智能天线在TD-LTE中的应用分析

形在LTE中的应用，双流波束赋形简单地说就是多天线信道奇异值分解算法的典型应用，其实现机制都已基本成熟，但算法优化却有许多工作需要我们不断努力。为此，我们先了解一些比较典型的应用于LTE中的波束赋形算法。

（1）单流波束赋形算法：单流波束赋形可根据赋形向量的获得方式，分为长期波束赋形和短期波束赋形，其中短期波束赋形最常见的是基于奇异值分解SVD（Singular Value Decomposition）波束赋形，长期波束赋形通常称为基于来波方向DOA的波束赋形。在SVD方法中，发送端从上行探测导频（Sounding）估计出信道信息，然后对用户信道进行SVD分解计算出对应的预编码酉矩阵。其中SVD分解操作是：假设天线发送数目为M，接收天线数目为N，则空间信道矩阵H的维数为N×M，空间信道矩阵H的SVD分解为：
H=UAVH （5）

其中U和V分别是维数为N×N和M×M的酉矩阵，A是一个维数为N×M的矩阵，其对角线元素是非负实数，非对角线无线为0，并且A的对角线元素λ1≥λ2≥…≥λn，即按照大小排序之后的矩阵H的奇异值，其中n是M和N中的最小值。经过奇异值分解后获得的酉矩阵V即为线性预编码。

而DOA波束赋形的加权向量是基于远大于信道相干时间的一段时间内对信道的测量，亦即传统的不用训练序列的盲自适应方法，常用的是延迟相加法。

（2）双流波束赋形单用户算法：当单用户传输时，同一个时频资源块仅分配给一个用户，基站端仅对有用信号进行波束赋形，增强有用信号功率，典型的算法有特征值波束赋形EBB（Eigenvalue Based Beamformin），其波束赋形矩阵具体计算如下：设基站发送天线数为nr，移动台接收天线数为mR，基站到第i个用户的信道矩阵为Hi。第i个用户支持的独立数据流为ri（ri≤mR）。
对Hi进行SVD分解，得到：（6）

其中，从大到小排序的非零奇异值对应的特征向量分别表示为Vi，1（Vi的第1列）、Vi，2（Vi的第2列）、…、Vi，mR（Vi的第mR列）。取的前ri个右奇异向量表示为，那么单用户多流波束赋形矩阵为：（7）

（3）双流波束赋形多用户算法：常用的多用户双流波束赋形算法如迫零ZF（Zero Forcing），块对角BD（Block Diagonalization）等，需要满足限制条件：配对用户的接收天线总数≤发送的天线总数。这个条件限制了配对的用户数，尤其是当用户接收天线数>1时，配对用户数将受限于配对用户的接收天线总数，这样将影响联合调度的性能增益。目前，一种更优的多用户波束赋形算法，即多用户特征模式传输MET（Multiuser Eigenmode Transmission）算法将DB算法的限制条件放松为：配对用户的总数据流数≤发送的天线总数，即：其中，M表示配对用户数。

当用户的数据流数<接收天线数时，该算法可提供更多的正交用户配对，较BD算法有较高的性能提升。该算法的主要步骤为：
1）压缩用户信道矩阵：对第i个用户的信道矩阵Hi进行SVD分解，如式（6）。取ui前第ri个列向量的共轭转置，那么：当用户的数据流数ri<接收天线数nR时，用户的信道矩阵由nR行压缩为ri行。

2）抑制用户间干扰（构建"我为人人，人人为我"的和谐信号传输）。定义：对进行SVD分解，其中表示0奇异值对应的特征向量。多用户波束赋形矩阵已经能保证干扰用户位于该用户信号的零限。

3）在保证不对其他配对用户干扰的同时，最大化有用信号强度。
将寻找更优化的波束赋形算法，在抑制用户间干扰的同时，最大化有用信号的强度，再对有用信号进行一次波束赋形，对进行SVD分解，得到：

其中，取的前ri个右奇异向量表示。那么以为波束赋形矩阵的干扰消除算法不仅能保证完全消除干扰，还能将有用信号功率增强，优化系统性能。

所以，多用户波束赋形矩阵表示为：（8）

总之，智能天线刚开始在TD-LTE应用时，就已经与MIMO技术结合了。在LTE R8的TM7中，表面上只支持单流波束赋形，但eNode B可以采用"透明"方式将两个或多个UE调度在同一时频资源上，从而构成多用户MIMO传输，因其只定义了一个专用导频端口，所以eNode B只支持单流波束赋形。在LTE R9的TM8中定义了两个专用导频端口，eNode B可以通过下行控制信令指示两个Rank1传输的UE分别占用相互正交的一对专用导频端口，避免了UE间干扰对专用导频信道估计的影响，也保证了多用户MIMO有更好的传输质量。

4、智能天线的发展方向^[4]

随着TD-LTE系统的演进，智能天线将会向情景化、小型化、电调化、宽带化、集成化，以及快速、高效、简单、可DBF固件化的自适应算法等方向发展。

情景化：既要适应户外环境特点的美观型天线表面，