基于奇异值分解的TD-HSPA+系统赋形算法研究

为了加强对数据业务的支持，时分同步码分多址技术(TD-SCDMA)在第三代合作伙伴计划(3GPP)版本5和版本7的规范里分别引入了高速下行包接入技术(HSDPA)和高速上行包接入技术(HSUPA)，合称高速分组接入(HSPA)技术[1-2]。在3GPP 版本8中TD-SCDMA启动了一个新的研究项目——增强HSPA(HSPA+)，作为HSPA的演进版本。TD-SCDMA HSPA+（以下简称TD-HSPA+）要达到的性能目标有：提高频谱效率和峰值速率、增大系统容量和支持的用户数、保持和TD-SCDMA HSPA系统/R4系统的后向兼容性、降低用户面时延和控制面时延、降低终端功耗。

HSPA+主要采用了5方面的无线增强技术，包括多输入多输出(MIMO)技术、高阶调制技术、持续分组连接(CPC) 技术、增强小区前向接入信道(CELL-FACH)技术以及层2的增强技术[3-6]。下面分别对这5方面关键技术进行简单介绍。

MIMO是文章关注的重点，它通过在发射端和接收端分别使用多个发射天线和接收天线，在不额外增加带宽和功率的条件下充分开发空间资源，利用复用增益和空间分集增益提高数据速率、减少误比特率、改善无线信号传送质量；高阶调制技术的引入主要是为了进一步提高HSPA+下行传输速率，相比HSPA，其主要修改在于在HSPA+下行引入64正交幅度调制(QAM)，而在上行依然保持HSPA阶段的16 QAM；CPC技术是为了满足高服务质量(QoS)业务"一直在线"的需求，通过高效同步保持技术、高效VoIP支持技术以及高速转换不连续发射/不连续接收(DTX/DRX)，达到提高小区专用信道(CELL_DCH)状态下分组数据用户数、VoIP用户容量和系统效率的目的；CELL_FACH技术与CPC技术相对应，其目的是满足低QoS业务"一直在线"的需求；增强CELL-FACH状态主要针对速率较低、在线时间长的业务进行设计优化，其目的主要包括：提高CELL-FACH态的峰值速率，减少CELL-FACH、小区寻呼信道(CELL-PCH )和系统寻呼信道(URA-PCH)用户面和控制面时延，减少URA-PCH、CELL-PCH、CELL-FACH到CELL-DCH状态迁移时延及减少终端的电池消耗；HSPA+层2增强技术包括引入可变的协议数据单元(RLC PDU)大小、媒体接入控制(MAC)层对RLC PDU的分段功能以及在一个传输时间间隔(TTI)内引入可以调度多个优先级队列的数据等多个方面内容。

文章针对TD-HSPA+系统的下行波束赋形方案，分析比较了传统智能天线波束赋形(BF)算法的优缺点，并提出了一种适用于多径信道的基于奇异值分解(SVD)的8×1波束赋形算法，并提供一种对多径信道进行SVD分解的思路和方法。在此基础上，文章将其与传统的特征向量法(EBB)相对比，并进行系统级仿真评估。另外，文章进一步评估了引入64 QAM高阶调制对TD-HSPA+ 8×1 MIMO系统的性能影响，并给出相应结论。

1、基于SVD分解的8×1BF天线建模及分析

1.1、传统智能天线下行赋形算法

目前常用的传统智能天线的下行赋形算法主要有两种：波束扫描法(GOB)和EBB[7]。

GOB算法是基于参数模型（利用信道的空域参数）的算法，它能使基站实现下行指向性发射。GOB算法是将整个空间分为L个区域，并为每个区域设置一个初始角度，再以各个区域的初始角度方向向量为加权系数，计算接收信号功率，然后找到最大功率对应的区域，并将该区域的初始角度当作估计的到达角。GOB算法实际上是利用上下行信道对称的特点，来确定赋形角度。

EBB算法是通过对空间相关矩阵进行特征值的分解来得到权矢量，实现方法就是找到第K个用户的权矢量w k，使得用户K接收到的有用信号功率与非有用信号功率比r (w k )最大。

EBB算法的基本思路如下：

在波束空间中，找到使接收信号功率最大的赋形权矢量，并通过对用户空间相关矩阵进行特征分解，分解后得到的最大特征值对应的特征向量即为权矢量。

公式(2)中，是基站接收机估计的上行信道冲击响应，以信道冲击响应的相关矩阵为基础的下行波束加权矢量虽然没有进行DoA的估计，但是在时延角度扩散信道中仍能基本对准移动台的发射。对于EBB算法来说，信扰比r (w k )越大，信号分离就越大，天线阵的波束赋形抑制干扰的能力就越强，增益也越高。

从算法难度来看，EBB算法的实现难度略高于GOB算法，EBB算法得到的是全局最优解，而GOB算法得到的是局部最优解；从应用场景来看，在低速情况下，EBB算法性能优于GOB，而在高速情况下，EBB算法与GOB算法性能基本相当；在市区场景下，无线的传播环境很恶劣，EBB算法的优势也更加明显。综上所述，EBB算法性能要明显优于GOB算法。由于文章选择的仿真场景为市区宏小区和市区微小区，所以在文章中将以EBB算法为参照，通过仿真给出基于SVD和EBB算法的性能差异。

1.2、基于SVD的下行赋形算法

传统SVD算法只适用于单径信道，而TD-HSPA+的信道是多径的，所以传统SVD算法并不能直接在TD-HSPA+系统中使用。文章提出一种对于多径信道使用SVD的算法，以改进TD-HSPA+波束赋形算法性能。

文献[8]中给出了步行环境A类信道(PA)和车载环境A 类信道(VA)每一径的功率以及每一径相对于第一径的延迟，如表1所示。

表1

表2

对于TD-HSPA+信道而言，当两 时，

这两条径将被系统识别为同一条径。因此，对于PA和VA信道而言，TD-HSPA+系统识别的某一径实际上是多条径的叠加，其叠加后的结果如表2所示。

由表2可知，对于PA信道而言，TD-HSPA+系统只能识别出1径，这1径实际上是PA信道所有4条主径的叠加，集中了所有4条主径的全部能量；对于VA信道，TD-HSPA+系统的第1径占所有能识别出的3条径总能量的93.1%，在能识别出的3条径中，第2径和第3径的所占能量很少，也就是说PA和VA信道第1径的功率最强。另外，由于基站端8根天线的空间间距很小，当每个径的离开角(AoD)在一个相对较小的区间内对8×1空时信道的径做SVD分解时，获得的预编码矩阵是基本相同的。为了使SVD分解的复杂度可控并同时保证可行性，该算法只对8×1空时信道的第1径矩阵做SVD分解。

根据TD系统信道互惠性，通过对前一时隙上行、用户天线1与基站8根天线组成的8×1信道矩阵的估计，得到下行基站与用户天线组成的8×1信道等效发送矩阵：

H1=[h 1, h 2, …, h 8]1×8

hi (i =1,2,…, 8)为基站第i 根发射天线与用户相应的接收天线之间主径的信道响应。

对矩阵[H1]进行SVD分解，若矩阵为满秩，[H1]=U1×1∑1×1V1×8

预编码矩阵W的确定为：W=V8×1

系统模型可以写为：

Y=HWX +n

H=?H1,1…H1,MT」E×MT (E+L-1)

其中：

i =1, j =1,2,…,MT ,是包含了多径信息的第i 根接收天线和第j 根发射天线间的信道矩阵。

设

接收端用户对信号进行线性-最小均分误差(L-MMSE)检测：

检测矩阵为：

G =(H' )H((H' )(H' )H+σ2I )-1MR (E+L-1)×MRE

对原始信号的估计如下：

X=G (H' X+n)=GH' X=Gn

每个流的信号与干扰加噪声比(SINR)可以计算如下：

预编码矩阵W的获得，需要对信道矩阵H进行SVD分解。为了控制SVD算法复杂度，本算法只对8×1空时信道的第1径矩阵做SVD分解，获得预编码矩阵W。

2、系统级仿真平台设计

文章评估了TD-HSPA+8×1MIMO系统使用基于SVD的波束赋形算法时的系统性能，并与使用传统EBB算法时的性能进行比较，重点对市区宏小区和市区微小区下采用64 QAM高阶调制时和不采用64 QAM高阶调制时的小区吞吐量以及系统的首传正确率进行仿真评估及分析。

仿真平台为系统级动态仿真平台，利用OPNETTM软件编写，仿真场景的假设主要是根据文献[8-9]中的相关场景进行设定。整个仿真区域由19 个小区组成，每个小区包含3个扇区，每个扇区随机分布10 个用户。系统级仿真与链路级仿真不同，它不仅考虑单个基站和用户间通信。由于系统级仿真需要包含多个小区、扇区、基站和用户，对于系统级仿真如果仍采取链路级仿真逐比特地对物理层的编码、调制和扩频等处理模块进行建模的方式，将变得复杂。因此，将系统级仿真平台分为系统级仿真和链路级仿真两部分，链路级仿真提供信噪比—误块率(SNR-BLER)曲线以供系统级仿真使用。系统级仿真参数如表3所示。

表3

3、8×1 MIMO天线仿真结果及分析

3.1、首传正确率

将SVD算法和EBB算法的TD-HSPA+ 8×1 MIMO系统进行系统级仿真并对比，在市区宏小区下，有64 QAM和无64 QAM时的首传正确率，如图1所示。

由图1可以看出，添加64 QAM的SVD算法和EBB算法的首传正确率要比无64 QAM时低。这是因为系统增加64 QAM高阶调制后，在信道估计计算SINR比较高时，用户会反馈高的调制方式。

但是当下一次该用户被调度时，有可能因为超过相关时间，信道发生了变化，导致高调制方式不再适合于该用户，从而使错误率增加，首传正确率降低。

另外，SVD算法的首传正确率要略低于对应配置下EBB算法的首传正确率。这可能是由于SVD算法需要考虑多径因素，其受信道相关性影响更大，当信道发生变化的时候，SVD算法分配的调制方式可能不再适合用户。

3.2、基站平均吞吐量

SVD算法与EBB算法的基站平均吞吐量对比如表4所示。由表4可以看出，SVD算法的基站平均吞吐量要远高于对应场景的EBB算法小区吞吐量，无论是在有64 QAM还是无64 QAM的场景这一结论都成立。其中市区宏小区场景的基站平均吞吐量增益最为明显，在引入64 QAM的情况下，这一性能增益达到28.2%。SVD算法在市区微小区下的基站平均吞吐量略低于市区宏小区场景下的基站平均吞吐量，这主要是因为宏小区散射体少，多径间相关性好。对于每一个径来说，做SVD分解出来的预矩阵差距很小，所以波束赋形效果更好。

表4

另外，64 QAM的引入能给SVD算法和EBB算法系统带来明显的吞吐量增益，结合3.1节中的结论，虽然引入64 QAM之后将会略微降低系统的首传正确率，但同时却会明显提高系统的平均吞吐量，从而有效地改善用户体验。

4、结束语

文章提出一种基于SVD的下行赋形算法，以解决对多径信道使用SVD存在困难的问题，并与传统的EBB算法进行分析对比，对TD-HSPA+下行系统性能进行仿真分析，重点研究了市区宏小区和市区微小区场景下SVD算法和EBB算法的性能差异以及64 QAM给系统带来的性能影响。

由仿真结论可以看出：SVD算法相比传统EBB算法能够有效提高基站的平均吞吐量，而64 QAM的引入能进一步提高基站平均吞吐量，带来更好用户的体验。

5、参考文献

[1] 彭木根，王文博.TD-SCDMA移动通信系统—增强和演进[M].北京：机械工业出版社，2008:1-20.
[2] 彭木根, 洪伟，王文博.TD-SCDMA的长期演进与HSPA+增强技术[M].电信科学，2007，23(6):45-52.
[3] 3GPP TR25.224 v9.1.0. Physical Layer Procedures (TDD) [S]. 2009.
[4] 3GPP TR25.308 v10.0.0. High Speed Downlink Packet Access (HSDPA); Overall Description; Stage 2[S]. 2009.
[5] 3GPP TR25.909 v9.0.0.Continuous Connectivity for Packet Data Users; 1.28Mcps TDD[S]. 2009.
[6] 3GPP TR25.824 v8.0.0. Scope of High Speed Packet Access (HSPA) Evolution for 1.28Mcps TDD [S]. 2008.
[7] GODARA L C. Application of Antenna Arrays to Mobile Communications, Part II:?Beam-Forming and Direction-of-Arrival Considerations [J]. Proceedings of the IEEE, 1997, 85(8):1195-1245.
[8] 3GPP TR25.996 v9.0.0. Spacial Channel Model for Multiple Input Multiple Output (MIMO) simulations[S]. 2009.
[9] 3GPP TR25.876 v7.0.0. Multiple Input Multiple Output (MIMO) in UTRA[S]. 2007.

作者：陈明佳，张翔，彭木根

陈明佳，北京邮电大学硕士研究生，研究方向为TD-HSPA/HSPA+系统的增强技术和性能仿真评估。

张翔，北京邮电大学博士研究生；主要从事TD-HSPA+和TD-LTE系统关键技术研究；现已在国际国内期刊和会议上发表论文20篇，申请专利9项。

彭木根，北京邮电大学副教授、博士生导师；多年来一直从事信号信息处理与无线通信系统关键理论及组网策略等方面的科研工作，目前研究重点为无线网络协同信息论、下一代无线宽带通信系统无线资源管理算法和协议设计、无线网络自组织(SON)和网络编码技术等；近期出版学术著作8本、译著2本，发表SCI国际期刊论文20余篇，授权技术发明专利20余项。