本發(fā)明屬于無線通信技術領域，涉及一種用于超密集網(wǎng)絡的低復雜度檢測算法。

背景技術：

超密集網(wǎng)絡和基于云的無線接入網(wǎng)是近年來研究的熱點，通過布置密集的無線接入點，對通信區(qū)域進行無盲區(qū)的覆蓋，保證通信質(zhì)量和系統(tǒng)的吞吐量。將傳統(tǒng)基站端的基帶處理單元移至集中處理單元，形成基帶處理單元池，這樣不僅可以保證硬件設備的維護，而且可以增強信號的處理能力。由于無線接入點的密集性，使得集中處理單元的處理復雜度增大，因此，如何降低數(shù)據(jù)檢測的復雜度是急需解決的問題。鑒于接入點和用戶終端的密集性和隨機性，信道信息矩陣的維度會隨著接入點和用戶終端數(shù)目的增多而變大，集中處理單元需要處理的矩陣維度也相應變大，因此，通過接入點和用戶終端的地域分布和信道增益情況對高維度的信道矩陣進行有規(guī)則的稀疏化，可以有效降低檢測的復雜度。使用稀疏化后的信道矩陣，可以使用傳統(tǒng)的最小均方誤差(MMSE)、迫零(ZF)或者最大比值合并(MRC)檢測來完成最終的數(shù)據(jù)恢復。

技術實現(xiàn)要素：

為了上述問題，本發(fā)明提出了一種在超密集網(wǎng)絡中用于降低上行鏈路數(shù)據(jù)檢測復雜度的算法，主要是將高維度的矩陣求逆運算轉(zhuǎn)換成低維度的矩陣求逆，由于矩陣求逆在硬件實現(xiàn)上比較困難，特別是對高維度矩陣的求逆，就目前的硬件約束來說，由于實現(xiàn)的復雜度，高維度的矩陣求逆基本上你那以實現(xiàn)。而本發(fā)明通過降低維度處理，使用維度較低的矩陣求逆來完成數(shù)據(jù)的檢測，在實際的系統(tǒng)中也能夠保證硬件的可實施性。包括網(wǎng)絡區(qū)域的分簇方法、信道規(guī)則性稀疏、接入點標識和集中端的并行處理架構。

本發(fā)明的技術方案為：本發(fā)明所考慮的密集網(wǎng)絡的拓撲結構如圖1所示，可以看出，在該網(wǎng)絡中，隨機地分布著大量的用戶和無線接入點，為了便于討論，在本發(fā)明中對一些重要的參數(shù)進行如下的假定：所考慮的網(wǎng)絡覆蓋區(qū)域為邊長r的正方形，其中隨機分布N個單天線RRH和K個單天線移動終端，其中RRH接收用戶的上行數(shù)據(jù)，然后將收到的數(shù)據(jù)通過回傳鏈路傳送到集中處理單元，集中處理單元使用本發(fā)明提出的檢測算法對數(shù)據(jù)進行恢復。相關的收發(fā)信號處理流程如下：

一種用于超密集網(wǎng)絡的低復雜度檢測算法，其特征在于，包括以下步驟：

a.天線將接收到的數(shù)據(jù)y通過回傳鏈路傳送到集中處理單元：

假設在網(wǎng)絡覆蓋區(qū)域隨機分布N個單天線和K個單天線移動終端，單天線接收用戶的上行數(shù)據(jù)，則y可表示為：

y＝HP^1/2x+n (1)

公式(1)中，表示所有K個單天線移動終端的發(fā)送數(shù)據(jù)，表示上行傳輸?shù)男诺佬畔⒕仃?，其中H的第n行第k列的元素H_n,k表示第n個用戶終端到第k個單天線的無線信道增益：其中γ_n,k表示小尺度衰落，表示與距離d_n,k有關的大尺度衰落，為對角矩陣(對功率進行控制)，n～CN(0,σ²I)為加性噪聲。

每個RRH需要通過回傳鏈路將所接收到的數(shù)據(jù)y傳送到集中處理單元，以便進行數(shù)據(jù)的檢測。

b.集中處理單元接收到回傳的數(shù)據(jù)后，恢復出期望數(shù)據(jù)：

設置門限值d₀，將信道信息矩陣H分解為：和相對于H是互補矩陣，其中中元素的值要遠比中元素的值小，和表示為：

設置接收濾波矩陣為：則在忽略的影響下，得到第k個用戶的數(shù)據(jù)SINR為：

公式(3)中，w_k表示W(wǎng)的第k列，是w_k的共軛轉(zhuǎn)置。

進一步的，將高維度的矩陣求逆運算轉(zhuǎn)換成低維度的矩陣求逆，后面可以看到是將高緯度矩陣的求逆變成若干個低維度矩陣的求逆。如果單天線的RRH數(shù)目非常大，則在步驟b中：可將寫成矩陣的形式表示為如下公式(4)：

其中m₁為主對角上方陣的數(shù)目(即簇的數(shù)目)。接收端對數(shù)據(jù)進行檢測時，檢測過程通過操作來實現(xiàn)(即MMSE檢測，y為接收已知信號)，其中需要重點求出的值，于是可以通過變量替換用ω來代替即，其中那么可以得到

通過相關的矩陣運算，上式(5)可以得到下述結果

然后將上述(6)的矩陣方程組變形，可得到

如前面所述，需要求出即ω的值，通過解決方程組(7)，可以得到所需要的結果(8)：

其中為所求的結果。最后通過可以恢復出期望數(shù)據(jù)。

為了完成(8)的計算，本發(fā)明使用集中處理單元加并行處理單元的方式來實現(xiàn)，其中集中處理單元計算ω_c的值，而m₁個并行處理單元分別計算ω_i＝,i∈{1,2,…,m₁}的值和首先第i∈{1,2,…,m₁}個并行處理單元計算然后所有并行處理單元將得到的結果a_i,b_i傳遞到集中處理單元，集中處理單元計算ω_c，并將ω_c的結果傳遞到各個并行處理單元，最后所有并行處理單元分別計算ω_i＝,i∈{1,2,…,m₁}，最終可以得到ω，這樣每個并行處理單元通過與集中處理單元交互信息，便可以完成上行數(shù)據(jù)的檢測?？梢园l(fā)現(xiàn)(5)中的需要求逆的矩陣的維度要小于維度N(N是矩陣的維度)，這樣在實際的實現(xiàn)中也會更加容易。

本發(fā)明的有益效果為，將高維度的矩陣求逆運算轉(zhuǎn)換成低維度的矩陣求逆，在硬件實現(xiàn)上更加容易，如果采用一般的高維度矩陣求逆，硬件資源開銷非常大，而實際的情況是：真正的高維度矩陣求逆的硬件模塊可能不存在，而本發(fā)明提供的高維度轉(zhuǎn)化成低維度的矩陣求逆，一方面可以降低實現(xiàn)的復雜度，保證數(shù)據(jù)檢測的實施可能性，另一方面，可有利用市面上已經(jīng)成熟的低維度矩陣求逆模塊，來達到高維度的矩陣求逆所期望得到的結果。另外，本發(fā)明提供的并行處理機制可有有效降低計算的時間開銷，可有合理保證數(shù)據(jù)檢測的實時性。

附圖說明

圖1為本發(fā)明的應用場景拓撲圖；

圖2為本發(fā)明中的基于傳輸距離的網(wǎng)絡分簇示意圖；

圖3為本發(fā)明中相關信道矩陣的具有特定結構的稀疏性示意圖；

圖4為本發(fā)明的并行信號處理框圖；

圖5為誤碼率隨發(fā)送功率的變化關系；

圖6為誤碼率隨距離門限的變化關系。

具體實施方式

下面結合附圖，詳細描述本發(fā)明的技術方案：

如果考慮上行數(shù)據(jù)輸出的情形，本發(fā)明所考慮的密集網(wǎng)絡的拓撲結構如圖1所示，可以看出，在該網(wǎng)絡中，隨機地分布著大量的用戶和無線接入點。為了便于討論，在本發(fā)明中對一些重要的參數(shù)進行如下的假定：所考慮的網(wǎng)絡覆蓋區(qū)域為邊長r的正方形，其中隨機分布N個單天線RRH和K個單天線移動終端，其中RRH接收用戶的上行數(shù)據(jù)，然后將收到的數(shù)據(jù)通過回傳鏈路傳送到集中處理單元，集中處理單元使用本發(fā)明提出的檢測算法對數(shù)據(jù)進行恢復。相關的收發(fā)信號處理如下：

如果用表示所有K個單天線移動終端的發(fā)送數(shù)據(jù)，用表示上行傳輸?shù)男诺佬畔⒕仃?，其中H的第n行第k列的元素H_n,k表示第n個用戶終端到第k個RRH的無線信道增益，那么所有RRH接收到的信號可以表示為：

y＝HP^1/2x+n

其中為對角矩陣(第k個主對角元素P_k表示第k個用戶終端的發(fā)射功率)，表示所有移動終端的傳輸數(shù)據(jù)，n～CN(0,N₀I)為加性高斯白噪聲。H的第(n,k)個元素可以表示為：其中γ_n,k表示小尺度衰落，表示與距離d_n,k有關的大尺度衰落(d_n,k表示第n個用戶終端到第k個RRH的距離)。

每個RRH需要通過回傳鏈路將所接收到的數(shù)據(jù)y傳送到集中處理單元，以便進行數(shù)據(jù)的檢測。

集中處理單元在接收到回傳的數(shù)據(jù)后，需要從中恢復出期望數(shù)據(jù)，如果使用MMSE方法檢測(此方法為最優(yōu)的線性檢測)，那么接收濾波矩陣為：W＝(HPH^H+N₀I)^-1HP^1/2，如果令A＝HPH^H+N₀I，那么通過計算可以得到第k個用戶數(shù)據(jù)的SINR為：

其中w_k表示W(wǎng)的第k列，是w_k的共軛轉(zhuǎn)置。

然而，上述在計算接收濾波矩陣的時候，涉及到矩陣的求逆運算，如果N的值很大，考慮到計算復雜度的影響，這種大規(guī)模矩陣求逆運算在實際的系統(tǒng)中是不可能完成的，因此需要將求逆矩陣的規(guī)?？s小。

基于縮減矩陣求逆規(guī)模的考慮，在本發(fā)明中考慮到如下事實：并不是所有的干擾RRH都需要考慮，由于實際的系統(tǒng)中存在與距離有關的大尺度衰落，因此信道信息矩陣H中大部分元素的值都非常小，倘若設置一個合適的門限值，就可以將那些小于門限值的元素置為零，即：

這樣就有：即和相對于H是互補矩陣，其中中元素的值要遠比中元素的值小。則新的接收濾波矩陣可表示為：以d₀為門限值的條件下，并忽略的影響，可以得到新的SINR為：

這樣便可以忽略某一區(qū)域以外的用戶信號的干擾。如果給定各個RRH之間距離的概率密度函數(shù)f(d)，那么門限值可以對應到SINR，即：

其中，

當參考范圍達到某一區(qū)域后，通過稀疏性得到的SINR基本上可以和考慮全局范圍得到的SINR相同，即二者的比值會趨于1。因此考慮信道信息的稀疏性是合理。

如果RRH的數(shù)目非常大，那么的稀疏度將會更高，如果將其寫成矩陣的形式，可以表示如下：

于是接收端對數(shù)據(jù)進行檢測：令其中通過分塊矩陣求逆，很容易得到：

為了完成上式的計算，本發(fā)明使用集中處理單元加并行處理單元的方式來實現(xiàn)，其中集中處理單元計算ω_c的值，而m₁個并行處理單元計算ω_i＝,i∈{1,2,…,m₁}的值。這樣每個并行處理單元通過與集中處理單元交互信息，便可以完成上行數(shù)據(jù)的檢測。可以發(fā)現(xiàn)上式中需要求逆的矩陣的維度要小于N，這樣在實際的實現(xiàn)中也會更加容易。

一個實施案例如圖2所示，圖中是將全局的區(qū)域劃分成4個參考簇，圖中灰色區(qū)域是每個簇的邊界，邊界的寬度為2d₀，簇內(nèi)的干擾可以通過協(xié)同進行有效的管理，需要考慮的干擾主要是相鄰簇的邊界區(qū)域產(chǎn)生的，而其他簇內(nèi)的干擾被忽略。

正如前面討論的，具有稀疏性，那么也具有稀疏性，如圖3所示，圖中的橫軸和縱軸是對每個RRH的標識，其中空白區(qū)域為的值為零，非空白的區(qū)域表示對應的RRH相互之間存在不可忽略的干擾。在該實施案例中，整體網(wǎng)絡的參考區(qū)域為規(guī)則的變成為r＝6km正方形區(qū)域，此區(qū)域被分成9個簇，在網(wǎng)絡中隨機分布1800個RRH，參考距離d₀＝0.5km。用戶到RRH間的小尺度衰落使用經(jīng)典的瑞利衰落。大尺度水落的因子α＝3.76。

如圖4所示是集中處理單元數(shù)據(jù)檢測的并行實施流程，其中每個并行處理單元需要計算對應的(a),(b)，然后將得到的更新值傳送到集中處理單元；集中處理單元利用這些值計算出ω_c并傳送給每個并行處理單元，這樣便可以完成最終的數(shù)據(jù)恢復?；诒景l(fā)明的低復雜度檢測方法，相關的仿真結果如圖5和圖6所示。其中圖5描述的是仿真誤碼率隨用戶終端發(fā)射功率的變化趨勢，圖5描述的是仿真誤碼率隨參考距離d的變化趨勢，可以看出當所使用的參考距離d比較大時，性能會趨近理想信道下的檢測性能，并且，通過使用參考距離對信道信息進行系數(shù)化后，可以有效降低檢測的復雜度，特別是降低了需要求逆的矩陣的維度，有利于硬件的實施。

為了使變換成較為規(guī)范的形式以便于并行處理單元和集中處理單元信號的檢測，需要對RRH進行規(guī)范的標識。考慮圖2所示的邊長為r的正方形區(qū)域，如果用b(n)表示第n個RRH的標識，并令其坐標為：l_n＝(lx_n,ly_n)，其中：lx_n∈[0,a_x],ly_n∈[0,a_y]，a_x和a_y是整個參考區(qū)域的邊長。算法首先將參考區(qū)域劃分成不相交的方形區(qū)域(邊長為r₁)，每個方形的邊界區(qū)域定義為：距離邊線長度小于d₀的所有點的集合。然后將每個RRH歸屬到相應的簇所在的區(qū)域或者邊界區(qū)域。最后根據(jù)已經(jīng)標識好的RRH構造矩陣

RRH的標識算法具體為，設置輸入變量為a_x,a_y,d₀,r₁,l_n,輸出變量為b(n),則包括：

1：令

2：對所有n＝1:N執(zhí)行：

3：如果(i-1)r₁+d₀≤lx_n≤ir₁-d₀并且(j-1)r₁+d₀≤ly_n≤jr₁-d₀，則否則：

4：令j＝1，對所有i＝1:m_xm_y+1，n＝1:N

5：如果n∈C_i，則將RRH n標識為：j:b(n)←j

6：j←j+1。