买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门大学

摘要：本发明为了针对分布式大规模MIMO系统有效匹配用户信道的特性、下行链路预编码矩阵求逆过程的计算复杂度过高问题，提出一种基于并行计算Kaczmarz迭代的低复杂度预编码方法。本发明对于集中式预编码回程链路开销大的问题，通过选取部分的RAU，再使用集中式预编码消除这部分RAU之间的相互干扰，进而提升系统性能。本发明不经过直接矩阵求逆求解，而是采用基于Kaczmarz并行迭代方法进行求解，并将上述方法在多核环境下实现并行加速，实现降低计算复杂度的同时提高性能。

主权项：1.一种分布式大规模MIMO低复杂度预编码方法，其特征在于，首先通过基于信道估计矩阵最大范数选择方法选取部分的RAU，BBU利用用户与为其服务的RAU之间的有效信道估计矩阵来计算集中式RZF预编码矩阵，以消除这部分RAU之间的相互干扰；再通过K个用户并行执行Kaczmarz迭代间接求解矩阵求逆，最后汇总每个用户迭代得到的解，输出最终的RZF预编码矩阵结果，包括以下步骤：步骤1、获取系统参数：下链路信道估计矩阵、用户数、迭代次数、初始化预编码矩阵、给定RAU和用户分布、给用户提供服务的RAU数量参数，其中，系统拥有个RAU,每个RAU配置根天线；每个用户配置根天线；表示用户的上链路信道矩阵，利用信道互易性获取用户的下链路信道矩阵，代表用户和第m个RAU之间维度为的信道矩阵，该系统所有用户和所有RAU之间的联合信道矩阵表示为；系统发送给第个用户的信号表示为，集中式BBU利用这些信道状态信息设计出所需采用的预编码矩阵，第个用户的预编码矩阵为；步骤2、对于给定RAU和用户分布以及参数情况下，K个用户并行执行基于信道估计矩阵最大范数选择方法，选取个RAU提供服务，并进行集中式RZF预编码，初步降低求逆矩阵维度：2-1对第个用户，代表第个用户和第个RAU之间矩阵维度为的下链路信道估计矩阵，从第个用户的矩阵维度为的信道估计矩阵中找到列向量L2范数最大的列；2-2被选取出的前个RAU加入集合，对矩阵维度为的角矩阵用来确定第个RAU是否服务于第个用户，并进行集中式RZF预编码，初步降低求逆矩阵维度： 下链路第个用户的接收信号表述为： 其中，和均表示目标信号，和均表示用户间干扰，是用户k对系统中RAU的选择矩阵；是第m个RAU发送的传输信号，是加性噪声，是BBU处分配给第m个RAU对第k个用户的预编码矩阵，是系统发送给第个用户的信号；此时部分RAU为用户提供服务，有效预编码矩阵定义为： BBU利用信道估计矩阵来计算下行链路集中式RZF预编码矩阵： 对于第个用户其RZF预编码矩阵形式为： 上式中通过添加包含噪声方差和发射功率的矩阵正则化求逆过程；步骤3、采用个用户并行执行Kaczmarz迭代求解RZF预编码过程中需要的矩阵求逆：3-1首先，初始化状态向量、；接着，计算规范基向量作为原始信号，其向量维度为；定义每个用户的基向量且对其他用户则；3-2根据设置的迭代次数对用户进行迭代，当迭代至第次时，对随机选取的行记作：从有效的信道估计矩阵随机选取行记作，的每一行被选取的概率为： 其中，表示矩阵的Frobenius范数，是正则化因子；3-3对所有行向量进行残差计算： 其中，从第个用户的基向量选取出行记作，向量与向量的内积记作；3-4根据残差对随机选取的行更新状态向量，其中状态向量为、： 并重复；步骤4、合并个用户并行求解得到的结果：所述步骤4中，作为预编码过程中需要矩阵求逆的部分，通过K个用户并行执行Kaczmarz迭代求解，即合并汇总个用户并行求解得到的结果，更新；对于每个用户，在步骤3求解得到的向量是所求矩阵求逆的每一列；步骤5、输出最终的RZF预编码矩阵结果：。

全文数据：

权利要求：

百度查询： 厦门大学 分布式大规模MIMO低复杂度预编码方法