專利名稱：：Mimo系統中基于rumswf的低復雜度降秩均衡方法
技術領域：
：本發明屬于無線通信
技術領域：
MIMO系統中的信道均衡方法，具體涉及一種基于RUMSWF(RectangleUnitaiyMultistageWienerFilter)的低復雜度降秩均衡方法。
背景技術：
：在過去的幾十年里，通信技術得到了快速的發展和廣泛的應用，極大地推動了社會經濟的發展，改變著人們的生活方式。而隨著社會的發展和人們物質生活及精神生活水平的提高，人們對無線通信系統容量的需求與日俱增。傳統的無線通信系統采用單發射天線和單接收天線，稱作單輸入單輸出(SISO)系統。SISO系統在信道容量上具有一個不可突破的瓶頸~~Shannon容量限制，已不能滿足新一代無線通信系統的容量與可靠性的需求。結合空時處理的多天線傳輸系統~~MEMO(MultipleInputMultipleOutput)通信技術，提供了解決該問題的新途徑，它在無線鏈路兩端均采用多天線，會,充分利用空間資源，在無需增加頻譜資源和發射功率的情況下，成倍地提升通信系統的容量與可靠性，被視為下一代無線通信系統必須采用的關鍵技術，引起了世界各國學者的極大關注。MMO技術在概念上非常簡單，任何一個無線通信系統，只要是在無線鏈路的兩端都使用多根天線，或者天線陣列，就構成了一個MMO系統。E.Telatar和J.Foshini分別證明了MMO系統與SIMO無線和MSO無線系統相比，可以取得巨大的信道容量，該信道容量突破了傳統信道容量的瓶頸，是C.E.Shamon信道容量的推廣。但與此同時，MMO系統的復雜度也會隨著收發天線數目的增加而增加，因此先進的信號處理技術是實現MMO系統容量最大化的關鍵。隨著研究的不斷深入與應用的不斷推廣，MMO系統中的降秩方法，特別是基于降秩信號處理的檢測方法研究已成為目前的研究熱點和難點。薩O信號檢測是目前信號檢測領域備受關注的一個分支，至今已在國內外重要期刊及會議上發表了600多篇學術論文，及約70余項專利。MIMO系統中最常用的檢測方法包括最大似然檢測方法(MLD)、統性檢測方法以及1996年由美國Lucent公司BELL實驗室的J.Foschini等人提出的分層空時編碼V-BLAST(Vertical—BellLaboratoriesLayeredSpaceTime)方法。由于在MIMO信號檢測中，速率與可靠性以及方法的性能與復雜度之間的平衡或者折衷問題始終是決定該項技術能否真正適于實際應用的關鍵因素。因此，在滿足一定性能指標要求的前提下，盡可能地降低方法的復雜度就成了我們關注的重點，降維方法的研究就可以達至隨一目的。降維或降秩信號處理的思想具有相當長的發展歷史，可以追溯到H.Hotelling，C.E.Shannon及L丄Scharf早期所作的工作，并在陣列信號處理、雷達、多用戶檢測領域等得到了不同程度的應用。目前降維方法的研究成果可歸于以下兩類基于信號子空間思想的MEMO降秩方法、基于多級信號處理的MIMO降秩方法。基于信號子空間思想的MMO降秩方法其核心就是將接收信號向量在降維子空間上投影，以提高方法的收斂速度及降低計算復雜度。選擇不同的降秩變換(即降秩子空間)可得到不同的降秩性能。典型的子空間選取方法有特征子空間、基于Kiylov子空間的降秩處理方法、基于正交子空間投影的降秩處理方法。目前，降秩子空間組成特征向量的選取最常用的方法有主分量分析法(PrincipalComponentMethod)和互i普測度法(CrossSpectralMethod),它們均是基^t寺征值分解的方法。主分量分析法僅僅〗頓了觀測數據的二階統計，其性能不太理想。互譜測度法相對于主分量分析法更具有魯棒性，但仍需要對接收信號矢量的協方差矩陣作特征值分解，使得其計算復雜度較高。基于多級信號處理的MIMO降秩方法多級維納濾波器(MSWF—Multistagewinnerfilter)最早由Goldstein和Reed提出，它推廣了傳統的維納濾波器結構，由標量維納濾波器組成一個嵌套鏈，相應的方法被分解成前向遞推和后向遞推方程，只要在多級維納濾波器的前向遞推方程的第D級截斷，就可以得到降秩的多級維納濾波器，即實現了信號的降維處理。多級維納濾波器在實際系統中有兩種實現形式:基于梯度的方法(LMS—LeastMeanSquare)和基于樣本矩陣求逆(SMI—SampleMatrixInverse)的方法。通常，梯度方法的收斂速度取決于協方差矩陣的^f牛數。在接收天線數較小的情況下，協方差矩陣的條件數較大，從而使梯度方法的收斂速度很漫。而SMI方法要求對樣本自相關矩陣求逆，因此當收發天線數目很多時，其運算量很高。上述研究的各種MIMO檢測方法，通常需要在接收端準確無誤的了解信道狀態信息，對應于實際的應用中，就需要在發送數據中加入大量的導頻，以輔助接收豐ilX寸復雜多變的信道環境進行估計。這就導致MIMO系統的信息傳輸速率大為降低，同時這也成為了MIMO檢測方法由理論研究走向工程應用的一個主要障礙。與此同時，在頻率選擇性MMO信道中的自適應均衡技斜目當重要，而對于自適應均衡方法，計算錢度和收斂速度是衡量方法性能的兩個重要指標。收斂速度快，可以允許接收機較快的做出判決。特別是在時變信道中，劍門要求方法的收斂速度比信道的變化速度快，以便均衡器對快速變化的信道做出較快的響應和^i。所以，這就需要設計降維方法來以最少的抽頭數(減少計算復雜度)，達到快速(較少的訓練序列)和穩定的收斂。所以研究具有低復雜度、可以應用在時變信道中、在不影響檢測性能的同時，能大大^M川練序列發送量的檢測方法~~降維處理方法非常重要。本發明在基于多級維納濾波器的降維自適應MMO線性均衡方法的基礎上提出了一種MIMO系統中改進的基于RUMSWF的低復雜度降秩均衡方法。此方法在降低自適應均衡的迭代復雜度的同時，加快了il^i速度，并且在降秩維納熗波器的級數遠遠小于接收信號維數的情況下，該方法就能達到近似滿秩均方誤差的性能。
發明內容本發明的目的在于克服傳統均衡方法復雜度高，收斂速度慢的缺點，提供了一種MEMO系統中基于RUMSWF的低M^度降秩均衡方法。為達到上述目的，本發明采用的技術方案是i)系統模型的建立對于:S^f天線數為M、接收天線數為N的頻率選擇性MMO系統，假設其信道階數為L，則信道脈沖響應為H=—/=0其中H,為iVxM維，是第/條時延路纟規應的信道衰落系數矩陣，若ik時刻對寸信號向量s("為獨立同分布的M維向量s(yt)=…，&("]t，則N維接收信號向量yW=[乂(",…,^("]t表示如下y("^H令/)+,/=0其中一)為N維獨立同分布的加性復高斯白噪聲過程；令均衡器的處理長度為&，將發射信號向量、接收信號向量和噪聲向量在"0,…,iV,-1時刻進行時域擴展，亦即§("=「/("...Z(yt-7V,-丄廣y，一l)到如下矩陣表示形式，于是得其中fiH丄00H。H丄f(A;)=fi(A:)S(A:)+fi(A:)是由iVxM維的多徑信道矩陣H,構成的L線對00HG&角陣；2)設^為參考信號，遺忘因子為義j時亥幅多級維納濾波器的輸入為接收信號向量AW=，進行歸一化相關向量與阻塞矩陣的更新3)對"1,…,Z)，應用前向遞推方程有<formula>formulaseeoriginaldocumentpage8</formula>式中，上標*表示共軛，/^為(iV-Z+l)xl維向量，xjq為7V-,'維向量，慮波器級數的增加x,的維數逐級降低；4)對/=1,...，"應用后向遞推方程，與基于UMSWF的均衡方法相同式中，《&)表示第/級標量理想信號，w為權向量，也就是由向量&w估計出標量(("的維納濾波器，^為每一級的誤差信號，第"級的理想信號^(^即為&，貝購衡器的輸出烏("即為本發明基于MSWF的自適應降秩線性均衡方法中酉多級維納濾波器的fflB矩陣予以改進，采用(iV-/)x(A^+l)維的長方矩陣塊作為卩腺矩陣，使MSWF前向遞推分解中各級觀觀幅號向量x,W的維數逐級降低，同時此長方矩陣塊來自于相關相減實現結構的正方阻塞矩陣，因此同時具備正方阻塞矩陣的優點，不需要a^:求解卩腺矩陣。本發明將RUMSWF應用于降秩自適應均衡中，降低了均衡方法的復雜度，力口快了均衡方法的收斂速度，使其具有很好的性能。特別是在^l寸天線、接收天線較多和降秩階數較高時，RUMSWF能夠有效降低MSWF前向遞推分解中復乘的次數，從而大大降低了方法的復雜度，加快了收斂速度。理論分析和仿真實驗表明，此改進均衡方法在復雜度和收斂速度方面均優于基于MSWF的自適應降糊衡方法。圖1為MIMO系統中自適應線性均衡器結構框圖2為RUMSWF(RectangleUnitaryMultistageWienerFilter)的實現結構圖3為基于三種多級維納濾波器的降秩線性均衡器誤碼曲線圖；圖4為兩種自適應降維均衡方法與RLS方法收斂速度比較圖。具體實施例方式下面結合附圖對本發明作進一步詳細說明。參見圖l，首先給出MIMO系統中自適應線性均衡器的系統模型。對于發射天線數為M、接收天線數為N的頻率選擇性MMO系統，假設其信道階數為L，于是信道脈沖響應可以表示為<formula>formulaseeoriginaldocumentpage9</formula>其中H,為iVxM維，是第/條時延路^)^應的信道衰落系數矩陣。若A時刻對寸信號向量sW為獨立同分布的M維向量8("=[^W,…,&("]t，則N維接收信號向量yW=[乂(",...，h(A)]7表示如下<formula>formulaseeoriginaldocumentpage9</formula>其中n("=h(",…，("]t為N維獨立同分布的加性復高斯白噪聲過程。令均衡器的處理長度為iV,，將發射信號向量、接收信號向量和噪聲向量在"0，…,iV,-1時刻進行時域擴展，亦即豐)=[/("...s，-iV,-丄〕—到如下矩陣表示形式<formula>formulaseeoriginaldocumentpage9</formula>是由7VxM維的多徑信道矩陣H,構成的L線對角陣。針對以上系統模型，設^為參考信號，遺忘因子為/L^時刻酉多級維納濾波器的輸入為接收信號向量x。("=。則N維觀測信號向量;c。經過D級前向遞推方程后變成D維期望信號，由圖2對D階降秩RUMSWF可得<formula>formulaseeoriginaldocumentpage10</formula>其中，c/,州表示第/級標量理想信號。、…A為歸一化互相關矢量，是期望信號與觀觀,號向量的的歸一化互相關向量。/-/^即為阻塞矩陣^滿足5,7^(U-l,…,7V的7VxiV維正方矩陣，其秩為iV-!'。同時定義矩陣或者向量的上標W表示取其前i行，即—1〗表示取向量/^的前iV-1行。MSWF采用相關相減結構實現時，B1=/-Vf，滿足《、=0。此處，用《-'來代替B,/-V^，即取A的前W-l行作為(iV-l)xiV維卩腺矩陣。此替代保留了》("的全部信息而無任何損失，這是由于A的秩為^-1。下面證明N維正方阻塞矩陣5,的秩為A^。由S,為(^-/+1)><(^-/+1)維矩陣，/^為(^-/+1)><1維向量，要滿足5,/^0，即相當于尋找滿足[、…,V,+1]''■(W-i+l)=0的lx(iV-"l)維的獨立向量的個數，由線性代數理論知識易知，存在的獨立向量個數為7V-Z，即g的秩為7V-/。故采用^-0><^-/+1)維長方矩陣B"作為卩腺矩陣可以保留5^)的全部信息而無任何損失。同時此實現結構一方面禾,了長方阻塞矩陣的優點，肯,逐級降低接收信號向量的維數，另一方面采用了相關相減結構，不需要^^蟲求解P腺矩陣，這樣既可以降低存儲量，又有利于降低計算量，如計算x^hB,』("需要的計算量為0(7V2)，而利用相關相減結構計算x,("=x,—i("-&《(A)需要的計算量僅為O(AO。將此RUMSWF應用于自適應均衡方法中，步驟如下1)首先，進行歸一化相關向量與阻塞矩陣的更新2)對/=1,..,仏應用前向遞推方程有x,.(&)=B,Xw=x;—〕(A:)-/f，1化Z)^+i("=x;(&)《("+義A+i-1)式中，上標*表示共軛，/^為(A^+l)xl維向量，x,("為iV-/維向量，即隨著濾波器級數的增加x,(A)的維數逐級降低；3)對/4,…,"應用后向遞推方程，與基于UMSWF的均衡方法相同、J歸綜上，均衡器的輸出為圖3和圖4給出了此方法的性能仿真。仿真剝牛考慮一^I寸天線M:4，接收天線A^8的V-BLAT系統，各天線發射信號采用BPSK調制并且具有相等的皿功率。信道模型為頻率選擇性瑞利衰落信道，信道階數丄=3，即均衡器處理的長度iV,=3，各徑功率相等并且功率譜為Jakes譜，各天線對間的多徑衰落系數相互獨立，且服從方差為1的復高斯分布，無信道編碼。噪聲是均值為O的復高斯白噪聲，功率隨信噪比改變。在仿真中，固定每一幀的比特數為1000，其中前200比特用于信道估計，信道估計中采用最小均方體準則估計出各信道參數。采用MontoCarlo仿真技術進行仿真。圖3中水平軸定義的信噪比SVi定義為輸出端的平均信噪比，即SW=l^SVi,，其中SW,為第/根天線接收到的信號功率與噪聲功率的比值。仿真中主要考察改進的基于RUMSWF均衡方法與基于UMSWF均衡方法誤碼性倉巨差異。圖3給出了多級維納濾波器的秩(級數，用D表示)取不同值時，基于兩種MSWF的均衡方法的誤碼曲線。由圖劍門可以看出，當S層從低向高變化時，為了取得滿秩維納濾波性能，兩種MSWF所需的必要級數均在逐漸增多。同時，齢D=4，D=8,I>16三種情況下的曲線，可以看到UMSWF均衡方法的誤碼性能略優于基于RUMSWF的均衡方法，這是由于劍門在阻塞矩陣的選取上作了修改，MSWF相當于把接收信號矢量向一個低維的子空間投影，其性能很大程度上取決于投影子空間是否可以很好的近似信號子空間。而基于RUMSWF的均衡方法的取阻塞矩陣是取了(iV-/+1)x(W-/+1)維正方矩陣的前iV-/行，如果這iV-/行張成的子空間剛好是正交信號子空間，即這iV-,'行向量為線性獨立的向量，則該^-/行能夠精確的表達iK"的全部信息，而若這A^/行向量為非線性獨立的向量，則該iV-Z行不能完全精確的表達信號子空間，但是由于lt逝似誤差非常小，故兩種方法的差異也較小。從圖3的仿真結果同樣看到兩種方法的誤碼性能相當差異在ldB左右，尤其是在高信噪比處，幾乎無差異存在,但本發明公開方法的復雜度要比基于MSWF的自適應均衡方》封氐得多，具體分析見表l。表1三種均衡方法的復雜度(復數乘法運算次數)對比<table>tableseeoriginaldocumentpage13</column></row><table>從表1可以看出改進的RUMSWF自適應均衡方法比UMSWF自適應均衡方法的乘法次數每一級少MDiV,"(Z)+l)次，整個均衡更新過程中乘法次數共減少MV,[l2x2+22x3+…("-1)2xD]次。由此可見改進均衡方法總的計算復雜度降低較非常可觀。圖4主要比較基于RUMSWF的降維RLS均衡方法與基于UMSWF的降維RLS均衡方法的收斂速度，同時將這兩種方法與常規的RLS自適應方法的收斂速度進行比較。在仿真中，固定信噪比SV及-10dB，遺忘因子"0.998，用來消除當前輸入向量的影響，通過其對過去繊指數加權，使迭^f爐向于降低過去取樣數據的重要性，因此遺忘因子代表的是一種時間相關性。其他仿真剝牛與誤碼性能仿真相同。兩種方法的均方誤差隨迭代次數的變化曲線如圖4所示。由圖可以看出，基于RUMSWF的降維RLS均衡方法的收斂速度BTO;于基于MSWF的自適應均衡方法，這是由于要達到同樣的誤碼性能，基于RUMSWF的降維RLS均衡方法的迭代復雜度比基于MSWF的復雜度要低很多，因此收斂速度略優于基于MSWF的方法。同時劍門可以看出二者的收斂速度均明顯優于常規RLS方法，而且秩D越小，收斂速度越快。收斂速度是指方法迭代接近最優解時所需要的搜索時間，它可以看成是方法的搜索速度。常規的RLS自適應方法在整個信號子空間內搜索最優解，其收斂速度與子空間的維數成正比。而降維RLS自適應方法則不同，它通過子空間投影，大大降低了搜索的范圍，加快了方法的收斂速度，投影子空間維數越低，收斂越快。然而，降維RLS方法只會g在降維子空間內尋矛娘部最優點，而常規的RLS方法搜索的是全局最優點，所以降維RLS方法的MSE性能比滿秩RLS方法的性能要差，這一點從圖4也可以看出。最后從圖中也可以看出，當D過小時降維RLS方法達不到RLS的均方誤差性能。權利要求1、MIMO系統中基于RUMSWF的低復雜度降秩均衡方法，其特征在于1)系統模型的建立對于發射天線數為M、接收天線數為N的頻率選擇性MIMO系統，假設其信道階數為L，則信道脈沖響應為其中Hl為N×M維，是第l條時延路徑對應的信道衰落系數矩陣，若k時刻發射信號向量s(k)為獨立同分布的M維向量s(k)＝[s1(k)，…，sM(k)]T，則N維接收信號向量y(k)＝[y1(k)，…，yN(k)]T表示如下其中n(k)＝[n1(k)，…，nN(k)]T為N維獨立同分布的加性復高斯白噪聲過程；令均衡器的處理長度為Nf，將發射信號向量、接收信號向量和噪聲向量在k＝0，…，Nf-1時刻進行時域擴展，亦即于是得到如下矩陣表示形式其中是由N×M維的多徑信道矩陣Hl構成的L線對角陣；2)設s1為參考信號，遺忘因子為λ，k時刻酉多級維納濾波器的輸入為接收信號向量進行歸一化相關向量與阻塞矩陣的更新3)對i＝1，…，D，應用前向遞推方程有式中，上標*表示共軛，hi為(N-i+1)×1維向量，xi(k)為N-i維向量，即隨著濾波器級數的增加xi(k)的維數逐級降低；4)對i＝1，…，D應用后向遞推方程，與基于UMSWF的均衡方法相同dD(k)＝εD(k)式中，di(k)表示第i級標量理想信號，wi為權向量，也就是由向量xi-1(k)估計出標量di-1(k)的維納濾波器，εi為每一級的誤差信號，第D級的理想信號dD(k)即為εD，則均衡器的輸出即為全文摘要一種MIMO系統中基于RUMSWF的低復雜度降秩均衡方法，基于MSWF的自適應降秩線性均衡方法進行改進，是一種基于長方阻塞矩陣并通過相關相減結構來實現多級維納濾波器的降秩自適應MIMO線性均衡方法。通過對酉多級維納濾波器的阻塞矩陣改進，選取其正方阻塞矩陣中的一個長方矩陣塊作為阻塞矩陣，使得酉多級維納濾波器前向遞推分解中接收信號向量的維數逐級降低，從而在降低了自適應均衡的迭代復雜度的同時，并且加快了收斂速度。理論分析和仿真結果表明，此低復雜度快速降秩自適應均衡方法具有復雜度低、收斂速度快的優點。在具有4根發射天線，8根接收天線，采用BPSK調制的V-BLAST系統中，僅用基于多級維納濾波的均衡方法0.5倍的計算復雜度即可達到與其僅相差0.78dB的誤碼性能。文檔編號H04L1/06GK101534177SQ20091002187公開日2009年9月16日申請日期2009年4月3日優先權日2009年4月3日發明者付瑞君,任品毅,吳廣恩,尹穩山,瑞汪,王熠晨,莉魏申請人:西安交通大學