阅读说明：本技术 基于位置信息的Massive MIMO用户选择方法 (Massive MIMO user selection method based on position information ) 是由 李文刚 杨柳颜 杨旺 方德翔 徐雅琴 张晨萌 于 2020-06-18 设计创作，主要内容包括：本发明公开了一种基于位置信息的Massive MIMO用户选择方法。该方法利用基站和用户的位置信息,计算用户的信道矩阵,进而计算用户信道矩阵之间的几何角以及每个用户的近似信干噪比。基站根据用户的近似信干噪比每次选择一个最优用户；根据待选用户与最优用户的几何角来缩小待选用户集合。本发明的用户选择方法同时考虑了信道的相关性和能量并且降低了计算复杂度,结构简单,处理效率高。(The invention discloses a Massive MIMO user selection method based on position information. The method utilizes the position information of the base station and the user to calculate the channel matrix of the user, and further calculates the geometric angle between the channel matrixes of the user and the approximate signal-to-interference-and-noise ratio of each user. The base station selects an optimal user each time according to the approximate signal-to-interference-and-noise ratio of the user; and narrowing down the set of the users to be selected according to the geometric angle between the users to be selected and the optimal user. The user selection method of the invention simultaneously considers the correlation and energy of the channel and reduces the calculation complexity, and has simple structure and high processing efficiency.)

基于位置信息的Massive MIMO用户选择方法

技术领域

本发明涉及通信技术领域，更进一步涉及无线通信技术领域中的一种基于位置信息的Massive MIMO用户选择方法。该方法可用于基站端配置大规模天线的Massive MIMO技术的应用场景中，实现基站同时服务多个用户时的用户调度。

背景技术

随着近5G通信时代的到来，由于远远高于传统通信系统的数据传输速率和频谱效率，基站端配置大规模天线的Massive MIMO多用户技术开始被广泛的应用。在该系统中，大量终端用户共存且需要同时服务，而用户间干扰加剧，所以基站难以同时支持所有用户。用户选择是优化资源配置提高系统性能的有效方法之一，在Massive MIMO多用户系统中，为提高有限空间资源的使用效率，接入的用户数要大于系统可同时进行通信的用户数，突发性业务用户可以统计复用空间资源，在这种情况下，如何进行高效地多用户调度以使得系统性能最优成为了一个研究热点。

山东大学在申请的专利文献“基于条件数的多用户MIMO用户选择方法”(专利申请号2015102024221，申请公布号CN104868943A)中公布了一种基于条件数的选择方法，该方法将用户信道范数作为每次迭代中选择最优用户的依据，基于反馈的用户信道矩阵，计算用户信道矩阵之间的条件数来不断减少用户的搜索集合，每次选择出用户后利用注水定理计算临时系统容量，来判断是否更新用户集合，进而既保证了算法的性能又在一定程度上降低了搜索算法的复杂度。该用户选择方法结构简单，易于实现。但是，该方法存在不足之处，该方法将信道范数作为选择最优用户的依据，信道范数无法真实的反映系统容量。此外，无论是信道范数还是信道矩阵条件数，这些量都是基于用户反馈的信道矩阵得到的，当用户数或天线数量增加时会产生很大的反馈开销。

西安交通大学在申请的专利文献“一种基于PU²RC的MU-MIMO用户选择方法”(专利申请号2014103556033，申请公布号CN104144036A)中公布了一种基于码本的用户选择方法。该方法首先离线设计多组正交码本，用户端反馈的CDI和CQI参数，当多个用户量化到同一个码本向量，保留CQI最大的用户，选出各个码本矩阵上信道条件最好的用户，然后扩大其余码本向量所关联的用户集合，基于CDI构造SINR选出最优的用户集合。该方法实现简单，且在低用户数情况下也能保持良好的性能。但是，该方法仍然存在不足之处，虽然通过接收端反馈CDI序号和CQI数值，在一定程度上减小了反馈开销，但是当用户数增多时仍然会占用很多资源。此外，该方法中码本矩阵的维度会随着天线数量的增加而大幅增加，这会使得计算复杂度很大。

发明内容

本发明的目的在于针对上述已有技术的不足，提出了一种基于位置信息的Massive MIMO用户选择方法，用于解决现有技术中为了获取用户的信道矩阵而产生很大的反馈开销、选择最优用户依据的参数无法完全反映系统容量以及选择方法复杂度高的问题。

实现本发明目的的思路是：利用基站和用户的位置信息来计算用户的信道矩阵，根据获得的信道矩阵计算每个用户的近似信干噪比，将其作为选择依据，计算用户信道矩阵之间的几何角，用来缩小待选用户集合，从而降低了搜索最优用户的复杂度。

本发明的技术方案如下：

(1)根据位置信息构建用户信道矩阵：

根据基站和用户的位置信息来构建用户信道矩阵；

(2)构建用户集合：

分别构建一个用于存放已选用户集合和一个用于存放待选用户集合；

(3)根据用户近似信干噪比来选择用户：

根据用户的信道矩阵计算用户的近似信干噪比，选择拥有最大近似信干噪比的用户；

(4)更新用户集合：

从待选用户集合中剔除最优用户，得到更新后的待选用户集合，同时将最优用户加入到已选择用户集合中，得到更新后的已选用户集合；

(5)判断更新后的已选择用户集合元素个数是否等于期望选择用户数，若是，则执行步骤(7)，否则，执行步骤(6)；

(6)计算待选集合中的每个用户与最优用户的信道矩阵间的几何角；更新待选用户集合：

剔除待选用户集合中用户与最优用户的几何角中所有大于阈值的用户；得到更新后的待选用户集合后执行步骤(3)；

(7)得到优选的用户集合。

本发明与现有技术相比具有以下优点：

第一，由于本发明根据位置信息构建用户信道矩阵，克服了现有技术基于反馈获取用户信道矩阵使用时隙资源的问题，使得本发明大大减少了反馈开销，节约了时隙资源。

第二，由于本发明根据用户的近似信干噪比选择最优用户，克服了现有技术将用户信道范数作为每次迭代中选择最优用户的依据，无法准确地反映系统容量的问题，使得本发明选择的用户集合更优。

第三，由于本发明根据待选集合中的每个用户与最优用户的信道矩阵间的几何角来更新待选用户集合，克服了现有技术计算用户信道矩阵之间的条件数来不断减少用户的搜索集合的问题，使得本发明降低了搜索最优用户的复杂度。

附图说明

图1为本发明的流程图；

图2为本发明的应用场景示意图；

图3为本发明中有限散射体信道模型图；

图4为本发明的仿真图。

具体实施方式

下面结合附图对本发明作进一步的描述。

参照图1，对本发明的具体实现步骤作进一步的描述。

步骤1，根据位置信息构建用户信道矩阵。

参照图2，对本发明实施例的应用场景做进一步的描述。本发明实施例提供的基于Massive MIMO多用户应用场景包括：多个用户和一个拥有大规模天线阵的基站。其中，在下行链路中，基站同时发送数据给多个用户，由于用户间干扰和硬件开销等问题，基站无法同时服务所有用户，需要得到一组优选的用户。

第1步，按照下述公式，在有限散射体信道模型中，利用基站、用户以及散射体的位置信息，计算基站与每个用户之间多条路径的信号到达角AOA和离开角AOD：

其中，φ_0,k表示基站与第k个用户之间直射路径的信号到达角AOA，arccos表示反余弦操作，u_UE,k表示二维平面坐标系中第k个用户的位置坐标值，u_BS表示二维平面坐标系中基站的位置坐标值，T表示转置操作，e_X表示X轴方向的单位向量，||||₂表示求二范数操作，表示二维平面坐标系中基站的角度坐标值，φ_l,k表示基站与第k用户之间反射路径的信号到达角AOA，v_l表示二维平面坐标系中散射体的位置坐标值，l∈(1,L)，L表示信道中散射体的个数，θ_0,k表示基站与第k个用户之间直射路径的信号离开角AOD，π表示圆周率，

表示二维平面坐标系中第k个用户的角度坐标值，θ_l,k表示基站与第k用户之间反射路径的信号离开角AOD。

第2步，按照下述公式，构建每个用户的信道矩阵。

参照图3，对本发明中有限散射体信道模型图进一步描述，图3描述了基站与第k个用户之间的直射路径和经第l个散射体的反射路径，图中黑点代表第l个散射体，两个首尾相连的箭头表示基站发送的信号到达第l个散射体，反射后到达第k个用户，φ_0,k表示基站与第k个用户之间直射路径的信号到达角AOA，u_UE,k表示二维平面坐标系中第k个用户的位置坐标值，u_BS表示二维平面坐标系中基站的位置坐标值，表示二维平面坐标系中基站的角度坐标值，φ_l,k表示基站与第k用户之间反射路径的信号到达角AOA，v_l表示二维平面坐标系中第l个散射体的位置坐标值，θ_0,k表示基站与第k个用户之间直射路径的信号离开角AOD，

表示二维平面坐标系中第k个用户的角度坐标值，π-θ_l,k表示基站与第k用户之间反射路径的信号离开角AOD的补角。

A_R,k＝[a_R(θ_0,k),...,a_R(θ_L,k)]

A_T,k＝[a_T(φ_0,k),...,a_T(φ_L,k)]

其中，H_k表示第k个用户的信道矩阵，A_R,k和A_T,k分别表示基站和第k个用户之间的接收端和发送端的天线导向矢量，D_k表示第k个用户的多径增益矩阵，H表示共轭转置操作，a_R(θ_0,k)表示基站与第k个用户之间直射路径的信号离开角AOD为θ_0,k时的基站天线导向矢量，e表示以自然对数e为底的指数操作，j表示虚数单位符号，λ表示基站与用户之间传输的信号的波长，d表示基站与用户天线阵的间距，N_R表示用户天线数量，a_R(θ_L,k)表示基站与第k个用户之间经第L个散射体反射路径的信号离开角AOD为θ_L,k时的基站天线导向矢量，a_T(φ_0,k)表示基站与第k个用户之间直射路径的信号到达角AOA为φ_0,k时的用户天线导向矢量，N_T表示基站天线数量，a_T(φ_L,k)表示基站与第k个用户之间经第L个散射体反射路径的信号到达角AOA为φ_L,k时的用户天线导向矢量。

步骤2，构建三个集合。

分别构建一个包含所有用户的用户集合、一个用于存放已选用户集合和一个用于存放待选用户集合。将已选用户集合和待选用户集合初始化为空集。

步骤3，根据用户的近似信干噪比选择最优用户π(i)：

按照下式，计算每个用户的近似信干噪比

并存入待选用户集合中：

其中，

表示第k个用户的近似信干噪比，α_k表示第k个用户的大尺度系数，P_k表示基站分配给第k个用户的发射功率，σ_k表示基站与第k个用户传输时的噪声功率。

从待选用户集合的近似信干噪比中选择一个拥有最大近似信干噪比的最优用户π(i)。

步骤4，更新用户集合。

从待选用户集合中剔除最优用户π(i)，得到更新后的待选用户集合，同时将最优用户π(i)加入到已选择用户集合中，得到更新后的已选用户集合。

步骤5，判断更新后的已选择用户集合元素个数是否等于期望选择用户数，若是，则执行步骤7，否则，执行步骤6。所述的期望选择用户数是指基站在硬件开销的限制下所能同时服务的最大用户数。

步骤6，更新待选用户集合。

按照下式，计算待选集合中的每个用户与最优用户π(i)的信道矩阵间的几何角：

其中，φ_π(i),k表示第k个用户与最优用户π(i)的信道矩阵间的几何角，det表示求矩阵行列式的值，P_π(i),k表示第k个用户与最优用户π(i)的互相关矩阵，

H_π(i)和H_k分别表示最优用户π(i)和第k个用户的信道矩阵。

剔除待选用户集合中用户与最优用户π(i)的几何角中所有大于阈值的用户；得到更新后的待选用户集合后执行步骤3。所述的阈值是用于描述用户之间的信道相关性，在0和1之间取值，取0的时候表示两个用户信道正交。

步骤7，得到优选的用户集合。

下面结合本发明的仿真实验结果作进一步描述。

1.仿真实验条件：

本发明的仿真实验的硬件平台：处理器为Intel i5-6500 CPU，主频为3.2GHz，内存8GB。

本发明的仿真实验的软件条件：Windows7操作系统和Matlab2019。

2.仿真内容与仿真结果分析：

本发明的仿真实验是分别利用本发明和三个现有技术在不同期望选择用户数条件下对系统容量进行仿真。

设置基站天线数量为64，用户天线数量为2，所有用户个数为32，基站的发射功率为30dBm，随机给定用户的位置。构建平面坐标系，根据获取的基站、所有用户以及散射体的位置信息将其标出，为了简化仿真，本发明的仿真实验假设获取的位置信息没有误差。

在不同期望选择用户数下，执行本发明方法的步骤1-7，得到一组优选的用户集合，计算基站同时服务优选用户集合中所有用户时整个系统的容量，得到如图4所示的仿真结果。

所述的三个现有技术分别是指：随机选择方法简称RUS、正交用户选择方法简称SUS方法和基于最佳用户数的选择方法简称K^*-RUS方法。

所述现有技术RUS是指没有任何依据随机的选择用户。

所述现有技术SUS是指TaesangYoo和Andrea Goldsmith在其发表的论文“On theOptimality of Multiantenna Broadcast Scheduling Using Zero-ForcingBeamforming”(IEEE Journal on SelectedAreas in Communication,2006,24(3))中提出的正交用户选择方法。

所述K^*-RUS是指Haijing Liu和Hui Gao在其发表的论文“Low-ComplexityDownlinkUser Selection for Massive MIMO Systems”(IIEEE System Journal,2017,11(2))中提出的用户选择方法。

图4描述了使用不用的用户选择方法时系统的容量随着期望用户选择数的变化曲线图。图4中的横坐标轴表示期望用户选择数，纵坐标轴表示基站与优选用户集合构成的系统的容量。

图4中从上到下的四条曲线分别表示：以正方形标示的曲线表示使用本发明的用户选择方法时系统的容量随着期望用户选择数的变化曲线。以星号标示的曲线表示使用基于最佳用户数的选择方法时系统的容量随着期望用户选择数的变化曲线。以圆形标示的曲线表示使用正交用户选择方法时系统的容量随着期望用户选择数的变化曲线。以菱形标示的曲线表示使用随机选择方法时系统的容量随着期望用户选择数的变化曲线。

从图4可以看出，在期望用户选择数相等时，采用本发明的用户选择方法时，取得的系统的容量最大，由此可见本发明方法在期望用户选择数相等时相对于现有技术带来的增益最大。