技術(shù)特征：

1.一種異構(gòu)網(wǎng)絡(luò)中針對(duì)多用戶的干擾管理預(yù)編碼方法，其特征在于，包括：

設(shè)定通信場(chǎng)景中M個(gè)宏蜂窩用戶(MU₁,...,MU_M)與一個(gè)宏蜂窩基站進(jìn)行通信，K個(gè)毫微微蜂窩對(duì)應(yīng)K個(gè)毫微微蜂窩基站(BS₁,BS₂,...,BS_K)，每個(gè)毫微微蜂窩擁有1個(gè)毫微微蜂窩用戶，記為FU_k(k＝1,2,...,K)；其中，F(xiàn)U_k(k＝1,2,...,K)、MU_m(m＝1,2,…,M)各自具有N_t根發(fā)射天線，毫微微蜂窩基站、宏蜂窩基站各自具有N_f根接收天線；

各毫微微蜂窩用戶的發(fā)送端向各個(gè)毫微微蜂窩基站發(fā)送上行信號(hào)，毫微微蜂窩基站反饋信道信息，各毫微微蜂窩用戶的發(fā)送端獲取信道狀況；

根據(jù)后臺(tái)共享，各毫微微蜂窩用戶的發(fā)送端可以獲取自身傳輸信道以及干擾信道的信道狀態(tài)信息；

其中，設(shè)定h_km，維數(shù)是N_f×N_t，為第m(m＝1,2,…,M)個(gè)宏蜂窩用戶到第k(k＝1,2,...,K)個(gè)毫微微蜂窩基站的信道系數(shù)矩陣；設(shè)定H_ij，維數(shù)是N_f×N_t，為第j個(gè)毫微微蜂窩用戶到第i個(gè)毫微微蜂窩基站的信道系數(shù)矩陣(i,j＝1,2,...,K)；記FU_k的發(fā)射信號(hào)為s_k，是均值為0方差為1的隨機(jī)信號(hào)，BS_k接收到的噪聲向量記做n_k，維數(shù)是N_f×1，服從均值為0，方差為σ²的高斯分布，E(n_k×(n_k)^H)＝σ²I，I為N_f階的單位矩陣，上標(biāo)H表示取共軛轉(zhuǎn)置；

設(shè)計(jì)MU_m的預(yù)編碼T_m，維數(shù)是N_t×1，使得所有毫微微蜂窩基站所受宏蜂窩用戶的總干擾噪聲功率J_sum最?。?/p>

$J_{sum}={\underset{k=}{\overset{K}{\Σ}}}_1{J}_k$

其中，J_k為第k個(gè)毫微微蜂窩基站受到來自M個(gè)宏蜂窩用戶的干擾加噪聲的平均功率：

$J_k={(\underset{i=1}{\overset{M}{\Σ}}{h}_{ki}{T}_i+n_k)}^H(\underset{i=1}{\overset{M}{\Σ}}{h}_{ki}{T}_i+n_k)$

對(duì)J_sum求梯度，令▽J_sum＝0，得到：

$R=-{\left(\underset{k=1}{\overset{K}{\Σ}}{Q}_k\right)}^{-1}\left(\underset{k=1}{\overset{K}{\Σ}}{P}_k\right)$

其中Q_k＝(h_k1,…,h_kM)^H(h_k1,…,h_kM)，R＝(T₁^H,T₂^H,…,T_M^H)，P_k＝(h_k1,…,h_kM)^Hn_k；

所得矩陣R中的分量T_m即為MU_m上的預(yù)編碼(m＝1,2,…,M)；

設(shè)計(jì)FU_k上的預(yù)編碼w_k，維數(shù)是N_t×1；設(shè)計(jì)BS_k上的干擾抑制矩陣g_k，維數(shù)是N_f×1；第k個(gè)毫微微蜂窩基站接收端信號(hào)的均方誤差記為ε_k，表示為：

$\begin{array}{c}{\mathrm{\ϵ}}_k=E\left(|\widehat{s_k}-s_k{|}^2\right)\\ =E\left(|\left(\underset{i=1}{\overset{K}{\Σ}}{g}_k^H{H}_{ki}{w}_i{s}_k+J_k\right)-s_k{|}^2\right)\\ =|g_k^H{H}_{kk}{w}_k-1{|}^2+\underset{i\≠k}{\overset{K}{\underset{i=1}{\Σ}}}|g_k^H{H}_{ki}{w}_i{|}^2+J_k^2\end{array}$

則在功率受限的條件下，使所有毫微微蜂窩基站接收端信號(hào)均方誤差最小，即：

$\underset{g_1\mathrm{...}{g}_K}{\underset{w_1\mathrm{...}{w}_K}{\min }}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\ϵ}}_k$

$s.t.w_k^H{w}_k\≤1,(k=1,2,...,K)$

由于ε_k為凸，所以上式必存在唯一解w_k、g_k。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，求解w_k、g_k的方法，通過牛頓迭代進(jìn)行實(shí)施，包括：

初始化預(yù)編碼矩陣w_k；

計(jì)算干擾抑制矩陣g_k：

$g_k=\frac{{(\underset{i=1}{\overset{N}{\Σ}}{H}_{ki}{w}_i{\left(H_{ki}{W}_i\right)}^H+J_{k}I)}^{-1}\left(H_{kk}{w}_k\right)}{\left|\right|{(\underset{i=1}{\overset{N}{\Σ}}{H}_{ki}{w}_i{\left(H_{ki}{w}_i\right)}^H+J_{k}I)}^{-1}\left(H_{kk}{w}_k\right)\left|\right|}$

根據(jù)矩陣g_k求得編碼矩陣w_k：

$w_k=\frac{{\left(\underset{i=1}{\overset{K}{\Σ}}{H}_{ik}^H{g}_i{\left(H_{ik}^H{g}_i\right)}^H\right)}^{-1}\left(H_{kk}^H{g}_k\right)}{\left|\right|\left(\underset{i=1}{\overset{K}{\Σ}}{H}_{ik}^H{g}_i{\left(H_{ik}^H{g}_i\right)}^H{)}^{-1}\right(H_{kk}^H{g}_k)\left|\right|}$

重復(fù)上述計(jì)算g_k和w_k的步驟，直至ε_k收斂所得w_k、g_k即為所求解。