基于最大化信噪比的大规模MlMO预编码算法

doi:10.11959/j.issn.1000-0801.2015250

摘要/Abstract

摘要：

为了获得更高速的数据传输和更大的阵列增益，提出了大规模MIMO 系统中基于最大化信噪比的下行预编码算法。这种算法的基本思路如下：首先基站通过接收到的上行导频序列进行MMSE信道估计；基站在对下行数据进行预编码后将下行数据发送给用户；终端用户依据最大化接收端信噪比、采用瑞利熵优化问题得到预编码矩阵。仿真结果表明，该算法的性能比SVD算法的性能好，尤其当发射天线较多的时候，在今后的大规模MIMO系统中很有价值。

关键词: MMSE信道估计, 导频, 预编码, 瑞利熵, 信噪比

Abstract:

In order to obtain higher data transmission speed and greater array gain，a precoding algorithm based on max-SNR in massive MIMO system was proposed.The basic method of this algorithm was following.Firstly，the base station obtained MMSE channel estimation by received uplink pilot sequences，then the base station transmited downlink data to users after precoding.Terminal users derived the optimal precoding matrix by resolving a Rayleigh entropy optimization problem based on the received SNR.Simulation results show that the performance of the proposed algorithm is better than SVD algorithm，especially when the number of transmit antennas is large，the proposed algorithm is valuable in massive MIMO systems in the future.

Key words: MMSE channel estimation, pilot, precoding, Rayleigh entropy, SNR

武宇花. 基于最大化信噪比的大规模MlMO预编码算法[J]. 电信科学, 2015, 31(10): 103-106.

Yuhua Wu. A Precoding Algorithm Based on Max-SNR in Massive MIMO System[J]. Telecommunications Science, 2015, 31(10): 103-106.

图/表 4

参考文献 17

1	Marzetta T L . Noncooperative cellular wireless with unlimited numbers of base station antennas. IEEE Transactions on Wireless Communications， 2010，9（11）： 3590～3600
2	Rusek F ， Persson D ， Lau B K ， et al. Scaling up MIMO：opportunities and challenges with very large arrays. IEEE Signal Processing Magzine， 2012，30（1）： 40～46
3	Lu L ， Li G ， Swindlehurst A ， et al. An overview of massive MIMO：benefits and challenges. IEEE Journal of Selected Topics in Signal Processing， 2014，8（5）： 742～758
4	Jose J ， Ashikhminand A ， Marzetta T L . Pilot contamination and precoding in multi-cell TDD systems. IEEE Transactions on Wireless Communications， 2009，10（8）： 2640～2651
5	Appaiah K ， Ashikhminand A ， Marzetta T L . Pilot contamination reduction in multi-user TDD systems. Proceedings of the IEEE International Conference on Communications（ICC）， Cape Town，South Africa， 2010
6	Ashikhmin A ， Marzetta T . Pilot contamination precoding in multi-cell large scale antenna system. Proceedings of the 2012 IEEE International Symposium on Information Theory， Cambridge，Massachusetts，USA， 2012
7	Sharif M ， Hassibi B . On the capacity of MIMO broadcast channels with partial side information. IEEE Transactions on Information Theory， 2005，51（2）： 506～522
8	Ding P ， Love D J ， Zoltowski M D . On the sum rate of channel subspace feedback for multi-antenna broadcast channels. Proceedings of the IEEE Global Telecommunications Conference， San Antonio，Texas，USA， 2005： 2699～2703
9	Jindal N . MIMO broadcast channels with finite-rate feedback. IEEE Transactions on Information Theory， 2006，52（11）： 5045～5060
10	Yoo T ， Jindal N ， Goldsmith A . Multi-antenna broadcast channels with limited feedback and user selection. IEEE Journal Sel Areas Communications， 2006，25（7）： 1478～1491
11	Sailes K Sengijpta . Fundamentals of statistical signal processing：estimation theory. Technometrics， 1995，37（4）： 465～466
12	Ngo H Q ， Larsson E G ， Marzetta T L . Massive MU-MIMO downlink TDD systems with linear precoding and downlink pilots. Proceedings of the 51st Annual Allerton Conference on Communication，Control and Computing， Allerton，England， 2013： 293～298
13	So J ， Kim D ， Lee Y . Pilot signal design for massive MIMO systems：a received signal-to-noise-ratio-based approach. IEEE Signal Processing Letters， 2014，22（5）： 549～553
14	Bogale T E ， Le L B . Pilot optimization and channel estimation for multiuser massive MIMO systems. Proceedings of the 48th Annual Conference on Information Sciences and Systems（CISS）， Princeton，NJ，USA， 2014： 1～6
15	Boyd S ， Vandenberghe L . Convex Optimization. London： Cambridge University Press 2004
16	Bogale T E ， Vandendorpe L . Max-min SNR signal energy based spectrum sensing algorithms for cognitive radio networks with noise variance uncertainty. IEEE Transactions on Wireless Communications， 2014，13（1）： 280～290
17	Heath R W ， Truong K T . Effects of channel aging in massive MIMO systems. Journal of Communications ＆ Networks， 2013，15（4）： 338～351

仿真参数	具体设置
发送天线数	100
接收天线数	1
调制方法	QPSK
发送端的信噪比（r）	0.3
初始二进制比特流个数	1 000
发送功率	1W
上行导频	50
信道模型l	高斯信道

[1]	王越, 许方敏, 曹海燕. TDD模式下无小区大规模MIMO系统的导频干扰抑制[J]. 电信科学, 2022, 38(5): 87-94.
[2]	陈浩椅, 李光球, 李辉. 基于IAFS算法的毫米波大规模MIMO混合预编码方法[J]. 电信科学, 2021, 37(8): 77-84.
[3]	曹海燕,杨晓慧,胡文娟,马子昌,许方敏,方昕. 毫米波大规模MIMO中基于部分连接的混合预编码方案[J]. 电信科学, 2020, 36(2): 35-42.
[4]	刘顺兰, 肖义德, 包建荣. 基于随机共振的双门限协作频谱感知算法[J]. 电信科学, 2020, 36(12): 33-40.
[5]	许方敏,钱慧,曹海燕. 大规模MIMO系统中基于图着色的半动态导频分配[J]. 电信科学, 2020, 36(11): 39-46.
[6]	张帅,潘鹏,王璀. 分布式阵列系统中反馈比特的分配方法[J]. 电信科学, 2020, 36(11): 79-88.
[7]	陈浩椅,丁一凡,程英. 基于LFM的毫米波大规模MIMO混合预编码方法[J]. 电信科学, 2019, 35(6): 89-95.
[8]	周冬,曹海燕,许方敏,方昕,王秀敏. 大规模MIMO系统中基于权重高斯赛德低复杂度ZF预编码方案[J]. 电信科学, 2019, 35(3): 69-75.
[9]	孙文胜,许俊杰. 大规模MIMO系统中基于牛顿迭代和超松弛迭代的WWSE预编码算法[J]. 电信科学, 2019, 35(11): 51-57.
[10]	曹海燕, 马子昌, 杨晓慧, 胡文娟, 许方敏, 方昕. 大规模MIMO系统中基于用户位置和用户分类的导频分配[J]. 电信科学, 2019, 35(10): 92-99.
[11]	吴迪,孙宜军,马哲锐,马涛. 基于低频通信系统的预编码性能分析与应用评估[J]. 电信科学, 2019, 35(1): 121-128.
[12]	曹海燕,周冬,许方敏,方昕,王秀敏. 大规模MIMO系统中基于权重二对角迭代的低复杂度预编码[J]. 电信科学, 2018, 34(9): 63-69.
[13]	尤若楠,潘鹏,张丹,王海泉. 基于有限反馈的毫米波MIMO系统的混合预编码方法[J]. 电信科学, 2018, 34(8): 119-128.
[14]	余翔,高燕妮,段思睿. 多径信道下UFMC系统的信道估计[J]. 电信科学, 2018, 34(4): 22-30.
[15]	郑思思,王海泉,李国彬,戴谭明. 有限反馈MIMO下行系统中基于黄金码的传输方案与解码方法[J]. 电信科学, 2018, 34(11): 31-40.