多基站協作系統中有限反饋策略及其碼本設計

肖尚輝 張忠培 史治平(電子科技大學通信抗干擾國家重點實驗室 成都 611731)(宜賓學院物理與電子工程學院 宜賓 644007)(東南大學移動通信國家重點實驗室 南京 211189)

1 引言

近年來，在多輸入多輸出(Multiple Input Multiple Output，MIMO)無線系統中，為了能增強信號覆蓋范圍，提高系統空間自由度以及宏分集效果，改善信道秩，減小小區邊緣同頻干擾(Co-Channel Interference，CCI)影響等，以適應新一代無線移動通信系統的需要，提出了一種多基站協作傳輸的網絡MIMO模式，相對于傳統基站非協作方式而言，多基站協作將來自鄰近小區的干擾信號變成有用信號，可有效地消除 CCI，進而有望獲得更大的系統容量和更高的頻譜效率[1]，因此已成為協作通信領域的研究熱點[2,3]。但是，該系統結構最大的特點，即是需要在現有蜂窩無線系統基礎上將分布在不同地理位置的多個基站通過大容量低時延的光纖骨干網絡連接到中央控制單元(Central Control Unit，CCU)，以便于基站間交換用戶數據，共享信道狀態信息(Channel State Information，CSI)，執行優化調度以及協作聯合信號發射等[4]。為了減小系統復雜度，降低系統實現成本，目前，已提出了一種無需光纖骨干網絡與 CCU單元的多基站分布式協作的網絡MIMO體系結構[5]，由于該體系結構取消了用于傳輸和調度基站間協作信息的光纖骨干網與CCU單元，因此，可較容易地實現從現存蜂窩無線通信系統的平滑過渡。但是，要求每個用戶接收端將通過信道估計得到的CSI信息反饋給參與協作通信的所有基站發射端。本文主要針對多基站分布式協作系統提出了一種基于CSI量化碼字索引信息的低速率有限反饋策略，給出了實現其有限速率反饋的量化碼本空間設計準則和構造算法，并分析了該機制對系統性能的影響。

2 多基站分布式協作系統

如圖1所示為多基站分布式協作的網絡MIMO系統結構示意圖，在系統中發射天線分布在不同地理位置的多個基站，且各基站不需要通過光纖骨干網連接到一個額外增設的CCU單元，以此來控制參與協作傳輸的各基站以及共享CSI信息，從而可明顯降低系統復雜度，減小系統實現成本。

圖1 多基站分布式協作的網絡MIMO系統結構

若系統中有M個分布在不同地理位置的基站，有K個移動用戶，則假設參與有限協作簇的基站數為B(B≤M)，被調度參與服務的用戶數為ξ(ξ≤B)。為簡化分析，主要考慮各基站和移動用戶均為單天線的頻率平坦衰落情況，且忽略用戶接收端CSI估計誤差、量化誤差以及反饋時延、反饋誤差等的影響。若將系統中所有基站發射天線視為輸入，所有用戶接收天線視為輸出，則可構成一個“虛擬多天線MIMO系統”。相應地，由B個基站構成協作簇同時為ξ個用戶服務時，被調度用戶的接收信號矢量可表示為

通過ZF預編碼處理，則可有效地消除基站協作簇內的干擾。因此，如何在基站端有效獲得信道矩陣H(ξ)至關重要，特別是在多基站分布式協作系統中，需要將用戶端估計得到的CSI信息反饋給參與協作傳輸的所有基站發射端，致使額外開銷的數據量非常龐大。因此，針對多基站分布式協作系統，討論和研究低速率的有限反饋策略及其實現，具有非常重要的現實意義。

3 低速率有限反饋策略

在早期多用戶信道信息反饋策略研究中，較為成熟的有模擬導頻重傳方法[7]，但該方法的最大不足是極易受到噪聲的影響，致使系統性能惡化，吞吐量只能達到理想情況的40%。目前，在大量的單用戶MIMO系統反饋機制研究中都開始著手研究一些數字的有限反饋方法。

假設用戶端通過一定的信道估計能獲得完美的CSI，則通過量化、編碼為數字信息，并經適當的數字信號處理后，可實現將CSI有限速率反饋到參與協作簇的所有基站端，從而構成一閉環系統，如圖2所示，使基站發射端能自適應地根據信道條件選擇信號發射模式和發射方法，以及最優發射功率分配等[8]。

對于有限協作簇的基站數為B，被調度參與服務的用戶數為ξ，且各基站和用戶均為單天線的系統來說，若直接把用戶端估計得到的信道矩陣元素視為一系列的復數來量化，同時獨立編碼每個復數，如果用Gb比特表示一個浮點數，則總的量化比特數為2GbBξ。因此，需要系統的額外開銷成本較高，假如基站端和用戶端均為多天線情形，則需要反饋的數據量更是非常龐大。

圖2 信道CSI信息的有限反饋系統示意圖

如果能將用戶端估計得到的信道矩陣H(ξ)根據不同用戶劃分為一系列的復矢量，即為

如果分配Gcb比特表示量化碼本空間中相應碼字的索引信息，則每個子載波需要反饋的總比特數僅為Gcbξ，從而可大大降低反饋數據量，減小系統額外開銷，因此，特別適合在要求低反饋比特數情況下的有限速率信道反饋實現。此外，該反饋策略還有利于處理多用戶間的干擾影響，可方便推廣應用到非協作情況下的多用戶MIMO系統。

4 碼本設計與構造

4.1 碼本設計準則

信道量化的碼本空間C可表示為

4.2 碼本構造VQ算法

(4)重復步驟(2)，步驟(3)，直到獲得期望的量化碼本空間大小，迭代結束。

此外，LBG-VQ迭代算法在構造量化碼本空間時，較之格拉斯曼(Grassmann)子空間壓縮算法[12]而言，可獲得更好的空間距離特性。比如，在2基站1用戶情況下，若碼字索引信息的量化比特數為3，則LBG-VQ迭代算法可獲得的最小碼本距離為0.3895，而格拉斯曼子空間壓縮算法可獲得的最小碼本距離為0.3820。而在3基站1用戶情況下，若碼字索引信息的量化比特數仍然為3，則LBG-VQ迭代算法可獲得的最小碼本距離為0.5706，而格拉斯曼子空間壓縮算法可獲得的最小碼本距離為0.5429。因此，基于LBG-VQ迭代算法的碼本設計，保證了各個碼字之間的最小距離最大化，即在碼字數目有限的情況下，可使得所有碼字在碼本空間內盡量均勻地分布。

5 性能分析

在分析中，主要考慮協作基站數B=3，調度用戶數ξ＝2，且均為單天線的協作簇系統，3個基站協作向2個用戶傳輸數據。此外，小區半徑為600 m；采用3GPP的空間信道模型SCM；以OFDMA作為數據傳輸方案，仿真中主要考慮一個子載波情形，基站發射功率為10 W，且平均分配到1024個子載波上。另外，系統采用 ZF預編碼方式，以用戶接收 SINR作為衡量依據，分析單個用戶在不同情況下獲得的累積分布函數(Cumulative Distribution Function，CDF)。

如圖 3為分別在完美信道 CSI、TDD模式的CCU協作、模擬導頻重傳以及FDD模式的信道量化反饋等4種情況下獲得的系統性能，從圖中可看出，在50%中斷SINR情況下，碼本空間大小為8的 3 bit量化反饋策略較模擬導頻重傳而言可獲得3.1 dB增益，而與CCU協作TDD模式相比較僅差4.7 dB。在FDD模式下，若增加信道量化比特數，則可進一步改善系統性能，如圖4所示。從圖中可看出，在50%中斷SINR情況下，4 bit量化反饋較3 bit量化可提高增益約1.9 dB，5 bit量化反饋較3 bit量化可提高增益約3.0 dB。與此同時，也應注意到，在實際系統中，過度增加量化比特數不僅會明顯增大反饋量，而且還將引起反饋信道的誤碼概率隨之增高。

如圖5所示，分別在歐幾里德(Euclid)距離量化準則和弦距離量化準則兩種情況下獲得的系統性能對比，仿真分析中考慮量化比特數分別取4 bit，5 bit時所獲得的用戶SINR累積分布函數。從圖中可看出，在50%中斷SINR情況下，4 bit量化和5 bit量化的弦距離量化準則較歐氏距離量化準則而言可分別獲得約2.7 dB與2.9 dB的增益。此外，源于弦距離的量化準則較歐氏距離量化準則而言，將更有利于捕捉信道特性。

6 結束語

從以上分析討論可知，在弦距離準則下基于信道CSI量化碼字索引信息的低速率有限反饋策略有利于大大降低多基站分布式協作系統結構的反饋數據量，減小系統額外開銷，且獲得的系統性能明顯優于模擬導頻重傳方法和歐氏距離量化準則。若能充分利用信道的時間相關性，有望進一步優化 CSI反饋機制，減小反饋開銷。此外，還可進一步探討用戶端CSI估計誤差、量化誤差以及反饋時延、反饋誤差等因素對多基站分布式協作系統性能的影響，并提出相應的改進措施和實現方案。

圖3 在不同反饋機制下獲得的用戶SINR 累積分布式函數

圖4 在不同量化比特數下獲得 的用戶SINR累積分布式函數

圖5 在不同量化準則下獲得 的用戶SINR累積分布式函數

[1] Karakayali M K, Foschini G J, and Valenzuela R A. Network coordination for spectrally efficient communications in cellular systems [J].IEEE Wireless Communications, 2006,13(4): 56-61.

[2] Boon Loong Ng, Evans J S, and Hanly S V,et al.. Distributed downlink beamforming with cooperative base stations [J].IEEE Transactions on Information Theory, 2008, 54(12):5491-5499.

[3] Papadopoulos H C and Sundberg C W. Space-time codes for MIMO systems with non-collocated transmit antennas [J].IEEE Journal on Selected Areas in Communication, 2008,26(6): 927-937.

[4] Ericsson, LTE-Advanced-LTE evolution towards IMTAdvanced: Technology components [S]. TSG RAN IMT Advanced Workshop, REV-080030, Shenzhen, China, April 7-8, 2008.

[5] Papadogiannis A, Hardouin E, and Gesbert D. Decentralising multi-cell cooperative processing: a novel robust framework[J].EURASIP Journal on Wireless Communications and Networking,2009, 2009: Article ID: 890685.

[6] Yoo T and Goldsmith A. On the optimality of multiantenna broadcast scheduling using zero-forcing beamforming [J].IEEE Journal on Selected Areas in Communications, 2006,24(3): 528-541.

[7] Zirwas W, Schulz E, Kim J H, Jungnickel V, and Schubert M.Distributed organization of cooperative antenna systems [C].Proceedings of 12th European Wireless Conference, Athens,Greece, April 2006: 279-311.

[8] Love D J, Heath R W, and Lau V K N,et al.. An overview of limited feedback in wireless communication systems [J].IEEE Journal on Selected Areas in Communications, 2008, 26(8):1341-1365.

[9] Zhou S and Li B. BER criterion and codebook construction for finite-rate precoded spatial multiplexing with linear receivers [J].IEEE Transactions on Signal Processing, 2006,54(5): 1653-1665.

[10] Love D J and Heath R W. Limited feedback unitary precoding for spatial multiplexing systems [J].IEEE Transactions on Information Theory, 2005, 51(8): 2967-2976.

[11] Linde Y, Buzo A, and Gray R M. An algorithm for vector quantizer design [J].IEEE Transactions on Communications,1980, 21(8): 84-95.

[12] Love D J, Heath R W, and T Strohmer. Grassmannian beamforming for multiple-input multiple-output wireless systems [J].IEEE Transactions on Information Theory, 2003,49(10): 2735-2747.