基于均方误差的低复杂度MIMO干扰信道接收机制造技术

本发明专利技术提供了一种基于均方误差的低复杂度MIMO干扰信道接收机，其基于信道统计误差模型，考虑到BER性能在高信噪比时主要取决于最大的数据流MSE，在统计误差范围内对每个数据流MSE取均值，以最差数据流平均MSE作为优化目标，利用拉格朗日方法和MMSE接收迭代更新闭式的发送和接收向量，并通过内层迭代优化确定发送向量的参数，相比于采用SOCP的方法具有计算低复杂度，能够提升系统BER性能。

【技术实现步骤摘要】

本专利技术涉及无线通信
，具体是一种基于均方误差的低复杂度MIMO干扰信道接收机。
技术介绍
多输入多输出(multiple-input-multiple-output,MIMO)系统可以有效提高系统容量和链路可靠性，受到了非常多的关注。近年来，MIMO系统的研究主要集中于MIMO干扰信道以及MIMO干扰广播信道。然而，由于MIMO干扰信道的容量域还未能确定，目前普遍采用的方法是将干扰当作噪声进行单用户或者单数据流检测。E.Chiu,V.Lau,H.Huang,T.Wu,andS.Liu的文献“RobusttransceiverdesignforK-pairsquasi-staticMIMOinterferencechannelsviasemidefiniterelaxation(采用半正定松弛的K-用户准静态MIMO干扰信道鲁棒接收机设计),”IEEETrans.onWirelessCommun.,vol.9,no.12,pp.3762–3769,Dec.2010，公开了采用半正定松弛方法通过功率约束下的最差信干噪比(signal-to-interference-plus-noiseratio，SINR)优化问题与SINR约束下的功率优化问题的互逆性，设计信道非理想情况下的鲁棒接收机算法。现有技术中公开了H.Shen,B.Li,M.Tao,andX.Wang的文献“MSE-BasedtransceiverdesignsfortheMIMOinterferencechannel(基于MSE的MIMO干扰信道收发机设计),”IEEETrans.onWirelessCommun.,vol.9,no.11,pp.3480–3489,Nov.2010，分别基于sumMSE和最差用户MSE两种优化目标设计MIMO干扰信道收发机，并且考虑信道存在估计误差的情况，将优化问题转化为二阶锥规划(second-orderconeprogramming，SOCP)问题。仿真结果表明基于MSE的收发机设计方法比干扰对齐方法具有更好的误比特率(biterrorrate，BER)性能，而且基于最差用户MSE最小化的方法能够保证用户间的公平性并获得较好的性能。C.-E.ChenandW.-H.Chung的文献“Aniterativeminmaxper-streamMSEtransceiverdesignforMIMOinterferencechannel(基于最小最大单流MSE的MIMO干扰信道收发机迭代设计方法),”IEEEWirelessCommun.Lett.,vol.1,no.3,pp.229–232,Jun.2012，公开了以最大数据流MSE为优化目标的MIMO干扰信道收发机设计，由于BER性能在高信噪比时主要受最大数据流MSE的影响，因此该方法能够在H.Shenetal.文献的基础上进一步提高BER性能。然而，上述基于MSE的算法都是通过变换将问题构造为SOCP进行求解，具有较高计算复杂度，随着用户数和天线数增多，计算时间快速上升，不利于实际应用。此外，考虑实际系统中，由于信道估计、时延等影响，基站往往只能获得有误差的信道状态信息(channelstateinformation，CSI)。一种普遍采用的误差模型是假设误差项服从某个特定的分布，即统计误差模型。该模型既可以用于描述TDD系统中基站进行信道估计的误差，也可以描述TDD系统上下行传输间隔或FDD系统backhaul链路CSI共享造成的时延影响。
技术实现思路
本专利技术在现有技术基础上，提出一种基于均方误差的低复杂度MIMO干扰信道接收机，本专利技术基于信道统计误差模型，考虑到BER性能在高信噪比时主要取决于最大的数据流MSE，在统计误差范围内对每个数据流MSE取均值，以最差数据流平均MSE作为优化目标，利用拉格朗日方法和MMSE(最小均方误差)接收迭代更新闭式的发送和接收向量，并通过内层迭代优化确定发送向量的参数，相比于采用SOCP的方法降低了计算复杂度。根据本专利技术提供的一种基于均方误差的低复杂度MIMO干扰信道接收机，其特征在于，所述基于均方误差的低复杂度MIMO干扰信道接收机是通过如下设计方法得到的：以最差数据流平均MSE为优化目标，通过MMSE接收和拉格朗日对偶迭代更新闭式的接收和发送向量，具体包括以下步骤：步骤1：设置系统参数：用户数为K，第k对发射机和接收机中的发射机、接收机分别记为第k个发射机、第k个接收机，第k个发射机的天线数为Mk，第k个接收机的天线数为Nk，第k对发射机和接收机传输的数据流数为dk，第k个发射机的功率约束为Pk，第k个接收机处的零均值复高斯加性噪声的协方差为第j个发射机到第k个接收机的前一时刻的估计信道状态信息为信道估计误差矩阵为Δkj、信道时间相关系数为ρkj、时延误差矩阵为Fkj；其中：k,j＝1,...,K；信道估计误差矩阵Δkj的每一项均服从均值为0方差为σ2的复高斯分布，时延误差矩阵Fkj的每一项均服从均值为0方差为的复高斯分布；σ为信道估计误差矩阵Δkj每一项服从复高斯分布的标准差；步骤2：定义ek,l为第k对用户第l个数据流的MSE：ek,l=|gk,lHHkkbk,l-1|2+Σ(j,i)≠(k,l)|gk,lHHkjbj,i|2+σk2||gk,l||2]]>其中：Hkk为第k个发射机到第k个接收机的信道状态信息，上标H表示共轭转置操作，bj,i为第j个发射机对第i个数据流的波束成形向量，σk为第k个接收机处的零均值复高斯加性噪声的标准差，bk,l为第k个发射机对第l个数据流的波束成形向量，gk,l为第k个接收机对第l个数据流的接收向量，其中：l,i＝1,...,dk，Hkj为第j个发射机到第k个接收机的当前实际信道状态信息，即其中：k,j＝1,...,K；步骤3：计算统计误差范围内第k对用户第l个数据流的平均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：为第k个发射机到第k个接收机的估计信道矩阵；μkj=σ2ρkj2+1-ρkj2,∀k,j,δk,lj,i=1j=k,i=l0otherwise]]>步骤4：对第k个发射机到第k个接收机的估计信道矩阵进行奇异值分解，即U表示维度为Nk×Nk的酉矩阵，Σ表示维度为Nk×Mk的半正定对角矩阵，V表示维度为Mk×Mk的酉矩阵，初始化发送矩阵Bk(0)=bk,1(0)bk,2(0)...bk,dk(0)]]>为V的前dk列，其中：k＝1,...,K，最大迭代次数omax和imax，omax为外层迭代的最大迭代次数，imax为内层迭代的最大迭代次数，迭代次数no＝0；为第k个发射机的初始波束成形矩阵，为第k个发射机对第dk个数据流的初始波束成形向量；步骤5：使迭代次数no的值增加1，固定第k个发射机对第l个数据流在第no-1次迭代本文档来自技高网...

【技术保护点】
一种基于均方误差的低复杂度MIMO干扰信道接收机，其特征在于，所述基于均方误差的低复杂度MIMO干扰信道接收机是通过如下设计方法得到的：以最差数据流平均MSE为优化目标，通过MMSE接收和拉格朗日对偶迭代更新闭式的接收和发送向量，具体包括以下步骤：步骤1：设置系统参数：用户数为K，第k对发射机和接收机中的发射机、接收机分别记为第k个发射机、第k个接收机，第k个发射机的天线数为Mk，第k个接收机的天线数为Nk，第k对发射机和接收机传输的数据流数为dk，第k个发射机的功率约束为Pk，第k个接收机处的零均值复高斯加性噪声的协方差为第j个发射机到第k个接收机的前一时刻的估计信道状态信息为信道估计误差矩阵为Δkj、信道时间相关系数为ρkj、时延误差矩阵为Fkj；其中：k,j＝1,...,K；信道估计误差矩阵Δkj的每一项均服从均值为0方差为σ2的复高斯分布，时延误差矩阵Fkj的每一项均服从均值为0方差为的复高斯分布；σ为信道估计误差矩阵Δkj每一项服从复高斯分布的标准差；步骤2：定义ek,l为第k对用户第l个数据流的MSE：ek,l=|gk,lHHkkbk,l-1|2+Σ(j,i)≠(k,l)|gk,lHHkjbj,i|2+σk2||gk,l||2]]>其中：Hkk为第k个发射机到第k个接收机的信道状态信息，上标H表示共轭转置操作，bj,i为第j个发射机对第i个数据流的波束成形向量，σk为第k个接收机处的零均值复高斯加性噪声的标准差，bk,l为第k个发射机对第l个数据流的波束成形向量，gk,l为第k个接收机对第l个数据流的接收向量，其中：l,i＝1,...,dk，Hkj为第j个发射机到第k个接收机的当前实际信道状态信息，即其中：k,j＝1,...,K；步骤3：计算统计误差范围内第k对用户第l个数据流的平均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：为第j个发射机到第k个接收机的前一时刻的估计信道状态信息；μkj=σ2ρkj2+1-ρkj2,∀k,j,δk,lj,i=1j=k,i=l0otherwise]]>步骤4：对第k个发射机到第k个接收机的估计信道矩阵进行奇异值分解，即U表示维度为Nk×Nk的酉矩阵，Σ表示维度为Nk×Mk的半正定对角矩阵，V表示维度为Mk×Mk的酉矩阵，初始化发送矩阵Bk(0)=bk,1(0)bk,2(0)...bk,dk(0)]]>为V的前dk列，其中：k＝1,...,K，最大迭代次数omax和imax，omax为外层迭代的最大迭代次数，imax为内层迭代的最大迭代次数，迭代次数no＝0；为第k个发射机的初始波束成形矩阵，为第k个发射机对第dk个数据流的初始波束成形向量；步骤5：使迭代次数no的值增加1，固定第k个发射机对第l个数据流在第no‑1次迭代的发送波束成形向量其中：k＝1,...,K,且l＝1,...,dk，通过MMSE接收更新第k个接收机对第l个数据流在第no次迭代的接收向量其中：k＝1,...,K，且l＝1,...,dk；步骤6：固定接收向量其中：k＝1,...,K且l＝1,...,dk初始化迭代次数ni＝0，对应第k个用户第l个数据流的初始拉格朗日变量其中：k＝1,...,K且l＝1,...,dk，dj为第j对发射机和接收机之间传输的数据流数；步骤7：使迭代次数ni的值增加1，固定在第ni‑1次迭代中对应第k个用户第l个数据流的拉格朗日变量其中：k＝1,...,K且l＝1,...,dk，计算公式当vk＝0时的值，vk为对应第k个发射机的拉格朗日变量：如果则更新拉格朗日变量表示在第ni次迭代对应第k个发射机的拉格朗日变量；如果则通过二分搜索法求解更新在第ni次迭代对应第k个发射机的拉格朗日变量其中：k＝1,...,K；其中，公式是指：其中：Pk是第k个发射机的最大发射功率，ρkk为第k个发射机到第k个接收机信道的时间相关系数，Uk为矩阵特征值分解得到的酉矩阵，Σk为矩阵特征值构成的对角矩阵，为第k个发射机到第k个接收机的估计信道矩阵，为第k个接收机对第l个数据流在第no次迭代的接收向量，vk为对应第k个发射机的拉格朗日变量，为第ni‑1次迭代后计算得到的矩阵，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,....

【技术特征摘要】
1.一种基于均方误差的低复杂度MIMO干扰信道接收机，其特征在于，所述基于均方误差的低复杂度MIMO干扰信道接收机是通过如下设计方法得到的：以最差数据流平均MSE为优化目标，通过MMSE接收和拉格朗日对偶迭代更新闭式的接收和发送向量，具体包括以下步骤：步骤1：设置系统参数：用户数为K，第k对发射机和接收机中的发射机、接收机分别记为第k个发射机、第k个接收机，第k个发射机的天线数为Mk，第k个接收机的天线数为Nk，第k对发射机和接收机传输的数据流数为dk，第k个发射机的功率约束为Pk，第k个接收机处的零均值复高斯加性噪声的协方差为第j个发射机到第k个接收机的前一时刻的估计信道状态信息为信道估计误差矩阵为Δkj、信道时间相关系数为ρkj、时延误差矩阵为Fkj；其中：k,j＝1,...,K；信道估计误差矩阵Δkj的每一项均服从均值为0方差为σ2的复高斯分布，时延误差矩阵Fkj的每一项均服从均值为0方差为的复高斯分布；σ为信道估计误差矩阵Δkj每一项服从复高斯分布的标准差；步骤2：定义ek,l为第k对用户第l个数据流的MSE：ek,l=|gk,lHHkkbk,l-1|2+Σ(j,i)≠(k,l)|gk,lHHkjbj,i|2+σk2||gk,l||2]]>其中：Hkk为第k个发射机到第k个接收机的信道状态信息，上标H表示共轭转置操作，bj,i为第j个发射机对第i个数据流的波束成形向量，σk为第k个接收机处的零均值复高斯加性噪声的标准差，bk,l为第k个发射机对第l个数据流的波束成形向量，gk,l为第k个接收机对第l个数据流的接收向量，其中：l,i＝1,...,dk，Hkj为第j个发射机到第k个接收机的当前实际信道状态信息，即其中：k,j＝1,...,K；步骤3：计算统计误差范围内第k对用户第l个数据流的平均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：为第j个发射机到第k个接收机的前一时刻的估计信道状态信息；μkj=σ2ρkj2+1-ρkj2,∀k,j,δk,lj,i=1j=k,i=l0otherwise]]>步骤4：对第k个发射机到第k个接收机的估计信道矩阵进行奇异值分解，即U表示维度为Nk×Nk的酉矩阵，Σ表示维度为Nk×Mk的半正定对角矩阵，V表示维度为Mk×Mk的酉矩阵，初始化发送矩阵Bk(0)=bk,1(0)bk,2(0)...bk,dk(0)]]>为V的前dk列，其中：k＝1,...,K，最大迭代次数omax和imax，omax为外层迭代的最大迭代次数，imax为内层迭代的最大迭代次数，迭代次数no＝0；为第k个发射机的初始波束成形矩阵，为第k个发射机对第dk个数据流的初始波束成形向量；步骤5：使迭代次数no的值增加1，固定第k个发射机对第l个数据流在第no-1次迭代的发送波束成形向量其中：k＝1,...,K,且l＝1,...,dk，通过MMSE接收更新第k个接收机对第l个数据流在第no次迭代的接收向量其中：k＝1,...,K，且l＝1,...,dk；步骤6：固定接收向量其中：k＝1,...,K且l＝1,...,dk初始化迭代次数ni＝0，对应第k个用户第l个数据流的初始拉格朗日变量其中：k＝1,...,K且l＝1,...,dk，dj为第j对发射机和接收机之间传输的数据流数；步骤7：使迭代次数ni的值增加1，固定在第ni-1次迭代中对应第k个用户第l个数据流的拉格朗日变量其中：k＝1,...,K且l＝1,...,dk，计算公式当vk＝0时的值，vk为对应第k个发射机的拉格朗日变量：如果则更新拉格朗日变量表示在第ni次迭代对应第k个发射机的拉格朗日变量；如果则通过二分搜索法求解更新在第ni次迭代对应第k个发射机的拉格朗日变量其中：k＝1,...,K；其中，公式是指：其中：Pk是第k个发射机的最大发射功率，ρkk为第k个发射机到第k个接收机信道的时间相关系数，Uk为矩阵特征值分解
\t得到的酉矩阵，Σk为矩阵特征值构成的对角矩阵，为第k个发射机到第k个接收机的估计信道矩阵，为第k个接收机对第l个数据流在第no次迭代的接收向量，vk为对应第k个发...

【专利技术属性】
技术研发人员：张茜，何晨，蒋铃鸽，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31