基于MIMO系统最大合并机制的传输波束赋形

[摘 要]本文在充分考虑了算法复杂度和系统性能之间的折中关系后,提出一种在MIMO系统中基于MNC准则对信道矩阵的进行不断地合并得到一种近似于理想波束赋形的权向量的方法。仿真结果证明与信道矩阵单一值分解(SVD)的方法相比本文提出的波束赋形方法在保证传输性能趋于理想波束赋形性能的前提下大幅度减少算法复杂度。

[关键词]MIMO系统 传输波束赋形技术 旋转复矩阵 最大合并准则

[中图分类号]TN919.72[文献标识码]A[文章编号]1007-9416(2010)02-0124-02

1 引言

MIMO天线和时空处理技术的结合是提高无线链路高速传输能力的可行性方法[1][2]。MIMO技术使得系统容量更大,空间复用和分集增益使服务质量更好[3]。

在闭环系统中最大速率传输(MRT)的MRC算法利用发射端已知的信道参数在发射端进行波束赋形接收端进行合并[6]来进一步提高MIMO系统的容量[4][5]。为使接收SNR值最大本文波束赋形用信道矩阵的奇异值分解(SVD)构成传输波束赋形和接收合并向量[7][9],传输波束赋形功率迭代计算出主要的奇异向量[12],用幂迭代产生传输波束赋形向量的方法能保证系统性能损失最小的基础上降低了算法复杂度。

本文对2×2复合旋转矩阵做出的新的理论推导能更加有效地处理复合向量正交性问题[19],旋转变换法用来计算基于两个复合向量的最大合并准则的单位向量范数,并在此基础上得到在MIMO信道连续运用MNC准则的新的波束赋形方法。仿真结果表明在同等系统性能条件下的4×4MIMO系统中新的波束赋形方法性能与理想波束赋形非常接近,计算复杂度比幂迭代法低60%。

1 系统描述

发射波束赋形和接收分集合并的MIMO系统信道矩阵服从独立同分布复合零均值高斯分布,发射端维的复合信号传输向量为:

(1)

和分别表示信道矩阵和维接收复向量,表示协方差矩阵为的复高斯噪声矢量,表示大小为的单位矩阵。接收端传输数据符号表示为

(2)

式(1)中表示传输矢量的共轭复数,表示有效信道增益,当信道噪声为白噪声[8]根据SNR准则接收MRC为:

(3)

在波束赋形矢量取任意值时,当信道矩阵的主奇异向量等于矩阵的最大奇异向量时信道增益()最大:

(3)

因此信道矩阵主奇异向量的波束赋形技术最优。通过对式(4)和(5)进行幂迭代得到传输矢量。

(4)

(5)

再对矢量进行初始化后重复迭代次后就得到收敛于的信道增益。上述信道矩阵幂迭代为阶实数乘法,为迭代次数。在性能最佳的前提下新波束赋形的算法复杂度比幂迭代法低至少。

2 新的传输波束赋形方法

本文基于使输出为最大值的MNC准则提出对MIMO信道矩阵的维列向量进行连续合并的波束赋形法,MNC有两种不同类型的权向量:类型1和类型2,且有

(6)

其中MNC是由向量和组成的向量:

(7)

范数极值为:

(8)

复向量的极值等于阶矩阵较大的奇异值。

和的第一列分别称为内部矢量和外部矢量

(9)

在上述基于MNC准则确定权向量的基础上提出一种确定的波束赋形策略,确定后就很容易计算出接收矢量。当时波束赋形性能最佳,波束赋形矢量信道增益为,Type1时实际增益为,Type2时。时对MIMO信道矩阵的各列向量连续进行次MNC运用来确定。把矩阵的前两列与权向量合并其余列保持不变就得到传输波束赋形矢量。也就是说我们以增加算法复杂度为代价获得最佳波束赋形矢量[9][11]。

3 仿真结果

在发射信号已知的平坦衰落MIMO信道中对幂迭代波速赋形和最佳波束赋形的性能进行仿真。如图1所示在不计BER的前提下时性能最优,Type2波束赋形的性能与最佳波束赋形十分接近,Type1波束赋形的性能与最佳波束赋形完全相同。

对调制的MIMO系统BER仿真如图2所示,与最佳波束赋形相比Type1和Type2波束赋形方案不仅降低算法复杂度,在处与最佳波束赋形性能仅相差0.3dB。

从图3中我们可以看出,在同等性能条件下计算复杂度比幂迭代法少70%。

4 结语

本文提出的MIMO无线信道中基于最大列合并准则的复矢量正交波束赋形方法是用新构造的复矩阵作为复矩阵正交性旋转传输的一般表达式,根据MRC准则用三个不同的权向量对两个复向量进行合并,进行连续合并得到的MIMO信道矩阵的信道增益与信道矩阵的最大单值的信道增益相似。仿真结果表明新的波束赋形在大幅度降低算法复杂度的同时性能与最佳波束赋形的非常相似。

[参考文献]

[1] G. J. Foschini and M. Gans, “On limits of wireless communications in a fading environment when using multiple antennas,”Wireless Personal Commun., vol.6,pp.311-335,Mar.1998.

[2] I. E. Telatar, “Capacity of multi-antenna Gaussian channels,”Eur.Trans. Telecommun.,vol10,pp.585-595.

[3] S. M. Alamouti, “A simple transmit diversity scheme for wireless communications,”IEEE J.Select.Areas Commun.,pp.1451-1458,Oct.1998.

[4] A. J. Goldsmith and P. P. Varaiya, “Capacity of fading channels with channel side information,”IEEE Trans.Inform. Theory,vol.43,pp.1986-1992,Nov. 1997.

[5] A.J.Goldsmith,S.A.Jafar,N.J. Jindal,and S.Vishwanath,“Capacity limits of MIMO channels,” IEEE J. Select. Areas Commun.,vol.21,pp.684702,June2003.

[6] T.K.Y.Lo,“Maximum ratio transmission,”IEEE mun.,vol. 47,pp.1458-1461,Oct.1999.

[7] M.R.Hestenes,“Inversion of matrices by biorthogonalization and related results,”J.Society for Industrial and Applied Mathematics,vol.6,no.1,pp.5190,Mar.1958.

[8] S.Shlien,“A method for computing the partial singular value decomposition,”IEEE Trans.Pattern Analysis and Machine Intelligence,vol.4,pp.671-676,Nov.1982.

[9] H.Lee,S.-H.Park,and I.Lee, “A new MIMO beamforming technique based on rotation transformation,” in Proc. IEEE ICC’07,June 2007.

[10] Z.Drmac,V.Hari,and I.Slapnicar, “Advances in Jacobi methods,”in Proc. Third Conference on Applied Mathematics and Scientific Computing,pp.63-90, June 2001.

[11] A.M.Chan and I.Lee,“A new reduced-complexity sphere decoder for multiple antenna systems,”in Proc. IEEE ICC’02,vol.1,pp.460-464,Apr.2002.

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文