具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

实施例一

如图1所示是本发明实施例提供的一种大规模MIMO低复杂度混合预编码方法流程图，在图1所示的方法中包括以下步骤：

S1：参数初始化；

在本实施例中，参数初始化包括：设定发送天线数量MN，其中N代表子阵列的个数，M代表每个子阵列对应的天线数，用户天线数K，信道传输矩阵H。

S2：利用EPI算法获取信道传输矩阵前N个特征值及其特征向量；

在本实施例中，参数初始化设置完成后，即开始利用扩展幂迭代法(Extend poweriteration,EPI)获取信道传输矩阵前N个特征值及其特征向量，如图2所示，具体可以通过以下方式实现：

S2.1：利用幂乘算法PI获取第i次迭代中信道传输矩阵H⁽ⁱ⁾的最大特征值及其特征向量，具体如下：

z^(n-1)＝H⁽ⁱ⁾u^(n-1) (1)

λ^(n-1)＝arg max|z_i ^(n-1)| (2)

其中，z^(n-1)＝H⁽ⁱ⁾u^(n-1)，其中，z^(n-1)为幂迭代向量，H⁽ⁱ⁾为第i次迭代信道矩阵，u^(n-1)为第n-1次迭代的特征向量，λ^(n-1)为第n-1次迭代的特征值，z_i ^(n-1)为信道矩阵H⁽ⁱ⁾的第n-1次幂迭代向量的元素，u⁽ⁿ⁾为第n次幂迭代的特征向量，n′为迭代总次数，n为当前迭代次数。

S2.2：利用矩阵收缩算法，从第i次迭代的信道传输矩阵H⁽ⁱ⁾中去除第i次迭代中信道传输矩阵H⁽ⁱ⁾的最大特征值及其特征向量的影响，获得新矩阵H⁽ⁱ⁺¹⁾，返回执行步骤S2.1，获取第i+1次迭代中新矩阵H⁽ⁱ⁺¹⁾的最大特征值及其特征向量；

其中，H⁽ⁱ⁺¹⁾为第i+1次迭代信道矩阵，为信道矩阵H⁽ⁱ⁾的第n次幂迭代特征值，为信道矩阵H⁽ⁱ⁾的第n次幂迭代特征向量。

S2.3：在迭代次数等于N后，获取N次迭代中，每次迭代过程中获取的信道传输矩阵的最大特征值及其特征向量，得到前N个特征值及其特征向量。

S3：利用获取的信道传输矩阵前N个特征值及其特征向量获得混合预编码矩阵，并得到待发送信号。

在本实施例中，步骤S3可以通过以下方式实现：

由获取的信道传输矩阵前N个特征值及其特征向量计算混合预编码算法的模拟矩阵和数字矩阵，其中：

模拟矩阵：

数字矩阵：

其中，f_i为第i个子阵列对应的模拟预编码矩阵，M为子阵列天线数，f_i ^B为第i个子阵列对应的数字预编码矩阵，v_i为信道矩阵的第i大的特征值对应的特征向量，1≤i≤N。

进一步，分别对混合预编码方法进行分析，其中包含传输速率分析，传输速率分析对比了SVD，SIC，Sparse和EPI四种预编码在不同迭代次数下的传输速率，通过与理论值相比较，如表1所示为本发明仿真结果的低复杂度预编码方法与其他混合预编码方法的成本、传输速率以及复杂度比较表，从表1可以看出本发明提出的大规模MIMO低复杂度混合预编码方法，在相同性能要求下，具有更低的硬件成本与复杂度。

表1

图3低复杂度混合预编码方法(EPI)、Sparse方法、SIC方法和SVD方法的传输速度，图4低复杂度混合预编码方法(EPI)、Sparse方法、SIC方法和SVD方法的传输速度，从图3和图4中可以看出，随着待发送数据流数量的增加，传输速率上升，传输速率从高到低分别为SVD、Sparse、EPI和SIC方法；随着信噪比的增加，传输速率从高到低也为SVD、Sparse、EPI和SIC方法；但是利用表1可以发现，EPI方法相对于SVD和Sparse方法的成本更低，而都基于子连接结构的SIC方法传输速率远低于EPI方法，也就是说，EPI方法是一个均衡复杂度、成本和传输速率的一个合适的预编码算法。

实施例二

本实施例提供了一种大规模MIMO低复杂度混合预编码系统，包括：

初始化模块，用于设定发送天线数量、用户天线数和信道传输矩阵；

扩展幂迭代模块，用于利用扩展幂迭代法获取信道传输矩阵的前若干个特征值及其特征向量；

在本实施例中，上述扩展幂迭代模块，包括：

幂乘模块，用于利用幂乘算法PI获取第i次迭代中信道传输矩阵H⁽ⁱ⁾的最大特征值及其特征向量；

矩阵收缩模块，用于利用矩阵收缩算法，从第i次迭代的信道传输矩阵H⁽ⁱ⁾中去除第i次迭代中信道传输矩阵H⁽ⁱ⁾的最大特征值及其特征向量的影响，获得新矩阵H⁽ⁱ⁺¹⁾，返回执行所述幂乘模块的操作，获取第i+1次迭代中新矩阵H⁽ⁱ⁺¹⁾的最大特征值及其特征向量；

扩展幂迭代子模块，用于在迭代次数等于N后，获取前N个特征值及其特征向量。

在本实施例中，由λ^(n-1)＝arg max|z_i ^(n-1)|得到第i次迭代中信道传输矩阵H⁽ⁱ⁾的最大特征值，由得到第i次迭代中信道传输矩阵H⁽ⁱ⁾的最大特征值对应的特征向量，z^(n-1)＝H⁽ⁱ⁾u^(n-1)，其中，z^(n-1)为幂迭代向量、H⁽ⁱ⁾为第i次迭代信道矩阵、u^(n-1)为第n-1次迭代的特征向量、λ^(n-1)为第n-1次迭代的特征值、z_i ^(n-1)为信道矩阵H⁽ⁱ⁾的第n-1次幂迭代向量的元素、u⁽ⁿ⁾为第n次幂迭代的特征向量、n′为迭代总次数、n为当前迭代次数。

在本实施例中，由得到新矩阵H⁽ⁱ⁺¹⁾，其中，H⁽ⁱ⁺¹⁾为第i+1次迭代信道矩阵，为第i次迭代的信道矩阵的第n次迭代特征值，为信道矩阵H⁽ⁱ⁾的第n次幂迭代特征向量。

混合预编码模块，用于利用获取的信道传输矩阵前若干个特征值及其特征向量获得混合预编码矩阵，并得到待发送信号。

在本实施例中，上述混合预编码模块，用于由获取的信道传输矩阵前N个特征值及其特征向量计算混合预编码算法的模拟矩阵和数字矩阵，其中：模拟矩阵为：数字矩阵为：其中，f_i为第i个子阵列对应的模拟预编码矩阵，M为子阵列天线数，f_i ^B为第i个子阵列对应的数字预编码矩阵，v_i为信道矩阵的第i大的特征值对应的特征向量。

其中，各模块的具体实施方式可以参考上述方法实施例的描述，本实施例将不再复述。

需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。