一種改進的協作多點多用戶預編碼算法

孫增友　劉玲玉

摘要：在LTEA系統中，現有協作多點多用戶預編碼算法不能同時抑制用戶間、用戶內部及噪聲干擾，并且計算復雜度較高。針對這兩方面的問題，提出了一種改進的線性預編碼算法。本文采用計算復雜度，系統容量和誤碼率作為評價算法性能的指標，建立了協作多點多用戶的系統模型，并給出了改進算法具體的實施步驟，理論分析了算法的計算復雜度，使用MATLAB仿真驗證了系統性能。仿真結果表明，該算法在一定程度上能夠降低計算復雜度和誤碼率，且在相同的天線配置下，該算法的系統容量性能略低于正則塊對角化預編碼算法。

關鍵詞：協作多點（CoMP）；矩陣分解；多用戶干擾；計算復雜度；奇異值分解（SVD）

DOI：10.15938/j.jhust.2018.01.023

中圖分類號： TN 914.53

文獻標志碼： A

文章編號： 1007-2683（2018）01-0127-05

Abstract：In Long Term EvolutionAdvanced （LTEA） system， existing coordinated multipoint （CoMP） multiuser precoding algorithm can not suppress multiuser， intrauser and noise interference at the same time and its computational complexity is high. To solve these two problems， an improved linear precoding algorithm is proposed. Computational complexity， system capacity and bit error rate （BER） as the indicators were used to evaluate the algorithm performance. We established coordinated multipoint multiuser system model， gave the improved algorithm specific implementation steps， theoretically analyzed computational complexity of the algorithm， and used MATLAB to simulate system performance. Simulation results show that the proposed algorithm can reduce computational complexity and bit error rate to some extent， and the system capacity performance of the proposed algorithm is slightly inferior to that of regularized block diagonalization algorithm.

Keywords：coordinated multipoint （CoMP）； matrix decomposition； multiuser interference； computational complexity； singular value decomposition （SVD）

0引言

協作多點（CoMP， coordinated multipoint）通信技術作為LTEA系統中的一項關鍵技術，通過多個基站間的相互協作能降低小區間的干擾，提升系統吞吐量，改善小區邊緣用戶的服務質量[1-4]。預編碼技術作為LTEA物理層的關鍵技術可以在發送端預先抑制用戶之間或數據流之間的干擾，但在LTEA系統中常用的協作多點預編碼算法存在各種各樣的缺陷。文[5]中，迫零（ZF，zero forcing）預編碼算法雖然可以處理自身的天線接收信號，區別來自基站多天線的數據流，但是它對其他用戶的干擾消除還不太理想，用戶間的干擾依然存在。另外，ZF預編碼算法雖然比較簡單直觀，但它并未直接考慮噪聲的影響，導致噪聲被放大。文[6-7]中，塊對角化（BD， block diagonalization）預編碼算法的主要步驟是對每個用戶執行兩次奇異值分解，對于多用戶多點協作通信系統來說，其計算復雜度非常高。雖然BD預編碼算法能完全消除用戶間的干擾，但用戶內部多天線干擾仍未消除，另外，該算法也忽略了噪聲的影響。此外，BD預編碼算法對系統的天線配置有著嚴格的要求，它要求接收端所有用戶的接收天線數要小于等于發射天線數。文[8]中的正則塊對角化（RBD， regularized block diagonalization）預編碼算法引入正則因子，將噪聲考慮在內，降低了噪聲對系統的影響。但是，同BD預編碼算法一樣，RBD預編碼算法仍未能消除用戶內部的干擾；其計算復雜度極高。

結合上述對LTEA系統中常用的協作多點預編碼算法的分析，本文提出了可以降低計算復雜度且適用于接收端有任意根接收天線的改進預編碼方案。該預編碼方案首先在補信道矩陣中引入噪聲影響因子，有效排除多用戶間干擾和噪聲對系統的影響，然后引入低復雜度的矩陣分解方法QR，降低算法的計算復雜度，最后通過對等效信道矩陣實施奇異值分解（SVD， singular value decomposition），求解出完整的預編碼矩陣和解碼矩陣。理論上，該算法能夠降低計算復雜度和誤碼率，有效改善系統的性能。

1系統模型

聯合處理模式下的協作多點多用戶（MUCoMP， multiuser coordinated multipoint）通信系統模型[9]如圖1所示。假設小區為K個用戶設備（UE， user equipment）提供服務，基站總發送天線數為N，第k個用戶接收天線數為Mk，這樣就形成了MUCoMP系統。

3算法計算復雜度的分析及仿真

3.1計算復雜度分析

這部分將對改進的預編碼方案與已有的RBD預編碼方案進行復雜度的分析與比較，且利用浮點運算（flops， floatingpoint operations）的總數來衡量預編碼算法的復雜度。文[11-12]中給出了實矩陣QR分解和SVD分解所需的浮點運算數。m×n復矩陣的SVD分解所需的浮點運算數相當于2m×2n的實矩陣。下面給出了復矩陣進行各種操作所需的浮點運算數。

對一個m×nm≥n的復矩陣，其QR分解的復雜度為16m2n-mn2+n3/3 flops。兩個復矩陣m×n和n×p相乘的計算復雜度為8mnp。對一個m×nm≤n的復矩陣，當需要知道Σ和V時SVD分解的復雜度為32nm2+2m3 flops，當需要知道U、Σ和V時SVD分解的復雜度為84n2m+8nm2+9m3[13-15]。

假定系統有K個用戶，各用戶有相同的接收天線數Mk=M，M=K-1M，其中（6，2，3，2）表示基站端發送天線數之和N為6，系統有2個小區協作，每個用戶接收天線數M=3，用戶數K=2。表1和表2分別為RBD和改進的預編碼算法的復雜度。

從表1或表2中可以看出，若各用戶的接收天線數和總的發送天線數不變，即M和N不變，預編碼算法的計算復雜度是關于用戶數K的增函數。對比表1和表2，可以發現，在（6，2，3，2）天線配置下，改進算法的復雜度小于RBD預編碼算法的復雜度，為在實際系統中的應用提供了理論依據。

3.2計算復雜度的仿真

這部分對改進算法與BD、RBD預編碼算法的復雜度進行了仿真。該仿真在MATLAB 7.0的仿真環境中進行，采用（6，2，3，2）的天線配置，調制方式為QPSK，信道模型為平坦瑞利型，具體仿真參數如表3所示。

圖2是不同預編碼算法復雜度隨用戶數的不同而變化的曲線圖。從圖2可以看出，若各用戶的接收天線數和總的發送天線數固定（M=3， N=6），各預編碼算法的計算復雜度隨著用戶數的增加而增長。從表2中還可以看出，隨著用戶數的增加，BD和RBD預編碼算法的計算復雜度相對于QRSVD

5結論

本文針對現有協作多點預編碼算法的不足，提出了QRSVD預編碼算法。該算法適用于JP模式下的MUCoMP通信系統并且它對系統的天線配置沒有嚴格的要求。該算法對補信道矩陣進行擴展，有效排除了多用戶間和噪聲干擾對系統的影響，降低了誤碼率，改善了小區邊緣用戶的通信質量。此外，通過引入低復雜度的矩陣分解方法QR，降低了算法的計算復雜度，有效地提高了計算效率，為在實際中的應用提供了一定的理論依據。

參 考 文 獻：

[1]3GPP（v 0.1.9）， Overview of 3GPP Release 11[S]. 2014.

[2]KIM B， MALIK S， MOON S， et al. Performance Analysis of Coordinated Multipoint with Scheduling and Precoding Schemes in the LTEA System[J]. Wireless Personal Communications， 2014， 77（4）： 2615-2630.

[3]蘇敏，梁銀麗，汪道輝. 基于路徑記憶算法的智能小車控制系統的設計[J]. 哈爾濱理工大學學報，2011，16（1）：64-68.

[4]孫增友，劉玲玉，張洋. 基于SLNRMMSE的協作多點通信系統預編碼算法的研究[J]. 東北電力大學學報，2016，36（2）：81-85.

[5]LI M， COLLINGS I B， HANLY S V， et al. Multicell Coordinated Scheduling with Multiuser Zeroforcing Beamforming[J]. IEEE Transactions on Wireless Communications， 2016， 15（2）： 827-842.

[6]LI Z， LIU Y， ZHANG Y， WAN P. Hybrid Coordinated Strategy of Downlink Coordinated Multipoint Transmission[J]. Journal of Systems Engineering and Electronics， 2015， 26（5）： 916-923.

[7]NGUYEN D H N， NGUYENLE H， LENGOC T. Blockdiagonalization Precoding in a Multiuser Multicell MIMO System： Competition and Coordination[J]. IEEE Transactions on Wireless Communications， 2014， 13 （2）： 968-981.

[8]李立華，王維，王驥，靳進，王化磊.一種協作多點多用戶通信系統的預編碼方法[J]. 北京郵電大學學報，2014，37（1）：20-24.

[9]郭文卓，張曙，任大孟.高效的下行多用戶 MIMO系統天線選擇算法[J]. 吉林大學學報：工學版，2010，40（6）：1719-1723.

[10]STANKOVIC V and HAARDT M. Generalized Design of Multiuser MIMO Precoding Matrices[J]. IEEE Transactions on Wireless Communications， 2008， 7（3）： 953-961.

[11]GOLUB G H， VAN LOAN C F. Matrix Computations[M]. Baltimore： The Johns Hopkins University， 1996.

[12]WANG Hualei， LI Lihua， SONG Lei， et al. A Linear Precoding Scheme for Downlink Multiuser MIMO Precoding Systems[J]. IEEE Communications Letters， 2011， 15（6）： 653-655.

[13]ZU K， DE LAMARE R C， HAARDT M. Generalized Design of Lowcomplexity Block Diagonalization type Precoding Algorithms for Multiuser MIMO Systems[J]. IEEE Transactions on Communications， 2013， 61（10）： 4232-4242.

[14]ZU K， DE LAMARE R C. Lowcomplexity Lattice Reductionaided Regularized Block Diagonalization for MUMIMO Systems[J].IEEE Communications Letters， 2012， 16（6）： 925-928.

[15]李巖，遲歡歡，董向陽. 基于Flash存儲的具有圖像壓縮功能文件系統的設計[J]. 哈爾濱理工大學學報，2009，14（6）：17-21.

（編輯：關毅）