改进的MU-MIMO线性预编码算法

张继荣, 刘亚丽, 江 驰

(西安邮电大学 通信与信息工程学院, 陕西 西安 710121)

改进的MU-MIMO线性预编码算法

张继荣, 刘亚丽, 江 驰

(西安邮电大学 通信与信息工程学院, 陕西 西安 710121)

针对MU-MIMO系统中多用户天线之间存在的干扰问题，提出一种块状对角化-最小均方误差(BD-MMSE)算法。该算法是在信噪比一定的情况下，先用BD预编码算法在发送端消除多用户之间的干扰，然后在接收端使用MMSE信号检测技术对每个用户多个天线之间的干扰进行消除，最终使误比特率达到最小。仿真结果表明，改进的预编码算法比单一的预编码算法的BER性能有显著提高。

IEEE802.11ac协议； MU-MIMO 空间调度算法； 最小均方误差检测； 块状对角化算法

随着人们对于高画质和高保真音质的追求，利用高速无线网络播放高清影音的需求越来越大。推动了无线网络的升级换代。传统的802.11ag甚至802.11n无线网络都已经无法满足这一需求。因此只能将希望寄予下一代无线网络——IEEE 802.11ac无线网络[1]。

IEEE 802.11ac作为下一代无线wifi的标准并不是现在才提出的。其实早在2008年上半年IEEE802.11ac项目就已经开始着手准备了，当时被称为超高吞吐量(Very High Throughput)，其目标是提供至少1Gbps带宽进行多站式无线局域网通信，或最少500Mbps的单一连接传输带宽。

从核心技术来看，802.11ac将继续沿用802.11n的MIMO技术，为它的传输速率达到Gbps量级打下基础，第一阶段的目标是传输速率达到1Gbps。802.11ac每个通道的工作频宽将由802.11n的40MHz提升到80MHz甚至是160MHz。空间流数目由11n的4*4MIMO发展为11ac的8*8MIMO。调制技术由802.11n的64QAM提升至高达802.11ac的256-QAM。再加上大约10%的实际频率调制效率的提升，最终理论传输速率将由802.11n中最高的600Mbps跃升至1Gbps。而MU-MIMO作为802.11ac的新技术可以在多个终端设备同时连接AP，每个装置可以独立使用不同的空间流传输数据，进而减少竞争。但是它需要知道发射端的信道状态信息来进行优化设计，来消除各用户之间的干扰。MU-MIMO系统通过把SDMA技术与MIMO处理相结合，来获得更高的系统容量。但由于处理能力和标准QoS的限制，只有有限的用户数量可以同时得到服务。因此对于一个具有大量用户的MIMO系统而言，合理的分配用户组就显得尤为重要。

预编码技术是一种用在发射端来抑制多用户间干扰的预均衡方法。MIMO预编码技术可以有效的防止误码扩散，降低接收端的复杂度，提高MU-MIMO的传输性能。目前下行 MU-MIMO 系统的预编码技术主要分为线性和非线性两大类。非线性预编码技术[2-3]主要有脏纸编码(Dirty Paper Coding, DPC)和 THP (Tomlinson- Harashima Precoding)算法等。线性预编码技术[4-5]主要包括迫零信道反转(Zero-Forcing Channel Inversion，ZF-CI)算法、块对角化(Block Diagonalization，BD)算法等。由于非线性预编码技术运算复杂度比较高，很难在实际系统中实现，所以线性预编码技术在实际通信系统中获得广泛的使用。然而目前的预编码算法[6]只考虑到多用户间的干扰而没有考虑用户多天线间的干扰。因此本文提出BD-MMSE算法来消除用户间以及多天线间的干扰。

目前关于802.11ac标准技术的研究还处于初级阶段，相关的文献不是很多。本文只是针对在下行MU-MIMO系统中的预编码技术进行研究。通过文献[7]可知比例公平调度算法(PFS)既考虑了系统吞吐率的同时也考虑了多用户之间的公平，所以首先选用PFS算法来选取用户组。选定服务用户组以后再采用线性预编码算法来抑制多用户间干扰(MUI)并调整每一个单用户的传输。当数据到达接收端以后，采用最小均方误差(MMSE)检测技术来消除用户多天线之间的干扰，从而提高系统的BER性能。

1 系统模型

yi=Hix+zi(i=1,2,…,k),

其中zi∈MR×1为第i个用户的加性噪声。

图1 系统模型

根据系统模型，在下行链路中，用户是独立分散的，因此接收天线之间无法进行协同工作。而基站在同时向多个用户发送数据时，每个用户都会接收到其他所有用户的信号。这样就会产生多用户间的干扰，且受制于用户端成本等因素的考虑，无法通过接收端的均衡来消除，因此需要在发送端采用预编码技术来消除端用户之间的干扰。

2 空间调度算法

在进行预编码之前，首先通过比例公平调度算法[8-9](PFS)对用户进行分组。

假设在时隙n第i个用户的支持速率为Ri[n]。使用比例公平调度算法后，基站选取在当前时刻n上支持速率Ri[n]与其平均速率Ti[n]之比最大的用户i*[n] 进行资源分配和数据传输。即

其中用户i的平均速率Ti[n]更新如下

3 线性预编码算法

3.1 块状对角化算法

在线性链路中，数据传输的主要问题[10]是不能在接收机之间直接进行协同检测，因此需要在基站侧使用预编码来消除数据之间的干扰，传统的BD算法[11]只是对发送端的干扰进行处理而没有考虑接收端的干扰。

其中Hi∈MR,i×MT为BS和第i个用户之间的信道矩阵，Wi∈MT×MR,i为第i个用户的预编码矩阵，zi是噪声向量。

要想使上式的有效信道矩阵能够被块状对角化，则需要满足如下关系式

HiWk=0 (i≠k),

也就是要求预编码矩阵Wi∈Mt×MR,i必须落在除第i个用户外的其他所有用户的信道矩阵i的零空间中。

表示对第i个用户的预编码矩阵。

3.2 迫零检测算法

预编码技术只能消除多用户间的干扰，而对于每个用户的天线间干扰需要用信号检测方法[12]来消除。信号检测是将来自目标发射天线的期望信息流当做有用信息，同时把其他的发射信号当做干扰。为了检测来自每根天线的期望信号，需要利用一个加权矩阵W实现信道逆转，即

使用迫零检测算法进行多天线间干扰的消除，它所使用的加权矩阵为

WZF=(HHH)-1HH，

其中(·)H表示转置操作。由此可以得到检测信号

其中

3.3 MMSE信号检测

MMSE判决的信号检测方法[13]是在有背景噪声环境中的最佳检测方案，可以使每个用户都能达到最小的误码率。

首先令MMSE中的加权矩阵

4 系统性能评估

在802.11ac系统模型中,对4×4的MU-MIMO系统用Matlab仿真的方法分析所提出的BD-MMSE检测算法。

仿真过程中的参数设置见表1。

表1 空间信道模型的参数

图2为线性预编码算法的平均误比特率曲线，可以看出，迫零检测算法(ZF)的BER性能最差，原因是迫零检测算法(ZF)是利用信道矩阵H的伪逆H+作为波束成型矩阵，可以完全消除用户端的干扰，但是它在干扰消除的过程中，也大大的消减了信号的有用成分。而MMSE检测算法的BER性能优于ZF算法，其原因是它允许存在小部分的同信道干扰残留，能最大程度地减小预编码过程中对有用信号所造成的衰减。至于最大似然(ML)算法，虽然它能获得很好的BER性能，但是由于它的复杂度比较高，所以很少使用。

图2 线性编码的平均误比特率曲线

从仿真结果图3中可以看出，使用MMSE检测的块状对角化算法的BER性能优于使用迫零检测的块状对角化算法的BER性能。MMSE检测可以将实际传输的信号和检测出来的信号之间的均方误差保持最小。它是在噪声放大和干扰抑制之间权衡的结果。

图3 BD-ZF与BD-MMSE算法误比特率的比较

图4对比了采用MMSE检测算法的软判决和MMSE检测算法硬判决。可以发现软判决比硬判决更能给系统带来性能的提升。所以采用BD预编码消除用户间干扰以后，再使用MMSE软判决在接收端进行多天线干扰消除，即可提高用户的BER性能。

图4 MMSE线性检测的软判决与

5 结论

目前的线性预编码算法有很多种，本文就MU-MIMO系统中用户干扰问题提出了一种将块状对角化算法与MMSE检测算法相结合的方法，也就是BD-MMSE算法，这种方法不仅消除了多用户之间产生的干扰，同时也消除了用户上多天线之间的干扰。从仿真结果可以看出，所提方法可以提高用户的BER性能。

[1] The 802.11 Working Group of the 802 Committee.IEEE,IEEEP802.11acTM/D2.2[S].New York: IEEE Three Park Avenue New York,2012,5:46-57.

[2] Costa M. Writing on dirty paper[J]. IEEE Transs. Information Theory. 1983,29(3): 439-441.

[3] Athanasios P L. Tomlinson-Harashima Precoding with Partial Channel Knowlegde[J]. IEEE Transs. Communicaitons. 2005,53 (1): 5-9.

[4] Haustein T, von Helmolt C, Jorswieck E, et al. Performance of MIMO Systems with Channel Inversion[J]. IEEE 55th VTC. 2002,11(1): 35-39.

[5] Spencer Q H, Swindlehurst A L, Haardt M. Zero-Forcing Methods for Downlink Spatial Multiplexing in Multi-User MIMO Channels[J]. IEEE Trans. Signal Processing. 2004,52 (2): 461-471.

[6] 王新秋.MU-MIMO预编码技术的研究[D].北京：北京邮电大学，2010:18-21.

[7] 孟凯凯.多用户MIMO预编码和用户调度算法研究[D].西安：西安电子科技大学，2013:47-53.

[8] 杨阳.下行MU-MIMO预编码及用户调度技术研究[D]. 成都：电子科技大学，2011:27-30.

[9] Wengerter C, Ohlhorst J, von Elbwart A G E. Fairness and Throughput Analysis for Generalized Proportional Fair Frequency Scheduling in OFDMA[J]. IEEE 61st VTC, 2005, 3: 1903-1907.

[10] 张春芳.下行MU-MIMO系统用户调度算法研究[D].南京：南京邮电大学，2012:34-37.

[11] ChoYongSoo, Kim Jaewon. MIMO-OFDM 无线通信技术 及 MATLAB实现[M].孙锴,黄威,译.北京：电子工业出版社，2011:345-356.

[12] 安杰.多用户MIMO系统下行链路关键技术研究[D]. 北京：北京邮电大学，2013:11-12.

[13] 许威.MIMO系统中基于ZF_MMSE检测的自适应功率分配方案[J].电子学报，2008(10):1892-1893.

[责任编辑:孙书娜]

Improved MU-MIMO linear precoding algorithm

ZHANG Jirong, LIU Yali, JIANG Chi

(School of Communication and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

In order to solve the problem of interference existing between multi-user antennas at MU-MIMO system, a BD-MMSE precoding algorithm is proposed in this paper. Under certain SNR conditions, a BD precoding algorithm is used to eliminate interference between multiple users at the sender, the MMSE detection technique is then used for each of the plurality of antennas between users to eliminate the interference at the receiver, and finally the bit error rate is minimized. Simulation experiments show that the improved pre-coding algorithm can significantly improve BER performance than the single pre-coding algorithm.

IEEE802.11ac standard, MU-MIMO, the minimum mean square error detection, block diagonalization precoding algorithm(BD).

10.13682/j.issn.2095-6533.2014.06.011

2014-09-05

张继荣(1963-)，女，博士，教授，从事现代通信网研究。E-mail:comnet@xupt.edu.cn 刘亚丽(1989-)，女，硕士研究生，研究方向为现代通信网。E-mail:xuptliuyali@163.com

TN914.3

A

2095-6533(2014)06-0058-04