多用户MIMO系统下行传输技术研究

董 峥,赵 娜,王 森,陈念茹

(中国人民解放军61081部队,北京100094)

0 引言

目前,关于点对点单用户MIMO系统信号处理与空时编码理论与方法的研究成果已日趋丰富。然而实际无线通信系统往往需要一个基站同时和多个移动用户进行通信,因此多用户MIMO系统[1,2]的研究应运而生。由于多用户MIMO系统具有时间、频率、空间和用户的多维自由度,并且下行传输数据量通常远大于上行数据量,因此下行各用户之间的联合处理,即优化和整合这些自由度来获得最大的系统容量是系统设计的最终目的,从而多用户MIMO下行传输技术的研究被认为是解决未来无线通信发展瓶颈的有效途径,成为当前研究的热点问题。

1 系统模型

在多用户MIMO系统中,上行链路被称作MIMO多址接入信道,下行链路则为MIMO广播信道。上行链路中,所有用户工作在相同频段上且向同一个基站发送信号,基站可以针对不同的多址接入方式采用阵列处理,利用多用户检测等技术分离出各个用户的数据。下行链路中,基站同时向通信中的移动台发送数据,一个移动台对应一个用户。任何一个用户接收的信号都包含基站发送给所有通信用户的信号,从而产生多用户干扰。由于多用户MIMO系统各用户信道彼此独立,除非用户已知所有用户的信道状态信息,否则它不可能像点对点MIMO系统那样,根据完整的信道矩阵分解出发送数据。实际上,多用户之间很难协作,一个移动台若要获得其他所有移动台的信道信息必须付出巨大代价。同时,因为基站可以获得移动台的信道信息,因此在信号发射前,通常由基站进行预处理来消除多用户干扰。下行链路的空分多址即为基站利用已知的信道信息经过变换使多用户间形成彼此独立的等效空间信道来消除干扰,进而实现同时向多个移动台发送信息。

在多用户MIMO系统研究中,通常假设发射机已知所有用户的信道信息,在时分双工系统中通过基站接收上行链路的训练或导频序列获得;在频分双工系统中可以智能地通过反馈获得各个用户信道信息。假定多用户MIMO系统共有K个用户,第k个用户的天线数为NRk,基站有N_T根天线,通常把这种配置的多用户MIMO系统记为。H是由所有用户的信道矩阵构成的整体,用户k的信道矩阵记为Hk。在某些实际系统中,移动台只能有一根天线,即单天线用户的多用户MIMO系统。一个简单的多用户MIMO系统的示意图如图1所示。

图1 多用户MIMO系统示意图

2 系统下行传输技术

多用户MIMO系统的下行传输技术主要分为基站完全已知信道状态信息的线性预处理和非线性处理技术,以及基站知道部分信道状态信息的部分信息预编码技术,下面分别加以阐述。

2.1 线性预处理

通常基站按照某种准则选择调度将要通信的K个用户,然后将这些用户的数据流dk经过预处理发射出去,经过调制矩阵M预处理,发送数据向量包含发送给所有通信用户的数据,这里的线性预处理也可以被认为是波束成形。接收端移动台k则可以通过解调矩阵D对接收信号进行线性处理从而恢复出相应的数据。常见的线性预处理方法包括:信道逆处理[3](Channel Inversion)、块对角化[4]以及收发联合编码等。

2.1.1 信道逆处理

不论用户采用一根还是多根天线,一种显而易见的消除多用户间干扰的办法就是信道逆处理。发射机进行信道逆处理,就是令调制矩阵M为信道矩阵H的广义逆矩阵,最终使信道完全对角化,每个用户都对应一个或者一组等效单输入单输出信道,也被称为迫零预编码,看作是迫零的波束成形方法。这样一个用户的每根天线就仅能接收到一个信号。接收机的接收处理过程非常简单,但通常要求发射天线数不小于所有通信用户接收天线数之和。然而,信道逆处理过程即使已知信道信息,信道容量也不能随天线数的增加而线性增长,而且在用户的天线间相关性较大时,系统的吞吐率会降低,因此信道逆处理不是最优的,要么吞吐量减少,要么必须提高发射功率。类似于最小均方误差算法的规格化信道预逆处理则能够很好地解决这个问题,其预处理矩阵可以使接收的信号干扰噪声比最大化。

2.1.2 块对角化

块对角化是多用户MIMO系统处理多天线用户的一种常用方法。块对角化预处理是寻找使得H◦M为块对角阵的调制矩阵M,从而形成多个独立并行的等效单用户MIMO信道,各个用户之间的干扰为零。此时,针对每个用户仍然可以采用已有的单用户MIMO系统的技术,例如垂直-贝尔实验室分层空时结构、最大似然检测、收发联合处理的奇异值分解等方法,同时针对各个用户可以分别采用注水方法进一步使系统容量最大化。尽管这种对角结构未必是最优方案,但最优结果往往近似于对角结构。一方面,等效的单用户MIMO信道和传统的单用户MIMO信道具有相同的特性,增加基站发射天线数目会使所有用户的等效MIMO信道的发射天线数目增加;另一方面,随着发射天线数目的增加,在保证单个用户的信道容量情况下,系统所能容纳的总用户数也会增加。

在块对角化中,为了完全抵消用户间干扰,传输天线数需要大于系统内接收天线数的总和,从而限制了同时传输的用户数。因此,当系统内用户数多时,同样存在多用户调度的问题。此外块对角化方法还要求每用户发送数据流等于其接收天线数,这样才可以更好地消除用户间干扰问题。

2.1.3 收发联合编码方法

收发端联合编码算法的基本思想是在总发射功率一定的约束下,优化系统整体均方误差,通过收发迭代得到发送矩阵和接收矩阵,即如果发射机已知所有接收机的最佳波束成形权向量,它就可以利用该信息在发射机进行预处理,这样就使得接收信号经过接收机波束成形后相当于一个单天线信道,大大消除了各用户之间的干扰,实验仿真表明该算法的性能优于其他已有线性预编码算法。

2.2 非线性处理技术——污纸编码

污纸编码[5](Dirty Paper Coding,DPC)是一种非线性处理技术,基本思想是若发射机预先确知信道间的干扰,那么在发射时可以通过预编码来补偿干扰带来的影响,信道容量与无干扰情况下相当。如果把干扰看作纸上的污迹,而信号是墨水的话,污纸编码的目的不是去除污迹,而是根据污迹设计一种编码来调整发射信号,使得接收信号不含污迹。

在一个加性干扰系统中,当发射机己知而接收机未知干扰信息时,可采用DPC技术来实现等价于无干扰时的信道容量。在MIMO广播系统中,当发射机完全获知信道状态信息时,应用DPC原理可实现的系统容量与发射天线数和总的接收天线数的最小值成正比,相对单用户系统而言实现了多用户复用增益。

但DPC实际应用中还存在2个主要问题:①DPC实现非常复杂;②发射机很难获取完整的信道状态信息。一些次优的设计方案包括信道求逆、调整求逆、TH预编码和向量扰动预编码,这4种技术分别与MIMO检测中的迫零、最小均方误差、迫零一串行干扰对消和最大似然等经典技术互为对偶关系。与此相关的文献已有许多,这里不再赘述。但是,如果欲取得与DPC相当的多用户复用增益,这些预处理技术一般仍要求发射机能完全获取信道状态信息。

2.3 部分信息预编码技术

基于部分信息的预编码研究最近才兴起。由于反馈全部的预编码信息会使反馈数量过于庞大,有时使系统难以承担且无法实现,因此接收端只反馈部分信息给发送方,叫做部分信息预编码技术[6]。部分信息预编码分两大类:基于信道统计模型的预编码和有限速率(码本设计)反馈的预编码。基于信道统计模型是一种非常普遍的模型,其反馈分基于均值的反馈和基于统计值的反馈2种。当天线分离得很开,信道缓慢变化,并且接收端能准确的估计信道时可以采用均值反馈,此时信道的方差正比于一个单位矩阵。

有限速率反馈模型是另一种非常普遍的模型,接收端仅反馈有限的比特给发送端。当收发天线数量较多时,反馈预编码矩阵的所有信息则会显得更不切实际,常用的解决方法是接收端只反馈有限的信息给接收端,如图2所示。

图2 有限速率反馈的MIMO系统

具体过程如下:当通信发生时,接收机首先根据当前的瞬时信道信息,计算某优化标准下的最优预编码矩阵;然后在收发双方都具有的码本集中,选择与最优预编码矩阵最“接近”的码本,将此码本的序号反馈给发送方;最后发送方再根据此序号,在码本集中选择对应的码本,进行发送端的预处理,完成一次通信。其中,码本设计需要解决2个问题:①如何量化信道空间,即设计码本集的问题;②接收方如何根据“接近”原则。二者本质上相辅相成:设计了码本集,接收端才能根据“接近”原则,选择当前需要反馈的码本;反之,正是有了“接近”原则,才能设计出最优的码本集。本质上,码本设计是矢量量化问题,从矢量量化角度解决上述问题,关键是要设计出合适的量化标准。与基于完全信息的预编码设计一样,基于部分信息的预编码设计的量化标准主要分容量标准和BER标准两大类。

3 结束语

纵观MIMO技术的发展,虽然多用户MIMO系统的研究晚于单用户MIMO系统,但鉴于实际无线通信系统中各用户共享同一系统带宽,因此多用户MIMO系统得到了广泛的关注,尤其是下行链路的各种传输技术更被认为是解决无线通信传输瓶颈的有效途径。在这一研究背景下,依据发射和接收信号处理的特点,深入分析和总结了多用户MIMO系统的各种下行传输技术,即线性预处理技术和非线性处理技术的优缺点,分析比较得出基于部分信道信息的信息量化、有限速率反馈等将是未来多用户MIMO系统下行传输技术的主要研究方向。

[1]SPENCER Q,PEEL C,SWINDLEHURSTA,et al.An Introduction to the Multi-user MIMO Downlink[C].IEEE Communications Magazine,2004:60-67.

[2]VISWANATH P,TSE D.Sum Capacity of the Vector Gaussian Broadcast Channel and Uplink-downlink Duality[C].IEEE Transactions on Information Theory,2003:1912-1921.

[3]CAIRE G,SHAMAI S.On the Achievable Throughput of a MultiantennaGaussian BroadcastChannel[C].IEEE Transactions on Information Theory,2003:1691-1706.

[4]SPENCER Q H,SWINDLEHURST A L,HAARDT M.Zeroforcing Methods for Downlink Spatial Multiplexing in Multiuser MIMO Channels[C].IEEE Transactions on Signal Processing,2004:461-471.

[5]COSTA M H M.Writing onDirty paper[C].IEEETransactions on Information Theory,1983:439-441.

[6]NARULA A,LOPEZ M,TROTT M,et al.Efficient Use of Side Information in Multiple-antenna Data Transmission over Fading Channels[C].IEEE Journal on Selected Areas in Communications,1998:1423-1436.