一种MU-MIMO系统波束赋形传输的方法及网络设备与流程 专利技术说明

电子通信装置的制造及其应用技术一种mu-mimo系统波束赋形传输的方法及网络设备技术领域1.本发明涉及无线通信技术领域，特别涉及一种多用户-多输入多输出mu-mimo系统波束赋形传输的方法及网络设备。背景技术：2.在移动通信的多用户-多输入多输出(multi-user multiple-input multiple-output，mu-mimo)系统的波束赋形算法中，由于存在多个用户同时使用相同的时域和频域资源发送数据的情况，导致多个用户所在的不同的子信道空间之间存在干扰，为了实现干扰抑制，通常对干扰用户所在子信道空间进行抑制，基于干扰抑制算法，对干扰用户所在的子信道空间进行干扰抑制，需要对干扰用户的干扰矩阵的自相关矩阵进行求逆，而自相关矩阵是根据干扰矩阵进行自相关运算得到的，由于干扰矩阵的行数是由基站天线数决定的，列数是由终端天线数决定，因此该干扰矩阵自相关运算后得到的自相关矩阵的阶数是行数*行数，且通常秩亏(即该自相关矩阵为不可逆的奇异矩阵)由于基站天线数较多导致干扰用户的自相关矩阵的阶数较高，因此，需要对高阶矩阵进行求逆运算，同时，对秩亏矩阵求逆还需要选择一个正则因子来对求逆过程进行保护，其中子信道空间是由对子信道进行信道估计得到的矩阵组成。而对高阶矩阵的求逆在硬件实现时复杂度很高，导致波束赋形算法的时效性较差。技术实现要素：3.本发明提供一种mu-mimo系统波束赋形传输的方法及网络设备，用于将高阶求逆过程转换为低阶矩阵的求逆过程，简化波束赋形算法的复杂度，也避免了正则因子选择困难的问题。4.第一方面，本发明实施例提供的一种mu-mimo系统波束赋形传输的方法，包括：5.获取mu-mimo系统中目标用户的第一信道估计矩阵，和至少一个干扰用户的第二信道估计矩阵，根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵，以及根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰正交补空间矩阵，其中所述干扰用户是对所述目标用户的通信产生干扰的用户；6.利用所述目标空间矩阵和所述干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵，其中所述期望空间矩阵用于表征对所述干扰用户进行干扰抑制后的空间矩阵；7.对所述期望空间矩阵进行特征值分解，确定所述目标用户的预编码矩阵，并根据所述预编码矩阵在下行信道向所述目标用户传输数据。8.本实施例基于正交投影原理，将现有干扰抑制算法中对干扰用户的高阶自相关矩阵进行求逆的过程，等效为求解干扰用户的第二信道估计矩阵的正交补张成的空间即干扰正交补空间矩阵，即利用干扰用户的干扰正交补空间矩阵实现目标用户对干扰用户的干扰抑制，而本实施例中的干扰正交补空间矩阵中包含的求逆矩阵的阶数是根据第二信道估计矩阵的列数确定的，由于第二信道估计矩阵的列数是基于终端天线决定的，因此该求逆矩阵为低阶矩阵，本实施例利用求解干扰正交补空间矩阵来实现目标用户对干扰用户的干扰抑制，等效于现有技术中利用干扰用户的自相关矩阵实现目标用户对干扰用户的干扰抑制，不需要对高阶自相关矩阵进行求逆，只需对求解干扰正交补空间矩阵，而干扰正交补空间矩阵包含的求逆矩阵的阶数低阶，从而实现了在波束赋形过程中只需对低阶矩阵进行求逆，提高了波束赋形算法的时效性，简化波束赋形算法的复杂度，也避免了正则因子选择困难的问题。9.在一些示例中，所述根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵，包括：10.将所述第一信道估计矩阵和所述第一信道估计矩阵的共轭转置矩阵的乘积，确定为所述目标空间矩阵。11.在一些示例中，所述根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰正交补空间矩阵，包括：12.确定所述至少一个第二信道估计矩阵的投影矩阵；13.将预设单位矩阵和所述投影矩阵作差得到的矩阵，确定为所述干扰正交补空间矩阵。14.在一些示例中，所述确定所述至少一个第二信道估计矩阵的投影矩阵，包括：15.若所述第二信道估计矩阵为一个，则根据所述第二信道估计矩阵和所述第二信道估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵；16.若所述第二信道估计矩阵包括多个，则将多个第二信道估计矩阵合并为一个总估计矩阵，根据所述总估计矩阵和所述总估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵。17.在一些示例中，所述利用所述目标空间矩阵和所述干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵，包括：18.将所述干扰正交补空间矩阵和所述目标空间矩阵的乘积得到的干扰抑制后的空间矩阵，确定为所述目标用户的期望空间矩阵。19.第二方面，本发明实施例提供的一种mu-mimo系统波束赋形传输的网络设备，该设备包括处理器和存储器，所述存储器用于存储所述处理器可执行的程序，所述处理器用于读取所述存储器中的程序并执行如下步骤：20.获取mu-mimo系统中目标用户的第一信道估计矩阵，和至少一个干扰用户的第二信道估计矩阵，根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵，以及根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰正交补空间矩阵，其中所述干扰用户是对所述目标用户的通信产生干扰的用户；21.利用所述目标空间矩阵和所述干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵，其中所述期望空间矩阵用于表征对所述干扰用户进行干扰抑制后的空间矩阵；22.对所述期望空间矩阵进行特征值分解，确定所述目标用户的预编码矩阵，并根据所述预编码矩阵在下行信道向所述目标用户发送数据。23.在一些示例中，所述处理器具体被配置为执行：24.将所述第一信道估计矩阵和所述第一信道估计矩阵的共轭转置矩阵的乘积，确定为所述目标空间矩阵。25.在一些示例中，所述处理器具体被配置为执行：26.确定所述至少一个第二信道估计矩阵的投影矩阵；27.将预设单位矩阵和所述投影矩阵作差得到的矩阵，确定为所述干扰正交补空间矩阵。28.在一些示例中，所述处理器具体被配置为执行：29.若所述第二信道估计矩阵为一个，则根据所述第二信道估计矩阵和所述第二信道估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵；30.若所述第二信道估计矩阵包括多个，则将多个第二信道估计矩阵合并为一个总估计矩阵，根据所述总估计矩阵和所述总估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵。31.在一些示例中，所述处理器具体被配置为执行：32.将所述干扰正交补空间矩阵和所述目标空间矩阵的乘积得到的干扰抑制后的空间矩阵，确定为所述目标用户的期望空间矩阵。33.第三方法，本发明实施例提供的一种mu-mimo系统波束赋形传输的装置，包括：34.确定矩阵单元，用于获取mu-mimo系统中目标用户的第一信道估计矩阵，和至少一个干扰用户的第二信道估计矩阵，根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵，以及根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰正交补空间矩阵，其中所述干扰用户是对所述目标用户的通信产生干扰的用户；35.确定期望矩阵单元，用于利用所述目标空间矩阵和所述干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵，其中所述期望空间矩阵用于表征对所述干扰用户进行干扰抑制后的空间矩阵；36.确定预编码矩阵单元，用于对所述期望空间矩阵进行特征值分解，确定所述目标用户的预编码矩阵，并根据所述预编码矩阵在下行信道向所述目标用户传输数据。37.在一些示例中，所述确定矩阵单元具体用于：38.将所述第一信道估计矩阵和所述第一信道估计矩阵的共轭转置矩阵的乘积，确定为所述目标空间矩阵。39.在一些示例中，所述确定矩阵单元具体用于：40.确定所述至少一个第二信道估计矩阵的投影矩阵；41.将预设单位矩阵和所述投影矩阵作差得到的矩阵，确定为所述干扰正交补空间矩阵。42.在一些示例中，所述确定矩阵单元具体用于：43.若所述第二信道估计矩阵为一个，则根据所述第二信道估计矩阵和所述第二信道估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵；44.若所述第二信道估计矩阵包括多个，则将多个第二信道估计矩阵合并为一个总估计矩阵，根据所述总估计矩阵和所述总估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵。45.在一些示例中，所述确定期望矩阵单元具体用于：46.将所述干扰正交补空间矩阵和所述目标空间矩阵的乘积得到的干扰抑制后的空间矩阵，确定为所述目标用户的期望空间矩阵。47.第四方面，本发明实施例还提供计算机存储介质，其上存储有计算机程序，该程序被处理器执行时用于实现上述第一方面所述方法的步骤。48.本技术的这些方面或其他方面在以下的实施例的描述中会更加简明易懂。附图说明49.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。50.图1为本发明实施例提供的一种mu-mimo系统波束赋形传输的方法的实施流程图；51.图2为本发明实施例提供的一种具体的波束赋形传输的方法实施流程图；52.图3为本发明实施例提供的一种mu-mimo系统波束赋形传输的网络设备示意图；53.图4为本发明实施例提供的一种mu-mimo系统波束赋形传输的装置示意图。具体实施方式54.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。55.在移动通信的mu-mimo波束赋形算法中，配对用户处在同一个高维信道空间的不同子空间中，该高维信道空间维度通常取决于基站的天线数，该不同子空间之间存在一定的相关性，使配对用户之间通常存在一定的干扰，其中，配对用户是指使用相同的时域资源和频域资源在同一时间向基站传输数据的用户。56.为了实现干扰抑制，常常通过对干扰用户所在子信道空间的抑制来实现，其中，对于上述配对用户来说，针对配对用户中的一个期望用户(即需要进行波束赋型传输的用户)，该期望用户的干扰用户为该配对用户中的其他用户，即配对用户中的各个用户之间存在相互干扰。例如通过求解干扰用户根据信道估计得到的干扰矩阵伪逆来构建对角阵的迫零算法(zf，zero-force)，但是该迫零算法对噪声存在放大作用；另外具备噪声抑制能力的最小均方误差算法(mmse，minimun mean square error)，虽然能一定程度上抑制噪声，但是抑制门限的选择也存在一定困难。同时这两种算法都不具备空间扩展能力，例如时域空间扩展，频域空间扩展。最大信化漏比(signal-to-leakage-and-noise ratio，slnr)算法是一种经典的预编码算法，具备在干扰空间中扩展时频域信息的能力，其核心过程包括用户间去相关计算过程，该过程可使用式1-1所示的向量向逆空间投影的过程来表示：57.w＝(r+σ2i)-1u；58.其中，r表示干扰用户所在子空间，由干扰用户信道估计的自相关矩阵组成，r的维度通常等于基站天线数，i表示预设单位矩阵，u表示期望用户的赋形向量，w表示干扰抑制后的期望用户赋形向量。59.然而基站天线数通常较多，导致干扰矩阵空间维度很高，即r为高阶厄米特矩阵，且通常秩亏(即r是个不可逆的奇异矩阵)，而且对高阶矩阵的求逆在硬件实现时复杂度很高；同时，在现有技术中，对秩亏矩阵求逆还需要选择一个正则因子σ2来对求逆过程进行保护，避免对零特征值对应噪声空间的求逆，否则将极大放大噪声。针对目前的技术问题，本发明实施例基于逆矩阵特征值分解理论分析，提出一种秩亏厄米特矩阵的求逆方法，将高阶求逆过程，转换为低阶矩阵的求逆过程，有效简化了slnr算法的复杂度，提升了slnr算法的实时性，使赋形因子能及时生效与信道更加匹配，能有效提升下行链路吞吐量，同时也避免了正则因子σ2选择困难的问题，提升slnr算法的鲁棒性。60.本技术实施例提供的技术方案可以适用于多种系统，尤其是5g系统。例如适用的系统可以是全球移动通讯(global system of mobile communication，gsm)系统、码分多址(code division multiple access，cdma)系统、宽带码分多址(wideband code division multiple access，wcdma)通用分组无线业务(general packet radio service，gprs)系统、长期演进(long term evolution，lte)系统、lte频分双工(frequency division duplex，fdd)系统、lte时分双工(time division duplex，tdd)系统、高级长期演进(long term evolution advanced，lte-a)系统、通用移动系统(universal mobile telecommunication system，umts)、全球互联微波接入(worldwide interoperability for microwave access，wimax)系统、5g新空口(new radio,nr)系统等。这多种系统中均包括终端设备和网络设备。系统中还可以包括核心网部分，例如演进的分组系统(evloved packet system,eps)、5g系统(5gs)等。61.本技术实施例提供的一种mu-mimo系统波束赋形传输的方法，主要应用于网络设备。本技术实施例涉及的网络设备，可以是基站，该基站可以包括多个为终端提供服务的小区。根据具体应用场合不同，基站又可以称为接入点，或者可以是接入网中在空中接口上通过一个或多个扇区与无线终端设备通信的设备，或者其它名称。网络设备可用于将收到的空中帧与网际协议(internet protocol，ip)分组进行相互更换，作为无线终端设备与接入网的其余部分之间的路由器，其中接入网的其余部分可包括网际协议(ip)通信网络。网络设备还可协调对空中接口的属性管理。例如，本技术实施例涉及的网络设备可以是全球移动通信系统(global system for mobile communications，gsm)或码分多址接入(code division multiple access，cdma)中的网络设备(base transceiver station，bts)，也可以是带宽码分多址接入(wide-band code division multiple access，wcdma)中的网络设备(nodeb)，还可以是长期演进(long term evolution，lte)系统中的演进型网络设备(evolutional node b，enb或e-nodeb)、5g网络架构(next generation system)中的5g基站(gnb)，也可以是家庭演进基站(home evolved node b，henb)、中继节点(relay node)、家庭基站(femto)、微微基站(pico)等，本技术实施例中并不限定。在一些网络结构中，网络设备可以包括集中单元(centralized unit，cu)节点和分布单元(distributed unit，du)节点，集中单元和分布单元也可以地理上分开布置。62.网络设备与终端设备之间可以各自使用一或多根天线进行mu-mimo传输。根据根天线组合的形态和数量，mimo传输为波束赋形传输(即预编码传输)等。63.本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。64.本技术实施例中术语“多个”是指两个或两个以上，其它量词与之类似。65.本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。66.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，并不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。67.实施例1、本发明实施例的核心思想是，由于干扰空间矩阵为秩亏厄米特矩阵，而秩亏厄米特矩阵实质上具有空间维度较低的特征，通过对等实质上较低的空间维度阶数的矩阵进行求逆，来实现高维度空间求逆，即通过使用干扰空间矩阵的正交补空间矩阵，来简化高维空间求逆的复杂度，实现对波束赋型算法的简化，提升算法的实时性，使赋形因子能及时生效与信道更加匹配，能有效提升下行链路吞吐量。并且基于逆矩阵特征值分解理论，本实施例中的正则因子对特征值的分解不会带来任何影响，因此也避免了正则因子选择困难的问题。68.如图1所示，本发明实施例提供的一种mu-mimo系统波束赋形传输的方法的实施流程如下所示：69.步骤100、获取mu-mimo系统中目标用户的第一信道估计矩阵，和至少一个干扰用户的第二信道估计矩阵，根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵，以及根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰正交补空间矩阵；70.其中，所述干扰用户是对所述目标用户的通信产生干扰的用户，所述干扰正交补空间矩阵中包含的求逆矩阵的阶数根据所述第二信道估计矩阵的列数确定；干扰用户和第二信道估计矩阵之间是一一对应的，本实施例中的干扰用户可以是一个，或多个，因此本实施例中的第二信道估计矩阵可以是一个或多个，但不论干扰用户是一个还是多个，干扰正交补空间矩阵是一个。71.本实施例中的第一信道估计矩阵是对目标用户所在的第一信道进行信道估计得到的矩阵，该第一信道估计矩阵中的元素表示在该第一信道中传输数据所需的参数。同理，本实施例中的第二信道估计矩阵是对干扰用户所在的第二信道进行信道估计得到的矩阵，该第二信道估计矩阵中的元素表示在该第二信道中传输数据所需的参数。72.容易理解的是，本实施例涉及mu-mimo系统，基于该系统的多用户特性，容易导致多个用户同时使用相同的时域资源和频域资源向基站发送数据，将该多个用户作为一个用户组而言，而针对用户组中的目标用户，即针对需要计算波束赋型传输的目标用户时，需要对该组用户中对该目标用户产生干扰的干扰用户进行干扰抑制，即需要对干扰用户的干扰空间矩阵进行求逆，其中该干扰空间矩阵是根据第二信道估计矩阵确定的，由于该干扰空间矩阵通常为高阶秩亏厄米特矩阵，求逆算法复杂，时效性差，而本实施例利用干扰空间矩阵的正交补空间矩阵即干扰正交补空间矩阵来实现对高阶矩阵的求逆运算，实现原理是由于该干扰正交补空间矩阵是干扰空间矩阵的正交补张成的空间矩阵，而秩亏厄米特矩阵空间的逆空间即为干扰空间矩阵的正交补空间张成的空间矩阵。因此，利用本实施利用干扰正交补空间矩阵能够简化高阶矩阵求逆的过程。73.由于干扰正交补空间矩阵中的求逆运算是对第二信道估计矩阵的共轭转置和第二信道估计矩阵的乘积进行求逆，而该乘积得到的矩阵的阶数为第二信道估计矩阵的列数*列数，由于第二信道估计矩阵的列数是基于终端天线决定的，因此该乘积得到的矩阵的阶数为低阶矩阵，本实施例利用求解干扰正交补空间矩阵来实现目标用户对干扰用户的干扰抑制，从而实现了在波束赋形过程中只需对低阶矩阵进行求逆，提高了波束赋形算法的时效性。74.步骤101、利用所述目标空间矩阵和所述干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵，其中所述期望空间矩阵用于表征对所述干扰用户进行干扰抑制后的空间矩阵；75.本实施例将所述干扰正交补空间矩阵和所述目标空间矩阵的乘积得到的空间矩阵，确定为所述目标用户的期望空间矩阵。本实施例基于正交投影原理，即干扰用户的正交投影矩阵与干扰用户的信道估计得到的自相关矩阵的逆空间矩阵为同一空间矩阵，也就是说，自相关矩阵的逆空间矩阵为干扰用户的第二信道空间矩阵的正交补张成的空间矩阵，即本实施例中的干扰正交补空间矩阵，将现有干扰抑制算法中对干扰用户的高阶自相关矩阵进行求逆的过程，等效为求解干扰用户的第二信道估计矩阵的正交补张成的空间即干扰正交补空间矩阵，利用干扰正交补空间矩阵实现目标用户对干扰用户的干扰抑制。76.本实施例基于正交投影原理，利用求解干扰用户的干扰正交补空间矩阵等效于求解干扰用户的信道估计得到的自相关矩阵(高阶)，从而基于干扰抑制算法，利用干扰正交补空间矩阵替代干扰用户的自相关矩阵来实现目标用户的目标空间矩阵对干扰用户的干扰正交补空间矩阵的干扰抑制，由于干扰正交补空间矩阵中包含的求逆矩阵的阶数根据所述第二信道估计矩阵的列数确定，列数由终端数量确定，终端数量远低于基站的天线数量，因此只需对低阶矩阵进行求逆，从而简化了波束赋型算法的复杂度。77.步骤102、对所述期望空间矩阵进行特征值分解，确定所述目标用户的预编码矩阵，并根据所述预编码矩阵在下行信道向所述目标用户传输数据。78.基于逆矩阵特征值分解理论可知，正则因子对特征值的分解不会带来任何影响，因此，本实施例中的期望空间矩阵虽然携带了与正则因子相关参数的矩阵，但是由于对特征值的分解不构成影响，因此在进行特征值分解时，去掉与正则因子相关参数，无需对正则因子进行选择，能够有效提升波束赋型算法的鲁棒性。本实施例涉及的波束赋形可理解为计算目标用户的预编码矩阵，利用该预编码矩阵在下行信道传输数据，能够使得波束赋型算法及时生效，并与信道更加匹配，有效提升下行链路吞吐量，同时在减少参数的选择上，提升了算法的鲁棒性。79.在一些示例中，本实施例可通过如下方式根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵：80.将所述第一信道估计矩阵和所述第一信道估计矩阵的共轭转置矩阵的乘积，确定为所述目标空间矩阵。实施中，可通过如下公式(0)确定目标空间矩阵：81.ri＝hi*hihꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(0)；82.其中，ri表示第i个目标用户的目标空间矩阵，hi表示第i个目标用户的第一信道估计矩阵，hih表示该第一信道估计矩阵的共轭转置矩阵，i为大于0的整数。83.在一些示例中，本实施例具体通过如下方式根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰空间矩阵的正交补空间矩阵：84.1)确定所述至少一个第二信道估计矩阵的投影矩阵；85.在一些示例中，本实施例可通过如下一种方式确定所述至少一个第二信道估计矩阵的投影矩阵：86.1a)若所述第二信道估计矩阵为一个，则根据所述第二信道估计矩阵和所述第二信道估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵；87.实施中可通过如下公式(1)确定投影矩阵：[0088][0089]其中，p表示投影矩阵，表示第二信道估计矩阵，表示第二信道估计矩阵的共轭转置矩阵。[0090]1b)若所述第二信道估计矩阵包括多个，则将多个第二信道估计矩阵合并为一个总估计矩阵，根据所述总估计矩阵和所述总估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵。[0091]实施中可通过如下公式(2)和公式(3)确定投影矩阵：[0092][0093][0094]其中，p表示投影矩阵，表示总估计矩阵，表示总估计矩阵的共轭转置矩阵，h1,h2,…,hm-1表示m-1个第二信道估计矩阵，j表示干扰用户的数量，m表示用户总数。[0095]2)将预设单位矩阵和所述投影矩阵作差得到的矩阵，确定为干扰正交补空间矩阵。[0096]实施中，可以通过如下公式(4)确定正交补空间矩阵：[0097][0098]其中，表示正交补空间矩阵，i表示预设单位矩阵，p表示投影矩阵。[0099]若p是基于公式(1)得到的，则上述公式(4)等同于如下公式(4a)：[0100][0101]若p是基于公式(2)得到的，则上述公式(4)等同于如下公式(4b)：[0102][0103]在一些示例中，本实施例可通过如下方式利用所述目标空间矩阵和干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵：[0104]将所述干扰正交补空间矩阵和所述目标空间矩阵的乘积得到的干扰抑制后的空间矩阵，确定为所述目标用户的期望空间矩阵。[0105]本实施例基于正交投影原理，为了将干扰用户产生的干扰空间矩阵进行干扰抑制，等效于求解目标用户的目标空间矩阵相对于该干扰空间矩阵的正交投影，基于该原理，得到干扰用户的干扰正交补空间矩阵，利用干扰抑制算法如slnr算法，根据目标空间矩阵和干扰正交补空间矩阵，得到进行干扰抑制后的目标用户的期望空间矩阵。实施中，可通过如下公式(5)确定期望空间矩阵：[0106][0107]其中，表示第i个目标用户的期望空间矩阵，表示与正则因子σ2相关的系数，p⊥表示干扰正交补空间矩阵，hi表示第i个目标用户的第一信道估计矩阵，hi*hih表示目标用户的目标空间矩阵，i表示预设单位矩阵，表示干扰用户的投影矩阵。[0108]由于本实施例中为了进行波束赋形，需要对得到的期望空间矩阵进行特征值分解，而对特征值的分解不会产生任何影响，因此，可省去，即得到公式(5)如下所示：[0109][0110]由于本实施例在计算期望空间矩阵时只涉及与较低维度矩阵的求逆运算，由于矩阵的阶数是通过终端天线的数量n确定的，即可为n*n，相比与现有矩阵求逆维度低很多，有效简化了波束赋形算法的复杂度，且该波束赋形算法与正则因子σ2无关。[0111]确定出目标用户的期望空间矩阵之后，完成了对该目标用户产生干扰的干扰用户的干扰抑制过程，然后利用特征值分解方法，得到目标用户的预编码矩阵，具体可通过如下公式(7)描述：[0112][0113]其中，所述ui表示第i个目标用户的预编码矩阵，表示第i个目标用户的期望空间矩阵，ui的列空间维度为期望用户的层数，其中所述层数用于表征基站同时发送给目标用户的数据量。[0114]本发明实施例上述波束赋形的过程是针对一个目标用户而言，对于在相同高维信道空间的其他目标用户，都可以通过本发明实施例中的波束赋形方法计算每个目标用户的预编码矩阵，当处于相同高维信道空间的所有用户都完成上述波束赋形后，则完成了mu-mimo系统中所有用户的预编码过程。[0115]在一些示例中，本实施例还提供一种具体的波束赋形传输的方法，以多个干扰用户为例进行说明，如图2所示，该方法的实施流程如下所示：[0116]步骤200、获取mu-mimo系统中目标用户的第一信道估计矩阵，和多个干扰用户的第二信道估计矩阵；[0117]步骤201、将所述第一信道估计矩阵和所述第一信道估计矩阵的共轭转置矩阵的乘积，确定为目标用户的目标空间矩阵；[0118]步骤202、将多个第二信道估计矩阵合并为一个总估计矩阵，根据所述总估计矩阵和所述总估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵；[0119]步骤203、将预设单位矩阵和所述投影矩阵作差得到的矩阵，确定为干扰用户的干扰正交补空间矩阵。[0120]步骤204、将干扰正交补空间矩阵和所述目标空间矩阵的乘积得到的干扰抑制后的空间矩阵，确定为所述目标用户的期望空间矩阵；[0121]其中所述期望空间矩阵用于表征对所述干扰用户进行干扰抑制后的空间矩阵；[0122]步骤205、对所述期望空间矩阵进行特征值分解，确定所述目标用户的预编码矩阵；[0123]步骤206、根据所述预编码矩阵在下行信道向所述目标用户传输数据。[0124]本发明实施例提供的波束赋形传输方法，能够有效降低波束赋形算法(如slnr算法)的复杂度，提高波束赋形的时效性，以5g系统tdd模型为例，假设5g系统配置4端口64天线，在利用上行导频做信道估计时，上行信道估计得到的估计矩阵为h，传统slnr算法的求逆矩阵为r＝h*hh，该矩阵空间r表示干扰空间，阶数为(64,4)，可见求逆阶数非常高。其中，hh表示对矩阵h求共轭转置。本发明实施例将对高阶矩阵r的求逆(r+σ2i)-1，转换为即用正交投影矩阵(干扰正交补空间矩阵)来表征原始矩阵r的逆矩阵，其中σ2为正则因子，可去除。通过求逆转换，将64阶的矩阵求逆，转换为4阶矩阵求逆，极大的简化了slnr算法复杂度。本实施例以干扰用户的原始信道空间矩阵(干扰空间矩阵)为基础，依据投影公式，构建干扰空间矩阵的投影矩阵，在单位矩阵的基础上，剥离上述投影矩阵，得到正交投影矩阵(干扰正交补空间矩阵)，即利用单位矩阵和投影矩阵的差确定正交投影矩阵，该正交投影矩阵空间与原始干扰空间矩阵(秩亏厄米特矩阵空间)的逆空间为同一空间，即秩亏厄米特矩阵空间的逆空间为原干扰空间矩阵的正交补张成的空间；然后基于slnr公式进行干扰抑制，即完成期望用户对干扰用户的干扰抑制，对干扰抑制后的期望用户空间矩阵进行特征值分解，得到目标用户的预编码矩阵。最终利用预编码矩阵向目标用户传输数据，有效提升了下行链路吞吐量。[0125]实施例2、基于同一发明构思，本发明实施例中还提供了一种mu-mimo系统波束赋形传输的网络设备，由于该设备是本发明实施例方法对应的设备，并且该设备解决问题的原理与该方法相似，因此该设备的实施可以参见方法的实施，重复之处不再赘述。[0126]如3所示，本发明实施例还提供一种mu-mimo系统波束赋形传输的网络设备，该设备包括：[0127]收发机300，用于在处理器310的控制下接收和发送数据。[0128]其中，在图3中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器310代表的一个或多个处理器和存储器320代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机300可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器310负责管理总线架构和通常的处理，存储器320可以存储处理器310在执行操作时所使用的数据。[0129]处理器310可以是中央处埋器(cpu)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或复杂可编程逻辑器件(complex programmable logic device，cpld)，处理器也可以采用多核架构。[0130]处理器310，用于读取所述存储器中的计算机程序并执行以下操作：[0131]获取mu-mimo系统中目标用户的第一信道估计矩阵，和至少一个干扰用户的第二信道估计矩阵，根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵，以及根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰正交补空间矩阵，其中所述干扰用户是对所述目标用户的通信产生干扰的用户；其中所述干扰正交补空间矩阵中包含的求逆矩阵的阶数根据所述第二信道估计矩阵的列数确定；[0132]利用所述目标空间矩阵和所述干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵，其中所述期望空间矩阵用于表征对所述干扰用户进行干扰抑制后的空间矩阵；[0133]对所述期望空间矩阵进行特征值分解，确定所述目标用户的预编码矩阵，并根据所述预编码矩阵在下行信道向所述目标用户发送数据。[0134]在一些示例中，所述处理器具体被配置为执行：[0135]将所述第一信道估计矩阵和所述第一信道估计矩阵的共轭转置矩阵的乘积，确定为所述目标空间矩阵。[0136]在一些示例中，所述处理器具体被配置为执行：[0137]确定所述至少一个第二信道估计矩阵的投影矩阵；[0138]将预设单位矩阵和所述投影矩阵作差得到的矩阵，确定为所述干扰正交补空间矩阵。[0139]在一些示例中，所述处理器具体被配置为执行：[0140]若所述第二信道估计矩阵为一个，则根据所述第二信道估计矩阵和所述第二信道估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵；[0141]若所述第二信道估计矩阵包括多个，则将多个第二信道估计矩阵合并为一个总估计矩阵，根据所述总估计矩阵和所述总估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵。[0142]在一些示例中，所述处理器具体被配置为执行：[0143]将所述干扰正交补空间矩阵和所述目标空间矩阵的乘积得到的干扰抑制后的空间矩阵，确定为所述目标用户的期望空间矩阵。[0144]在此需要说明的是，本发明实施例提供的上述网络设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。[0145]实施例3、基于同一发明构思，本发明实施例中还提供了一种mu-mimo系统波束赋形传输的装置，由于该装置是本发明实施例方法对应的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。[0146]需要说明的是，本技术实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。[0147]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。[0148]如图4所示，该装置包括：[0149]确定矩阵单元400，用于获取mu-mimo系统中目标用户的第一信道估计矩阵，和至少一个干扰用户的第二信道估计矩阵，根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵，以及根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰正交补空间矩阵，其中所述干扰用户是对所述目标用户的通信产生干扰的用户；其中，所述干扰正交补空间矩阵中包含的求逆矩阵的阶数根据所述第二信道估计矩阵的列数确定；[0150]确定期望矩阵单元401，用于利用所述目标空间矩阵和所述干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵，其中所述期望空间矩阵用于表征对所述干扰用户进行干扰抑制后的空间矩阵；[0151]确定预编码矩阵单元402，用于对所述期望空间矩阵进行特征值分解，确定所述目标用户的预编码矩阵，并根据所述预编码矩阵在下行信道向所述目标用户传输数据。[0152]在一些示例中，所述确定矩阵单元具体用于：[0153]将所述第一信道估计矩阵和所述第一信道估计矩阵的共轭转置矩阵的乘积，确定为所述目标空间矩阵。[0154]在一些示例中，所述确定矩阵单元具体用于：[0155]确定所述至少一个第二信道估计矩阵的投影矩阵；[0156]将预设单位矩阵和所述投影矩阵作差得到的矩阵，确定为所述干扰正交补空间矩阵。[0157]在一些示例中，所述确定矩阵单元具体用于：[0158]若所述第二信道估计矩阵为一个，则根据所述第二信道估计矩阵和所述第二信道估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵；[0159]若所述第二信道估计矩阵包括多个，则将多个第二信道估计矩阵合并为一个总估计矩阵，根据所述总估计矩阵和所述总估计矩阵的共轭转置矩阵，确定所述第二信道估计矩阵的投影矩阵。[0160]在一些示例中，所述确定期望矩阵单元具体用于：[0161]将所述干扰正交补空间矩阵和所述目标空间矩阵的乘积得到的干扰抑制后的空间矩阵，确定为所述目标用户的期望空间矩阵。[0162]在此需要说明的是，本发明实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。[0163]本实施例还提供一种计算机存储介质，所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。[0164]本实施例提供的一种计算机存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行如下步骤：[0165]获取mu-mimo系统中目标用户的第一信道估计矩阵，和至少一个干扰用户的第二信道估计矩阵，根据所述第一信道估计矩阵确定所述目标用户的目标空间矩阵，以及根据所述至少一个第二信道估计矩阵确定所述至少一个干扰用户的干扰正交补空间矩阵，其中所述干扰用户是对所述目标用户的通信产生干扰的用户；[0166]利用所述目标空间矩阵和所述干扰正交补空间矩阵，确定所述目标用户的期望空间矩阵，其中所述期望空间矩阵用于表征对所述干扰用户进行干扰抑制后的空间矩阵；[0167]对所述期望空间矩阵进行特征值分解，确定所述目标用户的预编码矩阵，并根据所述预编码矩阵在下行信道向所述目标用户传输数据。[0168]以上参照示出根据本技术实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图描述本技术。应理解，可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置，以产生机器，使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。[0169]相应地，还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本技术。更进一步地，本技术可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式，其具有在介质中实现的计算机可使用或计算机可读程序代码，以由指令执行系统来使用或结合指令执行系统而使用。在本技术上下文中，计算机可使用或计算机可读介质可以是任意介质，其可以包含、存储、通信、传输、或传送程序，以由指令执行系统、装置或设备使用，或结合指令执行系统、装置或设备使用。[0170]显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!