多用户MIMO系统预编码技术国内外研究现状

菜单

近年来，多用户MIMO系统获得了越来越多的关注，它可以同时为多个用户提供服务，这能够提高频谱利用率，但同时也造成了用户间的共信道干扰(Co-channel Interference, CCI)，故而需要对传输方案进行设计以充分抑制干扰。发射端的预编码技术可以减小用户终端处理的复杂度。长久以来，国内外学者已经提出多种具有较好性能且能适应不同环境的预编码方案。62968

根据信息论相关内容， MU-MIMO 广播信道（Broadcast Channel， BC）的最优传输策略为结合用户调度与功率分配算法的脏纸编码（Dirty Paper Coding, DPC）。文献[10]研究了非退化高斯广播信道的可达速率。此后，各国学者研究提出了一些实际的策略以接近MU-MIMO信道的容量，如在信道状态信息（Channel State Information, CSI）已知的情况下线性和非线性预编码方案、功率分配技术、CSI的反馈和码本设计。

DPC技术[11]是由Costa提出的，其基本思想是当发射端对信道的干扰提前有所了解，能够设计一种编码方案来弥补干扰，并能使信道容量与无干扰的时候相同。但由于DPC难以实现，计算量大，随后，人们研究出Tomlinson Harashima Precoding (THP)编码算法，它的计算量比DPC有明显减少，且性能与DPC接近。

DPC与THP是非线性预编码算法，计算量大，为了降低复杂度人们提出了几种线性预编码算法。对信道矩阵进行奇异值分解能将多个信道或多个用户分离，达到消除用户间干扰的目的，2004年Lai-U和Ross D.Murch首先实现将多用户MIMO下行链路信道分解为多个并行独立的单用户MIMO下行链路信道[12]的方案。2009年，我国的W.Liu、L.L.Yang以及L.Hanzo将该思想延伸到上行链路中。SVD算法通常与功率分配机制联合使用来进一步提高系统性能，该方法也是提高频谱利用率的最佳选择[13]。但基于SVD分解的预编码技术在接收端需要各用户之间的充分协作，这在实际中是难以实现的。

与此同时，另一种思路——迫零（Zero-Forcing, ZF）算法也引起了人们的关注。迫零算法能够简单地将多用户信道分解成多个独立的子信道。基于不同的准则（如最大公平性原则、最大吞吐量原则等），迫零的思想也延伸出了多种算法[14]-[21]。2009年Hakjea Sung和Sang-Rim Lee、Inkyu Lee的论文中提出了一种基于信道求逆的ZF算法[22]，在此基础上他们还提出了最小均方误差算法，并针对限制总发射功率和限制每个用户的功率两种不同的情况分别论述了该算法[23]。论文网

将迫零算法和SVD算法的优缺点综合考虑，Quentin H. Spencer和Martin Haardt在 2004年提出了块对角化算法，论文网中首先论述了关于容量问题和功率控制问题两方面的约束解，但给出的算法都存在发射天线数要比接收天线数多的限制，针对此限制，接着又提出了一种次优的发射端-接收端协作处理的框架[24]。总的说来，块对角化先采取了基于迫零算法的思想，将多用户信道分解成多个独立的子信道，然后又采取了基于SVD算法的思想，将每个用户的信道分解成了各接收天线之间互不干扰的子信道。2011年，一种连续块对角化预编码算法被提出，这种算法将优先权较高的用户（如信噪比低、期望速率高、天线数目少）优先考虑，进行块对角化抵消这些用户间的共道干扰，如果余下的用户优先级差不多且没有太严格的要求，就可以在对优先权用户不干扰的条件下用块对角化算法求解，这样基本满足了各个用户的需求[25]。

另外，将SLNR最大化作为预编码算法的依据，可以在系统性能与复杂度之间取到很好的折中。2007年，Mirette Sadek、Alireza Tarighat以及Ali H.Sayed提出了基于信号泄漏概念的预编码方案 [26]，该方案同时最大化所有用户的SLNR，与迫零算法相比，它不会对发射天线和接收天线的数量关系有所限制，而且避免了对噪声的放大。2011年，一种改进的SLNR预编码方法被提出，该方法在泄漏信号的基础上，考虑干扰信号的影响，对预编码向量进行迭代优化，其进一步提高了系统的吞吐量[27]。同时，若在原SLNR的基础上联合适当的功率分配将进一步提高实用价值。例如，2011年，一种结合了噪声和干扰白化、SVD和注水功率分配的算法被提出，并以用户为单位应用到最大信泄噪比的预编码方案之中，这种算法比以天线为单位的最大信泄噪比预编码方案性能要好[28]-[29]；同时，2011年，还有这样一种算法被提出，它首先利用信道的迹为各个用户分配功率，然后以误码率最小准则为用户的各个空间子信道分配功率，既克服了SLNR只利用单个子信道传输的缺点，同时兼顾系统性能和运算复杂度[30]。