基于奇异值分解的TD-HSPA+系统赋形算法研究

EBB算法的性能差异。

1.2、基于SVD的下行赋形算法

传统SVD算法只适用于单径信道，而TD-HSPA+的信道是多径的，所以传统SVD算法并不能直接在TD-HSPA+系统中使用。文章提出一种对于多径信道使用SVD的算法，以改进TD-HSPA+波束赋形算法性能。

文献[8]中给出了步行环境A类信道(PA)和车载环境A 类信道(VA)每一径的功率以及每一径相对于第一径的延迟，如表1所示。

表1

表2

对于TD-HSPA+信道而言，当两 时，

这两条径将被系统识别为同一条径。因此，对于PA和VA信道而言，TD-HSPA+系统识别的某一径实际上是多条径的叠加，其叠加后的结果如表2所示。

由表2可知，对于PA信道而言，TD-HSPA+系统只能识别出1径，这1径实际上是PA信道所有4条主径的叠加，集中了所有4条主径的全部能量；对于VA信道，TD-HSPA+系统的第1径占所有能识别出的3条径总能量的93.1%，在能识别出的3条径中，第2径和第3径的所占能量很少，也就是说PA和VA信道第1径的功率最强。另外，由于基站端8根天线的空间间距很小，当每个径的离开角(AoD)在一个相对较小的区间内对8×1空时信道的径做SVD分解时，获得的预编码矩阵是基本相同的。为了使SVD分解的复杂度可控并同时保证可行性，该算法只对8×1空时信道的第1径矩阵做SVD分解。

根据TD系统信道互惠性，通过对前一时隙上行、用户天线1与基站8根天线组成的8×1信道矩阵的估计，得到下行基站与用户天线组成的8×1信道等效发送矩阵：

H1=[h 1, h 2, …, h 8]1×8

hi (i =1,2,…, 8)为基站第i 根发射天线与用户相应的接收天线之间主径的信道响应。

对矩阵[H1]进行SVD分解，若矩阵为满秩，[H1]=U1×1∑1×1V1×8

预编码矩阵W的确定为：W=V8×1

系统模型可以写为：

Y=HWX +n

H=?H1,1…H1,MT」E×MT (E+L-1)

其中：

i =1, j =1,2,…,MT ,是包含了多径信息的第i 根接收天线和第j 根发射天线间的信道矩阵。

设

接收端用户对信号进行线性-最小均分误差(L-MMSE)检测：

检测矩阵为：

G =(H' )H((H' )(H' )H+σ2I )-1MR (E+L-1)×MRE

对原始信号的估计如下：

X=G (H' X+n)=GH' X=Gn

每个流的信号与干扰加噪声比(SINR)可以计算如下：

预编码矩阵W的获得，需要对信道矩阵H进行SVD分解。为了控制SVD算法复杂度，本算法只对8×1空时信道的第1径矩阵做SVD分解，获得预编码矩阵W。

2、系统级仿真平台设计

文章评估了TD-HSPA+8×1MIMO系统使用基于SVD的波束赋形算法时的系统性能，并与使用传统EBB算法时的性能进行比较，重点对市区宏小区和市区微小区下采用64 QAM高阶调制时和不采用64 QAM高阶调制时的小区吞吐量以及系统的首传正确率进行仿真评估及分析。

仿真平台为系统级动态仿真平台，利用OPNETTM软件编写，仿真场景的假设主要是根据文献[8-9]中的相关场景进行设定。整个仿真区域由19 个小区组成，每个小区包含3个扇区，每个扇区随机分布10 个用户。系统级仿真与链路级仿真不同，它不仅考虑单个基站和用户间通信。由于系统级仿真需要包含多个小区、扇区、基站和用户，对于系统级仿真如果仍采取链路级仿真逐比特地对物理层的编码、调制和扩频等处理模块进行建模的方式，将变得复杂。因此，将系统级仿真平台分为系统级仿真和链路级仿真两部分，链路级仿真提供信噪比—误块率(SNR-BLER)曲线以供系统级仿真使用。系统级仿真参数如表3所示。

表3

3、8×1 MIMO天线仿真结果及分析

3.1、首传正确率

将SVD算法和EBB算法的TD-HSPA+ 8×1 MIMO系统进行系统级仿真并对比，在市区宏小区下，有64 QAM和无64 QAM时的首传正确率，如图1所示。

由图1可以看出，添加64 QAM的SVD算法和EBB算法的首传正确率要比无64 QAM时低。这是因为系统增加64 QAM高阶调制后，在信道估计计算SINR比较高时，用户会反馈高的调制方式。

但是当下一次该用户被调度时，有可能因为超过相关时间，信道发生了变化，导致高调制方式不再适合于该用户，从而使错误率增加，首传正确率降低。

另外，SVD算法的首传正确率要略低于对应配置下EBB算法的首传正确率。这可能是由于SVD算法需要考虑多径因素，其受信道相关性影响更大，当信道发生变化的时候，SVD算法分配的调制方式可能不再适合用户。

3.2、基站平均吞吐量

SVD算法与EBB算法的基站平均吞吐量对比如表4所示。由表4可以看出，SVD算法的基站平均吞吐量要远高于对应场景的EBB算法小区吞吐量，无论是在有64 QAM还是无64 QAM的场景这一结论都成立。其中市区宏小区场景的基