[发明专利]在MIMO系统中基于贝叶斯压缩感知的率适应反馈方法

摘要

本发明涉及一种在MIMO系统中基于贝叶斯压缩感知的率适应反馈方法，包括1)在压缩反馈机制中使用基于时变MIMO信道模型的向量自回归模型，将当前信道反馈和先前的关系移除，只传送预测误差，同时将存在于当前信道向量的空间冗余可通过压缩感知进行压缩；2)推导出反馈速率和失真的关系，其中反馈速率反映了之前反馈需求和反馈信道的带宽，在压缩感知恢复中使用贝叶斯压缩感知模型来引出率失真函数；3)推导出了反馈失真和遍历下行容量关系的闭形式。与现有技术相比，本发明具有用子信道矩阵的反馈失真来表示用户的反馈，可以实现有效的基于下行容量需求的率适应反馈等优点。

主权项

一种在MIMO系统中基于贝叶斯压缩感知的率适应反馈方法，其特征在于，包括以下步骤：1)在压缩反馈机制中使用基于时变MIMO信道模型的向量自回归模型，将当前信道反馈和先前的关系移除，只传送预测误差，同时将存在于当前信道向量的空间冗余通过压缩感知进行压缩；2)推导出反馈速率和失真的关系，其中反馈速率反映了之前反馈需求和反馈信道的带宽，在压缩感知恢复中使用贝叶斯压缩感知模型来引出率失真函数；3)推导出了反馈失真和遍历下行容量关系的闭形式，即反馈速率对下行服务速率的的影响，反馈失真只由反馈速率的闭形式决定；所述的步骤3)具体为：31)遍历下行容量和速率是由反馈分布决定的，令为误差矩阵，是通过反馈和用户选择选出的信道矩阵，且Λ是一个对角矩阵表示每个用户的信道增益，反馈误差的数据特性表示为E{(Δ)k}＝0和其中，P是总功率，D＝Dif+Dmov，Dif是从有限反馈方案中得到的近似误差，Dmov表示移动端因移动产生的失真；移动端用户接收的信号y经过ZFBF后为：y=Htx+n=HtH^t-1s+n=(ΛH^t+Δ)H^t-1s+n=Λs+ΔH^t-1s+n]]>其中，s是发送信号，x是在发送端对s进行预编码的结果，Ht是信道方向信息，是通过提出的压缩反馈得到的接收的信道状态，n是信道的高斯白噪声，其实际信道状态矩阵为并且是估计后的信道方向信息，反馈错误矩阵为Δ＝0，y是移动端的接收信号；32)对于用户i，接收到信号为：33)总功率是限制的，就有331)假设基站发送给每个用户信号，在用户端的接收功率相同，即：其中，P是总功率，M表示基站端的天线数，K表示单天线的用户数，Ik是K×K的单位矩阵，‖·‖F表示Frobenius范数；332)多用户干扰时，令代表用户i所容忍的干扰，并且干扰功率是：E{ξiξiH}=E{(Δ)iTH^t-1ssHH^t-H(Δ)i*}=E{(Δ)iTH^t-1PH^t-H(Δ)i*||H^t-1||F2}=E{P×tr{P(Δ)iTH^t-1H^t-H(Δ)i*}||H^t-1||F2}=E{P×tr{H^t-H(Δ)i*(Δ)iTH^t-1}||H^t-1||F2}=P×tr{H^t-HE{(Δ)i*(Δ)iT}H^t-1}||H^t-1||F2=DiMP]]>34)从基站到K个用户，对于MIMO下行的信道容限为：C=Σi=1ME{log2(1+Λii2E(sisi*)σ2)}=Σi=1ME{log2(1+Λii2P||H^t-1||F-2σ2)}]]>其中，σ2是噪声功率；341)提取出的数据值，为：342)推导一下的值，则有：其中，[h1 h2 … hK]T中的每个元素为独立同分布的复高斯随机变量，且均值为0，方差为1，是一个实对称阵，只由基站端的天线结构决定；343)是从联合高斯分布推导出的独立同分布，即：当K≥M时为逆Wishart失真；否则，当K＜M时，称为广义的逆Wishart失真；344)广义逆Wishart失真的均值为：其中，Q和Υ可由实对称矩阵对角化得到Μoment(Υ)是M×M对角阵，且对角元素为Z为K×M矩阵，且每一个元素服从独立同分布的标准正态分布，zi为Z的第i列向量，可推导出：345)故F范数的期望只决定于基站端天线阵的物理结构，因此遍历下行容量写成：其中，不等式是从Jensen不等式和的凸性质决定的，遍历下行容量的下界只由用户i自己的反馈失真和基站端的天线阵列决定。