基于SLNR-MMSE的协作多点通信系统预编码算法的研究

孙增友，刘玲玉，张　洋

(东北电力大学 信息工程学院，吉林 吉林 132012)



基于SLNR-MMSE的协作多点通信系统预编码算法的研究

孙增友，刘玲玉，张洋

(东北电力大学 信息工程学院，吉林 吉林 132012)

摘要：通过对信号泄露噪声比预编码算法和最小均方误差预编码算法进行详细的分析，本文针对这两种算法的不足，提出了SLNR-MMSE的预编码算法。通过仿真分析可知，提算法在误码率和系统容量方面较其他算法均有一定的优势。

关键词：预编码算法；信号泄露噪声比；最小均方误差；误码率；系统容量

在LTE-Advanced系统中引入协作多点(CoMP，coordinated multi-point)通信技术可以降低小区间干扰，提升系统容量，而预编码技术作为CoMP的关键技术可以抑制用户之间的干扰，其基本思想是在发射端利用已经获得的信道状态信息(CSI，channel state information)，得出相应的预编码矩阵，然后利用这一矩阵对发送信号进行预处理，从而达到降低系统误码率和提高系统容量的目的[1-3]。

目前广泛研究的预编码算法主要有线性预编码算法和非线性预编码算法两大类[4-6]。由于非线性预编码算法的实时性较差且复杂度极高，所以在实际系统中很难应用。常用的线性预编码算法主要有：迫零(ZF，zero forcing)预编码算法、最小均方误差(MMSE，minimum mean square error)预编码算法、块对角化(BD，block diagonalization)预编码算法和信号泄露噪声比(SLNR，signal-to-leakage and noise ratio)预编码算法等[7-9]。其中，ZF算法能够消除用户自身内部的干扰，但没有考虑噪声的影响，使得ZF算法的性能较差。MMSE算法在ZF的基础上考虑了噪声的影响，但无法消除用户间的干扰，使得MMSE算法不是最理想的预编码算法。SLNR算法虽然能在最大程度上消除噪声和用户间的干扰，却无法消除用户自身内部的干扰。文献[10]提出的SLNR-ZF算法虽然能消除所有的干扰，提高系统的性能，但ZF算法的引入会使信道噪声放大，使得系统的抗噪声干扰能力很差。本文结合MMSE算法和SLNR预编码算法的特点，提出了SLNR-MMSE预编码算法，所提算法的误码率明显降低，系统容量明显提高。

1系统模型

CoMP系统模型[11]如图1所示。假设下行CoMP系统由M个基站(BS，base station)、N个用户(UE，user)组成，且每个基站有nT根发射天线，每个用户有nT根接收天线，由此形成(MnT×NnR)的虚拟MIMO系统。

图1　CoMP系统模型

2多点协作通信技术中主要的预编码算法

2.1MMSE预编码算法

MMSE预编码算法在发送端完全知道CSI的情况下，求用户信道矩阵的广义逆矩阵作为预编码矩阵。该算法求出的预编码矩阵与信道矩阵相乘，得出一单位矩阵，使得用户的数据传输在独立的子信道上，以达到消除用户自身内部干扰的目的[12]。最小均方误差预编码矩阵WMMSE为

(1)

F=diag(f1， f2，…， fk，…， fNnR) ，

(2)

(3)

F的作用是保证发射功率的标准化，H是信道矩阵，规范化因子β的引入可以消除噪声的干扰，σ2是噪声功率，E0是信号功率，I是单位矩阵。MMSE预编码算法的优点是可以消除用户自身内部的干扰和噪声的影响，但它不能消除用户之间的干扰且该算法要求发射端天线数总和要大于等于接收端各用户天线总和，导致其使用范围有限。

2.2SLNR预编码算法

SLNR是目标用户所接收到的信号功率与该目标用户的泄露功率与噪声功率的比值[13]。第k个用户的信泄噪比为

(4)

(5)

SLNR预编码算法的目的就是求解使SLNR最大的预编码矩阵，以使接收到的信号功率达到最大，且泄漏到其他用户的功率和噪声功率降到最低[14。根据这一思想，可求得第k个用户SLNR的预编码矩阵为：

WSLNR-k=argmaxSLNRk =argmaxHkWk2∑Ni=1,i≠kHiWk2+nRσk2

(6)

SLNR预编码算法对传输天线数目没有限制且实现复杂度低，能在最大程度上消除噪声和其他用户的干扰，保证信号的功率，但它却不能消除用户自身内部存在的干扰[15-20]。

3SLNR-MMSE预编码算法

SLNR预编码算法虽然能在最大程度上消除噪声和其他用户的干扰，却无法消除用户自身内部的干扰。MMSE预编码算法能做到将用户自身内部的干扰去除。在SLNR预编码算法中引入MMSE预编码算法，提出改进的SLNR-MMSE算法，理论上可以消除用户之间、用户自身内部的干扰以及噪声。由(6)式可知，所有用户的信号泄露噪声比预编码矩阵为：

WSLNR=[WSLNR-1，WSLNR-2，…，WSLNR-N].

(7)

步骤一：首先将由N个用户组成的多用户CoMP信道矩阵分解，分解后的信道为N个相互独立且并行的单用户CoMP用户矩阵Hk(1≤k≤N)。

步骤二：将上述N个独立的用户矩阵Hk分别与对应的SLNR预编码矩阵WSLNR-k相乘可得对应的等效信道矩阵HSLNR-k，该矩阵的计算公式如下：

HSLNR-k=Hk×WSLNR-k，1≤k≤N .

(8)

步骤三：对N个等效信道矩阵HSLNR-k分别进行MMSE预编码可得新的预编码矩阵WMMSE-k为：

(9)

Fk=diag(f1， f2，…， fα，…， fNnR) ，

(10)

(11)

其中Fk的作用是保证发射功率的标准化。

步骤四：将WMMSE-k与原SLNR预编码矩阵相乘最到WSLNR-MMSE-k，因此所求的SLNR-MMSE预编码矩阵WSLNR+MMSE为：

WSLNR-MMSE-k=WSLNR-k×WMMSE-k，

(12)

WSLNR-MMSE=[WSLNR-MMSE-1，…，WSLNR-MMSE-k，…，WSLNR-MMSE-N] ，

(13)

由上述可知，将SLNR和MMSE两种算法结合起来，可以有效的消除用户之间、用户自身内部的干扰以及噪声，降低系统的误码率，提高系统容量。

4算法仿真

本实验在MATLAB仿真环境下进行，仿真参数来源于3GPP TR36.814，小区数为3，用户数为3，每个用户的接收天线为2，信道为平坦瑞利型信道，具体的仿真参数如表1所示。

表1　仿真参数表

图2是当天线配置为3×2时SLNR预编码算法改进前后的误码率图。从图2可以看出，在0-30 dB的范围内，随着信噪比的增加，各预编码算法的误码率呈递减趋势。SLNR-MMSE和SLNR-ZF预编码算法的误码率明显低于MMSE、SLNR的误码率，其中信噪比在0-20 dB范围内，SLNR-MMSE的误码率性能明显优于SLNR-ZF；信噪比在20-30 dB范围内，SLNR-MMSE的误码率性能与SLNR-ZF相近。

图3是当天线配置为3×2时SLNR预编码算法改进前后的系统容量图。从图3可以看出，在0-30dB的范围内，随着信噪比的增加，MMSE、SLNR、SLNR-ZF和SLNR-MMSE预编码算法的系统容量呈递增趋势。SLNR-MMSE预编码算法的系统容量明显高于MMSE、SLNR和SLNR-ZF的系统容量。

图2 天线配置为3×2时SLNR预编码算法改进前后的误码率图3 天线配置为3×2时SLNR预编码算法改进前后的误码率

5结论

本文通过对CoMP系统中经典预编码算法进行研究，针对MMSE和SLNR算法的缺陷，提出了SLNR-MMSE算法，能消除用户间、用户自身内部的干扰以及噪声，进一步提高系统的性能。通过仿真分析得出，SLNR-MMSE在误码率和系统容量方面较其它算法具有一定优势。

参考文献

[1]隋吉生，赵亮，王圣达，付洋洋.基于MMSE的无线OFDM系统信道估计算法[J].东北电力大学学报，2014，34(6)：77-79.

[2]吕晓寰，程宏伟，方彬彬，周硕.基于商奇异值分解的一类二次特征值反问题[J].东北电力大学学报，2015，35(1)：88-92.

[3]李立华，王维，王骥.一种协作多点多用户通信系统的预编码方法[J].北京邮电大学学报，2014，37(1)：20-24.

[4]郑凤，陈艺戬，张婷婷，武穆清.CoMP系统的SFN预编码改进算法[J].湖南大学学报：自然科学版，2012，39(2)：82-87.

[5]郑凤，张婷婷.协作多点系统的本地预编码改进算法[J].上海交通大学学报，2012，41(11)：1821-1825.

[6]隽静平，王军选.基于信泄噪比的改进预编码算法研究[J].移动通信，2014，38(22)：65-69.

[7]顾妍.LTE协同多点通信技术中的预编码算法研究[D].宁夏：宁夏大学，2014.

[8]王盛.LTE-A多点协作传输中的多用户协作技术的研究[D].北京：北京邮电大学，2013.

[9]张欢.高速铁路场景下协作多点传输技术研究[D].北京：北京交通大学，2013.

[10] 张宁波，康桂霞，张平，刘泽民.一种改进的信号泄露噪声比多用户预编码算法[J].电子与信息学报，2009，31(9)：2161-2165.

[11] 易正琨，熊勇，杨秀梅，雷舒培.一种改进的SLNR多用户MIMO预编码方法[J].电信科学，2011，27(10)：94-97.

[12] Jaehyun Park，Joohwan Chun.Efficient multi-user MIMO precoding based on GSVD and vector perturbation[J].Signal processing，2012，92(2)：611-615.

[13] ZHANG Rui.Cooperative multi-cell block diagonalization with per-base-station power constraints[J].IEEE Journal on Selected Areas in Communications，2010，28(9) ：1435-1445.

[14] WANG Yachen，MA Xiaofeng，LI Ye.Block diagonalization coordinated transmission with zero-forcing in MIMO broadcast[J].The Journal of China Universities of Posts and Telecommunications，2011，18(3)：27-33.

[15] 戴翠琴，钟声.CoMP系统中的天线选择和功率分配联合算法[J].重庆邮电大学学报：自然科学版，2013，25(1)：90-95.

[16] 高向川.多用户MIMO系统中关键技术研究[D].北京：北京邮电大学，2011.

[17] 赵英，王军选.LTE-A系统中JP-CoMP预编码算法[J].无线通信技术，2014，23(1)：6-9.

[18] 刘颖，宋晓勤，杜庆肖.LTE系统中JP-CoMP预编码的优化算法[J].信息通信，2012，122(6)：17-19.

[19] Wei Ning，Li Shaoqian，Yue Gang.Joint Processing Precoding for Coordinated Multi-Point Transmission in LTE-A[J].ZTE Communication，2010，8(1)：426-430.

[20] Liu W，Sarkar M Z I，Ratnarajah T.Combined Approach of Zero Forcing Precoding and Cooperative Jamming：A Secrecy Tradeoff[C].Wireless Communications and Networking Conference，2013：1825-1829.

Research on Precoding Algorithm in Coordinated Multi-point Communication System Based on SLNR-MMSE

SUN Zeng-you，LIU Ling-yu，ZHANG Yang

(School of Information Engineering，Northeast Dianli University，Jilin Jilin 132012)

Abstract：Through detailed analysis of signal-to-leakage-and-noise ratio precoding algorithm and minimum mean square error precoding algorithm，this paper proposed SLNR-MMSE precoding algorithm aiming at the disadvantages of signal-to-leakage-and-noise ratio precoding algorithm and minimum mean square error precoding algorithm.Simulation analysis proves that the proposed algorithm has some advantages over other algorithms in bit error rate and system capacity.

Key words：Precoding algorithm；Signal-to-leakage-and-noise ratio；Minimum mean square error；Bit error rate；System capacity

收稿日期：2015-10-11

作者简介：孙增友(1963-)，男，吉林省吉林市人，东北电力大学信息与工程学院高级工程师，硕士，主要研究方向：无线通信技术、电力通信技术.

文章编号：1005-2992(2016)02-0081-05

中图分类号：TN914.53

文献标识码：A