LTE-A中协同多点传输的联合处理预编码方法

其中B [n ]=B1[n ],B2[n ],…,Bn [n ]，D[n ]=D1T[n ],D 2T [n],…,DMT [n]T。

第u个UE的接收矢量表示为：

其中N[n ]是一个n r×1维的噪声和干扰矢量。

对于每一个UE，用来得到联合预编码矩阵BU [n ] ∈(Mn t×l)的算法即本文所要研究的预编码方法。

2 CoMP-JP预编码方法

2.1 基于信道矩阵的预编码方法

最直接的预编码方法是在发射端能够获得H[n] 的条件下进行预编码。在TDD模式下，可以利用信道互异性，通过上行信道的SRS来估计下行的H[n] ，在FDD模式下，H[n] 则必须通过UE的反馈来得到。

下面列出了在这种情况下的预编码方法[2]。

(1)迫零(ZF)波束成型算法

ZF波束成型算法通过信道H [n]的伪逆形式来引入完整的对角化。波束成型矩阵B[n] 由下式给出：

B[n]是H[n]的伪逆矩阵，矩阵F[n]用来保证发射功率归一化，由下式给出：

其中f k [n ](1≤k≤Mn r )为：

H[n]B[n]是一个对角矩阵，表示包括多天线用户自身内部干扰在内的所有干扰被完全消除。然而，多接收天线的用户可以处理其自己的多天线接收信号，这使得ZF波束成型不是最理想的，所以，块对角化的方法被提出。

(2)块对角化(BD)算法

块对角化(BD)算法是每一个接收端是多天线的情况下的另一种次优解决方案。BD能够消除掉组内的所有用户间干扰。

BD采用满足Hi[n]Bj[n ]=0(i≠j )的预编码矩阵，这表示所有用户间干扰将被消除。Hi[n]是除了用户i 的其他所有用户的信道矩阵：

其中上标H表示Hermitian转置，∑i[n ]是一个以Hi[n]的奇异值为对角线元素的对角矩阵，维数等于Hi   [n]的秩。Vi(1)[n]由与非零奇异值对应的奇异向量组成，Vi(0)[n]由零奇异值对应的奇异向量组成。Vi (0)[n ]是Hi [n ]的零空间的一组正交基。

用户i的独立数据流个数li不能大于Vi(0)[n]的列数，因此我们从Vi(0)[n]的右边选择li 列表示为Vi(0)[n]，作为用户i 的BD预编码矩阵：

用预编码矩阵B[n]，等效信道矩阵H[n]B[n]是块对角化的，这意味着用户间的干扰可以完全消除，而用户自身的多天线干扰则继续存在。

(3)BD+SVD算法

得到Vi(0)[n]之后，对于所有(i≠j)，Hj[n]Vi(0)[n]=0，此时可以进一步采用MIMO特征波束成型的方法来提高容量。等效信道矩阵Hi [n]Vi(0)[n]的SVD分解可得到：

其中Vi(1)[n] 由非0奇异值对应的奇异矢量组成，可以用来最大化用户i接收的信号与干扰噪声比(SINR)。

第n个载波上的预编码矩阵可以定义为：

直接H[n]反馈[3]又存在几种变化：如仅反馈有一定间隔的子载波上的H[n ]或同时反馈某些附加的时域信息。

由于发送端可以获得预编码后的等效信道，从而得到预编码后UE的容量，所以可以基于容量最大化的原则选取用户进行配对。

直接信道矩阵反馈可以提供丰富的信道信息，但是对于FDD模式完美的信道矩阵信息反馈是不可能的，必须利用时域或频域的信道相关性对反馈量进行压缩并采用合适的量化技术。

在时域、频域上的平均或对H进行量化都可能会导致H的严重失真，文献[4]分析了平均和量化两种压缩反馈量的方法在不同的场景下对性能的影响。

在TDD模式CoMP中，如果采用Rel.8中的SRS设计会带来协作小区SRS接收功率不足[5]和不同小区的SRS序列相关性性能较差[6]的问题，为了支持CoMP-JP，可能需要对现有的SRS信号进行某种增强。

2.2 基于空间相关矩阵的预编码方法

某些条件下，信道矩阵在时域、频域上的平均或压缩将极大的降低其有效性，这也使信道矩阵的反馈压缩变得较为困难。但是信道的空间相关矩阵在频域或时域上的平均却不会造成很大失真，所以基于信道协方差矩阵进行预编码可能成为了一种更为有效的预编码方法[7]。信道协方差矩阵定义为：

其中Ri可以通过集合S的选取而在不同的子载波集合上做平均来得到，这样就可以对反馈量进行更为灵活的调整或压缩。

以两用户为例，在基于R的预编码方法中，假设UEi 和UEj 在同一时频资源块上进行下行传输，两用户的预编码矩阵分别为：

作者：魏宁　李少谦　岳钢   来源：中兴通讯技术——2010年 第1期　总第89期