[发明专利]一种FDD Massive MIMO网络中基于D2D的CSI反馈方法

说明书

本发明公开了一种FDD Massive MIMO网络中基于D2D的CSI反馈方法，在每个D2D链路上得到最优位分区后进行CSI交换，然后在用户端进行预编码，并将经预编码处理后的信息反馈给基站BS端，可显著提高CSI反馈效率。

技术领域

本发明涉及无线通信技术领域，具体涉及一种FDD Massive MIMO网络中基于D2D的CSI反馈方法。

背景技术

Massive MIMO被广泛认为是未来无线通信系统实现技术中关键技术之一。基站端设置有多根天线，Massive MIMO系统在空间多路复用和干扰抑制方面有了更多的可能。但是在研究这两个方面都需要获知CSI。很多之前的研究多数关注TDD系统，信道互利可以被利用来获得由用户传输的下行CSI。但是，FDD系统在当前蜂窝网中仍然处于重要的地位。CSI反馈在FDD Massive MIMO网络中是一个具有挑战性的问题。

相关信道中的常规反馈方案依赖于预定义的码本量化和反馈信道矢量。然而，这些方法不可扩展到Massive MIMO，这是因为码本的大小与反馈比特的数量呈指数关系，反馈比特的数量应当随着发射天线的数量线性增加，以便实现完全复用增益。

发明内容

本发明的目的在于克服现有技术中传统的CSI反馈方法效率低的技术问题，提供了一种FDD Massive MIMO网络中基于D2D的CSI反馈方法，能够抑制CSI交换的延迟，从而相应提高CSI反馈效率。

为解决上述技术问题，本发明提供了一种FDD Massive MIMO网络中基于D2D的CSI反馈方法，其特征是，包括以下步骤：

步骤A，为CSI交换进行位分区，计算出最优的位分区；

步骤B，根据最优位分区进行CSI交换；

步骤C，CSI交换完成后，计算出预编码器发送给基站BS，完成CSI的反馈。

进一步的，步骤A中，最优的位分区就是使得虚拟SLNR最大化的位分区。

进一步的，虚拟SLNR的定义：给出了位分区{b_kj}，如果存在一个D2D量化器Q({b_kj})和一列预编码码本例如Γ_k是可获得的，则虚拟SLNR就是可获得的这个SLNRΓ_k的上确界。

进一步的，计算最优的位分区的具体过程包括：

虚拟SLNR最大化的位分区，此最优化问题表达式如下：

最优位分区问题就被重新表述为使得虚拟SLNR下界最大的最优化问题，将虚拟SLNR的下界带入之前的最优化问题中进行变形，其中

其中原最优化问题目标函数是使得上面(1)式最大，其实就是使得(2)式的第二项最小化，所以该最优化问题最终变形如下：

进一步的，步骤B中，根据最优位分区进行CSI交换的具体过程包括：

为了把信道h_k共享给用户j，用户k先计算出部分信道其中U_j是一个的矩阵，该矩阵包含用户j的协方差矩阵R_j的个特征向量；接着将计算出的部分信道用一个量化器Q_kj量化成最后再发送给用户j，用户j获得来自用户k的信道表示为

进一步的，用户间通过D2D进行交换CSI使用的量化器的计算过程为：