提供了一种时间相关信道的多层CSI向量量化器(VQ)。该VQ通过参考当前信道状态信息和前次信道状态量化来进行量化信道状态信息操作。也提供了使用多层CSI量化器的系统。还提出了发送机和接收机之间的增强的信号以方便多层CSI量化器的使用。
1.一种多输入传输系统中量化信道状态信息的方法,所述系统至少包括一个发射机和一个接收机,所述方法包括以下步骤:量化关于第一信道状态的信息以产生第一量化信息,并将所述第一量化信息发送到所述发射机;参考第二信道状态和所述第一量化信息量化关于所述第二信道状态的信息,以产生第二量化信息,并将所述第二量化信息发送到所述发射机;使用码本执行所述第一信道状态和所述第二信道状态的量化,所述码本具有码本条目,每个码本条目代表可能信道状态的空间的一个区,所述量化包括用代表包括所述信道状态在内的可能信道状态的空间的区的码本条目来代表每个信道状态,并发送代表所述码本条目的码字索引;用单一码本来量化所述第一信道状态和所述第二信道状态,所述码本的码本条目被安排在多层中。
2.根据权利要求1所述的方法,其特征在于:所述码本具有一最底层,对除所述最底层以外的每一层来说,每一单独层的码本条目被按组安排,使得每一所述组与较低层的一个或多个码本条目相关联;除最底层以外的每一层的每一码本条目被所在组中的码本条目中唯一的索引代表。
3.根据权利要求1所述的方法,其特征在于:在用来表示第一信道状态的码本条目在初始层中,且比初始层高的层中至少一组码本条目具有如下特性:与该组关联的一个或多个码本条目包括用于表示第一信道状态的码本条目,且与该组相关联的一个或多个码本条目还包括在初始层中表示可能信道状态的空间的条目,所述可能信道状态包括所述第二信道状态时,那么用至少一组具有上述特性的较高层条目中的一个来量化所述第二信道状态。
4.根据权利要求2所述的方法,其特征在于:除最底层以外的任一层中的每一条目组都唯一的关联于更低层的单个条目。
5.根据权利要求4所述的方法,其特征在于:在使用第一码本条目量化第一信道状态,且第二信道状态不在由所述码本条目表示的可能信道状态的空间的区中时,则使用表示包括这两个状态的可能信道状态的空间的区的码本条目,该码本条目在有表示包括这两个状态的可能信道状态的空间的区的码本条目的最高层中。
6.根据权利要求4所述的方法,其特征在于:在用第一码本条目组中的第一码本条目量化第一信道状态,且第二信道状态不在任一码本条目组中由每一码本条目所表示可能信道状态的空间的区内时,使用第一信道状态在由码本条目组中的一个条目表示的可能信道状态的空间的区中的码本条目组中的码本条目来量化第二信道状态,且第二信道状态也在由条目组中的一个条目所表示的可能信道状态空间的区中,如果有一个以上这种组存在,则使用包含这种组的最高层的组,如果不存在这种组,则使用最底层的码本条目来量化第二信道状态。
7.根据权利要求2所述的方法,其特征在于:与除最底层外每层中的每个码本条目组中的码本条目以及最底层的码本条目相对应的可能信道状态的空间的区,在某种质心选择和度量下为Voronoi区。
8.根据权利要求6所述的方法,其特征在于:较低层的质心对应于较高层质心的子集。
9.根据权利要求1所述的方法,其特征在于:用于量化第二信道状态的码本条目属于哪一层的信息,同码字索引一同传输。
10.根据权利要求1所述的方法,其特征在于:用于量化第二信道状态的码本条目属于哪一层的信息,通过使用据所用的层变长的码字来传输。
11.根据权利要求1所述的方法,其特征在于:用信道预测的方式来预测用于量化第二信道状态的码本条目属于哪一层。
12.根据权利要求1所述的方法,其特征在于:用信道预测的方式来预测用于量化所述第二信道状态的所述码本条目属于哪一层;用于量化所述第二信道状态的所述码本条目属于哪一层的信息,通过使用据所用的层变长的码字来传输;以及用于量化所述第二信道状态的所述码本条目属于哪一层的信息,同所述码字索引一同传输。
13.根据权利要求1所述的方法,其特征在于:使用信道预测来从同步误差或丢失关于用于量化第二信道状态的码本条目属于哪一层的信息中恢复。
14.根据权利要求1所述的方法,其特征在于:为了从同步误差或丢失关于用于量化第二信道状态的码本条目属于哪一层的信息中恢复,发射机以不直接依赖于丢失的或错误的量化的方式发送请求去做再一次量化。
15.根据权利要求14所述的方法,其特征在于:发射机将关于用作第一量化信息的信息放在所述请求中。
16.一种用于构建适用于权利要求3所述方法的码本的方法,包含以下步骤:创建单层码本,用作多层码本的最底层;为所述最底层的每个条目,选择可能信道状态的空间的区并构建精细码本来量化可能信道状态的空间的区,并将所述精细码本的条目作为与所述最底层条目相关联的第二层中的条目组;如果需要多个层,与以第一层构造第二层相同的方式以第二层构造更高层。
17.根据权利要求16所述的方法,其特征在于:用于构建下一层条目组的可能信道状态空间的区与由该条目所表示的可能信道状态空间的区相同。
18.根据权利要求17所述的方法,其特征在于:被每个码本条目所代表的可能信道状态空间的区是Voronoi区,且每一更高层的每一条目组都必须有一个所述Voronoi区中的质心,该所述Voronoi区与由相关联的较低层条目表示的区的质心协同定位。
19.一种电信装置包括:接收机包含一个或多个天线和处理模块,所述模块配置成实现权利要求1的方法步骤;发射机包含天线和处理模块,该处理模块被配置成处理用权利要求1的方法量化的来自一个或多个接收机的信道状态信息,并按照信道状态信息调制发送到一个或多个接收机的信号。
背景技术
对于高容量无线系统中增强的频谱效率来说,在衰落信道中使用多天线是最有前途的解决方案之一。在这种系统中根本问题在于信道状态信息(CSI)在发送机和接收机中的可用性。一般来说,如果接收机和发射机能使用CSI,系统的吞吐量会显著提高。通常认为在接收机中全部CSI是可用的,但是由于反馈延迟和噪声、信道估计错误和有限的反馈带宽在发射机中可能只有部分CSI是可用的,这使得要在接收机中量化CSI以最小化反馈率。这里描述了在多天线系统中信道状态信息量化的一项改进。
发明内容
为时间相关信道提供了一种多层CSI向量量化器(VQ)。该VQ通过诸如参考当前信道状态信息和前次信道状态量化来进行量化信道状态信息操作。也提供了使用多层CSI向量量化器的系统。还提出了发送机和接收机之间的增强的信号以方便多层CSI量化器的使用。该装置和方法的这些和其他方面在权利要求中陈述,并以引用方式并入本文中。
附图说明
具体实施例将参考附图进行描述,作为示例,附图中相同的附图标记表示相同的元素,其中:图1是本领域中公知的原则下信道向量空间的示意图;图2是更精细量化的图1中的信道向量空间的示意图;图3是多层量化的图2中的信道向量空间的示意图;图4描述了量化系统的结构;图5描述设计多层量化器的算法操作;图6描述多层量化器中使用的一个码本的区和对应的下一个高层码本的对应区;图7描述了多层量化器操作的示例;图8为描述多层量化器操作的流程图;图9描述量化器的操作;图10描述了典型特征值和奇异值相干时间;图11描述了对比多层量化器和非多层量化器的仿真结果;
具体实施方式
在如图4所示的多天线系统中,信息通过与多天线36对应的多信道34传输。每个信道34都有会影响该信道上信息传播的状态。多天线系统中在发送机32和一个或多个接收机30之间的多信道34的状态可以表示为向量。当信道状态变化时,该向量在信道向量空间中移动。信道向量空间可以分成区(见图1)。每个区可由一个索引来表示。如果通过某种度量每个区对应于与空间的点集中的特定成员最接近的空间部分,那么上述区就成为Voronoi区20,点成为质心22。为最大化吞吐量,优选将每个索引关联到质心22,来表示Voronoi区20,其中Voronoi区20是空间中比其他区更接近质心22的部分。多层量化的向量量化器(VQ)是针对有存储器的传输信道,在这些信道中需要减少反馈带宽并允许系统按照信道变化的速率自动调整量化器分辨率。在具有存储器的多输入、多输出(MIM0)信道的多层CSI向量量化器(即质心和Voronoi区的描述)的示范性的设计中,VQ使用多个优化步长。在典型的CSIxa0VQ中,信道向量空间的量化如图1所示:CSI空间被与表示每个Voronoi区中所有向量实现的质心22对应的Voronoi区20填充(对每个质心来说,对应的Voronoi区是根据某种度量比其他区更接近于质心的点集)。这种区(质心)的数量由可用比特的数量来定义,可用比特数也会影响VQ的量化误差。图1描述了信道CSI被及时关联并且及时遵循某轨迹28的情况。如果通过在反馈链路中使用更多的比特来提高CSIxa0VQ的分辨率,量化误差会减少。图2描述了与图1同样的信道向量实现的轨迹28,但具有更多的质心22和Voronoi区20A。图1中只有两个不同的质心索引被用来表示信道轨迹,但是在图2中,使用四个这样的索引,从而导致对实际信道变化更精确的表示。这一改进的代价在于更多数量的比特被用于表征必须反馈回发射机的量化CSI索引。在相同频带中连续传输时刻之间的信道实现是相关的,所以在某种意义上说CSI向量的典型轨迹28是部分可预测的。相关性随着减少的接收机-发射机对之间的相对速率与在可预测的时间内统计的包含在给定Voronoi区中的轨迹净效应配对而增加。时间可以以多种方式进行量化描述,比如使用称为特征值相干时间和奇异值相干时间的时间度量。在CSIxa0VQ方面,相干时间越长,需要报告回发射机的VQ索引变化越不频繁。多层VQ允许信道相干时间相当长的系统中的反馈率显著降低。设计量化器过程中,Voronoi区按照2、3、4和更多层中选定的任何标准进行最优化,其中连续的Voronoi区嵌套在之前的区中,例如图3所示的2层设计。在图3的例子中,2层CSIxa0VQ被分成主23Voronoi区和二级24Voronoi区以及对应的质心25,26。在VQ操作的第一个阶段,只有主区被用来为信道向量分配主质心索引。第二个阶段中,在信道向量实现离开主区之前,只有二级质心和第一个被标识的主区中的主质心被报告到基站。以这种方式,只要信道向量不是很快的变化,就能在非常低的反馈率下得到高量化分辨率,因为量化点集中在单个主Voronoi区空间内。此外,该机制允许接收机按照信道变化的速率自动的调节向量分辨率。发射机和接收机必须有一种方式识别哪个Voronoi区(主、二级等)的VQ索引被报告。以下符号用来描述示范性的多层VQ:·M-CSI向量量化器设计中的层数·m_k-接收机k当前层索引·m^k-接收机k当前基站层索引·N_m-CSIxa0MIMOxa0VQ每层用于表示CSI的比特数。图4中描述了使用为多天线系统的信道状态信息量化而设计的双VQ码本的系统。该示例描述了依照发明人于2007年5月29日提交的第11/754,965号美国专利申请的系统。从每次只有一个激活的接收机的系统到同时有多个接收机被激活的系统中,多层VQ均可被用作特征值和奇异值码本(这里激活的是指正在接收传输)。多层码本的设计按需要适用于正交特征值矩阵、特征值子集和标量奇异值。下面的描述可适用于任何类型的CSI量化方案。图4中,发射机32使用天线36通过前馈信道66和反馈信道38与接收机30通信。接收机30包括信道评估器40,用于解码传输的线性处理器68,奇异值处理单元42,功率分配和特征值选择器44,以及码本48和46。接收机30的各部分可使用不同的已知的电子处理器,在一个实施例中可使用单块集成电路专用芯片。接收机30的功能可部分或全部由硬件,固件和/或软件来提供。发射机32包括索引器和优化器54以及存储调制矩阵56和功率分配矩阵58。输入数据流60被送入调制器62,该调制器应用从存储调制矩阵组56中选取的线性调制矩阵。调制数据送入功率分配器64,该功率分配器应用从存储功率分配矩阵组58中选取的功率分配矩阵。图4中的系统工作如下:1.传输时刻之前,每个接收机30为反馈信道66评估40其信道矩阵H34,并使用该信息去执行42矩阵的奇异值分解(SVD)。2.特征值和奇异值(功率分配)组件被分别使用Vxa046和Dxa048两个码本各自的量化44。3.选中码字的索引50通过反馈信道38被反馈到发射机。4.发射机使用系统中来自所有的接收机50,52的所有索引去分别地选择56,58预先计算的线性调制矩阵B62和功率分配矩阵S64。该选择基于预先定义好的规则集合(最大吞吐量、公平等)。5.使用选定的线性调制矩阵B62和功率分配矩阵S64调制信号(x₁到ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="83"/>)60,通过反馈信道66进行传输。6.被传输的已调制信号被接收机68处理。从而,发射机32有一个被配置成实现上述4-5步骤的处理器,每一个接收机有一个或多个天线36以及被配置成实现上述步骤1-3和6的处理器。参见图5,多层码本(D或V)的设计执行如下:1.基于预期的系统参数(信道类型,必需的反馈率,必需的性能等)为m=1,2,..,M的每一个值设置参数M和N_m。2.设置m=1(步骤70)。3.任何不同的向量量化器都可用来设计使用N₁个分辨率比特的接收机VQ(步骤72)。举例如下,该示例引自发明名称为“多天线系统中的信道状态信息量化”的第11/754,965号美国专利申请。4.为VQ的m层存储Voronoi区和质心的描述。5.如果m小于M(步骤76),按如下方式继续设计:a)创建可能信道实现的大列表(步骤78)。b)使用m层VQ量化(步骤80)上述信道实现。c)选择对应于每个m层VQ索引的信道实现(步骤82)。d)在每一个m层Voronoi区内,使用任何不同的VQ设计来执行m+1层向量量化器的设计,例如下述的第11/754,965号美国专利申请中这样的。在每个区内算法使用M_m+1个分辨率比特并使m+1层每个区的质心中的一个与对应于该区得m层质心相同(步骤84)。现在,每个区的新码本的码本条目被认为是与m层对应区内码本条目相关联的m+1层条目组。e)重用的m层质心被分配给为0的N_m+1索引比特。f)将m加1(步骤86)。g)跳转到步骤4。6.如果m≥M,结束VQ设计(步骤76)。7.使用任何不同的调制矩阵设计技术设计与已设计的多层VQ相对应的调制矩阵,例如在第11/754,965号美国专利申请中描述的算法那样的设计技术,如下所示(步骤88)。算法到此结束(步骤90)。在m+1层质心和Voronoi区(参见上面的5d)的设计阶段重用m层质心中的一个的基本原理是在不同的用户使用不同的VQ层报告它们的量化信道信息的系统中,可使用相同设置的调制矩阵。由于所有的m层质心包含在m+1层质心中,容易使用有效的索引去决定使用哪个质心。图6描述了如下示例:索引为1111xa092的单个主区和索引为000,001等94的二级区给出1111000,1111001等的有效索引。96注意主质心与索引为000的二级质心在同一位置。此外,由于这种设计,基站可提供向量量化器的不同应用给用户,比如变化的VQ层数。由于码字的嵌入,所有此类情况都将得到支持。“多天线系统中的信道状态信息量化”的算法如下:每次只有一个激活的接收机的情况下,我们引入启发式失真度量表示如下: γv ( n ; H ) = | | DV H V ( n ) ^ - D | | F - - - ( 1 ) ]]>其中ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="84"/>是预先定义的信道对角线矩阵集合中的第n个条目,||·||_F是Frobenius范数。为了表述清楚在(1)中我们省略了下标条目j。我们假定需要用ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="382"/>来表述向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="93"/>其中N_v是在反馈链路中每个信道实现中需要的比特数。为了使用(1)设计量化器,我们把整个信道实现H空间分成ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="72"/>个区V_i,V_i={H:γ_v(i;H)<γ_v(j;H)forxa0allxa0j≠i}.xa0xa0xa0xa0xa0(2)该算法首先创建质心ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="40"/>的码本,基于上述结果,将量化空间划分成区V_i。码本以如下方式创建:1.创建L随机矩阵H(l)的大训练集合。2.对于每一个随机矩阵H(l),进行奇异值分解以得到D(l)和V(l)如下: y j = H j x j + n j = ( U j D j V j H ) ( V j x ^ j ) + n j - - - ( 3 ) ]]>3.设置迭代计数器i=0。创建ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="73"/>个随机矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="103"/>的集合。4.对每一个矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="107"/>使用奇异值分解计算相应的ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="172"/>5.对每一个训练元素H(l)和码本条目ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="126"/>用式(1)计算度量。为每一个1选择对应于最小的γv(n;H(l))的索引n_opt(l)。6.用下面的方法计算新的ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="190"/>集合作为对应于相同索引n的所有条目V(l)的球面平均的表格。(直接平均是不可能的,因为它不保留特征向量之间的正交性。)对于所有的n计算子集L(n)={l:n_opt(l)=n},如果它们各自的基数|L(n)|≠0对应的矩阵Q(i+1)(n)可以如下算式得到: Q ‾ ( i + 1 ) ( n ) = 1 | L ( n ) | Σ i ∈ L ( n ) V ( l ) 1 OV ( l ) H - - - ( 4 ) ]]>其中¹O是一个除左上角元素为1之外,其他元素都为0的n_T×n_T矩阵。最后,使用奇异值分解由以下算式计算ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="192"/> Q ‾ ( i + 1 ) ( n ) = V ^ ( i + 1 ) ( n ) W ( V ^ ( i + 1 ) ( n ) ) H - - - ( 5 ) ]]>其中W是虚变数。7.计算平均失真度量 γ ‾ v ( i + 1 ) = 1 / L Σ i γv ( n opt ( l ) ; H ( l ) ) . ]]>8.如果失真度量满足ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="504"/>结束。否则i加1然后跳转至步骤5)。完成上述算法的基础上,向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>的集合可以被用来计算(2)中的区。已经最优化信道特征值矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="37"/>的码本中的功率独立的条目之后,下一步是为功率分配ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="33"/>创建码本。我们使用定义如下的失真度量ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/>其中ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="70"/>是预先定义的信道灌水(water-filling)矩阵集合的第k个条目,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="131"/>是对于给定的H能最小化度量(1)的ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>码本的条目。我们使用ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="326"/>来表示向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="107"/>其中N_S是反馈链路中每个信道实现需要的比特数。最小化(6)中的度量等价于最小化使用Q的最佳灌水(water-filling)和使用ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="33"/>的量化灌水(water-filling)之间的容量损失。与之前的问题相似,把整个信道实现H空间分成ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="68"/>个区S_i(P),其中S_i(P)={H:γs(i;H;P)<γs(j;H;P)forxa0allxa0j≠i}.xa0xa0(7)为创建码本ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="46"/>我们使用如下方法:1.创建L随机矩阵H(l)的大训练集。2.对于每一个随机矩阵H(l),执行灌水操作以得到最优协方差矩阵Q(l)和S(l)。3.设置迭代计数器i=0。创建ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="58"/>个随机对角线矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="90"/>的集合,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="89"/>满足 Tr ( S ^ ( i ) ( k ) ) = P . ]]>4.对每一个码本条目ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="90"/>和矩阵Q(l),用(6)来计算度量。选择对应于γs(k;H(l);P)最小值的索引k_opt(l)。5.如果γs(k_opt(l);H(l);P)>γ_eq(H(l);P)其中γ_eq(H(l);P)是定义如下的对应于同功率分配的度量:ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/>设置对应的条目 k opt ( l ) = 2 Ns . ]]>对于所有的k计算子集L(k)={l:k_opt(l)=k}。6.对于所有ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="422"/>且满足|L(k)|≠0,计算新的ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="172"/>集合作为算术平均 S ^ ( i + 1 ) ( k ) = | L ( k ) | 1 Σ l ∈ L ( k ) S ( l ) . - - - ( 9 ) ]]>7.计算平均失真度量 γ ‾ s ( i + 1 ) = 1 L Σ l min { γs ( k opt ( l ) ; H ( l ) ; P ) , γ eq ( H ( l ) ; P ) } . - - - ( 10 ) ]]>8.如果失真度量满足ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="408"/>结束。否则i加1然后跳转至步骤4)。向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="32"/>集合被用来在(7)中计算区。由于灌水(water-filling)强依赖于功率级别P和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="61"/>最好是为每个功率级别和特征值矩阵码本中的比特数N_v创建ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="53"/>(2)多用户情况下,我们按照斯宾塞(Spencer)等人的方法,每个用户执行ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="291"/>的奇异值分解,并将各自的H_k转化为n维向量h_k如下 h k = u k H H k = s k max v k H - - - ( 11 ) ]]>其中s_k^max是S_k的最大的奇异值,u_k和v_k分别为单元矩阵U_k和V_k中与之对应的向量。我们使用线性块对角线化方法,通过为每个S集合选定适当的零空间特征值来组成调制矩阵B[S]来消除MSI。对每个接收机i∈s,矩阵H[S]的第i行首先被删除生成H[S_i]。下一步中,执行奇异值分解生成H[S_i]=U[S_i]S[S_i]V^H[S_i]。通过设置B[S]的第i列与V[S_i]最右的向量相等,我们使传送给第i个接收机的信号在对于其他用户来说的零空间中传输,MUI将被消除。也就是说,信道将被使用di对角线化,di是H[S]B[S]对角线上的条目,这就得出下式: R hmeax = max s Σ i = 1 n T [ log 2 ( ζ [ S ] d i 2 ) ] + - - - ( 12 ) ]]>其中ζ[S]是灌水方程式的解。假定N_v是反馈链路中为表示(11)中的向量v_k所需要的每个信道实现的比特数。将所有可能的v的空间分成ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="66"/>个区vi,u_i={v:γ_v(i;v)<γ_v(j;v)forxa0allxa0j≠i}xa0xa0(13)其中γ_v(n;v)是一个对角线函数。在每一个区vi中,定义一个质心向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="77"/>作为该区的表示。码本ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="37"/>的设计能使用诸如Lloyd算法解析式或启发式地完成。在这个过程中,定义对角线函数作为实际向量v和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="87"/>之间的角度:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="541"/>这已经被Roh和Rhao描述过用以最大化遍历容量,并使用Lloyd算法来训练向量量化器。注意ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="37"/>的结构独立于传输功率。假定N_s是反馈链路中为表示(11)中的标量s_k^max所需要的每个信道实现的比特数,将所有可能的信道实现s=s^max空间分成ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="66"/>个区s_i: s i = { s ; | s ^ ( i ) - s | < | s ^ ( j ) - s | forallj ≠ i } - - - ( 14 ) ]]>其中ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="72"/>是表示区s_i的标量质心。在这一过程中,使用经典不均匀量化器设计方法,连同由量化误差的二次函数ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="378"/>给出的对角线函数来执行码本ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="28"/>的设计。码本ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="28"/>的结构通常依赖于传输功率级别,但是不同功率区的码本ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="30"/>之间的区别是非常微小的。这允许只创建一个码本ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="54"/>并将它用于所有的传输功率。调制矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="45"/>的计算式基于给定的码本ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="64"/>假定信道特征值的量化是在接收机端执行,且每个用户传送回其码本索引i_k。则这些索引在接收机端被用来选择调制矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="278"/>因为从线性发射机的角度来说,用户的顺序是不重要的,因此,将按惯例将索引(i₁,i₂...i_K)按升序排列。例如,在K=2、n_T=2、1比特向量量化器ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="37"/>的系统中,只有三个可能的调制矩阵,对应于ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>索引的集合(1,1),(1,2)和(2,2)。在向量量化方面,调制矩阵的设计不再基于单用户情况下给出的算法。在相同的索引i_k被返回、接收机尝试使用表面上相同的信道向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="64"/>去联合地最优化给用户的传输时,用h_k的量化版本的上述方法会产生错误结果。取而代之的是,建议采用以下算法来优化矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="258"/>集合:1.创建Nn_T个随机矩阵H_k的大集合,其中N是训练集合的个数,每个集合有n_T个用户。2.对于每个随机矩阵H_k执行奇异值分解并如(11)中那样得到h_k。3.为每个向量h_k存储对应条目ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="117"/>的索引i_k。4.将矩阵H_k的整个集合划分成N个集合,每个集合具有n_T个元素。5.在每个集合l中对索引i_k升序排列。将所有的已排序索引的集合一一映射到索引I_B的集合(例如(1,1)→I_B=1;(1,2)→I_B=2;(2,2)→I_B=3...)。6.在每个集合l中,对相应的信道向量h_k根据其索引ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="39"/>重排序,使用上述的块对角线化方法计算最优B_l。7.计算ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="120"/>的集合,作为对应于相同索引I_B的所有条目B_l的列向球面平均。计算完|I_B|调制矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="45"/>之后,系统设计余下的工作是计算灌水矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="74"/>灌水矩阵ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="57"/>在发射机中将功率以特征值划分。创建码本ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="57"/>的过程与上述方法相似,区别在于使用条目ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="99"/>而不是ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="123"/>灌水矩阵的球面平均是对角线化执行,而不是按列执行。具体如下:8.创建Nn_T个随机矩阵H_k的大集合,其中N是训练集合的个数,每个集合有n_T个用户。9.对于每个随机矩阵H_k执行奇异值分解并如(11)中那样得到h_k。10.为每个向量h_k存储对应条目ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="112"/>的索引i_k。11.将矩阵H_k的整个集合划分成N个集合,每个集合具有n_T个元素。12.在每个集合l中对索引n_k升序排列。将所有的已排序索引的集合一一映射到索引I_D的集合(例如(1,1)→I_D=1;(1,2)→I_D=2;(2,2)→I_D=3...)。13.在每个集合1中,对相应的信道向量h_k根据其索引n_k重排序,使用(12)中的灌水方法计算最优D_i。14.计算ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="130"/>的集合,作为对应于相同索引I_D的所有条目D_l的对角线化球面平均。参考图7和8,基于之前段落中的多层码本D和V的设计,系统将执行如下操作:1.初始化传输时刻t=1。2.在每个接收机k设置m_k=1,(所有用户将使用独立的索引m_k)(步骤112)。3.在发射机端为每个接收机分别设置m^k=1。发射机端索引m^k将被映射到它们各自的接收机端索引m_k(步骤110)。4.每个接收机估计它的信道矩阵H[t](步骤40)。5.每个接收机使用上面介绍的m=1层量化器执行信道向量量化(步骤114)。6.m层N_m比特长索引被反馈到发射机。7.发射机使用任一方法(最大公平、最大吞吐量等等)执行激活用户的选择,并使用VQ方法选择最优调制矩阵,如第11/754,965号美国专利申请中描述的VQ方法。8.将信号发送到被选择的激活接收机。9.增加传输时刻t=t+1。10.每个接收机估计它的信道矩阵H[t](步骤40)。11.每个接收机使用上面介绍的m层量化器执行信道向量量化(步骤114)。12.识别出(步骤116)其被量化信道的m_k层Voronoi区在t+1时刻相等的每个接收机执行以下步骤:a)除非118中m_k=M,增加接收机的索引m_k=m_k+1(步骤120)。b)未改变的Voronoi区中的信道实现通过使用新的m_k层量化器被量化(步骤114)。c)接收机使用已知机制(参见后文)将新的m_k层VQ发到接收机。d)N_mk比特长索引被反馈到发射机(步骤124)。e)接收机增加其索引m^k=m^k+1(步骤126)。13.认识到(步骤116)其被量化信道的m_k层Voronoi区在t+1时刻不相等的每个接收机在时刻t执行以下步骤:a)除非(步骤128)中m_k=1,将接收机的索引m_k减少到在t和t+1时刻Voronoi区的m_k-1相同的最后一层(步骤130)。b)如果没有这样的层,设置m_k=1,否则将m_k更新为一值,有该值个Voronoi区的m_k-1是相同的。c)使用m_k层量化器量化信道实现(步骤114)。d)接收机使用已知机制(参见后文)将新的m_k层VQ发到接收机。e)N_mk比特长索引被反馈到发射机(步骤124)。f)发射机减少其索引m^k=m_k(步骤134)。14.接收机基于从接收机反馈的索引以及被存储在发射机端的每个接收机的独立的索引m^k选择调制矩阵。15.调制矩阵被用于将信息发送到被选择的接收机(步骤138)。图7-8所示的一个移动接收机的算法操作使用M=3层量化器。在这一场景中,CSI向量在前5帧F1-F5中处于层1xa0Voronoi区20,在前5帧F1-F5中处于层2区24,在F2和F3中处于层3区100。接收机R1识别出后续Voronoi区,从而通过增加和减少量化器分辨率来调整被使用的量化器的层(m)104。每一个代表适当的层中各自Voronoi区的质心22、26、102的量化器索引被送入基站B1,基站B1适当的组合它们,从而有效的CSI分辨率N依照信道变化的速率及时(t从F1增加到F6)变化。基站B1选择调制矩阵56和发射信号60。每次分辨率都等于不分层量化器的分辨率,该分辨率的比特数量等于代表该层使用的比特数106加上所有比该层低的层所使用的比特数。可以清楚地看到被提议的算法允许系统按照信道变化的速度自动的调整分辨率。图9描述了所述算法的图形表示。在接收机索引mk的设置应与发射机的索引mk相同。如果发射机使用对应于接收机VQ的错误的mk层的索引mk,导致的性能损失会是很重大的。通常,在发射机量化信道向量的索引可以被重建如下:AAAABBBCCC....其中AAAA对应于m=1层N₁索引比特,BBB对应于m=2层N₂索引比特等。(参见图6)任意给定的时间,发射机只接收m层索引比特(AAAA,BBB,CCC等),且必须能够确定这些比特对应哪一层。例如,必有一个信号发送方法使得发射机能区分两个连续的传输,比如区分BBB,BBB传输和BBB,CCC传输,BBB,BBB的传输中信道向量从一个层2质心移动到另一个,BBB,CCC的传输中信道向量停留在相同的层2区BBB并在CCC字中使用层3量化。不同的方法可被用来从接收机向发射机传输索引信息,例如:1.VQ字的直接索引。为使接收机知道哪个VQ层被使用,用每个接收机的索引m_k的比特表示来扩展实际的VQ码字索引。例如:MMAAAA,MMBBB,MMCCC...例如,其中两比特删被用来表示系统的四个量化层中的一层。这种方法的缺点是需要附加反馈负载来传输关于m_k索引的信息。2.不同m层VQ字的变长设计。在这中方法中,CSI量化器的每个m层的特点是具有不同的索引比特数N_m。例如:AAAA,BBB,CC,D...其中四个比特AAA被用来表示层1量化,3比特BBB被用来表示层2量化等等。这种系统的优点是不需要像之前的方法那样传输附加比特M。这种方法的缺点是一定要有另外的机制使得发射机对接收机实际发送多少比特进行计数,以及变化的反馈负载。3.基于信道预测的VQ层估计。在这种方法中,CSI量化器的每个m层的特点是可以具有任一比特数量N_m,发射机使用统计信道特性来决定信道向量是停留在上一m层Voronoi区还是从其中离开。这个系统的优点是为设计反馈链路留下了大的自由度。该方法的缺点是发射机设计的复杂性提高了,而且接收机使用的量化器可能会对层进行误判。4.从系统设计角度来看用任何合适的方式组合上述三种方法的混合解决方案。系统操作过程中,可能会发生某些发射机索引m^k不再与对应的接收机索引m_k同步的情况。这种情况通常发生在来自接收机的一个反馈消息没有被发射机检测到时(例如,发射机在当前传输时刻缺少信道量化索引)或者发生在接收到的带有索引信息的消息与预期的量化层m不一致时。在实际的通信系统中,两种错误情况会发生:·当m_k>m^k+1时接收到的反馈信息描述了这种情况。这种情况在正常操作过程中是不允许的,因为接收机只能回到更低层的量化器或将当前值增加1。·由于反馈链路问题,发射机没有接收到任何反馈信息。这个问题可以用不同的方法来解决,比如:1.用信道预测来恢复错误的索引。用之前使用的索引来推断实际信道信息索引。2.在下一个传输时刻对用户去激活并向他发送VQxa0RESET消息。如果发射机不能可靠地判断接收机报告了哪个信道索引,它就发送一个特别的VQRESET消息给接收机,该消息中包含发射机的最后的有效索引值AAAABBBCC...而不包括最后层的比特(换言之,一直到m^k-1级的比特被传达给基站)。然后接收机确定VQ的相同层能否被使用或者它是否必须回到更低层。发送新的索引到发射机,系统恢复通常操作。图10描述了2x2MIMO系统的代表特征值和奇异值相干时间的典型曲线集。定义见B。Mielczarek和W.Krzymien的文章“CSI反馈延迟对线性多用户MIMO系统容量的影响”,发表于Proc.IEEExa0WCNC.,香港,2007年3月,第1188-1192页。可以看出,第一层Voronoi区不改变的时间长度随着分辨率的增加和归一化的信道f_DT_frame多普勒频率而减小。例如,f_DT_frame=0.02,当特征值量化器使用N=4比特分辨率时,特征值量化器的Voronoi区将在大约6个连续帧中保持相同。当量化器使用N=7比特时,只有2-3个连续帧具有相同的第一层Voronoi区。通常,为了提高系统吞吐量,更倾向于使用较高分辨率的VQ,但是这一改进的代价是高反馈负担和高分辨率索引的频繁变化。如下例所示,使用多层VQ设计,实际上有可能达到非常好的系统性能,显著地减少需要的反馈比特率。在图11中描述了使用N1=4和N2=3的2层特征值量化器(M=2)的仿真结果。这个系统是使用本申请描述的算法设计的,以传输4比特(AAAA)开始,如果在连续帧中层1xa0Voronoi区是相同的,那么只有3比特(BBB)被发送到发射机。将其与使用N₁=7和N₁=4的层1系统比较。用具有2个基站天线和各有2个接收天线的10个用户的系统来测试实现的算法。如图11所示,用等于0.01,0.02和0.1的最大的归一化多普勒频率来测试3条信道。可以看出,对于N₁=7和N₁=4,与使用传统的层1向量量化器相比,吞吐量差距非常大(在10bpcu时大约为3dB)-在这样的简单系统中吞吐量的任何增加都需要增加反馈带宽。然而,如果假定信道有存储器,通过使用我们推荐的方法,可能达到与多层CSI量化器几乎相同的性能。在我们的例子中,层2系统的最大反馈负担设置成4比特/帧/接收机,但性能在大范围多普勒频率上几乎与7比特反馈系统相当。因此,通过适当选择层数和它们对应的分辨率,可能为大范围变化的信道状况、需要的吞吐量性能和最大反馈链路比特率设计实际的系统。在权利要求中,“包括”一词表示包含性而不排除存在其它元素。权利要求特征之前的不定冠词“a”不排除存在一个以上的特征。在这里描述的独有特征中的每一个可被用于一个或多个实施例中,也不会由于只在这里描述而被解释为对权利要求限定的所有实施例都是必要的。在不偏离权利要求所涵盖的范围的情况下,可以对本文描述的实施例进行非实质性修改。