大规模MIMO多用户系统中的导频调度和预编码方法的理论分析

目录

1.系统模型

2.大规模MIMO下的预编码策略

3.大规模MIMO下的ZF预编码策略

4.大规模MIMO下的MMSE预编码策略

5.大规模MIMO下的导频调度方法

---

        在大规模MIMO（多输入多输出）多用户系统中，导频调度和预编码是两个关键的技术。导频调度主要涉及到如何有效地分配导频资源给不同的用户，以便基站能够准确地估计出用户的信道状态信息（CSI）。一种常见的方法是采用正交导频序列，即不同用户使用相互正交的导频序列，从而避免导频污染和干扰。基站通过接收用户发送的导频序列，进行信道估计，获取用户的CSI。

       在获取了用户的CSI之后，基站需要进行预编码操作，以便更好地进行下行数据传输。预编码的主要目的是根据用户的CSI对发送的数据进行预处理，使得在接收端能够更准确地解码出原始数据。常见的预编码方法包括线性预编码和非线性预编码。

       线性预编码方法，如最大比传输（MRT）、迫零（ZF）和最小均方误差（MMSE）等，具有较低的复杂度，但在用户间干扰较大时性能可能受限。非线性预编码方法，如脏纸编码（DPC）和向量扰动（VP）等，能够提供更好的性能，但复杂度较高。在实际应用中，需要根据系统的具体需求和限制选择合适的预编码方法。

       此外，在大规模MIMO系统中，由于天线数量众多，传统的全数字预编码方法可能面临高复杂度和高功耗的问题。因此，混合预编码方法被提出并广泛研究。混合预编码方法结合了数字预编码和模拟预编码的优点，能够在降低复杂度和功耗的同时保持较好的性能。总的来说，导频调度和预编码是大规模MIMO多用户系统中的关键技术，对于提高系统性能和用户体验具有重要意义。在实际应用中，需要根据系统的具体需求和限制选择合适的方法进行优化设计。

       多用户MIMO系统中下行链路模型MIMO广播信道（Broadcast Channels，BC）已经在很多文献中被研究了。已经证明当发射机具有理想信道信息（Channel State Information, CSI）时，MIMO-BC的容量能通过脏纸编码（Dirty-Paper Coding，DPC）获得。但是在实际系统中，由于信道快速变化使得获得的信道信息的有效时间很短，并且当考虑基站配置大量天线时，脏纸编码的实现因为复杂度几乎是不可行的。寻找到可接受的性能与复杂度折中的次优预编码策略则成为一个重要的研究方向。

       通常在一个多小区多用户系统中设计预编码时，基站需要CSI，无论是部分的还是完全的。传统的做法是基站向用户发送导频符号，用户做信道估计后，通过特定的反馈信道将CSI反馈回基站。但是当基站天线数趋向无穷时，由于系统的相干时长有限，上述的CSI获取方法显然难以实现。因此，大规模MIMO（Very Large MIMO 或 “Massive MIMO”）系统中CSI的获取通常是利用信道的互易性。即仅考虑时分双工（Time Division Duplexing, TDD）系统，用户发送导频符号给基站，基站利用接收到的导频符号估计相应的信道，之后利用信道互易性，可以用已获得的信道估计来设计下行链路的预编码[5]。文献[6]中指出，大规模天线阵列能够以很简单的信号处理方法减少小区间的干扰。这是因为当存在大规模天线阵列时，原本随机的事物开始趋向确定，比如，用户基站间信道矩阵奇异值的分布趋向一个确定的函数。同时，随着基站天线阵列规模的增加，等效信噪比随着基站天线数线性增长，这意味着当天线数翻倍时，发射功率可以减半而依然能获得相同的等效信噪比。

1.系统模型

       系统模型如图1所示，是一个由个时间同步全频谱复用小区，每小区基站根天线，每小区（）个单天线用户组成的大规模MIMO多小区多用户TDD系统。小区内导频正交，小区间导频则完全复用。假设信道是互易的，即下行链路的传播矩阵仅仅就是上行链路传播矩阵的转置。

2.大规模MIMO下的预编码策略

      在大规模MIMO下的预编码策略。在基站大阵列天线的多用户MIMO中，天线的数量远远大于用户数。在这样一个传播条件下，传播矩阵的列向量是渐近正交的，即有

3.大规模MIMO下的ZF预编码策略

       当不考虑小区间的相互协作时，即各个基站的预编码是分布式的，单小区的预编码策略自然是最直接想到的。比如，当假设每个小区内的导频序列是正交的，可以在每个小区对用户采用ZF预编码。该ZF预编码对应的预编码矩阵为：

       通常，在实际应用中为了满足功率约束条件需要一个归一化因子，我们这里仅假设所有基站均采用同样的归一化因子，暂时忽略为常数的归一化因子，因为当基站天线数趋向无穷时，精确的归一化因子并不重要，后续推导中也会忽略。

4.大规模MIMO下的MMSE预编码策略

       在小区基站处可估计的信道不仅有期望信道，而且还包括干扰信道，。上一节的单小区ZF预编码仅利用了期望信道信息来设计预编码，而未考虑利用干扰信道信息来减少对其它小区的干扰，因此当存在较严重的小区间干扰时，整个系统的吞吐量性能肯定不是最优的。

      基于MMSE的多小区预编码策略，可以归结为一个最优化问题如下：

      目标函数的物理意义是很直观的，第一项是小区中所有用户所见的均方误差和，第二项是其它小区的所有用户所见到的干扰均方和。即目标函数的目的是设计预编码矩阵使得本小区接收信号均方误差最小的同时，对其它小区用户的干扰也最小。

       由于该基于MMSE的多小区预编码策略既考虑了本小区的均方误差，又考虑了对其他小区用户的干扰，与基于最大信漏噪比（Signal-Leakage-Noise Ratio，SLNR）准则的预编码策略有类似之处。因此在这里考虑在大规模MIMO下的基于最大SLNR准则的预编码策略，作为性能对比。基于最大SLNR准则的预编码策略的主要思想是[15]：在最大化每个用户期望信号能量的同时，最小化该用户对其他同信道用户造成的干扰，即最大化每个用户期望信号功率与该用户对其他同信道用户造成的干扰与噪声功率之比。

5.大规模MIMO下的导频调度方法

        在大规模MIMO多小区多用户TDD系统中，通常小区内导频是正交的，小区间导频则是复用的，这不可避免地会带来上行导频污染，会影响基站对信道的估计精度，使设计的预编码矩阵性能降低，最终导致整个系统的性能下降。当存在严重的导频污染时，即便是复杂度较高的预编码策略，比如基于MMSE的多小区预编码，较之简单的单小区ZF预编码也没有太多的性能增益，而在没有导频污染的场景下，前者的性能是远远优于后者的。因此，减轻导频污染是提升大规模MIMO多小区多用户TDD系统性能的一个重要方向。我们发现，导频污染的影响程度与导频的分配情况相关，比如，当不同小区的同导频用户间干扰很大时，采用正交的导频，而不同小区的同导频用户间干扰较小时采用相同的导频，可以有效地减少用户间的导频干扰，达到提高系统性能的效果。