\right)s_1+{\text{c}}_1^{†}\left(\sum _{i=2}^{N_{\text{t}}}{\text{h}}_i{s}_i+\text{n}\right).$$由于信道最大传输速率的实现需要输入的信号服从高斯分布，因此$s_i\sim \mathcal{C}\mathcal{N}\left(0,\sqrt{\frac{P}{N_{\text{t}}}}\right)$，由此可知干扰项${\text{z}}_1$服从复高斯分布，协方差矩阵为$$\mathbb{E}\left\{{\text{z}}_1{\text{z}}_1^{†}\right\}={\sigma }^2{\text{I}}_{N_{\text{r}}}+\frac{P}{N_{\text{t}}}\sum _{i=2}^{N_{\text{t}}}{\text{h}}_i{\text{h}}_i^{†}={\text{K}}_1\succ \text{0}.$$显然，${\text{K}}_1$是个正定矩阵。$r_1=\left({\text{c}}_1^{†}{\text{h}}_1\right)s_1+{\text{c}}_1^{†}{\text{z}}_1$可以视为一个单入单出（single-input single-output, SISO）信道的输出，信道为${\text{c}}_1^{†}{\text{h}}_1$，输入信号为$s_1$，干扰为${\text{c}}_1^{†}{\text{z}}_1$。在这个系统模型中，需要设计的是滤波器向量${\text{c}}_1$。一个直观的设计思路是使得这个信道的信道容量最大，对于一个SISO信道而言，最大化信道容量等价于最大化接收端的信噪比。具体来讲，这个信道的接收信噪比可以表示为$${\gamma }_1=\frac{P}{N_{\text{t}}}\frac{{\left|{\text{c}}_1^{†}{\text{h}}_1\right|}^2}{\mathbb{E}\left\{{\left|{\text{c}}_1^{†}{\text{z}}_1\right|}^2\right\}}=\frac{P}{N_{\text{t}}}\frac{{\text{c}}_1^{†}{\text{h}}_1{\text{h}}_1^{†}{\text{c}}_1}{{\text{c}}_1^{†}{\text{K}}_1{\text{c}}_1}.$$对应的优化问题可以建模为$${\text{c}}_1^{\star }=\arg \underset{{\text{c}}_1}{\max }\frac{{\text{c}}_1^{†}{\text{h}}_1{\text{h}}_1^{†}{\text{c}}_1}{{\text{c}}_1^{†}{\text{K}}_1{\text{c}}_1}.$$上述问题是一个无约束优化问题，不过目标函数不是关于${\text{c}}_1$的凹函数。为解决上述问题，引入辅助变量${\text{v}}_1={\text{K}}_1^{1/2}{\text{c}}_1$，由此可以得到${\text{c}}^{}$