MU-MIMO下行链路基于关联干扰的先验式用户调度

李 钊 刘瑞雪 王 琳 马 丹



MU-MIMO下行链路基于关联干扰的先验式用户调度

李 钊*刘瑞雪 王 琳 马 丹

(西安电子科技大学综合业务网理论及关键技术国家重点实验室 西安 710071)

该文针对MU-MIMO下行(广播)信道提出一种基于空间子信道关联干扰的先验式调度算法。该方法将用户调度转换为子信道的选择问题，通过综合考虑候选子信道的传输增益，以及候选者与已选的和潜在的、将来可能被选中的子信道间的相互干扰，获得一组相互干扰较小的子信道。仿真结果表明，合理地选取关联干扰参数，该算法能够获得计算复杂度与传输性能的良好折中，有效改善系统和速率。

无线通信；多用户；MIMO系统；调度；干扰

1 引言

多输入多输出(Multiple Input Multiple Output, MIMO)技术能够在不增加发射功率与通信带宽的前提下改善传输速率，提升链路可靠性，在过去的十几年受到广泛关注，已经成为多种宽带无线通信标准的关键技术，如LTE-A[1]和802.16m。通过与其它技术相结合，如正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)，认知无线电(Cognitive Radio, CR)[2]，干扰协调(Interference Alignment, IA)[3], MIMO技术的研究呈现出多元化。相比于单用户MIMO，多用户MIMO (Multi-User MIMO, MU-MIMO)能够进一步提升系统性能，也更符合实际通信的需求[4]。在MU-MIMO系统中，由于基站能力的限制，通常需要从多个用户中选择一组进行服务，合理的用户调度可以获得多用户分集(Multi-User Diversity, MUD)增益，实现通信资源的充分利用。

在MU-MIMO用户调度中，不同激活用户的数据是同时、同频并发传输的，它们之间存在共道干扰(Co-Channel Interference, CCI)，这一因素也成为多种调度算法的设计依据。当信道状态信息(Channel State Information, CSI)已知时，基站可以利用穷举搜索选择一组相互影响最小的用户，获得最大系统和速率，但该方法复杂度高，在实际应用中难以实现。为了降低复杂度，一些次优的方法相继被提出。如基于信道相关性的次优贪婪用户选择算法[5]，该方法首先确定一个通信质量最好的用户，然后以系统和速率最大化为目标依次激活其它用户。文献[6]提出一种准正交的用户调度方法，基于用户的空间分布关系选择一组较好的用户，文献[7]在不损失通信性能的前提下对文献[6]进行改进，使其复杂度降低。文献[8]从降低反馈开销出发，设计了基于预设门限的用户调度方法，仅对优于门限的用户进行调度。文献[9]提出一种分布式的用户调度算法，根据与已选用户之间的干扰，由用户和基站共同实现调度。以上研究主要以系统和速率优化为目标设计调度算法。也有一些工作采用其它准则，如文献[10]基于误码率进行用户选择，进一步提升系统和速率。文献[11]基于与已选用户弦距离的大小实现用户调度，降低复杂度。

在用户调度的基础上，还可以通过多种编码技术，如污纸编码(Dirty Paper Coding, DPC)[12]，块对角化(Block Diagonalization, BD)[13]，迫零(Zero Forcing, ZF)[14]等，对共道干扰进行消除或抑制。由于具体的编码技术只有在合理的用户调度基础上进行应用，才能获得更好的效果，因此本文仅关注用户子集的选取。

2 系统模型

图1 MU-MIMO BC系统模型

3 MU-MIMO BC信号处理

对式(6)进行化简可得

根据SINR的推导，容易计算系统和速率为

4 基于关联干扰的先验式用户调度

4.1关联干扰数

定义关联干扰数是指在进行空间子信道选择时，考察的与当前待选子信道相关的已选子信道和潜在的、将来可能被选中的子信道个数之和。

4.2 用户-子信道调度准则

其中

4.3 先验式调度算法

根据前文叙述，将用户调度转换为空间子信道的选择问题，因此在下面的讨论中，将用户集合转换为相应的用户-子信道集合进行阐述。以下给出调度算法的具体步骤如表1所示。

表1 先验式调度算法

5 复杂度分析

表2计算复杂度比较

算法计算步骤实际运算次数 ESSVD 计算 RSSVD 计算，其中 PSSVD 计算，其中 构造

6 仿真结果

图2 采用PS的系统和速率随SNR及变化的3维图

图3 SNR取不同值时采用PS的系统和速率与的关系

图4 取不同值时采用PS的系统和速率与的关系

图5 不同调度算法的系统和速率比较

7 结束语

[1] 3GPP. Evolved Universal Terrestrial Radio Access (E-UTRA); LTE physical layer; General description. TS 36.201 V11.1.0[S]. France, 3GPP Organizational Partners, 2012.

[2] Nguyen D N and Krunz M. Spectrum management and power allocation in MIMO cognitive networks[C]. Proceedings of the IEEE International Conference on Computer Communications (INFOCOM), Orlando, 2012: 2023-2031.

[3] Lee Jung-hoon and Choi Wan. Interference alignment by opportunistic user selection in 3-user MIMO interference channels[C]. Proceedings of the IEEE International Conference on Communication (ICC), Kyoto, 2011: 1-5.

[4] Spencer Q H, Peel C B, Swindlehurst A L,.. An introduction to the multi-user MIMO downlink[J]., 2004, 42(10): 60-67.

[5] Dimic G and Sidiropoulos N D. On downlink beamforming with greedy user selection: performance analysis and a simple new algorithm[J]., 2005, 53(10): 3857-3868.

[6] Yoo T and Goldsmith A. On the optimality of multi-antenna broadcast scheduling using zero-forcing beamforming[J]., 2006, 24(3): 528-542.

[7] Mao J, Gao J, Liu Y,.. Simplified semi-orthogonal user selection for MU-MIMO systems with ZFBF[J]., 2012, DIO: 10.1109/WCL.2012.010912.110119.

[8] Bayesteh A and Khandani A K. On the user selection for MIMO broadcast channels[C]. Proceedings of the IEEE International Symposium on Information Theory (ISIT), Adelaide, 2005: 2325-2329.

[9] Li Z, Yang J, and Yao J. Distributed scheduling algorithm for multiuser MIMO downlink with adaptive feedback[J]., 2009, 4(3): 164-169.

[10] Ko K, Cho H, and Lee J. Eigenmode BER based MU-MIMO scheduling for rate maximization with linear precoding and power allocation[C]. Proceedings of the IEEE Wireless Communications and Networking Conference (WCNC), Paris, 2012: 142-146.

[11] Ko K and Lee J. Multiuser MIMO user selection based on chordal distance[J].2012, 60(3): 649-654.

[12] Costa M. Writing on dirty paper[J]., 1983, 29(3): 439-441.

[13] Choi L U and Murch R D. A transmit preprocessing technique for multiuser MIMO systems using a decomposition approach[J]., 2004, 3(1): 20-24.

[14] Spencer Q H, Swindlehurst A L, and Haardt M. Zero-forcing methods for downlink spatial multiplexing in multiuser MIMO channels[J]., 2004, 52(2): 461-471.

[15] Wang M, Li F, Evans J S,.. Dynamic multi-user MIMO scheduling with limited feedback in LTE-Advanced[C]. Proceedings of the IEEE International Symposium on Personal Indoor and Mobile Radio Communications (PIMRC), Sydney, 2012: 1627-1632.

[16] Nguyen K D, Rasmussen L K, Guillen I Fabregas A,.. MIMO ARQ with multibit feedback: outage analysis[J]., 2012, 58(2): 765-779.

[17] Yang Y, Xun L, and Shaoqian L. Low complexity MIMO scheduling with block diagonalization using capacity lower-bound[J]., 2011, 15(12): 1298-1300.

李 钊： 男，1981年生，博士，副教授，研究方向为MIMO无线通信、认知无线电.

刘瑞雪： 女，1987年生，硕士生，研究方向为MIMO多用户调度、无线资源分配.

王 琳： 女，1987年生，硕士生，研究方向为无线资源分配、数字移动无线电.

MU-MIMO Downlink Proactive Scheduling Based on Associative Interference

Li Zhao Liu Rui-xue Wang Lin Ma Dan

(,,710071,)

In this paper a proactive scheduling algorithm is proposed based on associative interference of spatial subchannels for MU-MIMO downlink (broadcast) channel. The strategy converts user scheduling into subchannel selection issue. With comprehensive consideration of candidate subchannel transmission gain, along with mutual interference among candidate and selected subchannels, as well as those to be selected potentially. A set of subchannels with less mutual interference are achieved. Simulation results show that by choosing proper associative interference parameters, the proposed algorithm can achieve good tradeoff between computational complexity and transmission performance, and improve system sum rate effectively.

Wireless communication; Multiuser; MIMO system; Scheduling; Interference

TN92

A

1009-5896(2014)01-0067-07

10.3724/SP.J.1146.2013.00046

2013-01-11收到，2013-09-26改回

国家自然科学基金(61102057, 61231008)，国家科技重大专项(2012ZX03003005-005)，国家973计划项目(2009CB320404)，高等学校引智计划项目(B08038)，长江学者和创新团队发展计划项目(IRT0852), ISN项目(ISN1103005)和中央高校基本科研业务费(K5051301014)资助课题

李钊 zli_19912@126.com