国内图书分类号：ＴＮ９２９．５ 密级：公开

国际图书分类号：

西南交通大学
研究生学位论文

二零一五年五月
一奄一直平丑月

万方数据
Ｃ３ａｓｓｉｆｉｅｄ Ｉｎｄｅｘ：盯ｑ９２９．５
Ｕ．Ｄ．Ｃ：
Ⅲ㈣ⅧⅢ㈣川㈣…洲洲ｌ
Ｙ２８１ ６５２２

Ｓｏｕｔｈｗｅｓｔ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ

Ｍａｓｔｅｒ Ｄｅｇｒｅｅ Ｔｈｅｓｉｓ

ＴＨＥ ＲＥＳＥＡＲＣＨ ＯＦ ＰＩ迮一ＣＯＤ玳Ｇ ＩＮ

ＨＩＧＨ—ＳＰＥＥＤ ＭＯＢＩＬＥ ＳＣＥＮＡＲＩＯ ＦＯＲ １月Ｅ

ＤＯＷＮＬ胍

Ｇｒａｄｅ：２０１２

Ｃａｎｄｉｄａｔｅ：Ｔａｎｇ Ｓｕ

Ａｃａｄｅｍｉｃ Ｄｅｇｒｅｅ Ａｐｐｌｉｅｄ ｆｏｒ：Ｍａｓｔｅｒ

Ｓｐｅｃｉａｌｉｔｙ：Ｓｉｇｎａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ

Ｓｕｐｅｒｖｉｓｏｒ：Ｘｉａｏｎｉｎ ｇ Ｗａｎｇ

Ｍａｙ．２０１ ５

万方数据
 西南交通大学

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并

向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授

权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用

影印、缩印或扫描等复印手段保存和汇编本学位论文。

本学位论文属于

１．保密口，在 年解密后适用本授权书；

２．不保密囤，使用本授权书。
（请在以上方框内打“√”）

学位论文作者签名：勇％ 指制嗽：阳畸
日期： Ｚｏ心・口占・２Ｚ 日期：工Ｄ ＩＳ＂，ｏｒ．Ｚ２，

万方数据
 西南交通大学硕士学位论文主要工作（贡献）声明

本人在学位论文中所做的主要工作或贡献如下：

１．研究适用于ＬＴＥ协议规定的基于码本的闭环预编码方案，并针对高速移动场

景，对其中四种方案，即（１）采用ＳＩＮＲ准则选择ＰＭＩ（Ｐｒｅ．ｃｏｄｉｎｇ Ｍａｔｒｉｘ
Ｉｎｄｅｘ）并利用ＭＬ准则检测信号：（２）采用ＳＩＮＲ准则选择ＰＭＩ并利用ＭＭＳＥ
准则检测信号；（３）采用ＭＭＳＥ准则选择ＰＭＩ并利用ＭＬ准则检测信号；

（４）采用ＭＭＳＥ准则选择ＰＭＩ并利用ＭＭＳＥ准则检测信号的方案进行相应
的仿真分析，比较得出其中性能相对优异的方案。进而分析研究基于信道状态
信息分解的非码本闭环预编码方案，同样在高速移动场景下对其中的基于平均

功率分配ＳＶＤ、基于功率注水ＳＶＤ、基于ＧＭＤ与基于ＵＣＤ的方案进行相应

的仿真分析。通过将上述两类码本与非码本的预编码方案进行进一步的分析与
比较，找出符合ＬＴＥ协议规定且较为适用于高速移动场景的方案。
２．采用信道的统计信息对具有相对优势的方案进行进一步改进。给出减小传输层
数的基于统计ＣＳＩ（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ）、减小反馈粒度的基于估计

ＣＳＩ、基于大延迟ＣＤＤ以及以ＰＥＰ为优化准则的预编码方案尝试解决改进方

案在３５０ｋｍ／ｈ移动速度下误比特率未低于１０之的缺点。通过对给出的四种方案
进行仿真验证，做出详细的分析。最后，在综合考虑传输的准确性与有效性、
预编码矩阵获取的计算复杂度、反馈开销及ＬＴＥ协议本身规定后，给出一种适

用于高速移动场景下的基于码本的闭环预编码方案。

本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成
果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰

写过的研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。

本人完全了解违反上述声明所引起的一切法律责任将由本人承担。

学位论文作者签名：

日期： ∥心・口５・ＺＺ

万方数据
 西南交通大学硕士研究生论文 第１页

摘 要

ＭＩＭＯ预编码技术通过充分利用多天线的增益来提供空间复用与分集，可以获取
比传统ＳＩＳＯ技术更高的峰值速率、更好的传输可靠性与更加高效的频谱效率，己成
为ＬＴＥ协议中的关键技术。随着高速铁路快速发展，在高速移动场景下对通信技术提
出了新要求。未来，ＬＴＥ．Ｒ（ＬＴＥ ｆｏｒ Ｒａｉｌｗａｙ）将取代ＧＳＭ．Ｒ成为高铁的通信方案之
一。因此，在高速移动场景下研究预编码技术已变得非常必要。但随着移动速度迅速
增加，多普勒频移随之迅速增大。当移动速度增加到３５０ｋｍ／ｈ时，此时的最大多普勒

频移增大到８５０Ｈｚ，其对应相干时间大约为０．４９８ｍｓ，小于一个子帧的传输周期。此
时传输信号经历快衰落过程，在一个符号传输周期内ＣＳＩ（Ｃｈａｎｎｅｌ Ｓｔａｔｅ

Ｉｎｆｏｒｍａｔｉｏｎ）变化迅速。信道快时变性导致经历反馈时延后得到的ＣＳＩ己不再能较为
准确地刻画此时的真实信道情况。

本文基于ＬＴＥ协议针对高速移动这一特殊场景对不同预编码方案进行分析，并给
出利用统计ＣＳＩ的基于码本的预编码方案。首先，分析研究基于码本及非码本的闭环

预编码方案，在搭建的链路级仿真平台上进行仿真验证，并做出了详细的分析及比

较。其次，针对性能相对较优的基于码本的预编码方案，利用信道的统计信息对其进

行改进，给出了基于统计ＣＳＩ的预编码方案。给出的预编码方案在综合性能上虽然有
所提升，但系统的误比特率未降到１０。２以下。再次，对预编码矩阵索引选取的计算复

杂度及链路的反馈开销进行了详细的分析与比较。结果表明基于统计ＣＳＩ的预编码方
案优势较为明显。最后，针对给出方案误比特率较高的缺点，尝试使用了四种完全不

同的应对方案，即：对给出的预编码方案进行降秩处理、减小码本索引反馈的粒度、

使用基于大延迟ＣＤＤ的开环预编码方案和利用信道统计信息并以ＰＥＰ为优化准则的
非码本闭环预编码方案。并对四种方案进行相应的仿真验证。在综合考量系统误比特
率性能、信道容量及ＬＴＥ协议本身规定后，给出适用于高速移动场景下的预编码方

案一一基于统计信道状态信息的码本预编码方案。

关键词：高速移动；预编码；统计信道状态信息；ＬＴＥ下行链路

万方数据
 西南交通大学硕士研究生论文 第１Ｉ页

Ａｂｓｔｒａｃｔ

ＭＩＭＯ ｐｒｅ－ｃｏｄｉｎｇ ｃａｎ ｇａｉｎ ｈｉｇｈｅｒ ｐｅａｋ ｒａｔｅ，ｂｅＲｅｒ ｔｒａｎｓｍｉｓｓｉｏｎ ｒｅｌｉａｂｉｌｉｔｙ ａｎｄ ｍｏｒｅ

ｅｆｆｅｃｔｉｖｅ ｓｐｅｃｔｒｕｍ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｂｙ ｔａｋｉｎｇ ａｄｖａｎｔａｇｅ ｏｆ ｍｕｌｔｉ－ａｎｔｅｎｎａ ｔｏ ｐｒｏｖｉｄｅ ｓｐａｔｉａｌ

ｍｕｌｔｉｐｌｅｘｉｎｇ ａｎｄ ｓｐａｃｅ ｄｉｖｅｒｓｉｔｙ．Ｓｏ ｉｔ ｈａｓ ｂｅｃｏｍｉｎｇ ａ ｋｅｙ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ＬＴＥ ｐｒｏｔｏｃ０１．Ｗｉｔｈ

ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｈｉｇｈ—ｓｐｅｅｄ ｒａｉｌ，ｉｔ ｐｒｏｐｏｓｅｓ ｎｅｗ ｒｅｑｕｉｒｅ ｔｏ ｗｉｒｅｌｅｓｓ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｉｎ

ｈｉｇｈ—ｓｐｅｅｄ ｍｏｂｉｌｅ ｓｃｅｎａｒｉｏ．Ｉｎ ｔｈｅ ｆｕｔｕｒｅ．ＬＴＥ－Ｒ ｗｉｌｌ ｔａｋｅ ｔｈｅ ｐｌａｃｅ ｏｆ ＧＭＳ－Ｒ ｔｏ ｏｎｅ ｏｆ

ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｃｈｅｍｅｓ ｉｎ ｈｉｇｈ－ｓｐｅｅｄ ｒａｉｌ．Ｉｎ ｔｈｉｓ ｓｃｅｎａｒｉｏ，Ｄｏｐｐｌｅｒ ｓｈｉｆｔ ｉｎｃｒｅａｓｅｓ ｒａｐｉｄｌｙ，

ｗｈｅｎ ｉｔ ａｄｄｓ ｕｐ ｔｏ ８５０Ｈｚ，ｃｏｈｅｒｅｎｃｅ ｔｉｍｅ ｉｓ ａｂｏｕｔ ０．４９８ｍｓ ｌｅｓｓ ｔｈａｎ ｔｈｅ ｔｉｍｅ ｏｆ ａ ｓｕｂｆｒａｍｅ

ｔｒａｎｓｍｉｓｓｉｏｎ ｃｙｃｌｅ，ｔｈｅ ｃｈａｎｎｅｌ ｓｔａｔｅ ｉｎｆｏｒｍａｔｉｏｎ ｃｈａｎｇｅｓ ｒａｐｉｄｌｙ ａｔ ｔｈｅ ｍｏｍｅｎｔ．Ｓｉｎｃｅ ｔｈｅ

ｆａｓｔ ｔｉｍｅ－ｖａｒｙｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｃｈａｎｎｅｌ，ｔｈｅ ｃｈａｎｎｅｌ ｓｔａｔｅ ｉｎｆｏｒｍａｔｉｏｎ ｗｈｉｃｈ ｅｘｐｅｒｉｅｎｃｅｓ

ｆｅｅｄｂａｃｋ ｄｅｌａｙ ｃａｎｎｏｔ ｄｅｓｃｒｉｂｅ ｔｈｅ ｃｕｒｒｅｎｔ ｃｈａｎｎｅｌ ｓｉｔｕａｔｉｏｎ ａｃｃｕｒａｔｅｌｙ．

Ｓｏｍｅ ｄｉｆｆｅｒｅｎｔ ｐｒｅ－ｃｏｄｉｎｇ ｓｃｈｅｍｅｓ ｈａｖｅ ｂｅｅｎ ａｎａｌｙｚｅｄ ｉｎ ｈｉｇｈ－ｓｐｅｅｄ ｍｏｂｉｌｅ ｓｃｅｎａｒｉｏ

ｆｏｒ ＬＴＥ ｐｒｏｔｏｃ０１．Ａｎｄ ｕｓｉｎｇ ｓｔａｔｉｓｔｉｃａｌ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｃｈａｎｎｅｌ ｔｏ ｅｘｅｃｕｔｅ ｐｒｅ－ｃｏｄｉｎｇ ｂａｓｅｄ

ｏｎ ｃｏｄｅｂｏｏｋ Ｗａｓ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｔｈｅｓｉｓ．Ｆｉｒｓｔ ｏｆ ａｌｌ，ｃｌｏｓｅｄ－ｌｏｏｐ ｐｒｅ－ｃｏｄｉｎｇ ｂａｓｅｄ ｏｎ

ｃｏｄｅｂｏｏｋ ａｎｄ ｎｏｎ．ｃｏｄｅｂｏｏｋ ｉｓ ａｎａｌｙｚｅｄ ｂｙ ｅｘｅｃｕｔｉｎｇ ｓｏｍｅ ｓｉｍｕｌａｔｉｏｎ ａｎｄ ｃｏｍｐａｒｉｓｏｎ ｉｎ

ｌｉｎｋ ｌｅｖｅｌ ｓｉｍｕｌａｔｉｏｎ ｐｌａｔｆｏｒｍ．Ｓｅｃｏｎｄｌｙ，ａ ｐｒｅ－ｃｏｄｉｎｇ ｓｃｈｅｍｅ ｂａｓｅｄ ｏｎ ｃｏｄｅｂｏｏｋ Ｗａｓ

ｐｒｏｐｏｓｅｄ ｗｈｉｃｈ ｉｓ ｕｓｉｎｇ ｓｔａｔｉｓｔｉｃａｌ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｃｈａｎｎｅｌ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｉｎａｃｃｕｒａｃｙ ｏｆ

ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｉｏｎ，ｅｎｈａｎｃｅ ＢＥＲ ｐｅｒｆｏｒｍａｎｃｅ ａｎｄ ｄｅｃｒｅａｓｅ ｃｏｍｐｕｔａｔｉｏｎ ｃｏｍｐｌｅｘｉｔｙ．

Ａｌｔｈｏｕｇｈ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｙｓｔｅｍ ｉｓ ｅｎｈａｎｃｅｄ，ｂｕｔ ＢＥＲ Ｃａｎ’ｔ ｓｔｉｌｌ ｄｒｏｐ ｂｅｌｏｗ １ ０～．Ｏｎｃｅ

ｍｏｒｅ，ｃｏｍｐｕｔａｔｉｏｎａｌ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ｓｅｌｅｃｔｉｎｇ ｐｒｅ—ｃｏｄｉｎｇ ｍａｔｒｉｘ ｉｎｄｅｘ ａｎｄ ｆｅｅｄｂａｃｋ ｏｖｅｒｈｅａｄ

ｉｓ ａｎａｌｙｚｅｄ ｗｈｉｃｈ ｉＳ ａｉｍｉｎｇ ａｔ ｇｉｖｅｎ ｓｃｈｅｍｅ ａｎｄ ｃｏｎｖｅｎｔｉｏｎａｌ ｓｃｈｅｍｅ．Ｔｈｅ ｒｅｓｕｌｔ ｈａｓ ｂｅｅｎ

ｓｈｏｗｎ ｔｈａｔ ｐｒｅ—ｃｏｄｉｎｇ ｓｃｈｅｍｅ ｂａｓｅｄ ｏｎ ｓｔａｔｉｓｔｉｃａｌ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｃｈａｎｎｅｌ ｈａｓ ａ ｄｉｓｔｉｎｃｔ

ａｄｖａｎｔａｇｅ．Ｉｎ ｔｈｅ ｅｎｄ，ｆｏｕｒ ｄｉｆｆｅｒｅｎｔ ｓｃｈｅｍｅｓ ｗｅｒｅ ｃａｍｅ ｕｐ ｗｉｔｈ ｔｏ ｔｈｅ ｉｓｓｕｅ ｏｆ ｈｉｇｈ ＢＥＲ．

ａｒｅ ｃｏｄｅｂｏｏｋ ｓｃｈｅｍｅ ｗｈｉｃｈ ｉｓ ｅｘｅｃｕｔｉｎｇ ｒｅｄｕｃｅｄ‘ｒａｎｋ ｐｒｏｃｅｓｓｉｎｇ，

Ｔｈｅｙ ｐｒｅ—ｃｏｄｉｎｇ

ｃｏｄｅｂｏｏｋ ｐｒｅ．ｃｏｄｉｎｇ ｓｃｈｅｍｅ ｗｈｉｃｈ ｉｓ ｄｅｃｒｅａｓｉｎｇ ｆｅｅｄｂａｃｋ ｇｒａｎｕｌａｒｉｔｙ ｏｆ ｃｏｄｅｂｏｏｋ ｉｎｄｅｘ，

ｏｐｅｎ。ｌｏｏｐ ｐｒｅ—ｃｏｄｉｎｇ ｓｃｈｅｍｅ ｂａｓｅｄ ｏｎ ｌａｒｇｅ ｄｅｌａｙ ＣＤＤ ａｎｄ ｃｌｏｓｅｄ－ｌｏｏｐ ｐｒｅ‘ｃｏｄｉｎｇ ｓｃｈｅｍｅ

ｗｈｉｃｈ ｉｓ ａｔ ｔｈｅ ｃｏｓｔ ｏｆ ｐａｉｒ－ｗｉｓｅ ｅｒｒｏｒ ｐｒｏｂａｂｉｌｉｔｙ ｂａｓｅｄ ｏｎ ｎｏｎ－ｃｏｄｅｂｏｏｋ．Ｔｈｅｎ，ｔｈｅ ｇｉｖｅｎ

ｒｅｄｕｃｅｄ．．ｒａｎｋ ｐｒｅ．．ｃｏｄｉｎｇ ｓｃｈｅｍｅ Ｗａｓ ｓｏｕｇｈｔ ｏｕｔ ｗｈｉｃｈ ｈａｓ ｔｈｅ ｍｏｓｔ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ＢＥＲ

ａｎｄ ｃｈａｎｎｅｌ ｃａｐａｃｉｔｙ ａｎｄ ｗａｓ ａｌｓｏ ｓｕｐｐｏｒｔｅｄ ｂｙ ＬＴＥ ｐｒｏｔｏｃｏｌ ｔｏ ｂｅ ａ ｐｒｅ－ｃｏｄｉｎｇ ｓｃｈｅｍｅ ｉｎ

１１ｉｇｈ－ｓｐｅｅｄ ｍｏｂｉｌｅ ｓｃｅｎａｒｉｏ ｂｙ ｓｉｍｕｌａｔｉｎｇ ａｎｄ ａｎａｌｙｚｉｎｇ ｔｈｅｓｅ ｓｃｈｅｍｅｓ．

Ｋｅｙ ｗｏｒｄ：Ｈｉｇｈ－．ｓｐｅｅｄ ｍｏｂｉｌｅ；Ｐｒｅ・・ｃｏｄｉｎｇ；ｓｔａｔｉｓｔｉｃａｌ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｃｈａｎｎｅｌ；

ＬＴＥ ｄｏｗｎｌｉｎｋ

万方数据
 西南交通大学硕士研究生论文 第ⅡＩ页

目录
摘要…………………………………………………………………………………………Ｉ

Ａｂｓｔｒａｃｔ…………………………………………………………………．………………………………………………．ＩＩ

第１章绪论…………………………………………………………………………………．１

１．１研究背景及研究意义………………………………………………………………．．１

１．２国内外研究现状……………………………………………………………………．．１
１．３论文主要内容及章节安排…………………………………………………………．．４
第２章ＬＴＥ下行链路及动态信道状态信息模型…………………………………………一６
２．１ ＬＴＥ下行链路………………………………………………………………………一６
２．１．１ ＬＴＥ下行链路处理流程及细节………………………………………………６

２．１．２链路级仿真平台简介………………………………………………………．１０

２．１．３高速移动信道模型特征……………………………………………………．．１ １
２．２动态信道状态信息模型……………………………………………………………１ ３

２．３本章小结……………………………………………………………………………１６

第３章线性预编码…………………………………………………………………………１７
３．１基于码本的线性预编码……………………………………………………………１７
３．１．１码本线性预编码……………………………………………………………．．１７

３．１．２基于码本的线性预编码方案仿真及分析…………………………………．２１
３．２基于非码本的线性预编码…………………………………………………………２３
３．２．１非码本线性预编码…………………………………………………………．２３

３．２．２基于非码本的线性预编码方案仿真及分析………………………………．２６
３．３基于码本与基于非码本的预编码方案性能分析比较……………………………２７

３．４本章小结……………………………………………………………………………２９
第４章基于统计信道状态信息的码本预编码方案………………………………………３０
４．１基于统计信道状态信息的码本选择算法…………………………………………３０
４．２基于统计信道状态信息的预编码方案仿真及分析………………………………３１

４．３算法复杂度及反馈开销分析………………………………………………………３４
４．４针对误比特率性能较差的应对方案………………………………………………３６

４．４．１以ＰＥＰ为优化准则的预编码算法…………………………………………３６
４．４．２应对方案仿真结果分析……………………………………………………．３８

４．５本章小结……………………………………………………………………………４５

总结与展望…………………………………………………………………………………．４６
致谢……………………………………………………………………………………………４８

万方数据
 西南交通大学硕士研究生论文 第１Ｖ页

参考支献……………………………………………………………………………………．４９
攻读硕士学位期间发表的论文……………………………………………………………．５３

万方数据
 西南交通大学硕士研究生论文 第１页

第１章绪论

１．１研究背景及研究意义

随着通信技术不断发展，人们对于无线通信的需求已不再仅仅局限于中／低速率下

的网页浏览与在线视频服务，而要求更加高质量的宽带多媒体服务。不仅对信息传输
的准确性提出了更高的要求，而且对于传输的速率也提出了新的挑战。基于上述背
景，ＬＴＥ／ＬＴＥ．Ａ项目作为３Ｇ的演进应运而生，它改进了３Ｇ协议中的空口接入，采

用全新扁平式系统架构，能够带来速率更高、处理流程更简单的移动宽带体验。

ＯＦＤＭ（Ｏｒｔｈｏｇｏｎａｌ Ｆｒｅｑｕｅｎｃｙ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅｘｉｎｇ）技术与ＭＩＭＯ（Ｍｕｌｔｉｐｌｅ

Ｉｎｐｕｔ Ｍｕｌｔｉｐｌｅ Ｏｕｔｐｕｔ）技术作为ＬＴＥ／ＬＴＥ．Ａ协议中为达到更快的传输速率与更高的传
输准确性而采用的最主要的两项关键技术【蛔。其中，ＭＩＭＯ技术通过充分利用多天线

增益来提供空间分集与复用，可以获得比传统ＳＩＳＯ（ｓｉｎｇｌｅ ｉｎｐｕｔ ｓｉｎｇｌｅ ｏｕｔｐｕｔ）技术

更高的峰值速率、更好的传输可靠性与更加高效的频谱效率。但ＭＩＭＯ技术存在着
自身的缺陷，如不可避免地存在多数据流、子载波间或多用户间的干扰，导致接收端

需要采用复杂的检测技术来恢复出发送信息。由于移动台尺寸与功耗的限制，检测技

术的高成本与高复杂度导致实际应用的局限性。基于简化接收端检测技术的目的，于
是在发送端提出了预编码技术。

在ＬＴＥ／ＬＴＥ．Ａ协议中码本预编码方法已经形成了一套比较完善的解决方案：发送
端发送导频信号到接收端，接收端采用信道估计技术，利用获取的导频信号对发送信

道状态信息进行估计，并采用码本索引选择算法在给定的码本集中选取合适的码本索
引。然后将索引通过反向信道反馈回发射端，发射端使用接收到的ＰＭＩ（ｐｒｅｃｏｄｉｎｇ
ｍａｔｒｉｘ ｉｎｄｅｘ）进行预编码处理。由于协议明确规定了用于预编码操作的码本；所以在

ＬＴＥ中基于码本的预编码研究主要集中在ＰＭＩ选择算法与ＭＩＭＯ检测算法上。因
此，研究一套适用于ＬＴＥ／ＬＴＥ．Ａ协议并具有较好的信息传输质量与较高的信息传输速

率的预编码方案就很有必要，这也是本论文的研究动机之一。

众所周知，随着高铁的快速发展，在高速移动场景下对无线通信技术提出了新要
求。未来，ＬＴＥ．Ｒ技术将取代ＧＳＭ．Ｒ成为高铁的通信方案之一。本论文的另一个研
究内容集中在，对现有预编码方案进行比较、分析，筛选出比较适合于高速移动场景

的方案；并进行一定改进，最终得出一套适用于高速移动场景的性能相对较为优异的
预编码方案。

１．２国内外研究现状

使用更多的天线来达到提高传输性能的目的最早在马可尼时代即开始出现。其在

万方数据
 西南交通大学硕士研究生论文 第２页

１９０１年利用天线塔构成阵列的方法，成功实验了Ｍｏｒｓｅ码跨越大西洋传输。早在２０
世纪７０年代，ＭＩＭＯ这一概念就已经被提出，但对无线通信中ＭＩＭＯ技术产生巨大
推动作用的是在２０世纪９０年代ＡＴ＆Ｔ的Ｂｅｌｌ实验室的学者们。１９９５年，Ｅ．Ｔｅｌａｔａｒ

等人在基于特定条件假设下［¨，从理论上证明了在发射端与接收端分别配置Ｎ、Ｍ根天

线的ＭＩＭＯ通信系统，其信道容量随着ｍｉｎ（Ｎ，Ｍ）线性增加。提出了一种充分利用无
线信道具有空、时、频三维特点提高系统容量的方法。１９９６年，Ｇ．Ｊ．Ｆｏｓｃｈｉｎｉ等提出

Ｄ．ＢＬＡＳＴ算法来进行ＭＩＭＯ处理［２１。１９９８年，Ｗｏｌｉｎａｎｓｋｙ等人采用Ｖ－ＢＬＡＳＴ算法
建立了一个ＭＩＭＯ实验系统。后来，在前者的基础上又提出两种能够更加充分利用

信道容量的方法：ＳＴＴＣ（Ｓｐａｃｅ．ｔｉｍｅ Ｔｒｅｌｌｉｓ Ｃｏｄｅ）和ＳＴＢＣ（Ｓｐａｃｅ．ｔｉｍｅ Ｂｌｏｃｋ Ｃｏｄｅ）。

ＭＩＭＯ技术可以按照不同的方式对空间自由度进行利用［４８】，将多天线增益转化为空间
复用或传输分集的形式。前者利用多天线发送不同的信号，提高链路传输效率，增加

系统容量。后者在多天线上发送相同的信号或同一信号的不同编码副本，提高传输的
可靠性，降低系统误码率。当前，在４Ｇ标准ＬＴＥ．Ａｄｖａｎｃｅｄ中多天线数目可以做到

下行８发送８接收、上行４发送８接收。但考虑到基站和终端的可利用空间有限、工
艺复杂度、终端制作成本等因素后，在目前来看再增加天线数目已经不太现实，达到

了极限配置。

ＭＩＭＯ预编码技术作为预编码技术中一个极其重要的分支，也得到了国内外众多
科研学者的广泛研究［３１１４１１５］。在ＬＴＥ／ＬＴＥ．Ａ中，主要通过预编码技术将空间自由度转

化为复用增益或分集增益，进而提升ＭＩＭＯ系统的容量或传输信号的可靠性。

由于基于非码本的预编码直接对ＣＳＩＴ（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｒａｎｓｍｉｔｔｅｒ）进行

分解，得出此时最合适的预编码矩阵。因此，对条件做出一系列假设后就可以很方便

地进行公式化分析。因为其分析的直观性与求解的闭合性，所以成为了首先出现的预

编码技术。而基于ＳＶＤ（Ｓｉｎｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）的预编码方法由于其操作的

直观性与物理含义的明白性［６１１７］，又成为了基于非码本的预编码中最先出现的方法之

一。由于研究的进一步深入，学者们发现利用ＧＭＤ（Ｇｅｏｍｅｔｒｙ Ｍｅａｎ

Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）方法对信道状态信息进行分解［８】，可以获得相比ＳＶＤ方法更高的增
益。但是，由于ＧＭＤ方法自身的迫零性，导致信道容量的损失，为克服这种不利之
处，又提出了能够获得更高增益的ＵＣＤ（Ｕｎｉｆｏｒｍ Ｃｈａｎｎｅｌ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）方法对信
道状态信息进行分解［９】。
ＭＭＳＥ（Ｍｉｎｉｍｕｍ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ）准则由于其成熟的理论分析与广泛的适用

性，也成为较早应用到预编码分析中的方法，从而衍生了利用ＭＭＳＥ准则计算预编

码矩阵的线性预编码技术［１０】［１１】＿
由于基于非码本的预编码技术通过反向信道反馈获取到的ＣＳＩＴ的开销太大，严

重影响了通信系统的链路传输效率。因此，出现了基于码本的预编码技术。基于码本

万方数据
 西南交通大学硕士研究生论文 第３页

的预编码技术通过反馈ＰＭＩ大大减少了反馈量【１２】－【１５】．且还具有操作流程固定、执行
简单等优点，因此迅速成为一种广泛应用的预编码技术。

随着研究进一步深入，学者们发现采用非线性预编码技术后能够获得优于线性预

编码技术的性能。于是，导致了非线性预编码技术飞速发展。其中ＤＰ（Ｄｉｒｔｙ Ｐｒｅ．

ｃｏｄｉｎｇ）编码是一种具有代表性的非线性预编码技术【１６】【１７］。而针对ＤＰ计算复杂度太
高的问题，又出现了ＴＨＰ（Ｔｏｍｌｉｎｓｏｎ．Ｈａｒａｓｈｉｍａ Ｐｒｅ．ｃｏｄｉｎｇ）［１８】。

综上所述，预编码技术根据采用的预编码器的不同结构可以分为线性与非线性的
［４１１。其中线性预编码又分为基于码本的预编码与基于非码本的预编码。基于码本的预

编码方案在发送端与接收端共用已确定好的预编码矩阵集合（称为码本），然后在接
收端根据发送信道状态信息在码本集合中根据特定的选择算法选取最优的预编码矩

阵，再将其ＰＭＩ通过反向链路反馈回发送端。码本设计的合适与否和码本索引选择算

法的优劣直接关系到系统的整体性能。而基于非码本的预编码技术在发送端通过对
ＣＳＩＴ进行分解处理，得到此时的最优预编码矩阵。获取ＣＳＩＴ对非码本预编码方案至

关重要，直接决定此时系统整体性能的好坏。ＣＳＩＴ的获取方式一般分为两种：基于

信道互异性与基于信道反馈。基于信道互异性的获取方式主要应用在ＴＤＤ．ＬＴＥ系统
中【４９］，由于此时发送信道与接收信道在频率上完全相同，主要通过时隙的不同来区分

此时的信道。在一个时隙时间内信道状态基本保持不变的情况下，可以将ＣＳＩＲ
（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｃｅｉｖｅｒ）进行转置，从而得到此时的ＣＳＩＴ。基于信道反

馈的获取方式主要应用在ＦＤＤ．ＬＴＥ系统中，由于此时发送链路与接收链路分别处于

不同的频段，因此发送端与接收端的信道完全不同，故只能采用反向信道反馈的方式

获得此时的ＣＳＩＴ。
非线性预编码技术因为可以更加充分地利用信道［４２１［４３】，以期达到更高的信道容
量，所以成为了当下的研究热点。但由于算法本身复杂度太高，导致其不适用于实际

通信系统中。

从国内外研究分析可见，从预编码这一概念的提出，到经过多年的发展演变后，
单用户在一般信道条件下的ＭＩＭＯ预编码技术已经进行了足够多的研究，各方面也
逐渐趋于完善。因此，现今对于ＭＩＭＯ预编码技术的研究主要集中在多用户的
ＭＩＭＯ预编码、中继ＭＩＭＯ预编码等方面［３９１１４０１１５２１１５３１，在这些场景下不仅需要解决好

信道间的相互干扰，还需要同时解决好多用户间的干扰，并处理好各方面的协调问

题。

虽然常规信道模型下的单用户ＭＩＭＯ预编码技术已经进行了各种各样的研究，
但针对一些特殊场景还未进行充分而彻底的研究，比如在高速移动场景下。众所周

知，高铁作为一种先进的运输技术，正发挥着越来越重要的作用。因此，对高速信道
模型下预编码技术的研究就变得很有必要。ＬＴＥ／ＬＴＥ—Ａ协议规定了５种信道模型【１９】－

万方数据
 西南交通大学硕士研究生论文 第４页

［２２１，分别为ＥＰＡ、ＥＶＡｌ、ＥＶＡ２、ＥＴＵｌ、ＥＴＵ２，其对应的最大多普勒频移分别为
５Ｈｚ、５Ｈｚ、７０Ｈｚ、７０Ｈｚ、３００Ｈｚ，移动速度加快，多普勒频移随之增大。在

ＬＴＥ／ＬＴＥ．Ａ协议中现有的多普勒频移最大的ＥＴＵ２模型下，相干时间大约是１．４１ｍｓ，

大于一个子帧的传输周期，、可近似看做传输的信号经历慢衰落。但此时的移动速度仅
仅达到１２０ｋｍ／ｈ，距离高速移动的要求还有一大段差距。当移动速度增加到３５０ｋｍ／ｈ

时，最大多普勒频移变为８５０Ｈｚ，其对应的相干时间大约为０．４９８ｍｓ，小于一个子帧
的传输周期，当前传输的信号经历快衰落。此时，不能像在传统场景中那样，认为在

一个符号传输周期内，信道状态信息几乎保持不变或缓慢变化。在高速移动场景下，

信道状态信息在一个子帧传输周期内，不再是缓慢变化，而是明显变化。随着信道状
态信息的快速变化，会带来一系列问题，如对信道状态信息的有效利用变得困难、

ＩＣＩ（子载波间干扰）变得不可忽略【２３】。为了应对上述不能获得完整的ＣＳＩ的问题，
近年来开始了动态信道状态信息模型的研究，Ｍａｉ Ｖｕ和Ｐａｕｌｒａｊ针对时间选择性衰落

信道利用ＣＳＩ估计值、信道的估计质量及发射端天线相关矩阵建立了动态发射端信道

状态信息模型１２４１１２５１。基于此出发点，形成了本论文对于ＭＩＭＯ预编码技术的研究思
路，即基于高速移动场景下对现有预编码技术进行一系列分析，并利用信道的统计信
息对已有的预编码方案进行一定的改进，最终得出一套适用于高速移动场景且性能较
为优异的ＭＩＭＯ预编码方案。

１．３论文主要内容及章节安排

本文基于高速移动这一特殊场景对预编码技术进行相关研究。在分析线性的基于
码本与非码本的预编码算法的基础上，找出较为适合于高速移动场景的预编码方案。

由于高速移动情形下信道估计的准确性大打折扣，并且信道状态信息变化很快，不利

于正常预编码；基于此，给出了利用统计ＣＳＩ进行基于码本的预编码操作。论文的各
章节安排如下：

第一章：主要介绍论文研究意义，分析国内外研究现状。基于研究意义及研究现

状找到了论文研究的出发点，然后给出论文整体的章节安排。
第二章：首先基于ＬＴＥ协议具体分析ＬＴＥ下行链路信号的处理流程及处理细

节。然后，结合ＬＴＥ协议规定简要介绍了链路级下行仿真平台的总体构造。并给出了
高速信道模型的参数设置。最后，针对高速移动场景下信道的快时变性及信道状态信

息估计的不准确性特点，给出动态信道状态信息模型。
第三章：首先简要分析链路级仿真平台中所采用的几种基于码本的线性预编码方

法，并进行相应的仿真分析。接着对几种基于非码本的对信道状态信息进行分解得出

预编码矩阵的预编码方法进行相应的仿真分析。最后结合ＬＴＥ协议规定，找出在高速
移动场景下具有较好性能的预编码方案。

万方数据
 西南交通大学硕士研究生论文 第５页

第四章：首先结合ＬＴＥ协议本身的限制，给出基于统计ＣＳＩ的码本选择算法，并
进行相应的仿真分析。然后对该预编码方案进行算法复杂度及反馈开销分析。最后针

对系统误比特率没有低于１０’２给出四种应对方案：减小传输层数的基于统计ＣＳＩ的预

编码方案、减小反馈粒度的基于估计ＣＳＩ的预编码方案、基于大延迟ＣＤＤ的开环预
编码方案以及以ＰＥＰ为优化准则的基于非码本的预编码方案。通过对四种方案进行比

较及分析，给出了适用于高速移动场景下的预编码方案。并同时考虑噪声与信道间干
扰的直接影响对给出方案的信道容量进行仿真分析。

总结与展望：总结论文中所做工作，并进行下一步的研究展望。

万方数据
 西南交通大学硕士研究生论文 第６页

第２章ＬＴＥ下行链路及动态信道状态信息模型

２．１ ＬＴＥ下行链路

ＬＴＥ／ＬＴＥ．Ａ作为４Ｇ主流协议，广泛运用在世界各地的通信系统中。本文中预编

码方案的仿真试验均是基于ＬＴＥ协议规定的下行链路信号处理流程进行的。以下结合

ＬＴＥ协议，分析下行链路信号处理流程及细节，并简要介绍链路级仿真平台的实现。

２．１．１ ＬＴＥ下行链路处理流程及细节

ＬＴＥ下行链路处理流程如图２．１所示［２１１１２２］：

图２一ｌ Ｆ行链路处理流程

现以单码字在ＰＤＳＣＨ（Ｐｈｙｓｉｃａｌ Ｄｏｗｎｌｉｎｋ Ｓｈａｒｅｄ Ｃｈａｎｎｅｌ）中传输的情况为例，

结合图２．１详细分析ＬＴＥ协议中物理信道在发射端的处理细节。

码字
产生符合ＬＴＥ协议规定的数据源６（ｆ）。

加扰
对产生的数据源按照规定的算法进行加扰，为了加强传输数据的保密性，增强信

息安全。加扰操作以一个子帧的数据长度为单位执行，码字模块产生的符合协议规定
的数据与扰码序列相加后做模２运算得到加扰后的数据：
（２－１）
６（ｆ）＝（６（ｆ）＋ｃ（ｉ））ｍｏｄ２
其中，６（ｆ）为码字模块产生的符合标准的数据源，ｃ（ｆ）为加扰使用的扰码序列，６（ｆ）为
经过加扰后的数据；江１，２，３…Ｍ，Ｍ为一个子帧的数据长度。

调制

万方数据
 西南交通大学硕士研究生论文 第７页

对加扰后的数据进行调制处理，得到调制后的数据，可选用的调制方式为：
ＢＰＳＫ、ＱＰＳＫ、１６ＱＡＭ及６４ＱＡＭ四种：
ｄ（ｉ１＝ｍｏｄｕｌａｔｉｏｎ（ｂ（／）） （２．２）

其中，ｄ（ｉ）为调制后的数据符号，江ｌ，２…Ｓ，Ｓ为经过调制后的符号长度，具体长度
由调制方式决定。

层映射
对经过调制后的复数数据符号做层映射操作，将符号按规定映射到不同的层上，

为后续的预编码做准备。层映射分为３种情况：单天线端口映射、空间复用映射和传
输分集映射。

１．单天线端口
ｘ（ｉ）＝ｄ（ｉ） （２－３）

其中，ｘ（ｆ）为层映射后的数据符号，江１，２…Ｍ怒，Ｍ怒＝Ｓ。
２．空间复用

协议规定，空间复用的数据符号可选择映射的层数应小于或等于发射天线数，对
于空间复用情况下的层映射处理如表２．１所示：

表２—１空间复用层映射
层数 层映射操作

ｉ＝０…１．．，叫蒿一ｌ
ｌ
ｘ（ｉ）＝Ｊ（ｆ）Ｍ盎＝Ｓ
２
ｚ熙刊（２ｎ，、
ｄ２／ｓ：ｒｂｅｙａｌＭ…
ｘ（∥ｕ＝（２ｉ＋１）
ｓｙｍ。

ｘ（ｆ）（ｏ’＝ｄ（３ｉ）
３ ｘ（ｆ）（１）＝ｄ（３ｉ＋１）Ｍ怒＝ｓ／３
ｘ（ｆ）（２’＝ｄ（３ｉ＋２）
ｘ（ｆ）（ｏ’＝ｄ（４ｉ）‘

４
羔篓Ｐ ｄ４／ｓ：螺
ｄ（４ｉ＋一１）
ｘ（ｆ）‘２’＝（４ｉ＋２）
ｓｙｏｏ

ｘ（０‘３’＝ｄ（４ｉ＋３、

３．传输分集

传输分集情况下的数据符号映射的层数必须等于发射天线数。

预编码
使用合适的预编码算法利用接收端反馈的信道状态信息对经层映射后的数据符号
进行预处理，构建出匹配此时信道特性的发送信号。实际操作为将经过层映射模块处
理后的数据符号按照一定的规定映射到对应的每个天线端口上，具体分成４种情况：

单天线端口预编码、使用小区特定参考信号的空间复用预编码、使用用户特定参考信

号的空间复用预编码与传输分集预编码。

万方数据
 西南交通大学硕士研究生论文 第８页

１．单天线端口预编码：

ｙ∽’（ｆ）＝ｘ（ｉ） （２．４）

其中，ｐｅ｛０，４，５，７，８｝为用于传输数据的ＰＤＳＣＨ中的可选天线端口，ｉ＝０，１，．．．，蜒ａⅧｂｐ一１，
Ｍ墨ｂ＝叫篙。
２．使用小区特定参考信号的空间复用预编码：

使用小区特定参考信号的空间复用又分为两种情况：无ＣＤＤ（Ｃｙｃｌｉｃ Ｄｅｌａｙ

Ｄｉｖｅｒｓｉｔｙ）的预编码和大延迟ＣＤＤ的预编码。无ＣＤＤ的预编码为闭环方案，而大延
迟ＣＤＤ的预编码为开环方案。
（１）无ＣＤＤ的预编码：

ｙ（ｏ’（ｆ）ｊ ｘ（ｏ’（ｏ ｌ
ｉ ｌ＝形（圳 ｉ （２．５）

１．ｙ（Ｐ－Ｄ（圳 Ｘ（ｏ－１）（圳
其中，∥（ｆ）为维度为Ｐ×ｕ的预编码矩阵，ｉ＝０…１．．，蜂ａ蛐ｐ一１，Ｍ盏ｂ～＿８Ａ－泖ｌａｙｅｂｒ。两发射天线中
的数据在Ｐ∈｛０，１｝天线端口中进行传输，ＣＳＩ（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ）的反馈基于

Ｐ∈｛ｏ，１）或Ｐ∈｛１５，１６）天线端口；四发射天线中的数据在Ｐ∈｛０，１，２，３）天线端口中进行传输，
ＣＳＩ的反馈基于ｐ∈｛０，１，２，３）或Ｐ∈０５，１６，１７，１８）天线端Ｅｌ。其中在四天线码本中，
％＝，一２ｕ”材”Ｈ／“”Ｈ”ｎ。
（２）大延迟ＣＤＤ的预编码：

ｙ（ｏ’（ｆ）］ ｘ（０’（州
； ｌ＝Ｗ（ｉ）Ｄ（ｉ）Ｕｌ ； （２－６）

ｙ（尸。１’（圳 ｘ（Ｕ．１’（圳
其中，维数为ｏｘｏ的对角阵Ｄ（ｆ）表示ＣＤＤ作用，维数为ｏｘｏ的矩阵Ｕ为旋转矩阵，见
表２．２。对于两发射天线端口，形（ｆ）＝Ｃ，，Ｃ。为两天线码本中序号为１的码本。对于

四发射天线端口，形（ｆ）＝Ｃ女，后代表码本索引（七：ｆＩ三ｌ ｍｏｄ １＋ｌ∈｛１，２，３，４））；七的取 ４

值为｛１，２，３，４），则Ｇ∈｛Ｃ１，Ｃ２，Ｃ３，Ｇ）为四天线码本中序号为１、２、３、４的码本。
表２－２ Ｕ、Ｄ矩阵
【，
层数ｕ Ｄ（ｆ）

１ １ １ ｌ ０
２
压 １ Ｐ—ｊ２７ｒ／２ ０ Ｐ—ｊ２ｚｒｉ／２

ｌ １ ｌ ｌ ０ Ｏ
１
３ １ Ｐ—ｊ２ｚｔ／３ Ｐ—ｊ４ｌｒ／３ ０ Ｐ—ｊ２ｍ［３ ０
压 １ ｇ—ｊ４ｚｒ／３ Ｐ—ｊＳｔｒ／３ ０ ０ Ｐ—ｊ４ｍ［３

“。１ １ １ １。。 ｌ ０ ０ ０

ｌ １ Ｐ—ｊＤｒ［４ Ｐ—ｊ４＂／４ Ｐ—ｊ６ｚｔ／４ ０ Ｐ—ｊ２ｍ／４ ０ ０

——
４
２ １已一ｊ４７ｒ１４ Ｐ—ｊ８ｚｒ／４ Ｐ—ｊ１２ｚｒ／４ ０ ０ ｅ＿ｊ４面｜４ ０

１ Ｐ—ｊ６＊ｒ／４ ｇ—ｊ１２，ｑ４ Ｐ—ｊｌＳ’ｒ／４ ０ ０ ０ ｅ－ｊ６ｍｆ４

３．使用用户特定参考信号的空间复用预编码：

万方数据
 西南交通大学硕士研究生论文 第９页

使用用户特定参考信号的空间复用支持８天线端口，其使用的天线端口集为

Ｐ＝７，８，…，Ｌ）＋６。

４．传输分集预编码：

基于传输分集的预编码支持两天线端口和四天线端口两种情况。

资源粒子映射
资源粒子映射将经过预编码处理后的复数符号块映射成资源块的形式进行排列，
并做发送功率限制。映射时数据符号首先从每一个子帧的第一个时隙开始映射，按照
先频域ｋ再时域，的规则依次映射到资源栅格中，如图２．２所示。采用正常循环前缀进
行ＯＦＤＭ调制操作时，由频域上１２个子载波（每个子载波都为１５ｋＨｚ）、时域上７

个ＯＦＤＭ符号组成一个资源块，协议中规定的资源块数目为［６，１１０］。
一个下行时隙Ｉｌ。

［］

鲻
辎
№
《－
∞
已盆
乏
Ｘ

吕复
之

图２－２资源粒子映射图

ＯＦＤＭ调制
首先将符号进行ＩＦＦＴ变换，然后在变换后的符号前面加入保护间隔（ＬＴＥ中使

万方数据
 西南交通大学硕士研究生论文 第１０页

用循环前缀进行填充），避免符号间的干扰；稍后经过ＯＦＤＭ调制的符号从发射端
进行发送。

接收端对经过信道后接收到的信号的处理流程基本是发送端的逆过程。

２．１．２链路级仿真平台简介

论文中所用仿真平台严格按照ＬＴＥ协议下行链路处理流程搭建完成１２０１１２２１，其中
总体模块构成如图２．３所示。

图２—３仿真平台模块构成

在发送端，经码字模块生成符合协议规定的数据源，然后依次经历加扰、调制、
层映射、预编码、资源粒子映射及ＯＦＤＭ调制模块处理后生成待发送的ＯＦＤＭ符

号。发送的ＯＦＤＭ符号经过高速信道后到达接收端。在接收端的信号处理流程基本

是发送端的逆过程，接收到的符号首先经过频率同步与补偿模块进行一定的频率同步
后，再依次经过ＯＦＤＭ解调、解资源粒子映射、ＭＩＭＯ检测、解层映射、解调、解

扰模块处理后恢复出原始的发送数据。最后计算误比特率及容量。但在接收端比发送
端多出两个较为关键的模块：信道估计与预编码反馈模块。信道估计模块得到此时的

万方数据
 西南交通大学硕士研究生论文 第１ １页

估计ＣＳＩ，用于后续的ＭＩＭＯ检测与ＰＭＩ（或预编码矩阵）计算。预编码反馈模块计
算出此时需要反馈的ＰＭＩ（或预编码矩阵），并将其反馈回发送端。

下面以预编码反馈模块为例，简要介绍模块的程序流程图，具体执行流程如图

２．４所示。通过对仿真参数的判断，执行不同方式的预编码计算及反馈。基于非码本
的预编码方案计算及反馈的是预编码矩阵。而基于码本的预编码方案计算及反馈的是

预编码矩阵索引。其中开环的预编码方案不做反馈操作。

图２．４预编码反馈模块程序流程图

２．１．３高速移动信道模型特征

ＭＩＭＯ无线信道由多径衰落延迟路径构成［３２１［５０１，多径衰落延迟信道由：抽头延迟
线的时延特性、多普勒频谱特性及ＵＥ端和ｅＮｏｄｅＢ端的天线间的相关性三部分组

成。３ＧＰＰ给出了针对三种场景的Ｅ．ＵＴＲＡ信道参考模型【２１】，分别为：ＥＰＡ（步行场

景），时延较小；ＥＶＡ（车载场景），时延居中；ＥＴＵ（典型城市场景），时延较

大。但在移动速度最快的典型城市场景下，ＬＴＥ协议中规定速度最高为１２０ｋｍ／ｈ，远
远达不到高速的要求。仿照Ｅ．ＵＴＲＡ时延信道模型的建模方法建立高速移动场景下的

信道模型，基于上述三方面对高速信道特性进行描述。

万方数据
 西南交通大学硕士研究生论文 第１２页

１．抽头延迟线的时延特性：

表２．３ Ｅ—ＵＴＲＡ时延参数
信道模型 抽头数目 时延均方根扩展 最大时延

ＥＴＵ．Ｈ ９ ９９１ ｎｓ ５０００ ｎｓ

表２．４ ＥＴＵ—Ｈ抽头延迟线
延时抽头［ＩｌＳ］ 相对功率［ｄＢ】
０ ．１．０
５０ ．１．０
１２０ ．１．Ｏ
２００ ０．Ｏ
２３０ ０．０
５００ ０．０
１６００ —３．Ｏ
２３００ ．５．Ｏ
５０００ 一７．Ｏ

２．多普勒频谱特性：

在地面无线通信场景中，抽头系数的功率谱具有如式（２－７）所示的Ｕ型谱特
性：

ｓ（厂）ｏｃ，／０一（ｓ／ｓｏ）２）０一／∈［＿厶，厶】 （２—７）

zkq 20150924
移动速度增加，多普勒频移随之增大。当ＵＥ端移动速度增加到３５０ｋｍ／ｈ时，最
大多普勒频移变为８５０Ｈｚ；当ＵＥ端移动速度继续增加到５００ｋｍ／ｈ时，最大多普勒频

移增大到１２００Ｈｚ。
表２—５最大多普勒频移设置
信道模型 最大多普勒频移
ＥＴＵ．Ｈｌ ８５０ Ｈｚ
ＥＴＵ．Ｈ２ １２００ Ｈｚ

３．天线对间的相关性：

ＵＥ端天线与ｅＮｏｄｅＢ端天线之间的相关性可以用信道相关矩阵进行表征：

Ｒ删＝‰ｏ如（２－８）
其中，‰为天线对之间的相关矩阵，‰为ｅＮｏｄｅＢ端天线的相关矩阵，如为ＵＥ
端天线的相关矩阵，０代表Ｋｒｏｎｅｃｋｅｒ积。两端之间的天线相关度分为高、中、低三

种。仿真平台中仅采用高相关性与低相关性两种信道相关矩阵，如表２－６与表２．７所
示。

表２－６高相关性ＭＩＭＯ相关矩阵

万方数据
 西南交通大学硕士研究生论文 第１３页

ｌｘ２

Ｒｈｉｇｈ：１０１．９ ０ｉ９］
７

ｌ ０．９ ０．９ ０．８１、

０．９ ｌ ０．８ｌ ０．９

２ｘ２ Ｒｈｌｇｈ＝
０．９ ０．８ｌ ｌ ０．９

０．８１ ０．９ ０．９ １

１．００００ ０．８９９９ ０．９８８３ ０．８８９４ ０．９５４２ ０．８５８７ ０．８９９９ ０．８０９９

０．８９９９ １．００００ ０．８８９４ ０．９８８３ ０．８５８７ ０．９５４２ ０．８０９９ ０．８９９９

０．９８８３ ０．８８９４ １．００００ ０．８９９９ ０．９８８３ ０．８８９４ ０．９５４２ ０．８５８７

０．８８９４ ０．９８８３ ０．８９９９ １．００００ ０．８８９４ ０．９８８３ ０．８５８７ ０．９５４２

４ｘ２ Ｒ嘞＝
０．９５４２ ０．８５８７ ０．９８８３ ０．８８９４ １．００００ ０．８９９９ ０．９８８３ ０．８８９４

０．８５８７ ０．９５４２ ０．８８９４ ０．９８８３ ０．８９９９ １．００００ ０．８８９４ ０．９８８３

０．８９９９ ０，８０９９ ０．９５４２ ０．８５８７ ０．９８８３ ０．８８９４ １．００００ ０．８９９９

０．８０９９ ０．８９９９ ０．８５８７ ０．９５４２ ０．８８９４ ０．９８８３ ０．８９９９ １．００００

１ ００００ ０ ９８８２ ０ ９５４ｌ ０ ８９９９ ０ ９８８２ ０．９７６７ ０ ９４３０ ０．８８９４ ０．９５４ｌ ０ ９４３０ ０ ９１０５ ０．８５８７ ０．８９９９ ０ ８８９４ ０．８５８７ ０．８０９９

０ ９８８２ １ ００００ ０ ９８８２ ０ ９５４１ ０．９７６７ ０ ９８８２ ０ ９７６７ ０．９４３０ ０．９４３０ ０．９５４１ ０．９４３０ ０ ９１０５ ０．８８９４ ０ ８９９９ ０．８８９４ ０ ８５８７

０ ９５４１ ０ ９８８２ １．００００ ０．９８８２ ０ ９４３０ ０ ９７６７ ０ ９８８２ ０．９７６７ ０．９１０５ ０．９４３０ ０ ９５４ｌ ０．９４３０ ０．８５８７ ０．８８９４ ０ ８９９９ ０．８８９４

０ ８９９９ ０．９５４１ ０ ９８８２ ｌ ００００ ０ ８８９４ ０．９４３０ ０．９７６７ ０．９８８２ ０．８５８７ ０．９１０５ ０ ９４３０ ０．９５４ｌ ０．８０９９ ０ ８５８７ ０ ８８９４ ０ ８９９９

０ ９８８２ ０．９７６７ ０ ９４３０ ０ ８８９４ １．００００ ０ ９８８２ ０ ９５４ｌ ０ ８９９９ ０ ９８８２ ０．９７６７ ０．９４３０ ０．８８９４ ０ ９５４ｌ ０．９４３０ ０ ９１０５ ０ ８５８７

０．９７６７ ０ ９８８２ ０．９７６７ ０ ９４３０ ０．９８８２ １．００００ ０．９８８２ ０ ９５４ｌ ０．９７６７ ０ ９８８２ ０ ９７６７ ０ ９４３０ ０．９４３０ ０．９５４１ ０．９４３０ ０．９１０５

０ ９４３０ ０．９７６７ ０ ９８８２ ０ ９７６７ ０．９５４ｌ ０ ９８８２ １．００００ ０．９８８２ ０．９４３０ ０．９７６７ ０ ９８８２ ０．９７６７ ０．９１０５ ０．９４３０ ０．９５４１ ０ ９４３０

０ ８８９４ ０．９４３０ ０．９７６７ ０ ９８８２ ０．８９９９ ０．９５４ｌ ０．９８８２ １ ００００ ０ ８８９４ ０．９４３０ ０．９７６７ ０ ９８８２ ０ ８５８７ ０ ９１０５ ０．９４３０ ０．９５４１
４ｘ４ ‰＝ ０ ９５４ｌ ０ ９４３０ ０ ９１０５ ０ ８５８７ ０．９８８２ ０．９７６７ ０ ９４３０ ０ ８８９４ １ ００００ ０．９８８２ ０ ９５４ｌ ０．８９９９ ０ ９８８２ ０ ９７６７ ０．９４３０ ０．８８９４

０．９４３０ ０ ９５４１ ０ ９４３０ ０ ９１０５ ０．９７６７ ０ ９８８２ ０．９７６７ ０．９４３０ ０．９８８２ １．００００ ０．９８８２ ０ ９５４１ ０．９７６７ ０．９８８２ ０．９７６７ ０．９４３０

０ ９１０５ ０ ９４３０ ０ ９５４１ ０．９４３０ ０．９４３０ ０ ９７６７ ０．９８８２ ０ ９７６７ ０ ９５４ｌ ０．９８８２ １．００００ ０ ９８８２ ０ ９４３０ ０．９７６７ ０．９８８２ ０．９７６７

０ ８５８７ ０．９１０５ ０．９４３０ ０ ９５４１ ０．８８９４ ０．９４３０ ０ ９７６７ ０．９８８２ ０ ８９９９ ０ ９５４ｌ ０ ９８８２ １ ００００ ０ ８８９４ ０．９４３０ ０ ９７６７ ０ ９８８２

０ ８９９９ ０ ８８９４ ０．８５８７ ０．８０９９ ０．９５４１ ０ ９４３０ ０ ９１０５ ０ ８５８７ ０ ９８８２ ０．９７６７ ０．９４３０ ０．８８９４ １．００００ ０ ９８８２ ０ ９５４１ ０ ８９９９

０ ８８９４ ０ ８９９９ ０ ８８９４ ０ ８５８７ ０ ９４３０ ０ ９５４１ ０ ９４３０ ０ ９１０５ ０．９７６７ ０．９８８２ ０ ９７６７ ０．９４３０ ０．９８８２ ｌ ００００ ０ ９８８２ ０．９５４ｌ

０．８５８７ ０．８８９４

０．８０９９ ０ ８５８７
０ ８９９９

０ ８８９４
０．８８９４ ０ ９１０５

０．８９９９ ０．８５８７
zkq
０．９４３０

０．９１０５
20150924
０．９５４１ ０ ９４３０

０．９４３０ ０．９５４ｌ
０ ９４３０

０ ８８９４
０ ９７６７ ０ ９８８２

０．９４３０ ０ ９７６７
０．９７６７ ０．９５４ｌ ０．９８８２ ｌ ００００

０．９８８２ ０．８９９９ ０．９５４１

０ ９８８２

０．９８８２ ｌ ００００

表２—７低相关性ＭＩＭＯ相关矩阵
１ｘ２ 尺帅＝１２
２ｘ２ 尺ｆｏｗ＝１４

４ｘ２ 尺，Ｄｗ＝１８
４ｘ４ Ｒ『０ｗ＝１１６

２．２动态信道状态信息模型

高速移动场景下，随着多普勒频移迅速增大，对信道估计技术提出了新的要求；

同时，ＣＳＩ（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ）变化迅速，仅仅依靠传统的信道估计己不能很

好地反映此时的ＣＳＩ，此时使用估计得到的ＣＳＩ进行预编码操作，使得通信系统的误
比特率性能急剧下降。鉴于高速移动环境下信道的快时变性及信道状态信息估计的不
准确性，统计信道信息被提出用来应对上述问题【２４】［２５】，下面详细分析统计信道状态信

息模型。

为了降低快时变条件下信道状态信息估计的不准确性，文献［２４】［２５］提出了采用
信道的统计信息与信道的时间相关特性共同构建发射端动态信道状态信息模型。
相对时不变的信道均值、协方差及自协方差能有效地刻画信道状态信息，对于快

时变的信道日用相对固定不变和明显时变的两部分表示：

万方数据
 西南交通大学硕士研究生论文 第１４页

Ｈ＝Ｈｍ＋Ｈ （２－９）

其中，以是信道的均值，Ｈ是服从均值为零的高斯随机矩阵，两者均用复数表示。
信道变化的那部分采用信道的协方差民表示：

舭纠（２－１０）
其中，ｈ＝ｖｅｃ（Ｈ）（ｖｅｃ表示矩阵的向量化），Ｒ为半正定Ｈｅｒｍｉｔｉａｎ矩阵，其中对角
线上的元素分别表征ｑⅣ个信道的功率增益，而非对角线的元素则反应了各个信道之
间的相互耦合。在基于Ｋｒｏｎｅｃｋｅｒ结构构建的信道模型中，Ｒ可分解为发射端天线相
关性和接收端天线相关性的Ｋｒｏｎｅｃｋｅｒ积形式：

Ｒ＝砰＠Ｒｒ （２．１１）

其中，墨与足均为半正定Ｈｅｒｍｉｔｉａｎ矩阵。
因此，式（２－９）可以重写为：
Ｈ＝峨＋砖陀风碍他 （２．１２）

其中，风为Ｎｒ ｘＮ，维矩阵，矩阵中的每个元素的实部与虚部均独立同分布于均值为
０、方差为单位方差的高斯分布。

ＭＩＭＯ信道的相关矩阵Ｒ表征了所有发射端天线和接收端天线之间的空间相关
性，而非０延迟的自协方差矩阵Ｒ。同时反应了信道的空间与时间相关性。假设所有天

zkq 20150924
线对的时间统计特性相同，则信道的空间相关性与时间相关性是独立存在的，信道的

自协方差可以表示为：
足＝风ｅ，ｏ （２－１３）

其中，殷为信道的时间相关系数。也即，发射端的Ⅳ根天线与接收端的Ｍ根天线之
间的ＭＭ个信道拥有相同的时间相关函数。
信道统计信息Ｈｍ、Ｒｏ及Ｒ。在相干时间的数十倍到数百倍的时间内是有效的
【３７】，能够通过平均数十倍相干时间内的信道估计值获得。实际应用中，相比信号发送
间隔来看，信道的统计信息在一段相对较长的时间内保持不变。但信道的统计信息只

是部分ＣＳＩ，仅能提供有限的增益。相反，信道的瞬时状态信息提供最高的增益，但
由于其自身的瞬时变化特性，导致其对ＣＳＩ获取的延迟较为敏感，延迟会使当前估计

的ＣＳＩ与当前真实的ＣＳＩ之间存在潜在的失配。出现失配的原因是延迟的这段时间内
ＣＳＩ的变化。所以结合信道此时的估计信息与统计信息可以较好地构建发送端信道状

态信息模型。
在发送时刻Ｓ，信道的估计值Ｈ。及其错误协方差可分别表征如下：

Ｈ。＝Ｈｓ＋Ｅ。 （２－１４）

Ｒｅ，，＝Ｅｌ ｅｓｅｓ＋ｌ （２—１５）

其中，巨是０均值估计误差，吃＝ｖｅｃ（Ｅｓ）；

万方数据
 西南交通大学硕士研究生论文 第１５页

现在假定，已知发送端０时刻信道的初始测量值凰与信道的统计信息致、
民、足。利用ＭＭＳＥ估计理论，信道在时刻Ｓ最优估计值与估计中的错误协方差能
够表征为：

绣－－Ｅ［ｈ，Ｉ％】＿‰＋《巧１［％一吃】 （２．１６）

Ｒｅ，，＝ｃｏＶ［唿Ｉ ｈｏ】＝ｇｏ一疋肖１Ｒ （２・１７）

其中，ｈ。＝ｖｅｃ（Ｈ，）。上述的两个变量日。与Ｒ。构成了发送端的ＣＳＩ，其分别表示了
信道的均值与协方差，一起构成信道的统计信息。
利用式（２．１３）简化上述的时间相关模型，简化的模型可以有效地隔离信道时间

变化对发送端信道状态信息的影响。信道的估计值与估计中的错误协方差矩阵可以重
写为：

Ｈ产Ｐ，／４０＋（１一Ｐ，）巩 （２－１８）

Ｒｅ．，＝（１一∥）Ｒ （２－１９）
１ ０

其中巩＝÷∑巩，Ｌ为取ＣＳＩ均值的窗长，风为在抽样时刻ｋ的瞬时ＣＳＩ估计
Ｌ ｋ＝－Ｌ＋ｌ

值。因此，发射端信道状态信息可以简要地刻画为疋、信道的测量值乩、信道的均

值乜与协方差Ｒ的函数。
zkq 20150924
采用Ｋｒｏｎｅｃｋｅｒ积表征天线的相关性结构，发射端和接收端的协方差矩阵是可分
离的。对于上述的估计信道，有效的天线相关度可以分解为：

Ｒ．。＝４１－；ｓ２Ｚ （２－２０）

（２—２１）
Ｒ＂＝√ｌ—ｐ；Ｒ，

其中，墨＝寺哼∑珥巩一瓦风）。
』Ｖ。Ｌ ｋ＝－Ｌ＋ｌ

式（２．１８）一式（２．２１）描述了发射端统计信道状态信息模型，其中麒是依赖时间

延迟Ｓ的信道估计质量因子。发射端ＣＳＩ的估计值随着参数Ｂ的变化而改变。当其等
于１时，信道的估计值是完美的ＣＳＩ，即此时的信道估计值完全由瞬时测量值决定。

当其等于Ｏ时，此时信道的估计值退化成为完全统计的状态信息。而当其介于０和１
之间时，此时信道的估计值由信道的瞬时测量值与均值共同组成。

２．３本章小结

本章首先分析了ＬＴＥ下行链路在发射端与接收端的处理流程与具体处理细节。然

后，结合ＬＴＥ协议规定简要介绍了链路级下行仿真平台的总体构造。并给出高速信道

万方数据
 西南交通大学硕士研究生论文 第１６页

模型的特征参数设置。最后，针对高速移动场景下，多普勒频移激增，ＣＳＩ变化迅速
这一特点，给出动态信道状态信息模型。

zkq 20150924

万方数据
 西南交通大学硕士研究生论文 第１ ７页

第３章线性预编码
ｒ■一一■……，’７一…
３．１基于码本的线性预编码

基于码本的线性预编码主要分为码本设计与码本选择两方面内容，同时其也是
ＬＴＥ协议中所规定使用的ＭＩＭＯ预编码方案【２６］．［２９】。

３．１．１码本线性预编码

３．１．１．１预编码码本的设计

ＬＴＥ中对于码本的设计分为：两天线码本、四天线码本及八天线码本，三种情况
下码本的设计方法均不相同［３０］［３１１１３８１１５１］。
１．两天线码本：
两天线码本基于ＤＦＴ变化生成，但如果单纯按照ＤＦＴ变化生成码本只能构造一

个预编码矩阵，因此引入旋转因子要增加满秩时预编码矩阵的数目，Ｇ决定了生成的

码本集合中可选择的预编码矩阵的数目：

zkq 20150924
ｗ（Ｍ）＝－√寿Ｍ ｅｘｐＬ（／可２Ｔｔ＂吣＋争ｇ ｊ （３．１，

其中，ｍ＝ｏ，１，．．．，Ｍ一１；ｎ＝ｏ，１，．．．，Ｍ一１，Ｍ为发射天线数目，Ｗ（ｍ，，２）是生成预编码
矩阵中的ｍ行船列元素。ｇ＝０，１，．．．，Ｇ，生成的码本如表３．１所示。
表３．１两发射天线码本

码本索引 层舅 ［Ｕ
１ ２
一
一一 一

ｌ １ １ ｌ ０
０
压 ＿。Ｊ
ｌ 压 ＿－
Ｏ １
一

～ 一 一

ｌ １ ｌ ｌ
——
１
压 ～＿＿
一ｌ ２ —ｌ
一

一 一 一 一

１ １ ｌ ｌ １
——
２
压 ３ ２ １ 一）
一 一

１ １
３
压 一ｊ

２．四天线码本：

四天线码本通过Ｈｏｕｓｅｈｏｌｄｅｒ矩阵的形式进行生成：

呢＝，一百２ＵｎＵ？ （３—２）

万方数据
 西南交通大学硕士研究生论文 第１ ８页

其中，，荚Ｊ ４ ｘ

４的单位阵，％为元素取自８ＰｓＫ星座图｛±１，±／，±号茅，±等铲）的向
量。通过选取满秩矩阵中的特定列可以得到满足不同秩情况的预编码矩阵，见表３－２

所示。

表３－２四发射天线码本

码本索 ｚｆＨ
层 数０
引 ｌ ２ ３ ４

０
‰＝［１—１—１—１ｒ 嚼１’ 孵１４’／压 嚼１２ｑ／压 略１２３毋／２
ｌ
“。＝［１一，１汀 ％‘１’ 畔２）／压 硝１２封／压 ％∞３田／２
２
“２＝【１ １—１ １ｙ 以１’ 赡１２，／，ｆｉ 嗳１２毋／压 匝３２Ｍ／２
３
叱＝【１／１一汀 孵玎 磅１２’／压 孵１２聋／后 孵３２㈣／２
４
旷６（－１－ｊ）／，ｆｉ一，（１一州压ｒ 嘭１’ 砑４’／压 略１２ｑ胚 吲１２３田／２
５
妒Ｉ（１－ｊ）／压Ｊ（－１＿／）Ｍｒ 暇１’ 孵１４）／压 孵１２书／压 删１２３田／２
６
铲Ｉ（１＋ｊ）／４互一／（－１＋，）／压ｒ 哌１’ 赡１３｝／压 赡１３ｑ／压 赡１３２田／２
７
材，：Ｉ（一１＋／）／压，（１＋，）／压】ｒ 臃１’ 孵１３’／压 孵１３ｑ／压 硝１３２ｑ／２
８
甜８＝【１—１ １ １ｒ 略１’ 赡１２｝／压 赡１２ｑ／压 暇１２３ｑ／２
９
的＝【１一，一１一汀 孵１’ 时４’／压 昭１３锄／压 昭１２３田／２
１０
‰＝［１ １ １—１】７’ ％浮 硝３’／压 硝２习／压 硝３２田／２
１１
％ｌ＝【１，一１疗 嘲’ ％ｆ３’／压 碟３ｑ胚 唰３２毋／２
１２
‰＝【ｌ一１—１ １Ｆ 嘲’ 嘲２’／压 嘲２习／压 嚷２３母／２
１３
甜１３＝【１—１ １—１ｒ ％字 硝３１／压 硝２写／压 硝３２ｑ／２
１４
铂４＝［１ １—１—１ｒ ％２’ 硝３’／压 硝２习／压 ％譬２１ｑ／２
１５
撕５＝［１ １ １ ｌｒ ％２’ 碟２’／压 碟２萄／压 ％Ｐ’／２
３．八天线码本：

八天线码本一般采用双码本相乘的方式产生：
Ｗ＝％×％ （３—３）

其中，嘶代表信道的长期特性，％代表信道的短期特性。对于八天线码本设计，ＬＴＥ
发布的协议中暂时并未给出具体的码本集合。但其必须遵循如下的准则：恒模性
（Ｃｏｎｓｔａｎｔ Ｍｏｄｕｌｕｓ）、内嵌性（Ｎｅｓｔｅｄ Ｐｒｏｐｅｒｔｙ）、元素取值有限制性（Ｃｏｎｓｔｒａｉｎｅｄ

ａｌｐｈａｂｅｔ）及码本大小适当性。
以下介绍两种常见的八天线码本生成方式［３０】【３１】：
（１）基于Ｋｒｏｎｅｃｋｅｒ积生成码本：

考虑两天线码本与四天线码本的生成准则，结合上述生成八天线码本的四点约
束，将四天线码本与两天线码本结合到一起，则产生了八天线码本：
∥（歇８）：（形（２。２’）Ｈ ｏ（形（４“４’）Ｈ （３．４）

万方数据
 西南交通大学硕士研究生论文 第１９页

其中，Ｗ‘２蛇’为基于式（３．１）生成的两天线码本，形（４圳为基于式（３．２）生成的四天
线码本，生成的码本中总共包含６４个满秩的预编码矩阵。
（２）基于ＤＦＴ生成码本：

对于每一个子带，其采用的码本为：
Ｗ＝％％ （３－５）

其中，形为Ⅳ×三维，Ｍ为发射天线数，三为层数（秩），代表宽带信道状态信息的
外部矩阵坼为Ⅳ×％维，而代表窄带信道状态信息的内部矩阵彬为％×三维。
彤∈Ｇ，暖∈Ｃ，Ｃ１与Ｃ’各为一个独立的码本组。
在彤中，ｘ由四个相邻过采样波束组成，每个波束均为３２个四天线ＤＦＴ向量
中的一个，采用过采样波束是为了减小频率选择性信道中的边缘效应的影响。彤码字
能够通过如下的方式获得：
Ｃ１＝｛Ｗｌ‘们，彬‘¨，．．．，Ｗｌ‘１５’）
‘３－６’

彬‘ｔ，＝＝ｌ≮‘’？。，ｌ，尼＝＝。，・，…，・５
其中ｘ‘。’＝［６２ｔｍｏｄ３２，６（２¨）。ｏｄ３２，．．．，包２Ⅲ１。０ｄ３２】 屯＝［１，ｅ。百，８。１厂，Ｐ。１ｒ］Ｔ ｍ＝ｏ，．．．，３１。

码字形的码本Ｃ，由列选择与ＱＰＳＫ共相移构成，表示如下：
秩为１时：

％∈Ｇ＝ｔ去阴，去瞄］，击［二］，击［一≥］） 。３扪
Ｙ＝｛ｅｏ，ｅｌ，ｅ２，ｅ３）

秩为２时：

％睁睦陵习击匮一跚 ㈦８，
（Ｋ．Ｅ）∈｛（‰，ｅｏ），（ｅｌ，白），（ｅ２，ｅ２），（ｅ３，巳），（ｅｏ，ｑ），（ｅｌ，ｅ２），（ｅｏ，ｅ３），（ｅｌ，ｅ３））

３．１．１．２预编码码本选择算法

基于码本的预编码矩阵选择算法一般可以分为两大类［２９１１４７１；一类是基于性能指

标的，以ＳＩＮＲ（Ｓｉｇｎａｌ Ｉｎｔｅｒｆｅｒｅｎｃｅ Ｎｏｉｓｅ Ｒａｔｉｏ）、ＢＥＲ（Ｂｉｔ Ｅｒｒｏｒ Ｒａｔｅ）等性能指标

为优化准则的码本选择算法；另一类是以量化指标为选择标准的，以对乘上预编码矩
阵后的信道矩阵的右奇异值进行优化而得出此时最优ＰＭＩ（Ｐｒｅ．ｃｏｄｉｎｇ Ｍａｔｒｉｘ Ｉｎｄｅｘ）
的码本选择算法。以下分别介绍基于性能指标与基于量化指标的码本选择算法：
１．基于ＳＩＮＲ准则的码本选择算法：

经过ＭＭＳＥ接收机处理后的信号为：
曼＝瓯艘Ｙ＝瓯懈椰纸＋瓯艘Ⅳ （３－９）

万方数据
 西南交通大学硕士研究生论文 第２０页

其中，‰＝（彬缉＋仃：ｋ）ｕ群，绋＝册７，矽为预编码矩阵；曼为经过检测后
的估计信号，５ｃ＝｛暑，．．．毛）；Ｘ为发送的原始信号，ｘ＝“，．．．ｘＭ）；Ｍ为数据的流数，
Ｎ为信道噪声。

第ｋ流信号的估计值蠢的ＳＩＮＲ为：

ＳＩＮＲ，＝万Ｓ丽

ｓ＝０Ｇ一化．）×Ｈ毗吖 ＠。∞
卜到Ｇ一似：）ｘＨｘＷ（．，吖
Ⅳ＝。羔。斗一化：）『
则总的ＳＩＮＲ为：

Ｓ１ＮＲ＝＞‘Ｓ１ＮＲｋ
ＪＩＪ －－
（３．１１）

对于已经给定的码本集ｃ＝｛Ｃｌ，Ｃ２，．．．，ＣＮ），码本选择算法为：
Ｗ＝ａｒｇｍａｘＩ ＳＩＮＲ（Ｗ，）Ｉ （３－１２）

２．基于ＭＭＳＥ准则的码本选择算法：

将接收端信号的ＭＳＥ表征为以码本中的预编码矩阵彬作为自变量的函数【３３］，
则：

脚ｃ吩…（，＋警卜Ｐ（Ｉ－＋一掣笋］＠㈨
其中，ｔｒａｃｅ（）表示矩阵的迹。

对于已经给定的码本集Ｃ＝｛Ｃｌ，Ｃ２，．．．，ＣＮ），码本选择算法为：
Ｗ＝ａｒｇ。ｍｉｎ［艘（彬）］
形∈Ｃ 一 一
（３－１４）

３．１．１．３下行链路接收端检测算法

ＭＩＭＯ通信系统在空间复用情况下，接收端接收到的信号按照一定的规则排列在
各个天线上，可以采用检测算法恢复出各个流的数据。实际所采用的检测算法中：
ＭＭＳＥ检测算法和ＭＬ检测算法最具代表性。
１．ＭＭＳＥ检测算法：

ＭＭＳＥ检测以最小化发送信号与经过接收机后的接收信号之间的均方误差为优化
准则：

瓯蚴＝ａｒｇｍｉｎ［［Ｐｙ－ｘ［［２ （３－１５）

万方数据
 西南交通大学硕士研究生论文 第２１页

其中，Ｐ＝Ｈ＋＝（Ｈ月日）。ＨⅣ，是ＣＳＩ矩阵的伪逆。
在ＭＩＭＯ通信系统中，使用正交性原理进行处理并考虑预编码的作用后可得：

Ｇ懒Ｅ＝ＨＰ（ＨＰＨ，＋Ｇｗ２ＩＮｊ丫１＝（／－／ＰＨ ＨＰ＋６乙ＩＮｊ丫１ Ｈ， （３．、６、）

其中，Ｈ。＝／／Ｗ，Ｗ为预编码矩阵。
则经过ＭＭＳＥ检测后的信号为：
或懈＝Ｇ＾蚴Ｙ＝（（删厂（Ｈ１４＂）２凡）。１（删）ＨＹ （３．１７）

２．ＭＬ检测算法：

ＭＬ检测算法是基于最小误比特率意义上的最优检测算法［３４］。现假设接收信号Ｙ
服从高斯分布，则当前发送信号的ＭＬ估计为：

拈ａｒｇｍａｘｐ（ｙ㈣＝ａｒｇｍａｘ赤－ｅ冲卜警ｌ
＝ａｒｇｒｆｆｌｎ｜｜Ｙ—Ｈｘ旷Ｏ∈Ａ川‘） （３．１８）

其中，彳为调制星座图，么Ⅳｆ是要搜索的整个星座图空间构成的集合。 则上述等式的

求解即为在ＡＮ，中搜索发送信号，使｜｜Ｙ一慨１１２最小。

３．１．２基于码本的线性预编码方案仿真及分析
以下对码本预编码方案的仿真试验仅在高天线相关性场景下进行。 仿真中的信道

容量采用ＭＩＭＯ平均信道容量表示［２】，其具体表示为：

纠０９２（ｄｅｔ（‰㈣＋嘉Ｑ）），Ｑ＿…Ｇ∥＂Ｈ，ｆ，，ｌｌｐ
ｃ＿１。ｇｚ（ｄ吼（Ｌｉｎ（Ｍ，Ⅳｆ）＋焉≥Ｑ”，Ｑ １１ｐ粼茹
２…∥，，三葑：；≮爵
Ｂ㈤
。Ｊ∞

其中，Ｐ为发射端总功率，仃２为接收端每根天线的噪声功率；珥＝ＨＷ，珥表示经
过预编码后的等效信道状态信息矩阵，ｄｅｔ（・）表示求矩阵的行列式。

具体仿真参数设置如表３．３所示：
表３－３仿真参数设置

万方数据
 西南交通大学硕士研究生论文 第２２页

∥
——＃一ＳＩＮＲ＋ＭＬ —《卜一Ｍ ＳＥ＋ＭＬ
——ｅ—ＳＩＮＲ＋ＭＭＳＥ ｌ・
—＿毛ｐ—ＳＩＮＲ＋ＭＳＥ
—＿￡卜ＭＭＳＥ＋ＭＬ ｒ
— 卜ＭＳＥ＋ＭＳＥ／ ∥／ｊ／
譬融。 ——一ＭＭＳＥ＋ＭＭＳＥ
Ｉ夕夕
、毒—＼夏＼二——一
＼＼：
＼ ｔ

≮
≮ 芯、 ∥
—两
＇ ￡。 、
、

ｆ
＼
、 －—目＇－１
≮。
＼

・・・－－－－・—－一ＳＩＮＲ＋ＭＬ
＼ 、、

／
夕．

；ＳＮＨ ＳＮＨ

图３—１码本方案ＢＥＲ（３５０ｋｍ／ｈ） 图３—２码本方案容量（３５０ｋｍ／ｈ）

・图３．１与图３．２为四种基于码本的预编码方案在移动速度为３５０ｋｍ／ｈ时的误比特

率与容量。由图３．１所示，四种方案的误比特率性能在高移动速度下均较差。采用

ＳＩＮＲ准则选择ＰＭＩ（Ｐｒｅ．ｃｏｄｉｎｇ Ｍａｔｒｉｘ Ｉｎｄｅｘ）并利用ＭＬ（Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ）准则

检测信号的方案的误比特率明显低于其它三种方案。采用ＳＩＮＲ准则选择ＰＭＩ并利用

ＭＭＳＥ准则检测信号与采用ＭＭＳＥ准则选择ＰＭＩ并利用ＭＬ准则检测信号的两种方
案的误比特率相近，但都高于前一种方案。采用ＭＭＳＥ准则选择ＰＭＩ并利用ＭＭＳＥ
准则检测信号的方案的误比特率最高，明显高于其它方案；且随着信噪比的不断增加

其误比特率下降的幅度不太明显。显然，采用ＳＩＮＲ准则选择ＰＭＩ的误比特率低于采

用ＭＭＳＥ准则，而在接收端采用ＭＬ准则进行信号检测比采用ＭＭＳＥ准则的误比特

率低。由图３．２可见，四种方案的信道容量均随着信噪比的不断增加而持续升高。其
中，采用ＳＩＮＲ准则选择ＰＭＩ并利用ＭＬ准则检测信号的方案与采用ＳＩＮＲ准则选择

ＰＭＩ并利用ＭＭＳＥ准则检测信号的方案的容量曲线完全重合。而另外两种方案的容
量曲线也完全重合。且前两种方案的容量要高于后两种方案。由此可知，信道容量的

高低与接收端的检测算法无关，只与ＰＭＩ选择算法有关，基于ＳＩＮＲ准则的算法要高
于基于ＭＭＳＥ准则的算法。
ｏ

－－－－－－－－－—－－－一ＳＩＮＲ＋ＭＬ
——－一ＳＩＮＲ＋ＭＬ

／，｜
—■｝一ＭＭＳＥ＋ＭＬ
—一ｅ—ＳＩＮＲ＋ＭＭＳＥ
—＿｝—一ＭＭＳＥ＋ＭＬ
—＿ｅ—ＳｌＮＲ＋ＭＭＳＥ
——卜ＭＭＳＥ计“ＭＳＥ —＿－一ＭＭＳＥ＋ＭＭＳＥ

多
。

≮。。
、≤Ｓ嚣 ０
！／
≮≮
—、、
＼＼

．夕。
＼

∥
～
’＼
、－１ Ｌ
—、～“ ５
ｙ
●

万方数据
 西南交通大学硕士研究生论文 第２３页

图３．３与图３—４为四种基于码本的预编码方案在移动速度为５００ｋｍ／ｈ时的误比特
率与容量。由图３．３可见，采用ＳＩＮＲ准则选择ＰＭＩ并利用ＭＬ准则检测信号的方案
的误比特率明显低于其它三种方案。采用ＳＩＮＲ准则选择ＰＭＩ并利用ＭＭＳＥ准则检

测信号与采用ＭＭＳＥ准则选择ＰＭＩ并利用ＭＬ准则检测信号的方案的误比特率相
近，均高于前一种方案。采用ＭＭＳＥ准则选择ＰＭＩ并利用ＭＭＳＥ准则检测信号的方

案的误比特率性能最差。四种方案的误比特率性能比在３５０ｋｍ／ｈ移动速度场景下更

差。从图３．４可知，采用ＳＩＮＲ准则选择ＰＭＩ并利用ＭＬ准则检测信号的方案与采用
ＳＩＮＲ准则选择ＰＭＩ并利用ＭＭＳＥ准则检测信号的方案的容量曲线完全重合。而剩余
两种方案的容量曲线也完全重合。并且前两种方案的容量要高于后两种方案。
由对图３．１至图３．４的比较分析可知，在基于码本的预编码方案中，采用ＳＩＮＲ

准则选择ＰＭＩ并利用ＭＬ准则检测信号的方案的误比特率与信道容量这两项性能指标
在几种比较方案中都是最优的。

３．２基于非码本的线性预编码

基于非码本的线性预编码主要采取的方法是以特定的方式对ＣＳＩ进行分解，得出

匹配此时信道状态的预编码矩阵。典型的几种基于非码本的预编码算法包括基于奇异

值分解ＳＶＤ（Ｓｉｎｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）的预编码、基于几何均值分解ＧＭＤ

（Ｇｅｏｍｅｔｒｉｃ Ｍｅａｎ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）的预编码及基于统一信道分解ＵＣＤ（Ｕｎｉｆｉｃａｔｉｏｎ

Ｃｈａｎｎｅｌ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）的预编码

３．２．１非码本线性预编码
３．２．１．１基于ＳＶＤ的线性预编码

发送端获得当前估计的ＣＳＩ后，通过对其进行ＳＶＤ运算，将ＭＩＭＯ信道解耦为
并行且独立的ＳＩＳＯ信道。将其应用到实际的ＭＩＭＯ系统中得到：

Ｙ＝厶慨＋，２＝（ＵＤＶⅣ）玩＋，２ （３－２０）

其中，Ｈ为信道状态信息矩阵，分解后得到的Ｕ与ｙⅣ矩阵都是酉矩阵。Ｄ为对角

阵，Ｄ矩阵中的元素通过对日矩阵的奇异值按照升序排列后得到。此时即得到了预编
码矩阵矿和接收端用作均衡处理的矩阵ＵＨ。
在接收端进行均衡处理：

夕＝＠＝ＵＨ（（ｕＤｖ日）玩＋门）＝Ｄｘ＋ＵＨ玎 （３．２１）

此时，接收端接收到的信号为独立并行的，可以容易地得到各流接收信号。

假定接收端与发射端总功率相等，发射端功率平均分配到每根天线上，信道干扰
为ＡＷＧＮ（Ａｄｄｉｔｉｏｎ Ｗｈｉｔｅ Ｇａｕｓｓｉａｎ Ｎｏｉｓｅ）。若发射端天线数目为Ｍ，接收端天线数

目为Ｍ，并将发射端功率归一化后信道的容量表示为【４５】：

万方数据
 西南交通大学硕士研究生论文 第２４页

ｃ＝缸：（１＋争 ＠２２，

其中，Ｐ＝∑只，Ｐ为发射端总功率，仃２为接收端每根天线的噪声功率，丑为矩阵

ＨＨ日的特征值。

基于ＳＶＤ的非码本预编码的性能主要受到波束成形及空间信道功率分配的影
响，可以通过改进功率分配提升该预编码方法的性能。上述的功率分配采用均匀分配

的形式，也可利用功率注水算法来进一步增加系统的容量，其实质就是使式（３．２２）
达到最大［３５１。通过使用拉格朗日求导方法求解式（３．２２）的最大值，可得：

只：ｍａｘ（ｚｆ一孚，ｏ） （３．２３）
几『

其中，甜称作注水等级，并且为正实数变量。

３．２．１．２基于ＧＭＤ的线性预编码

基于平均功率分配的ＳＶＤ预编码不能最大限度地优化系统的整体容量，基于功

率注水的ＳＶＤ预编码虽然能够对系统的整体容量作出进一步的提升，但其执行功率

注水时不仅增加了接收端检测信号的难度，还增加了整个系统的复杂性。针对上述问

题，Ｊｉａｎｇ Ｙｉ等提出了基于ＧＭＤ的线性预编码方法【８】【３６】。
对ＣＳＩ矩阵进行ＧＭＤ分解：
Ｈ＝￥形Ⅳ （３．２４）

其中，ｐ、∥都是酉矩阵，Ｓ为主对角线元素相同的上三角矩阵。

此时，选取形作为预编码矩阵，将Ｑ进行共轭转置后作为接收端均衡矩阵。将
ＧＭＤ运用到实际ＭＩＭＯ系统中，经过均衡器处理后的接收信号为：

萝＝ＱＨ（二Ⅳ玩＋玎）＝ＱⅣＱＳＷＨＷｘ＋ＱＨＦＩ＝＆＋Ｑ／／Ｆ／ （３．２５）

将式（３．２５）展开得到：
Ｍ Ｓｌｌ Ｓ１２ ｒ 一 啊
，、

％ ０ Ｓ２２ ｒ 恐 ，２２
少２ ● ●
＋ ●
（３．２６）
： ％％； ： ：

Ｙｘ ０ ０ ％Ｘ ｘＫ

可以容易地计算得到接收端经过检测的信号。ＧＭＤ分解方法对信噪比较低的子
信道进行了改进处理，通过对信道状态信息的几何均值分解，使ＭＩＭＯ通信系统的

各个子信道都拥有相同的功率，简化了系统的复杂度。

万方数据
 西南交通大学硕士研究生论文 第２５页

３．２．１．３基于ＵＣＤ的线性预编码

基于ＧＭＤ的线性预编码在高信噪比时，拥有较低的误比特率及较高的信道容

量，但在信噪比较低的条件下，ＧＭＤ算法由于其自身的迫零性，导致信道容量有一
定的损失。针对ＧＭＤ算法自身的缺陷，在假定同时知道发送端与接收端信道状态信

息的前提下，Ｊｉａｎｇ Ｙｉ等又提出了将ＭＩＭＯ信道分解为多个拥有相同容量并且无容量
损失的子信道［９】【４４】。

基于ＵＣＤ的线性预编码矩阵表示为：
Ｆ：形扳迅Ⅳ （３．２７）

其中，Ｑ为酉矩阵，即∞Ｈ＝Ｉ。
系统容量最大化是以计算ＵＣＤ的预编码矩阵的原则进行设计的，但由于Ｑ矩阵

的引入将使得预编码矩阵的设计变得更加灵活。下述Ｑ矩阵的求解过程。
经过预编码后，等效的信道矩阵表示为：

Ｈ。＝ＨＦ＝ＵＤＷ打ｗ４－６ｎＨ＝ＵＯ，ｆＧｎＨ＝ＵＹ９２Ｈ （３．２８）

其中，∑为对角阵，对角元素为｛０－１，０－２，．．．０－ｘ）。
因为对于任意一个增广矩阵，都可以找到一个半酉矩阵，使得这个增广矩阵经过

ＱＲ分解后变为一个对角线元素均相等的上三角阵。所以，定义如下增广矩阵：

瓯＝嗍＝Ｐ羞月瞄］
＝降琊警ｌ Ｍ台耻㈦２９，
其中，ａ代表信噪比的倒数，三表征数据流数。
再对／矩阵进行ＧＭＤ分解：

吒＝ｌ台曼ＩＱｓ％月哦 ＠－３∞

其中，Ｊ＝ＱＳ％日，对式（３—３０）进行分析，可知，此时取ｎｏ＝％。

最后对瓯进行ＱＲ分解，得到线和马，其中ＱＧ口＝Ｉ台乏ＩＱ；将ＱＧ口和Ｄ代
入式（３－２７）后可得此时的预编码矩阵，矩阵中的列向量为：

ｗ＝Ｓ川－１，ｑＧ√ （３－３１）

其中，ｉ＝ｌ，２…Ｋ，Ｓ川－１，是矩阵Ｓ的第ｆ个对角线元素，ｑＧｏ，ｉ是矩阵％的第ｆ列元素。
相比基于ＧＭＤ的预编码，基于ＵＣＤ的预编码除了在低信噪比下拥有更高的编
码增益、在高信噪比下拥有更强的分集增益，而且其预编码矩阵的设计也更加灵活。

万方数据
 西南交通大学硕士研究生论文 第２６页

３．２．２基于非码本的线性预编码方案仿真及分析

仿真试验中基于非码本的预编码方案在接收端所采用的信号检测方法均为基于
ＭＬ准则的信号检测算法。同样，基于非码本的预编码算法的仿真验证也仅在高天线

相关性场景下进行，具体的仿真参数设置如表３．３所示。
—＿ｅ—Ｓ、，Ｄａｖｅ ——・一Ｓ、仍ａ＂
—＿一９删 ——ｅ—Ｓ、Ｄ＿＾ｆ ，形

．∥ 汐
—＿Ｅ卜－ＧＭＤ
—｛卜＿ＧＭＤ

——十一ＵＣＤ
—１～ＵＣＤ

￡
山
巴 肜
形
竺

罡１０ 』

∥
占
｝

山
／生

∥
蔷

彳
∥
少
髟歹

．５ ０ ５ １０ １５ ２０ ２５

图３．５非码本方案ＢＥＲ（３５０ｋｍ／ｈ） 图３－６非码本方案容量（３５０ｋｍ／ｈ）

图３．５与图３－６为四种基于非码本的预编码方案在移动速度为３５０ｋｍ／ｈ时的误比
特率与容量。如图３．５所示，基于平均功率分配ＳＶＤ的方案与基于功率注水ＳＶＤ的

方案的误比特率较为接近，而基于ＧＭＤ的方案与基于ＵＣＤ的方案较为接近，且前
两种方案的误比特率高于后两种方案。基于平均功率分配ＳＶＤ的方案在ＳＮＲ小于

２０ｄＢ时，误比特率低于基于功率注水ＳＶＤ的方案；在ＳＮＲ大于２０ｄＢ时，则反之。
基于ＵＣＤ的方案在ＳＮＲ小于５ｄＢ时，误比特率高于基于ＧＭＤ的方案，在ＳＮＲ大
于５ｄＢ时，则反之。从误比特率曲线的整体趋势来看，基于ＵＣＤ的方案拥有最好的

误比特率性能。由图３－６所示，基于ＧＭＤ的方案拥有最高的信道容量，但四种方案
之间相差不大。基于平均功率分配ＳＶＤ、基于ＧＭＤ与基于ＵＣＤ的方案的容量曲线

增长趋势较为平滑，相互之间没有任何交点。而基于功率注水ＳＶＤ的方案与其它三

种方案的容量曲线存在交点。在ＳＮＲ低于０ｄＢ时容量与基于ＧＭＤ的方案相当，在

ＳＮＲ高于０ｄＢ时低于基于ＧＭＤ的方案。在ＳＮＲ低于５ｄＢ时容量高于基于ＵＣＤ的
方案，ＳＮＲ为５ｄＢ到１０ｄＢ之间时相同，而ＳＮＲ高于１０ｄＢ时低于基于ＵＣＤ的方

案。在ＳＮＲ小于１５ｄＢ时，容量高于基于平均功率分配ＳＶＤ的方案，而当ＳＮＲ大于
１５ｄＢ时两者相同。

万方数据
 西南交通大学硕士研究生论文 第２７页

——÷一５－＂７１３ａｖｅ ｌ’ —＿一Ｓ、仍ａ” ／

—ｅ—ＳｖＤ“ｌ－ ——９一Ｓ、ｏ耐 ／）

缎
１
——ｅ—ＧＭＤ ——｝一ＧＭＤ
ｒ
—｛ｈ～ＵＣＤ

蕊 ／Ｊ缪
１

乏＿～。 —１

么汐
≮＼
、、
弋≮ ≮≤
太
乇
．

形
墨１
邑
。吾ｊ 爿

．∥
ｋ、？’ 量
Ｎｈ 譬

≮＝ ｊ 导

∥’
￡
／｛
一

ｚ舞

彳
匕／
彭。
ＳＮＲ ｊＮＨ

图３—７非码本方案ＢＥＲ（５００ｋｍ／ｈ） 图３．８非码本方案容量（＇５００ｋｍ／ｈ）

图３．７与图３．８为四种基于非码本的预编码方案在移动速度为５００ｋｍ／ｈ时的误比
特率与容量。从图３．７可知，基于平均功率分配ＳＶＤ的方案与基于功率注水ＳＶＤ的

方案的误比特率较为接近，而基于ＧＭＤ的方案与基于ＵＣＤ的方案较为接近，且前

两种方案的误比特率高于后两种方案。但在５００ｋｍ／ｋ移动速度场景下，系统的误比特
率性能比在３５０ｋｍ／ｈ下更差。如图３．８所示，基于ＧＭＤ的方案拥有最高的系统容
量，基于ＵＣＤ的方案次之，基于功率注水ＳＶＤ的方案再次之，基于平均ＳＶＤ的方

案最低，但四种方案之间容量相差不大。
综合图３．５到图３．８可知，在高速移动场景下基于ＵＣＤ的方案拥有最好的误比特

率性能，而基于ＧＭＤ的方案则拥有最高的信道容量。

上述仿真结果表明，所有预编码方案的系统误比特率都没有达到１０。２以下。

３．３基于码本与基于非码本的预编码方案性能分析比较

图３－９至图３．１２为性能相对较优的采用ＳＩＮＲ准则选取ＰＭＩ并利用ＭＬ准则检测
信号的基于码本的预编码方案与两种误比特率性能及容量分别较优的基于ＵＣＤ与基

于ＧＭＤ的预编码方案在系统误比特率及信道容量两项性能指标上的对比图。
—｛÷一ＧＭＤ
—＿｛｝一ＧＭＤ
———｝—一ＵＣＤ ，‘
———・－一ＵＯＤ
ＳＩＮＩＲ＋ＭＬ

彩／
ＳＩＮＲ＋ＭＬ

０＼、 ∥
Ｎ ＼
。夕／
蕊 《、 ∥，
１

Ｌ１
∥
／
～

∥≥
∥
、
，』
’≮？≥？
、弋 ＼？ ’

彳
／

∥多
二／一
夕。 ■／

ＳＮＲ ＳＮＲ

图３－９码本及非码本方案ＢＥＲ（３５０ｋｍ／ｈ） 图３．１０码本及非码本方案容量（３５０ｋｍ／ｈ）

万方数据
 西南交通大学硕士研究生论文 第２８页

图３－９与图３．１０分别为基于码本与非码本的预编码方案在移动速度为３５０ｋｍ／ｈ时

的误比特率与容量。由图３－９可知，基于码本的方案在中、低信噪比的误比特率高于
基于非码本的方案；在高信噪比时，则反之。具体来说，基于码本的方案在ＳＮＲ小
于９ｄＢ时误比特率低于基于ＧＭＤ的方案，在ＳＮＲ大于９ｄＢ时，则反之；在ＳＮＲ小

于１４ｄＢ时高于基于ＵＣＤ的方案，在ＳＮＲ大于１４ｄＢ时，则反之。还可知，基于码
本的方案拥有更低的错误平层。如图３．１０所示，三条容量曲线平滑增长，相互之间

并无任何交点。基于码本的方案的信道容量稍微低于两种基于非码本的方案。
１００ ｒ————————ｒ————————ｒ————————ｒ———————１———————．１————————１——．————］ １８

１４

１２
岔 霄
山
王
邑
２ 篓１０
昆１０ 曼
占 看８
｝
山 墨
盏 。

－５ １３ ５ １０ １５ ２０ ２５ ．
０ １ １５ ２０ ２５
Ｈ ５ Ｈ

图３一 码本及非码本方案 （ 图３．１２码本及非码本方案容量

图３．１１与图３．１２为基于码本与非码本的预编码方案在移动速度为 时的

误比特率与容量。从图３．１１可知，在中、低信噪比时，基于码本的方案的误比特率高
于基于非码本的方案；在高信噪比时，则反之。在 小于 时，基于码本的方
案的误比特率高于基于 的方案，在 大于 时，反之。在 小于

时，基于码本的方案的误比特率高于基于 的方案，在 为 到 之

间时两者相当，在 大于 时略微低于基于 的方案。由图３．１２可见，三

条容量曲线并无任何交点。与在 移动速度场景下类似，基于码本的方案的信
道容量依然稍微低于基于非码本的方案。

在分析了基于码本与非码本的预编码方案的误比特率与信道容量这两项性能指标
后可知：在系统误比特率性能方面，基于码本的方案在中、低信噪比时劣于基于非码

本的方案；在高信噪比时，则反之。但基于 的方案与基于 的方案需要清

楚地知道发射端与接收端的 ，这个苛刻的要求在实际的 系统中很难实现。在

系统容量方面，基于码本的方案低于两种基于非码本的方案。因为基于非码本的方案

直接对 矩阵进行特定地分解以构建出最优的预编码矩阵，基于 与基于

的方案本来就是基于容量最优的准则进行设计的，所以这两种方案在容量方面要比基

于码本的方案更有优势。但基于非码本的方案在进行反馈时，反馈的是整个子帧的信
道状态信息，反馈量过大，严重影响了系统的链路传输效率。且在仿真中假设反馈的

从接收端无误地到达发射端，但在实际的通信系统中，这点得不到保证，当发射

万方数据
 西南交通大学硕士研究生论文 第２９页

端收到的反馈ＣＳＩ有误时，将会对基于非码本的方案的性能产生较大影响。并且，

ＬＴＥ协议中明确规定了使用基于码本的预编码方案进行预编码操作。所以，经过一系
列的比较、分析后，采用ＳＩＮＲ准则选取ＰＭＩ并利用ＭＬ准则检测信号的基于码本的

方案就成为了进一步研究高速移动场景下预编码性能优化的所选方案。

３．４本章小结

本章首先分析基于码本的线性预编码技术，其中包括码本设计与选择、接收端检
测算法，并进行相应的仿真。然后简要分析四种非码本预编码算法：基于平均功率分
配ＳＶＤ、基于功率注水ＳＶＤ、基于ＧＭＤ及基于ＵＣＤ的预编码算法，并进行相应的

仿真。最后针对筛选得出的性能相对较优的基于码本与非码本的预编码方案进行比较
及分析。在综合考量性能、效率与协议规定后，选定采用ＳＩＮＲ准则选取ＰＭＩ并利用

ＭＬ准则检测信号的基于码本的预编码方案作为下一章中进一步研究的方案。

万方数据
 西南交通大学硕士研究生论文 第３０页

第４章基于统计信道状态信息的码本预编码方案

现阶段９统计信道信息主要用来进行基于非码本的预编码操作【２８】，但基于码本的

预编码方案才是ＬＴＥ协议中明确规定采用的方案。因此，对于高速移动环境下基于
ＬＴＥ协议的码本预编码方案的研究成为了本章的出发点。在高速移动场景下，本章给

出了基于统计信道状态信息的码本预编码方案，利用信道的统计信息改善此时信道估
计的准确性，在高天线相关性场景下提高了系统的误比特率性能。并且基于完全统计

信道状态信息的方案在高、低天线相关性场景下都显著减小了预编码操作中码本选择

的计算复杂度，大幅降低链路的反馈开销。

４．１基于统计信道状态信息的码本选择算法

ＬＴＥ／ＬＴＥ．Ａ协议规定了５种信道参考模型【１９】一【２１】，其中移动速度越快，对应的多

普勒频移越大。在ＬＴＥ／ＬＴＥ．Ａ协议中现有的多普勒频移最大的ＥＴＵ２模型中，相干时
间大约是１．４１ｍｓ，大于一个子帧的传输周期，可近似看做传输的信号经历慢衰落。但

此时的移动速度仅仅达到１２０ｋｍ／ｈ，距离高速移动的要求还有一大段差距。当移动速

度增加到３５０ｋｍ／ｈ时，最大多普勒频移变为８５０Ｈｚ，其对应的相干时间大约为
０．４９８ｍｓ，小于一个子帧的传输周期，当前传输的信号经历快衰落。此时，不能像在

传统场景中那样，认为在一个符号传输周期内，ＣＳＩ几乎保持不变或缓慢变化。在高
速移动场景下，ＣＳＩ在一个子帧传输周期内，不再是缓慢变化，而是明显变化。随着

ＣＳＩ的快速变化，多普勒频移显著增加，传统的信道估计技术已变得不再准确，信道

的快时变性导致经历了反馈时延后得到的ＣＳＩ不再能较为准确地刻画此时真实的信道
情况。

为了应对信道的快时变性及信道估计的不准确性等问题，基于发射端动态信道状
态信息模型，结合ＬＴＥ协议规定，对上一章中找出的较适用于高速移动场景的码本预
编码方案进行改进。给出了基于统计信道状态信息以最大ＳＩＮＲ（Ｓｉｎｇｌｅ Ｉｎｔｅｒｆｅｒｅ

Ｎｏｉｓｅ Ｒａｔｅ）为优化准则的码本选择算法：
加入ＭＩＭＯ预编码后的ＭＭＳＥ接收机为［２９】：

Ｇ似ＳＥ＝ＩＨ：ＨＥ＋Ｇｎ２ＩＮｊ＼？Ｈ：

＝（（删）Ｈ（聊）＋％２ｋ）～（册）Ⅳ （４－】）

其中盯。２为噪声方差。
将式（２．１８）带入式（４．１）后，可以得到经动态ＣＳＩ模型修正的ＭＭＳＥ接收机：

ＭＭＳＥ＝－（（膏ｓ形］月（含ｓ矽）＋仃：，Ⅳ，］～（合ｓ∥）日 。４．２，

万方数据
 西南交通大学硕士研究生论文 第３ ｌ页

其中，日，＝心＋以（风一风）。以为信道均值，Ｈｏ为信道瞬时估计值，Ｐ。为信道估
计质量因子。当Ｐ。取值为０时，用作码本选择的ＣＳＩ即为完全统计ＣＳＩ；当Ｐ，取值为１
时，即为完全估计ＣＳＩ。

经过经信道统计信息修正信道估计值后的ＭＭＳＥ接收机的信号为：
＾ ＾ ＾ ＾

曼＝ＧＷｃｔＳＥ ｙ＝Ｇ胁垭ＨＷｘ＋Ｇ胁砸Ｎ （４－３）

其中曼＝【墨，五】７为经过接收机后的估计信号，ｘ＝【Ｘ１ ｘ：】１为发射端的原始信号。
对式（４．３）进行拆分，可得第ｋ层信号的估计值：
＾ ＾ Ａ Ａ

五＝ｌ Ｇｍ艇（七，：）×Ｈ×形（：，ｋ）ＩＸｋ＋∑Ｉ
Ｌ
ＭｍｘＩ）ｍ，：（形×日×）：，七（艇ｍＧ
Ｊ ｍ＝ｌ，ｍ。ｋＬ Ｊ
（４．４）

＋∑Ｇ一（尼，ｍ）×ｉｍ
其中‰（Ｊｉ｝，：）表示Ｇ脚矩阵的第后行，形（：，ｍ）表示形矩阵的第ｍ列，Ｇａ删ｓＥ（ｋ，ｍ）
表示Ｇ一矩阵的第尼行第ｍ列元素，虬表示同一时刻两个接收机的高斯白噪声。
此时总的ＳＩＮＲ为：

一荟爵去面一㈡‘５’
Ｍ
０Ｇ一（后，：）×俄∥（：，后）０
智钏ｅ一（吵献形（：，硝＋巧：１１６一（刊Ｉ‘
对于已经给定的码本集Ｃ＝｛Ｃｌ，Ｃ２，．．．，ＣⅣ｝，码本选择算法为：
旷＝ａｒｇｍａｘｌ ＳｔａＲ（Ｗ，）Ｉ

４．２基于统计信道状态信息的预编码方案仿真及分析
本节主要在高天线相关性场景下仿真分析给出的基于统计ＣＳＩ（Ｃｈａｎｎｅｌ Ｓｔａｔｅ

Ｉｎｆｏｒｍａｔｉｏｎ）的预编码方案，并与低天线相关性场景下的结果比较，具体仿真参数的
设置如表４．１所示。
表４．１仿真参数设置

万方数据
 西南交通大学硕士研究生论文 第３２页

（１）高天线相关性场景

——估计
十统计Ｏ
十统计０．１
十统计０５
岔
｜｝辜一 估统统统统 计计计计计 —＋＿统计０，

出
ｉ
重１０。
吕

卤
盏

５ ０ ５ 伯 １５ 加 ２５ ．佃 ５ ０ ５ 佃 １５ 加 为
ＳＮＨ ＳＮＨ

图４．１给出的方案ＢＥＲ（３５０ｋｎｇｈ） 图４．２给出的方案容量（３５０ｋｎｌ／ｈ）

图４．１与图４．２为给出的预编码方案在３５０ｋｎ＝ｌ／ｈ移动速度下的系统误比特率与信

道容量，其中信道估计质量因子Ｐ。取值为０、０．１、Ｏ．５、０．９、１（Ｐ。＝１时为基于估计
ＣＳＩ的方案，即为上一章中找出的较适用于高速移动场景的码本预编码方案）。由４．

１图可知，当前移动速度增加到３５０ｋｒＩｌ／ｈ，此时系统经历的最大多普勒频移增加到
８５０Ｈｚ，信道状态信息处于快时变情况，系统的误比特率性能急剧下降，在ＳＮＲ大于

２０ｄＢ时，即开始出现错误平层。Ｐ，为１时，统计ＣＳＩ完全由瞬时估计值构成，即为

基于估计ＣＳＩ的方案；随着Ｐ。的进一步减小，统计ＣＳＩ由信道均值与瞬时估计值共同
组成，即为基于统计ＣＳＩ的方案；当ＪＤ。减小到０时，此时的统计ＣＳＩ完全由信道均值
构成，即为基于完全统计ＣＳＩ的方案。五种方案在ＳＮＲ小于．５ｄＢ时拥有相同的误比

特率，但在ＳＮＲ大于．５ｄＢ时，基于统计ＣＳＩ的方案拥有更低的误比特率，且其错误
平层也更低。从误比特率曲线的整体趋势来看，基于完全统计ＣＳＩ的方案拥有最好的

误比特率性能。由图４—２可知，五种方案的容量曲线完全重合，说明这五种方案的信
道容量相同。
——估计
ｅ 统｝ 。０ ＋统计０
十统计ｏ．１
。０．１

’０５ ＋统计Ｄ．５
十统计０＿９
＼ 【
｝ 统｛ ’０＿９

＼＼
蔫
≮

５ ０ ５ 佃 １５ 加 ２５

ＳＮＲ ＳＮＲ

图４．３给出的方案ＢＥＲ（５００ｋｍ／ｈ） 图４—４给出的方案容量（５００ｋｍ／１１）

图４．３与图４．４为给出的预编码方案在５００ｋｎ＝１／ｈ移动速度下的系统误比特率与信

万方数据
 西南交通大学硕士研究生论文 第３３页

道容量，其中信道估计质量因子ｐ。取值为０、０．１、０．５、０．９、１。由图４．３可知，随着
移动速度继续增加到５００ｋｍ／ｈ，系统经历的最大多普勒频移随之增加到１２００Ｈｚ，此时

信道状态信息经历更加严重的快时变，系统的误比特率大幅升高。基于统计ＣＳＩ的预
编码方案拥有较为微弱的误比特率性能优势，但各种方案之间相差很小。由图４—４可

知，在５００ｋｍ／ｈ移动速度环境下五种方案的容量曲线完全重合，说明在５００ｋｍ／ｈ移动

速度环境下各种方案的信道容量也相同。
从图４．１至图４．４的分析可知，在３５０ｋｍ／ｈ与５００ｋｍ／ｈ的移动速度、高天线相关性场

景下采用统计ＣＳＩ对预编码操作中码本选择算法进行改进后，确实能够稍微提升系统

的误比特率性能，但信道容量相比于基于估计ＣＳＩ的方案没有变化。由于高移动性场

景下通信环境的进一步恶化，导致不管是采用基于估计ＣＳＩ还是基于统计ＣＳＩ的预编码
方案，在不加入任何纠错编码的前提下，误比特率均没有低于１０‘２，都达不到正常通
信的需求。

（２）低天线相关性场景

纠＝墓荨。 估计
—争＿统计ＩＩ
—铲统计０．１
—号－统计１１．１
—卜统计１１．５ 十统计１１．５
—ｐ统计０．９ —＋＿统计１１．９

矿
∥
ｔ＆．；
矿
Ｊ ∥
∥
／
／／
５ ０ ５ １０ ＇５ 加２５

图４—５给出的方案ＢＥＲ（３５０ｋｍ／ｈ） 图４—６给出的方案容量（３５０ｋｍ／ｈ）

图４．５与图４．６为给出的预编码方案在３５０ｋｍ／ｈ移动速度下的误比特率与信道容量，

其中信道估计质量因子ＪＤ。取值为Ｏ、Ｏ．１、０．５、０．９、１。由图４．５可知，四种基于统计

ＣＳＩ的方案的误比特率稍稍高于基于估计ＣＳＩ（即ＪＤ。取值为１）的方案。随着ｐ。的取值
从０开始逐步增大，基于统计ＣＳＩ的方案的误比特率逐渐减小，误比特率曲线逐渐靠近

基于估计ＣＳＩ信息的方案。五种方案的误比特率曲线都在ＳＮＲ大于２０ｄＢ时出现错误平
层。由图４．６可见，五种方案的容量曲线几乎重合，说明方案的信道容量相同。

万方数据
 西南交通大学硕士研究生论文 第３４页

三｝｝ 估ｊ８ｌ统统统 计计计计计

霄
壬１５
２
羔
￥
善
墨１０

１０ １５ 加 Ｚ５ －１１１ －．Ｓ Ⅱ ｆｉ １１１ １５ ２１１ ２５

ＳＮＲ ５ＮＨ

图４．７给出的方案ＢＥＲ（５００ｋｍ／ｈ） 图４—８给出的方案容量（５００ｋｍ／ｈ）

图４．７与图４．８为给出的预编码在５００ｋｍ／ｈ移动速度下的误比特率与容量，其中信道

估计质量因子Ｐ．取值为Ｏ、０．１、Ｏ．５、０．９、１。由图４．７可见，基于估计ＣＳＩ的方案与四
种基于统计ＣＳＩ的方案拥有几乎相同的误比特率，且均在ＳＮＲ大于１５ｄＢ时开始出现错
误平层。由图４．８可知，五条信道容量曲线完全重合，即五种方案的的容量都相同。

从图４．５到图４．８的分析可知，在低天线相关性场景下采用统计ＣＳＩ进行改进后的方

案的误比特率性能反而比不进行改进的方案（即信道估计质量因子ｐ。取值为１）稍
差。但各种方案之间总体差别不大，几乎相同。五种方案的信道容量也是基本相同
的。虽然在低天线相关性场景下，预编码方案的系统误比特率性能相对高天线相关性

场景有所提升，但仍然较差，仅在３５０ｋｒｎ／ｈ移动速度下达到了１０～。
从上述仿真结果可知，在高天线相关性场景下，使用统计ＣＳＩ对预编码方案进行

改进后确实能够稍微提升系统的误比特率性能。而在低天线相关性场景下，使用统计

ＣＳＩ对预编码方案进行改进后，效果却相反，反而些微增高了系统的误比特率。并且
采用统计ＣＳＩ信息进行改进后，对方案的信道容量几乎没有影响，在所有仿真场景

下，各种方案的信道容量都是几乎相同的。综合来看，几种方案在系统误比特率及信
道容量上均相差不大。即，使用统计ＣＳＩ信息对预编码方案进行改进后，对系统的误
比特率性能及信道容量提升较为有限。但是，基于完全统计ＣＳＩ的方案（即信道估计

质量因子ｐ。取值为０）不仅在高天线相关性场景下误比特率性能是最优的，而且在码
本选取的计算复杂度及反馈开销方面均显著低于其它方案，详细分析见４．３节。

考虑误比特率性能、信道容量、码本选取计算复杂度与链路反馈开销后，基于完

全统计ＣＳＩ的预编码方案相比基于估计ＣＳＩ的方案还是存在着一定的优势。

４．３算法复杂度及反馈开销分析

ＬＴＥ协议规定［２０１１２２］，要进行传输的数据首先需要组合生成无线帧，再在上、下行

链路中以无线帧为单位进行传输；一个无线帧的时间长度为１０ｍｓ，又细分为十个子
帧，其中每个子帧的时间长度均为ｌｍｓ。在１．４ＭＨｚ带宽配置下，每个子帧在时域包含

万方数据
 西南交通大学硕士研究生论文 第３５页

１４个ＯＦＤＭ符号，在频域包含６个资源块，每个资源块包含１２个子载波，总共１００８个

子载波。但其中有少量子载波用来传输进行信道估计的导频信号，总共占用１４４个子
载波，所以实际用于数据传输的子载波数为８６４个。四天线发射情形下一个资源块的
数据分布如图４．９所示，其中阴影部分为信道估计使用，其余为实际传输数据使用。

效澍 睃 礴嫩 激
卷
聪
妪 谢皴 躲 矧泌 弼
《－
１

豁锻 受费 ｛５｛｝ 蕊 ：｝；｝ｌ

敝裂 搿 秘嫩 效

图４—９子帧中资源块的数据分布

假定预编码索引的反馈粒度在时域上为２个ＯＦＤＭ符号，在频域上为２个资源块

（ＲＢ）；再考虑４发射天线的情况，则在一个子帧内实际需要反馈的预编码索引数为

２１个。当采用统计ＣＳＩ（信道估计质量因子ＪＤ。取值不为０）并利用最大ＳＩＮＲ准则选择
ＰＭＩ时，需要进行２１次ＰＭＩ的选取。而采用完全统计ＣＳＩ（Ｐ。取值为０）对信道的估计

值进行修正后，只需进行１次ＰＭＩ的选取，便可在接收到反馈ＰＭＩ（Ｐｒｅ．ｃｏｄｉｎｇ Ｍａｔｒｉｘ
Ｉｎｄｅｘ）的发射端对整个子帧的数据进行预编码操作。显而易见，由于在一个子帧内Ｐ
ＭＩ的选取次数从２１次减少到了１次，因此运算的复杂度大幅度降低。下面以基于估计
ＣＳＩ（ＪＤ。取值为１）的方案与基于完全统计ＣＳＩ的方案为例分析一个子帧内码本选择算
法的计算复杂度。详情见表４．２，其中门为层映射的层数。
表４—２ ＰＭＩ选择算法复杂度对比

由表４．２可见，相对于基于估计ＣＳＩ的预编码方案，基于完全统计ＣＳＩ的预编码方
案确实能够大幅度降低码本选择过程中的运算复杂度。

下面接着分析实际情况中的链路反馈开销。在四发射天线情形下，对于每种层映

射情况，码本中均包含１６个预编码矩阵，即反馈一个预编码矩阵索引需要占用４ｂｉｔ的

反馈量。所以，当采用基于统计ＣＳＩ（ＪＤ。取值不为０）的预编码方案，此时对于一个子
帧的数据量来说需要占用８４ｂｉｔ的链路反馈开销；而对于同等条件下的采用完全统计
ＣＳＩ进行预编码的方案来说，却仅仅需要４ｂｉｔ的链路反馈开销。由此可见，采用基于完

万方数据
 西南交通大学硕士研究生论文 第３６页

全统计ＣＳＩ的预编码方案不仅可以大幅度降低码本选择过程中的计算复杂度，而且还

极大地减小了系统的ＰＭＩ反馈开销。下文叙述中基于统计ＣＳＩ的预编码方案均是指基
于完全统计ＣＳＩ。

４．４针对误比特率性能较差的应对方案

由４．３节的分析可知，虽然基于统计信道状态信息的预编码方案存在着一定的优
势，但在高速移动场景下，由于通信环境急剧恶化，单纯地利用信道均值对信道状态

信息进行修正已不能达到通信系统进行正常通信而需要的误比特率性能。鉴于此种情
况，下面将采用四种方案应对上述问题：

（１）继续采用基于统计信道状态信息的预编码方案，但对整个系统的数据传输采取
降秩处理，减小数据传输的层数，由两层变为一层。对应到仿真平台上，在层映射模
块中将需要进行处理的数据映射到单层。即采用牺牲有效性换取准确性的方法进一步
提升系统的误比特率性能。

（２）减小基于估计信道状态信息的预编码方案的反馈粒度（将反馈的时域间隔与频
域间隔均变为原来的一半），加大反馈量；以期更好地匹配真实的信道状态信息，提
升系统误比特率性能。

（３）因为高速移动场景下所获得的信道状态信息严重恶化，导致使用获取的信道状
态信息进行预编码操作后系统的误比特率性能急剧下降。所以使用ＬＴＥ协议中本身存

在的基于大延迟ＣＤＤ的开环码本预编码方案［２０１［２２】，完全不使用信道状态信息进行预编

码操作。

（４）尝试利用更多的统计信道信息对估计的信道状态信息进行改善，同时使用信道
的均值与协方差进行预编码操作。下面简要分析以ＰＥＰ（Ｐａｉｒｗｉｓｅ Ｅｒｒｏｒ Ｐｒｏｂａｂｉｌｉｔｙ）为
优化准则的基于非码本的预编码算法［２４】。

４．４．１以ＰＥＰ为优化准则的预编码算法

预编码矩阵由输入成形、波束赋形及功率分配三部分组成。当数据的传输模式为
空间复用方式，并且以最小成对错误概率作为优化准则［２４】，此时输入码字的协方差矩
阵Ｑ为单位阵Ｊ。对矩阵Ｑ进行特征值分解后得到Ｑ＝Ｖｏ，４０蟛，此时最优的输入成
形矩阵ｙ即为Ｕｎ，可被省略。可见，当前预编码矩阵设计的关键在于波束赋形与功
率分配这两部分。
以最小成对错误概率（ＰＥＰ）作为优化准则的最优预编码矩阵满足［２４】：

ｒ／ｏＷＷ＋＝亡（Ⅳ，ｋ＋Ｐ“２）～耳１
ＺＶ
（４－７）

其中，７７。＝华，Ｐ为信噪比且Ｑ＝‰Ｊ（Ｑ＝Ｉ），所以‰＝１。

万方数据
 西南交通大学硕士研究生论文 第３７页

单＝Ｘｒ２ｌＮｉ七如Ｋ？Ｈ二ＨｍＫｉ（４－８、

而巩＝ｚ１。妾。峨，尾＝专哇。塞。珥巩一瓦风）
式（４．８）中的ｖ为基于发送端功率相等限制的拉格朗日乘子，分为满秩与弃模求
解两种：

（１）满秩情况求解

假定ｉ１（Ⅳ，ｋ＋罗¨２）一皿ｆ１满秩，则满足等式：

耖（－÷（ＸｒｔＮ＋妒“２）一何１）＝，７０
，）９－４（

令乃（江１…Ⅳ）为矩阵耳１瓦巩耳１按照升序排列后的特征值且
成＝２［ｔｒ（Ｐ、７－１）＋吼］，利用Ａ（ＮＩ＋Ａ）＝Ｎ＋Ａ∽）特性，式（４－９）可重写为：

ⅣｒＭ＋∑√孵＋帆一肘＝０ （４—１０）

在一般情况下，上式无闭式解，但采用二分法可以有效地求解出’，。ｙ的上下界
分别为：

万方数据
 西南交通大学硕士研究生论文 第３８页

Ｖ一２－爱－ｇＴ噜 ㈨…

Ｖ栅２瓮＋麓（４－１５）
其中，成＝丙去０７０＋，羹Ｚ。ｉ南），ｈ、Ａ分别是矩阵何１职巩何１的最大和最小特
征值。

由上述求解过程可见，求解’，的过程类似功率注水过程。但一般的功率注水过程

只改变功率的分配，而对于本征模的方向性没有影响。但求解ｖ的过程中，不仅功率
的分配会改变，并且本征模的方向性也会随着迭代的过程而改变。
此时，令式（４．７）中右边部分为①，即：

（４—１６）
①＝・＿１（ＮＪＮ，＋ｙ“２）一何１
Ｚ’，

对式（４．１６）进行特征值分解处理后得到：

西＝％以Ｅ （４．１７）

则最优预编码矩阵∥为：

Ｗ＝辜％名２Ｖ＋ （４．１８）
√Ｐ

其中，右奇异值矩阵ｙ可以是任意的酉矩阵，％为最优波束赋形矩阵，以为功率分
配矩阵。

特别，当输入码字的协方差矩阵是单位阵时，ｙ即为单位阵，此时最优预编码矩
阵缈为：

Ｗ＝辜％彬２ （４－１９）
、／Ｐ

４．４．２应对方案仿真结果分析

本节将上述的四种解决方案带入仿真平台，主要在高天线相关性场景下进行仿真

验证，同样，也在低天线相关性场景下仿真作为对比。仿真参数的具体设置如表４．１

所示，减小反馈粒度的基于估计ＣＳＩ（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ）与基于大延迟ＣＤＤ的

方案的数据层数为２层，另外两种方案的数据层数由２层变为了１层。

（１）高天线相关性场景

万方数据
 Ｅ
４０

孙¨可１『 ２见
２●一

¨ 耐捆减 ！：三酣徽＠种数 懈他的酬澍营

方舢小 一案Ｂ传 一衄为辙 案缴 在汁
５Ｏ

ＣＳ ｍ的Ⅱ内 ｍ方卧蟛溱４多暮 ｍ动与 应悫扶鹰速以 咖剪阻方下沿 粼的为褪蹴槲 瀑恻 删与的 ∽容方 蚤剽，的 Ｅ、，．，

万方数据
 西南交通大学硕士研究生论文 第４０页

比特率性能较好，且误比特率明显低于其它两种方案。由图４．１３可知，以ＰＥＰ为优
化准则的方案的信道容量在中、低信噪比时高于其他三种方案。其他三种方案的容量

在中、低信噪比时差别不大，但随着信噪比的进一步增加，减小反馈粒度的基于估计
ＣＳＩ的方案拥有最高信道容量。
—Ｐ估计口层ｌ
＋统计促层ｌ
－－－－－－ｉｐ－－－－估计Ｐ层ｌ

十统计１１层ｌ
——估计Ｉ焉小反馈垃度ｌ
－－－Ｂ－－－统计２层ｌ
—争一统计（１屡ｌ
——估计Ｉ减小反馈粒度Ｊ

岔１０’ 一＇０
∞ 苫
之
盏
苌
亏
墨
ｕ
岙佃‘２ ５

５ ｏ ５ ｌｏ １５ ２１１ ２５ ５ ｏ ５ 佃 １５ ２１１ ２５
ＳＮＲ（ｄＢ） ＳＮＲ（ｄＢｌ

图４－１４原始与应对方案ＢＥＲ（３５０ｋｍ／ｈ） 图４．１５原始与应对方案容量（３５０ｋｍ／ｈ）

在高天线相关性场景下，为说明数据传输层数对系统性能的影响，图４．１４与图
４－１５给出了原始的基于估计ＣＳＩ、基于统计ＣＳＩ的方案与减小传输层数的基于统计

ＣＳＩ的方案、减小反馈粒度的基于估计ＣＳＩ的方案在３５０ｋｍ／ｈ移动速度下的误比特率
与容量对比。由图４．１４可见，减小传输层数的基于统计ＣＳＩ的方案比其它的三种方

案的误比特率性能提升了不少，将误比特率降低了几乎一个数量级，远远低于其它三

种方案。这三种方案之间的误比特率性能相差不大。减小反馈粒度的基于估计ＣＳＩ的
方案相比原始方案，其误比特率性能在中、高信噪比时有了些微的提升，但改善不

大，误比特率依然较高，达不到正常通信的需求。由图４．１５可见，层映射为一层的
方案的信道容量的增长趋势为线性增长，而层映射为两层的三种方案的信道容量的增

长趋势呈现非线性增长。层映射为两层的方案在ＳＮＲ小于５ｄＢ时的信道容量比层映
射为一层的方案低，但在ＳＮＲ大于５ｄＢ时，则相反。
—ｐ估计馨层ｌ ｉ－ｌｌ，．－－估计Ｐ层ｌ

》
—卜统计２层ｌ
十统计１１层ｌ －－－－－ｉ．－－统计足层｝
审统计ａ层ｌ
估计佩小反馈粒度ｌ

少
．∥
．／’
矿一 ／‘
５ ０ ５ 佃 １５ 加
ＳＮＲ（ｄＢ）

图４．１６原始与应对方案ＢＥＲ（５００ｋｍ／ｈ） 图４．１７原始与应对方案容量（５００ｋｍ／ｈ）

万方数据
 西南交通大学硕士研究生论文 第４１页

同样，图４．１６与图４．１７给出了原始的基于估计ＣＳＩ、基于统计ＣＳＩ的方案与减
小传输层数的基于统计ＣＳＩ的方案、减小反馈粒度的基于估计ＣＳＩ的方案在５００ｋｍ／ｈ

移动速度下的误比特率与容量对比。由图４．１６可见，将先前的基于统计ＣＳＩ的方案
做了降秩处理后，系统的误比特率性能得到了较为显著的提升，误比特率明显低于其

它三种方案。而减小反馈粒度的基于估计ＣＳＩ的方案的误比特率性能相比于原始方案
并没有得到提升。由图４．１７可知，四种方案在ＳＮＲ小于１０ｄＢ时拥有几乎相同的信

道容量；但在ＳＮＲ大于１０ｄＢ时，层映射为２层的方案的容量高于层映射为１层的方

案。并且因为秩为２的方案的信道容量曲线呈现非线性的增长趋势，而秩为１的方案
的容量曲线呈现线性的增长趋势，所以随着信噪比的进一步增加，秩为１与秩为２的
方案之间的容量差值越来越大。

由图４．１０到图４．１７分析可知，在高天线相关性场景下对给出的基于统计ＣＳＩ的预编

码方案的传输数据层数进行降秩处理后，虽然信道容量有所降低，但系统的误比特率
性能大幅变好，达到了以传输有效性换取传输可靠性的目的；而减小基于估计ＣＳＩ的
反馈粒度后相比于原始方案，其误比特率性能虽有些微改善，但没有发生明显的变

化，信道容量与原始方案相同。在３５０ｋｍ／ｈ的移动速度下，对比给出的四种改进方
案，基于大延迟ＣＤＤ的方案与减小反馈粒度的基于估计ＣＳＩ的方案在信道容量上并不

存在优势，且这两种方案的误比特率性能较差，达不到系统进行正常通信的要求，故

不可取。减小传输层数的基于统计ＣＳＩ的方案在高信噪比时的误比特率性能与以ＰＥＰ为
优化准则的方案几乎相同，但在中、低信噪比时，基于非码本的方案较优。以ＰＥＰ为
优化准则的方案的信道容量相对于减小传输层数的基于统计ＣＳＩ的方案更高。但以ＰＥＰ
为优化准则的方案在计算预编码矩阵的过程中要求解非闭式解的近似解，计算复杂度

明显高于减小传输层数的基于统计ＣＳＩ的方案。并且因为其反馈的是信道状态信息矩
阵，所以其反馈开销相对较大。仿真平台中假设反馈的ＣＳＩ从接收端无误地到达发射

端，但实际系统中，这点得不到保证，由于反馈开销越大，其反馈信息出错的概率也
就相应越大，当发射端收到的反馈ＣＳＩ有误时，将会对基于非码本的方案的性能产生

一定的影响。在５００ｋｍ／ｈ的移动速度下，减小反馈粒度的基于估计ＣＳＩ的方案与基于大
延迟ＣＤＤ的方案的误比特率明显高于另外两种方案，故不可取。但由于移动速度实在
太快，导致经过了降秩处理后的基于统计ＣＳＩ的闭环预编码方案与以ＰＥＰ为优化准则的

方案的误比特率性能在５００ｋｍ／ｈ的移动速度下依旧较差，误比特率没有低于１０—２。

（２）低天线相关性场景

万方数据
 西南交通大学硕士研究生论文 第４２页

—・一统计１１层Ｉ
—＿旨一ｐｅｐ
—一号卜一ＣＯＤ

ｏ…； ．｝ Ｊ——估计（藏小反量堕塑

岔１０’

看１０‘２

１０ ＇５ 加 巧
ＳＮＲ（ｄＢｌ

图４．１８应对方案ＢＥＲ（３５０ｋｍ／ｈ） 图４一１９应对方案容量（３５０ｋｍ／ｈ）

图４．１８与图４．１９为四种应对方案在３５０ｋｍ／ｈ移动速度下的误比特率与容量。由

图４．１８可知，以ＰＥＰ为优化准则的方案的误比特率性能在ＳＮＲ大于０ｄＢ时稍稍好于
减小传输层数的基于统计ＣＳＩ的方案，但两者之间的差别并不大。而基于大延迟

ＣＤＤ的方案与减小反馈粒度的基于估计ＣＳＩ的方案的误比特率明显高于另外两种方

案。四种方案均在ＳＮＲ大于２０ｄＢ时开始出现错误平层。由图４．１９可见，基于大延
迟ＣＤＤ的方案与减小反馈粒度的基于估计ＣＳＩ的方案的信道容量几乎相同，最高；

而减小传输层数的基于统计ＣＳＩ的方案次之；以ＰＥＰ为优化准则的方案最低。
—・一统计１１层） —・一统计１１层Ｉ
—。＿一ｐｅｐ ——目—一ｐｅｐ
—－卜ＣＤＤ —。马卜一ＣＤＤ

－； ｝ｌ二竺生！蔓！：垦堡堕塞１ 估计ｌ藏小反馈粒度Ｉ

岔１０ 夕
／
≯≯
岩
互

／１
歪
荟
Ｕ。．Ｉ

／ 声夕

么多
∥ｉ
盏’０’２

——一

５ 伯 １５ 加 巧
ＳＮＲ（ｄ即

图４—２０应对方案ＢＥＲ（５００ｋｍ／ｈ） 图４－２ｌ应对方粟容量（５００ｋｍ／ｈ）

图４．２０与图４．２１为四种应对方案在５００ｋｍ／ｈ移动速度下的误比特率与容量。由

图４．２０可知，减小反馈粒度的基于估计ＣＳＩ的方案与基于大延迟ＣＤＤ的方案的误比

特率明显高于其它两种方案。从误比特率曲线的总体趋势上看，减小传输层数的基于
统计ＣＳＩ的方案拥有最优的误比特率性能。由图４．２１可见，减小反馈粒度的基于估
计ＣＳＩ的方案与基于大延迟ＣＤＤ的方案的信道容量几乎相同，高于其他两种方案。

减小传输层数的基于统计ＣＳＩ的方案在ＳＮＲ大于１５ｄＢ时开始高于以ＰＥＰ为优化准
则的方案，但两者之间的差别并不大。

万方数据
 西南交通大学硕士研究生论文 第４３页

’●Ｊ¨弘●≮Ｊ 十估计Ｐ屡Ｉ
—卜统计伫层ｌ
－－统计仁层）
＿＾●●ＩＩＥＪ 十统计１１层ｌ
——估计Ｉ藏小反馈粒度｝ 苗计（藏小反馈较度）

∥‘
Ｌ

菠 ∥
，‘鬻 氐
＼、
＼

∑≮
Ｎ氏．
’≮ｋ 一 ．考≯．／
ｒ

≮’、 ∥ 多厂
二多ｒ
Ｐ一

ＳＮＲ（ｄＢ） ５ＮＦ２｛ｄＢ）

图４．２２原始与应对方案ＢＥＲ（３５０ｋｍ／ｈ） 图４—２３原始与应对方案容量（３５０ｋｍ／ｈ）

在低天线相关性场景下，为说明数据传输层数对系统性能的影响，图４—２２与图
４．２３给出了原始的基于估计ＣＳＩ、基于统计ＣＳＩ的方案与减小传输层数的基于统计
ＣＳＩ的方案、减小反馈粒度的基于估计ＣＳＩ的方案在３５０ｋｍ／ｈ移动速度下的误比特率

与容量对比。由图４．２２可见，将传输数据层数进行降秩处理后的基于统计ＣＳＩ的方
案的误比特率性能提升了很多，在同一信噪比条件下，相比其他三种方案误比特率降
低了几乎一个数量级；而减小了反馈间隔的基于估计ＣＳＩ的方案与原始方案拥有相同

的误比特率。由图４．２３可见，降秩后的方案的信道容量低于降秩前的方案，且随着
信噪比的增加，之间的差值越来越大。减小反馈粒度的基于估计ＣＳＩ的方案与原始方

案具有相同的信道容量。
十估计ｇ层ｌ 十估计Ｐ层ｌ
十统计（１层ｌ
＋统计Ｐ层ｌ ＋统计Ｐ层）
—千一统计１１层ｌ

——估计ｌ藏小反馈粒度ｌ 岳计ｌ蒙小反馈粒度ｌ

￡１０
∞
／ ／
／
／‘ ／ ／
ｎ，－

多 ．／。
，

．∥∥
盏１０‘２

—．－一

５ ０ ５ １０ １５ ２０ ２５

８ＮＲｇｄＢ） ＳＮＲ（ｄＩ：Ｊ｝

图４．２４原始与应对方案ＢＥＲ（５００ｋｍ／ｈ） 图４．２５原始与应对方案容量（５００ｋｍ／ｈ）

同样，图４—２４与图４．２５给出了原始的基于估计ＣＳＩ、基于统计ＣＳＩ的方案与减小传

输层数的基于统计ＣＳＩ的方案、减小反馈粒度的基于估计ＣＳＩ的方案在５００ｋｍ／ｈ移动速
度下的误比特率与容量对比。由图４．２４可见，将层映射的层数由２层降为１层后，系统

的误比特率性能得到了较大的提升，而减小反馈粒度的基于估计ＣＳＩ的预编码方案具
有与原始方案相同的误比特率。由图４．２５可见，数据传输秩为２的三种方案拥有相同

的信道容量，高于秩为１的方案。传输数据秩为１的方案随着信噪比的进一步增加，与

万方数据
 西南交通大学硕士研究生论文 第４４页

其它三种方案的容量差距越来越明显。

对图４．１８到图４．２５的分析可知，与高天线相关性下相同，低天线相关性场景下对
给出的基于统计ＣＳＩ的码本闭环预编码方案进行降秩处理后也达到了牺牲信道的容量

换取系统的误比特率性能提升的目的，误比特率曲线降低的幅度还是比较明显；而对
基于估计ＣＳＩ的预编码方案减小其反馈粒度后的误比特率与原始方案相同。在３５０ｋｍ／ｈ

的移动速度下，减小传输层数的基于统计ＣＳＩ的方案与以ＰＥＰ为优化准则的方案均可
行。而减小反馈粒度的基于估计ＣＳＩ的方案与基于大延迟ＣＤＤ的方案虽然信道容量较
优，但由于其误比特率性能较差，不能满足正常通信的需求，故不可取。在５００ｋｍ／ｈ

的移动速度下，减小反馈粒度的基于估计ＣＳＩ的方案与基于大延迟ＣＤＤ的方案虽然拥
有较优的信道容量，但这两种方案的误比特率性能仍然较为明显地低于另外两种方

案，故也不可用。而减小传输层数的基于统计ＣＳＩ的方案与以ＰＥＰ为优化准则的方案在

系统误比特率与信道容量这两方面均差距不大。但以ＰＥＰ为优化准则的方案在计算预

编码矩阵的复杂度与反馈开销方面均高于减小传输层数的基于统计ＣＳＩ的方案。而且
在仿真平台中假设反馈的ＣＳＩ在反向链路中无误地进行反馈，但在实际系统中，这点

得不到保证，越多的反馈信息将会导致反馈过程中越容易出错，当发射端收到反馈的
ＣＳＩ有误时，将会对以ＰＥＰ为优化准则的预编码方案的误比特率性能及容量产生一定的
影响。

（３）综合分析

；Ｊ十统计‘ｉ层慨栅关）
叫—鲁一ｐｅｐ（言租关）

ｌ—十一ｐｅＰ（低相关）

岔佃
山
邑
罢
尝
呈
山

盏１０４

ＳＮＲ（ｄＢ） ｓＮＨ（ＯｔＪ）

图４—２６不同相关・Ｉ生ＢＥＲ（３５０ｋｍ／ｈ） 图４—２７不同相关性容量（３５０ｋｍ／ｈ）

为了说明高、低天线相关性场景下预编码方案的误比特率与容量差异，图２．２６与

图２．２７给出了在３５０ｋｍ／ｈ移动速度场景下误比特率性能较好的两种方案：减小传输层
数的基于统计ＣＳＩ的方案与以ＰＥＰ为优化准则的方案的误比特率与容量对比。减小传输

层数的基于统计ＣＳＩ的方案在低天线相关性场景下的系统误比特率性能与容量均优于

同等条件下的高天线相关性场景。而以ＰＥＰ为优化准则的方案在ＳＮＲ小于２ｄＢ时，低
天线相关性场景下的误比特率高于高天线相关性场景，在ＳＮＲ大于２ｄＢ时，则反之。

万方数据
 西南交通大学硕士研究生论文 第４５页

其容量在低天线相关性场景下低于高天线相关性场景。总的来看，以ＰＥＰ为优化准则

的方案在低天线相关性场景下，系统误比特率性能在中、高信噪比有所提升，但信道
容量却降低了。

结合所有场景的仿真结果，四种应进方案中减小反馈粒度的基于估计ＣＳＩ的方案
与基于大延迟ＣＤＤ的开环方案在仿真分析中的低天线相关性场景下虽然信道容量上有

一定的优势，但其误比特率性能比起其他两种方案差距较大且其本身的误比特率较
高，达不到通信系统正常通信的要求，故不可取。以ＰＥＰ为优化准则的方案在高天线
相关性场景下的误比特率性能在中、低信噪比时优于减小传输层数的基于统计ＣＳＩ的
方案，在低天线相关性场景下不占优势；且两种方案的信道容量在仿真分析的四种场
景中总的来看差别不大。但以ＰＥＰ为优化准则的方案在计算预编码矩阵的复杂度与反

馈开销方面均高于减小传输层数的基于统计ＣＳＩ的方案。以ＰＥＰ为优化准则的方案还是

非码本预编码方案，并不是ＬＴＥ协议中明确支持的方案。所以考虑几方面因素后，以
ＰＥＰ为优化准则的基于非码本的闭环预编码方案也相对不可取。
综合考虑传输的准确性与有效性、预编码矩阵计算复杂度、反馈开销与反馈准确

性等方面后，在给出的四种应对方案中，减小传输层数的基于统计信道状态信息的方
案相对较优。不管是在３５０ｋｍ／ｈ的移动速度下还是在５００ｋｍ／ｈ的移动速度下，其误比特

率均能在中、高信噪比时降到１０—２及以下。且相比原始的数据传输层数为２层的方案，
其信道容量的损失幅度还在可接受的范围内，降低一定的传输有效性换取系统误比特

率性能的明显提升。减小传输层数的基于统计信道状态信息的码本预编码方案可以作

为高速移动场景下的一种预编码方案。

ＳＮＲ

图４．２８ ＭＩＭＯ信道容量（实线为实际情况，虚线为理想情况）

以上所有方案对误比特率的计算考虑了噪声与信道间干扰的影响；但对信道容量
的计算考虑了噪声的影响，却没有直接考虑信道间的相互干扰。由于此时无信道间干

扰直接对信道容量的计算产生影响，导致得出的各种方案的信道容量在３５０ｋｍ／ｈ与
５００ｋｍ／ｈ的移动速度场景下几乎相同。但随着移动速度的增大，信道间的干扰也会相

万方数据
 西南交通大学硕士研究生论文 第４６页

应增加；当移动速度很快时，信道间的干扰较严重，将会对信道容量的计算产生较大
影响。下面针对给出的传输层数为１层的基于统计信道状态信息的码本预编码方案基

于实际情况，同时考虑噪声与干扰的直接影响计算信道容量，并与基于理想情况下忽
略信道间相互干扰的直接影响而得到的信道容量进行对比，具体的信道容量比较图如

图４．２８所示。由图可知，实际情况下得出的方案的信道容量也是在低天线相关性场景

下高于高天线相关性场景，但在不同移动速度下同一方案之间的信道容量区别较为明
显。在实际情况下，在信噪比较低时，噪声较大，噪声与干扰同时影响信道容量，噪

声的影响作用更大，导致当信噪比较低时，同一方案在不同移动速度场景下的信道容

量几乎相同。随着ＳＮＲ的增大，噪声的影响开始减小，此时干扰对信道容量的影响开
始占据主要作用。当ＳＮＲ较大时，此时噪声的影响变得很小，但干扰的影响却一直存

在，对信道容量起较大的影响作用。而在理想情况下，始终只有噪声对方案的信道容
量产生直接影响。反映到仿真图上，实际情况下方案的信道容量明显低于其他条件相

同下的理想情况。且随着ＳＮＲ的进一步增加，实际情况下的信道容量开始呈现收敛的

趋势，此时ＳＮＲ继续增加，信道容量不会再随之增大。而相同方案在理想情况下，当
ＳＮＲ增加到在实际情况下的信道容量开始收敛时，此时随着ＳＮＲ的进一步增加，其信

道容量将继续增大。

４．５本章小结

本章首先给出基于统计信道状态信息的码本选择算法，在高、低天线相关性场景

下对基于统计ＣＳＩ的预编码方案进行仿真分析。然后对该预编码方案进行算法复杂度
及反馈开销分析。最后针对高速移动场景下系统误比特率性能较差，误比特率不能降

到ｌＯ。２以下这一问题给出四种应对方案。并且结合仿真分析结果，给出了一种适用于
高速移动场景的预编码方案。并同时考虑噪声与信道间干扰的直接影响对给出方案的
信道容量进行仿真分析。

万方数据
 西南交通大学硕士研究生论文 第４７页

总结与展望
ＬＴＥ／ＬＴＥ．Ａ作为４Ｇ协议标准，提出了比３Ｇ协议更高的频谱利用率、更低的传

输延迟与更快的信息传输速率。ＭＩＭＯ预编码技术通过充分利用多天线的增益来提供
空间复用与分集，可以获取比传统的ＳＩＳＯ技术更高的峰值速率、更好的传输可靠性
与更加高效的频谱效率，己成为ＬＴＥ协议中的关键技术。随着高铁快速发展，在高速

移动场景下对无线通信技术提出了新要求。未来，ＬＴＥ．Ｒ将取代ＧＳＭ．Ｒ成为高铁的

通信方案之一。因此，在高速移动场景下研究预编码技术已变得非常必要。本章总结
论文中所做的主要工作，并进行下一步的研究展望。

１论文工作总结

１．基于ＬＴＥ协议规定中的下行链路发送端及接收端信号处理流程，使用ＭＡＴＬＡＢ

语言针对高速移动场景完成了链路级ＬＴＥ下行链路仿真平台搭建。

２．分析了ＬＴＥ协议中信号在发送端与接收端的具体处理流程。研究适用于ＬＴＥ协议
规定的基于码本的闭环预编码方案，并针对高速移动场景，对其中四种方案，即：

（１）采用ＳＩＮＲ准则选择ＰＭＩ（Ｐｒｅ．ｃｏｄｉｎｇ Ｍａｔｒｉｘ Ｉｎｄｅｘ）并利用ＭＬ准则检测信号； （２）

采用ＳＩＮＲ准则选择ＰＭＩ并利用ＭＭＳＥ准则检测信号； （３）采用ＭＭＳＥ准则选择ＰＭＩ并

利用ＭＬ准则检测信号； （４）采用ＭＭＳＥ准则选择ＰＭＩ并利用ＭＭＳＥ准则检测信号的

方案进行相应的仿真分析，比较得出其中性能相对优异的方案。进而分析研究基于信
道状态信息分解的非码本闭环预编码方案，同样在高速移动场景下对其中的基于平均

功率分配ＳＶＤ、基于功率注水ＳＶＤ、基于ＧＭＤ与基于ＵＣＤ的方案进行相应的仿真分
析。通过将上述两类码本与非码本的预编码方案进行进一步的分析与比较，得出符合

ＬＴＥ协议规定且较为适用于高速移动场景的方案。

３．采用信道的统计信息对具有相对优势的方案进行进一步改进。给出减小传输层
数的基于统计ＣＳＩ（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ）、减小反馈粒度的基于估计ＣＳＩ、基于

大延迟ＣＤＤ以及以ＰＥＰ为优化准则的预编码方案尝试解决改进方案在３５０ｋｍ／ｈ移动速
度下误比特率未低于１０’２的缺点。通过对给出的四种方案进行仿真验证，做出详细的

比较与分析。最后，在综合考虑传输的准确性与有效性、预编码矩阵获取的计算复杂
度、反馈开销及ＬＴＥ协议本身规定后，给出一种适用于高速移动场景下的预编码方

案一一减小传输层数的基于统计信道状态信息的码本预编码方案。

２进一步工作展望

１．本文针对高速移动场景，对线性预编码方案进行了比较详细的仿真验证及分
析，但对于非线性的预编码方案并未做出研究，也没有在仿真平台上分析其性能。

万方数据
 西南交通大学硕士研究生论文 第４８页

２．文中利用信道统计信息中的信道均值改进基于码本的闭环预编码方案，还可以
尝试使用更多的统计信息对方案进行改进。

３．针对给出的预编码方案在高速移动场景下误比特率性能不理想的情况，采用降

低信道容量提升误比特率性能，牺牲传输的有效性换取系统的可靠性。还可以尝试其
他方法在保证不损失系统的信道容量前提下，提升误比特率性能。

４．论文中仿真平台为链路级仿真平台，相对于系统级仿真平台环境较为理想，且
考虑的影响因素也相对较少。可以结合实际的情况建立系统级仿真平台，使得到的仿

真结果更加接近实际情况。

万方数据
 西南交通大学硕士研究生论文 第４９页

致 谢

时光如同白驹过隙般匆匆而逝，在这研究生生活即将结束之时，回望过去，心中
感叹良多。三年的学习生活忙碌而充实，让我在不知不觉中学到了很多东西。在这将

要离开母校之际，不禁想起了许多需要感谢的人，是你们让我能够更好地成长。
首先，要感谢的是我的导师一一汪晓宁老师，其在学术研究上的一丝不苟，在指
导学生上的平易近人，在工作上的认真、负责都深深地感染着我。汪老师不仅教会了

我严谨求学的科研精神，而且让我始终以乐观、积极向上的态度面对学习、生活上的
种种挑战，在未来的工作与生活中都将会是一笔无形的财富，陪伴着我的继续成长，

使我一生受用。在此，向汪老师致以最诚挚的感激之情，谢谢您对我的指导与关心。
其次，要感谢这三年来与我一起走过的同学们，谢谢你们在这三年来对我的关心

与照顾，让我在面对困难时不再感到孤独。大家一起经历的时光是快乐而短暂的，同

窗情谊，难以忘怀，愿你们在今后的人生道路上越走越好，永远幸福快乐。

最后，要感谢我的父母这么多年来对我的养育之恩，因为他们辛勤的付出才成就
了今天的我。同时，要感谢我的母校一一西南交通大学，为我提供了良好的学习环境
与继续深造的机会， “埃实扬华，自强不息”，将激励着我继续前进。
三年时光虽已逝去，但过往的种种我都铭记于心，求学生涯的结束，意味着人生

崭新的篇章即将翻开。怀着一颗期许的心展望未来，在此，再一次感谢所有曾经帮助
过我的人。

万方数据
 西南交通大学硕士研究生论文 第５０页

参考文献

［１】Ｔｅｌａｔａｒ Ｉ．Ｃａｐａｃｉｔｙ ｏｆｍｕｌｔｉ—ａｎｔｅｎｎａ Ｇａｕｓｓｉｎｎ ｃｈａｎｎｅｌｓ［Ｊ］．Ｅｕｒｏｐｅａｎ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ

Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ．１ ９９９．１０（６）：５８５—５９５．

［２】Ｇ．Ｊ．Ｆｏｓｃｈｉｎｉ，Ｍ．Ｊ．Ｇａｎｓ．Ｏｎ Ｌｉｍｉｔｓ ｏｆ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ ａ Ｆａｄｉｎｇ

Ｅｎｖｉｒｏｎｍｅｎｔ ｗｈｅｎ Ｕｓｉｎｇ Ｍｕｌｔｉｐｌｅ Ａｎｔｅｎｎａｓ．Ｗｉｒｅｌｅｓｓ Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ．

１９９８．３，Ｖ０１．６，Ｎｏ．３：ｐｐ．３ １ １－３３５．

［３］Ｊ．Ｃ．Ｒｏｈ ａｎｄ Ｂ．Ｄ．Ｒａｏ．Ｍｕｌｔｉｐｌｅ ａｎｔｅｎｎａ ｃｈａｎｎｅｌｓ埘ｍ Ｐａｒｔｉａｌ ｃｈａｎｎｅｌ ｓｔａｔｅ ｉｎｆｏｒｍａｔｉｏｎ

ｔｈｅ ｔｒａｎｓｍｉｔｔｅｒ［Ｊ］．Ｉｎ ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ．２００４．３（２）：６７７－６８０

［４］Ｂ．Ｚｅｒｌｉｎ，Ｍ．Ｊｏｈａｍ，Ｗ．Ｕｔｓｅｈｉｅｋ ａｎｄ Ｊ．Ａ．Ｎｏｓｓｅｋ．Ｃｏｖａｒｉａｎｃｅ Ｂａｓｅｄ Ｌｉｎｅａｒ ｐｒｅｃｏｄｉｎｇ［Ｊ］．

Ｉｎ ＩＥＥＥ Ｊ．Ｓｅｌｅｃｔ．Ａｒｅａｓ Ｃｏｍｍｕｎ．．２００６．２４（１）：１９０—１９９．
［５］Ｌ．Ｕ．Ｃｈｏｉ ａｎｄ Ｒ．Ｄ．Ｍｕｒｃｈ．Ａ Ｔｒａｎｓｍｉｔ Ｐｒｅｐｒｏｃｅｓｓｉｎｇ Ｔｅｃｈｎｉｑｕｅ ｆｏｒ Ｍｕｌｔｉｕｓｅｒ ＭＩＭＯ

Ｓｙｓｔｅｍ Ｕｓｉｎｇ ａ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ．ｉｎ ＩＥＥＥ Ｔｒａｎｓ．Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎ．．２００４．３（１）：２０－２４．

［６］Ｌｅｂｒｕｎ Ｇ．，Ｇａｏ Ｊ．，Ｆａｕｌｋｎｅｒ Ｍ．．ＭＩＭＯ Ｔｒａｎｓｍｉｓｓｉｏｎ ｏｖｅｒ ａ

Ｔｉｍｅ－Ｖａｒｙｉｎｇ Ｃｈａｎｎｅｌ

Ｕｓｉｎｇ ＳＶＤ．ｉｎ ＩＥＥＥ Ｔｒａｎｓ．Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎ．２００５．４（２）：７５７—７６４

［７］Ｃｈｕｎｙａｎ Ｇａｏ，Ｍｉｈａｉ Ｅｎｅｓｃｕ，Ｘｉａｎｇ Ｇｕａｎｇ Ｃｈｅ．ＯＮ ＴＨＥ ＦＥＡＳＩＢＩＬＩＴＹ ＯＦ ＳＶＤ－

ＢＡＳＥＤ ＤＯＷＮＬＩＮＫ ＰＲＥＣＯＤＩＮＧ ＩＮ ＦＵＴＵＲＥ ＴＤＤ ＳＹＳＴＥＭＳ．Ｔｈｅ ｌ ８ｔｈ Ａｎｎｕａｌ

ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｐｅｒｓｏｎａｌ．Ｉｎｄｏｏｒ ａｎｄ Ｍｏｂｉｌｅ Ｒａｄｉｏ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

（ＰＩＭＲＣ’０７）

［８］Ｊｉａｎｇ Ｙｉ，Ｌｉ Ｊｉａｎ，Ｈａｇｅｒ Ｗｉｌｌｉａｍ Ｗ．Ｊｏｉｎｔ ｔｒａｎｓｃｅｉｖｅｒ ｄｅｓｉｇｎ ｆｏｒ ＭＩＭＯ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ
ｕｓｉｎｇ ｇｅｏｍｅｔｒｉｃ ｍｅａｎ ｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ．
２００５．５３（１０）：３７９１—３８０３

［９］Ｊｉａｎｇ Ｙ，Ｌｉ Ｊ．Ｕｎｉｆｏｒｍ ｃｈａｎｎｅｌ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｆｏｒ ＭＩＭＯ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｊ】．ＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ．２００５．５３（１ １）：４２８３－４２９４

［１ ０］Ｈ．Ｓａｍｐａｔｈ，Ｐ．Ｓｔｏｉｃａ，Ａ．Ｐａｕｌｒａｊ．Ｇｅｎｅｒａｌｉｚｅｄ ｌｉｎｅａｒ ｐｒｅｃｏｄｅｒ ａｎｄ ｄｅｃｏｄｅｒ ｄｅｓｉｇｎ ｆｏｒ

ＭＩＭＯ ｃｈａｎｎｅｌｓ ｕｓｉｎｇ ｔｈｅ ｗｅｉｇｈｔｅｄ ＭＭＳＥ ｃｒｉｔｅｒｉｏｎ．ＩＥＥＥ Ｔｒａｎｓ．Ｃｏｍｍｕ．ｖ０１．４９，

ｎｏ．１２．ＰＰ．２１９８—２２０６，Ｄｅｃ．２００１

［１１］Ｍｉｃｌｌａｅｌ Ｊｏｈａｍ，Ｗｏｌｆｇａｎｇ Ｕｔｓｃｈｉｅｋ ａｎｄ ｌｏｓｅｆ Ａ．Ｎｏｓｓｅｋ．Ｌｉｎｅａｒ Ｔｒａｎｓｍｉｔ Ｐｒｏｃｅｓｓｉｎｇ ｉｎ

ＭＩＭＯ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍｓ．ｖ０１．５３，ｎｏ．８．ＰＰ．２７００—２７１２．Ｍａｙ２００５

［１２］Ｄ．Ｊ．Ｌｏｖｅ，Ｒ．Ｗ．Ｈｅａｔｈ，Ｊｒ．．Ｌｉｍｉｔｅｄ ｆｅｅｄｂａｃｋ ｐｒｅｃｏｄｉｎｇ ｆｏｒ ｓｐａｔｉａｌ ｍｕｌｔｉｐｌｅｘｉｎｇ

ｓｙｓｔｅｍｓ ｕｓｉｎｇ ｌｉｎｅａｒ ｒｅｃｅｉｖｅｒｓ．ＩＥＥＥ ＭＩＬＣＯＭ’２００３．ｖ０１．１，ＰＰ：６２７—６３２，３－１ ６ Ｏｃｔ．

２００３

［１ ３］Ｄ．Ｊ．Ｌｏｖｅ，Ｒ．Ｗ．Ｈｅａｔｈ，Ｊｒ．．Ｌｉｍｉｔｅｄ ｆｅｅｄｂａｃｋ ｕｎｉｔａｒｙ ｐｒｅｃｏｄｉｎｇ ｆｏｒ ｏｒｔｈｏｇｏｎａｌ ｓｐａｃｅ—

ｔｉｍｅ ｂｌｏｃｋ ｃｏｄｅｓ．ＩＥＥＥ Ｔｒａｎｓ．Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ｖ０１．５３，ｎｏ．１，ｐｐ．６４－７３，Ｊａｎ．２００５

万方数据
 西南交通大学硕士研究生论文 第５１页

［１ ４］Ｊａｓｐｒｅｅｔ Ｓｉｎｇｈ，Ｚｈｏｕｙｕｅ Ｐｉ，Ｈｏａｎｇ Ｎｇｕｙｅｎ．Ｌｏｗ－Ｃｏｍｐｌｅｘｉｔｙ Ｏｐｔｉｍａｌ ＣＳＩ Ｆｅｅｄｂａｃｋ ｉｎ

ＬＴＥ．２０１３ ＩＥＥＥ．Ｊａｎ．２０１３，ＰＰ．４７２－４７８

【１ ５】Ｒｅｎａｕｄ—Ａｌｅｘａｎｄｒｅ Ｐｉｔａｖａｌ，Ａｓｈｖｉｎ Ｓｒｉｎｉｖａｓａｎ ａｎｄ Ｏｌａｖ Ｔｉｒｋｋｏｎｅｎ．Ｃｏｄｅｂｏｏｋｓ ｉｎ Ｆｌａｇ

Ｍａｎｉｆｏｌｄｓ ｆｏｒ Ｌｉｍｉｔｅｄ Ｆｅｅｄｂａｃｋ ＭＩＭＯ Ｐｒｅｃｏｄｉｎｇ．ＳＣＣ ２０ １ ３，Ｊａｎｕａｒｙ ２ １—２４，２０ １ ３ ｉｎ

Ｍｕｎｉｃｈ，Ｇｅｒｍａｎｙ

［１ ６］Ｃｏｓｔａ ＭＨＭ．Ｗｒｉｔｉｎｇ ｏｎ ｄｉｒｔｙ ｐａｐｅｒ［Ｊ】．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｙ，

１９８３ ２９（３）：４３９－４４１

［１ ７］Ｊｕｙｕｌ Ｌｅｅ ａｎｄ Ｎｉｈａｒ Ｊｉｎｄａｌ．Ｄｉｒｔｙ Ｐａｐｅｒ Ｃｏｄｉｎｇ ＶＳ．Ｌｉｎｅａｒ Ｐｒｅｃｏｄｉｎｇ ｆｏｒ ＭＩＭＯ

Ｂｒｏａｄｃａｓｔ Ｃｈａｎｎｅｌｓ．Ｓｉｇｎａｌｓ，Ｓｙｓｔｅｍｓ ａｎｄ Ｃｏｍｐｕｔｅｒｓ．２００６．ＡＣＳＳＣ’０６，ＰＰ．７７９—７８３

【１ ８】Ｃｈｕｎｌｉｎ Ｙａｎ，Ｈｉｄｅｔｏｓｈｉ Ｋａｙａｍａ，Ｗｅｉ Ｗａｎｇ，Ｚｈａｎ Ｚｈａｎｇ．Ａ Ｎｅｗ ＴＨＰ Ｐｒｅｃｏｄｉｎｇ

Ｓｃｈｅｍｅ ｗｉｔｈ Ｅｆｆｅｃｔｉｖｅ Ｃｈａｎｎｅｌ Ｏｐｔｉｍｉｚａｔｉｏｎ．ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｏｃｉｅｔｙ ｓｕｂｊｅｃｔ

ｍａｔｔｅｒ ｅｘｐｅｌｓ ｆｏｒ ｐｕｂｌｉｃａｔｉｏｎ ｉｎ ｔｈｅ ＩＥＥＥ”ＧＬＯＢＥＣＯＭ”２００９ ｐｒｏｃｅｅｄｉｎｇｓ

［１９］３ＧＰＰ ＴＳ ３６．１０１．Ｖ１ １．２．０一ｓｅｐｔ．２０１２，Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ（ＵＥ）ｒａｄｉｏ ｔｒａｎｓｍｉｓｓｉｏｎ ａｎｄ

ｒｅｃｅｐｔｉｏｎ［Ｓ］．
［２０］３ＧＰＰ ＴＳ ３６．２１ １．Ｖ１ １．０．０一ｓｅｐｔ．２０１２，Ｐｈｙｓｉｃａｌ Ｃｈａｎｎｅｌｓ ａｎｄ Ｍｏｄｕｌａｔｉｏｎ［Ｓ］．

［２１］３ＧＰＰ ＴＳ ３６．２１３．Ｖ１ １．０．０－ｓｅｐｔ．２０１２，Ｐｈｙｓｉｃａｌ ｌａｙｅｒ ｐｒｏｃｅｄｕｒｅｓ［Ｓ］．

［２２］沈嘉，索士强．３ＧＰＰ长期演进（ＬＴＥ）技术原理与系统设计．人民邮电出版社．２００８
［２３］Ａｎａｓｔａｓｉｏｓ Ｓｔａｍｏｕｌｉｓ，Ｓｕｈａｓ Ｎ．Ｄｉｇｇａｖｉ ａｎｄ Ｎａｏｆａｌ Ａ１－Ｄｈａｈｉｒ．Ｉｎｔｅｒｃａｒｒｉｅｒ Ｉｎｔｅｒｆｅｒｅｎｃｅ

ｉｎ ＭＩＭ０ ＯＦＤＭ．ＩＥＥＥ ＴＲＡＮＳＡＣＴｌ０ＮＳ ＯＮ ＳＩＧＮＡＬ ＰＲＯＣＥＳＳＩＮＧ，ＶＯＬ．５０，

ＮＯ．１ ０，ＯＣＴＯＢＥＲ ２００２

［２４］Ｍ．Ｖｕ ａｎｄ Ａ．Ｐａｕｌｒａｊ．Ｏｐｔｉｍａｌ ｌｉｎｅａｒ ｐｒｅｃｏｄｅｒｓ ｆｏｒ ＭＩＭＯ ｗｉｒｅｌｅｓｓ ｃｏｒｒｅｌａｔｅｄ

ｃｈａｎｎｅｌｓｗｉｔｈ ｎｏｎｚｅｒｏ ｍｅａｎ ｉｎ ｓｐａｃｅ—ｔｉｍｅ ｃｏｄｅｄ ｓｙｓｔｅｍｓ．ＩＥＥＥ Ｔｒａｎｓ．Ｓｉｇｎａｌ

Ｐｒｏｃｅｓｓｉｎｇ，ｖ０１．５４，ＰＰ．２３ １ ８－２３３２，Ｊｕｎｅ ２００６．

［２５］Ｍａｉ Ｖｕ，Ａｒｏｇｙａｓｗａｍｉ Ｐａｕｌｒａｊ．Ｏｎ ｔｈｅ Ｃａｐａｃｉｔｙ ｏｆ ＭＩＭＯ Ｗｉｒｅｌｅｓｓ Ｃｈａｎｎｅｌｓ晰ｔｈ

Ｄｙｎａｍｉｃ ＣＳＩＴ［Ｊ］．ＩＥＥＥ Ｊｏｕｒｎａｌ ｏｎ Ｓｅｌｅｃｔｅｄ Ａｒｅａｓ ｉｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｓｅｐｔ．

２００７，ｖ０１．２５：ＰＰ．１ ２６９—１ ２８３．

［２６］Ｊ．Ｃ．Ｒｏｈ ａｎｄ Ｂ．Ｄ．Ｒａｏ．Ｄｅｓｉｇｎ ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ＭＩＭＯ ｓｐｍｉａｌ ｍｕｌｔｉｐｌｅｘｉｎｇ ｓｙｓｔｅｍｓ谢ｍ

ｑｕａｎｔｉｚｅｄ ｆｅｅｄｂａｃｋ．ＩＥＥＥ Ｔｒａｎｓ．Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ｖ０１．５４，ｎｏ．８，ＰＰ．２８７４－

２８８６，Ａｕｇ．２００６．

［２７］杨丰瑞，吕敏．ＬＴＥ－－Ａ系统中预编码矩阵选择算法研究．广东通信技术．２０１３．０４．
ｐｐ．４６－５１

［２８］Ｍ．Ｖｕ ａｎｄ Ａ．Ｐａｕｌｒａｊ．ＭＩＭＯ ｗｉｒｅｌｅｓｓ ｌｉｎｅａｒ ｐｒｅｃｏｄｉｎｇ［Ｊ］．ＩＥＥＥ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ

Ｍａｇａｚｉｎｅ．Ｓｅｐ．２００７，ｖ０１．２４：ＰＰ．８６－１０５．
【２９】袁超，杨海芬，李广军等．ＬＴＥ基于码本选择预编码研究［Ｊ】．中国新通信．２０１０．

万方数据
 西南交通大学硕士研究生论文 第５２页

１ ２（２）：４４。４７．

【３０］Ｊｉｎ Ｗａｎｇ，Ｍｕｑｉｎｇ Ｗｕ，Ｆｅｎｇ Ｚｈｅｎｇ．Ｔｈｅ Ｃｏｄｅｂｏｏｋ Ｄｅｓｉｇｎ ｆｏｒ ＭＩＭＯ Ｐｒｅｃｏｄｉｎｇ

Ｓｙｓｔｅｍｓ ｉｎ ＬＴＥ ａｎｄ ＬＴＥ—Ａ．２０ １ ０ ＩＥＥＥ，ＰＰ．２３—２５，Ｓｅｐｔ．２０ １ ０．

【３ １］Ｌｕ Ｗｕ，Ｊｉｎｈｕｉ Ｃｈｅｎ，Ｈｏｎｇｗｅｉ Ｙａｎｇ，Ｄｉ Ｌｕ．Ｃｏｄｅｂｏｏｋ Ｄｅｓｉｇｎ ｆｏｒ ＬＴＥ－Ａ Ｄｏｗｎｌｉｎｋ

Ｓｙｓｔｅｍ．２０１ １ ＩＥＥＥ，ＰＰ．５－８，Ｓｅｐｔ．２０１ １．

【３２］李飞．ＬＴＥ中ＭＩＭＯ信道建模．北京邮电大学硕士论文．２００９．
［３３］Ｄ．Ｊ．Ｌｏｖｅ ａｎｄ Ｒｏｂｅｒｔ Ｗ．Ｈｅａｔｈ，Ｊｒ．．Ｌｉｍｉｔｅｄ Ｆｅｅｄｂａｃｋ Ｕｎｉｔａｒｙ Ｐｒｅｃｏｄｉｎｇ ｆｏｒ Ｓｐｍｉａｌ

Ｍｕｌｔｉｐｌｅｘｉｎｇ Ｓｙｓｔｅｍｓ．ＩＥＥＥ Ｔｒａｎｓ．Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｙ，ｖ０１．５ １，ｎｏ．８，ＰＰ．２９６７－

２９７６，Ａｕｇ．２００５．

【３４］Ｔ．Ｓ．Ｒａｐｐａｐｏｒｔ．Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｐｒｉｎｃｉｐｌｅｓ ａｎｄ Ｐｒａｃｔｉｃｅ［Ｍ］．Ｐｒｅｎｔｉｃｅ Ｈａｌｌ

Ｐｒｅｓｓ．２ｒｄ Ｅｄｉｔｉｏｎ．１ ９９６

［３５］Ｓｍｉｔｈ Ｐ Ｊ ａｎｄ ｓｈａｆｔ Ｍ．Ｗａｔｅｒ－ｆｔｌｌｉｎｇ ｍｅｔｈｏｄｓ ｆｏｒ ＭＩＭＯ ｓｙｓｔｅｍｓ［Ｃ］．３ｒｄ Ａｕｓｔｒａｌｉａｎ

ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｔｈｅｏｒｙ Ｗｏｒｋｓｈｏｐ，Ｃａｎｂｅｒｒａ，Ａｕｓｔｒａｌｉａ，２００２．

［３６］Ｊｉａｎｇ Ｙ，Ｈａｇｅｒ Ｗ．Ｗ．，Ｌｉ Ｊ—Ｔｈｅ ｇｅｏｍｅｔｒｉｃ ｍｅａｎ ｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．Ｌｉｎｅａｒ Ａｌｇｅｂｒａ ａｎｄ

Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ．２００５．３９６：３７３—３８４．

［３ ７］Ｊ．Ｋｅｒｍｏａｌ，Ｌ．Ｓｃｈｕｍａｃｈｅｒ，Ｋ．Ｐｅｄｅｒｓｅｎ，Ｐ．Ｍｏｇｅｎｓｅｎ ａｎｄ Ｆ．Ｆｒｅｄｅｒｉｋｓｅｎ．Ａ ｓｔｏｃｈａｓｔｉｃ

ＭＩＭＯ ｒａｄｉｏ ｃｈａｎｎｅｌ ｍｏｄｅｌ ｗｉｔｈ ｅｘｐｅｒｉｍｅｎｔａｌ ｖａｌｉｄａｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｊ．Ｓｅｌｅｃｔ．Ａｒｅａｓ

Ｃｏｍｍｕｎ，Ａｕｇ．２００２，ｖ０１．２０：ｐｐ．１２１ １—１２２６．

［３８］王浩，孙艳华，张延华．一种用于Ｍ１ＭＯ系统的双码本预编码方法．数字通
信．２０ １ ３．０６（０３）．ＰＰ．２６－２９．

［３９］王鑫磊．下行多用户ＭＩＭＯ系统预编码和调度算法研究．浙江大学硕士学位论文．
２０１３．０１．

［４０］魏云珠．协作多小区ＭＩＭＯ预编码研究．南京邮电大学硕士学位论文．２０１３．０４．

［４１］葛欣，居美艳．空间相关ＭＩＭＯ信道下的有限反馈预编码．电子设计工程．

２０１３．０２（０４）．ＰＰ．１５９—１６１．
［４２】Ｌｉｕ Ｊ，Ｋｒｚｙｍｉｅｎ Ｗ Ａ．Ａ Ｎｏｖｅｌ Ｎｏｎｌｉｎｅａｒ Ｐｒｅｃｅｄｉｎｇ Ａｌｏｒｉｔｈｍ ｆｏｒ ｔｈｅ Ｄｏｗｎｌｉｎｋ ｏｆ

Ｍｕｌｔｉｐｌｅ Ａｎｔｅｎｎａ Ｍｕｌｔｉ－Ｕｓｅｒ Ｓｙｓｔｅｍｓ［Ｊ］．Ｗｉｒｅｌｅｓｓ Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２００７，

４ １（２）：２０７—２２３．

【４３］Ｙａｏ Ｗ．Ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｉｄｅｄ ＭＩＭＯ ｔｒａｎｓｃｅｉｖｅｒ ｄｅｓｉｇｎ［Ｄ］．Ｕｎｉｖｅｒｓｉｔｙ ｏｆ

Ｓｏｕｔｈａｍｐｔｏｎ，２０ １ １

［４４］Ｈｏｎｇ Ｈｅ，Ｔａｏ Ｌｉ，Ｔｏｎｇ Ｙａｎｇ，Ｌｉｎ Ｈｅ．Ｒｅｓｅａｒｃｈ ｏｎ ＵＣＤ Ｐｒｅｃｏｄｉｎｇ ｆｏｒ ＭＩＭＯ Ｓｙｓｔｅｍ

Ｓｏｕｒｃｅ［Ｊ］．Ａｄｖａｎｃｅｄ Ｍａｔｅｒｉａｌｓ Ｒｅｓｅａｒｃｈ．２０１２．ｖ４５９．ｐ６２０－３．

［４５］Ｔ．Ｌ．Ｍａｒｚｅｔｔａ，Ｂ．Ｍ．Ｈｏｃｈｗａｌｄ．Ｃａｐａｃｉｔｙ ｏｆ ａ ｍｏｂｉｌｅ ｍｕｌｔｉｐｌｅ—ａｎｔｅｎｎａ ｃｏｍｍｕｎｉｃａｔｉｏｎ

ｌｉｎｋ ｉｎ Ｒａｙｌｅｉｇｈ ｆｌａｔ ｆａｄｉｎｇ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｙ．１９９９．４５（１）．

万方数据
 西南交通大学硕士研究生论文 第５３页

ＰＰ．１３９。１ ５’７．

［４６】万彭，杜志敏．ＬＴＥ和ＬＴＥ．Ａｄｖａｎｃｅｄ关键技术综述［Ｊ】．现代电信科技．２００９（０９）．
ｐ３３－３６．

［４７】Ｋｕｎ—Ｊｕ Ｔｓａｉ，Ｉ－Ｔａｉ Ｌｕ．Ｎｏｖｅｌ ｃｏｄｅｗｏｒｄ ｓｅｌｅｃｔｉｏｎ ｓｔｒａｔｅｇｙ ｆｏｒ ＭＩＭＯ ｐｒｅｃｏｄｉｎｇ ｗｉｔｈ

ｌｉｍｉｔｅｄ ｃｈａｎｎｅｌ ｓｔａｔｅ ｉｎｆｏｒｍａｔｉｏｎ ｆｅｅｄｂａｃｋ［Ｊ］．２００９ ＩＥＥＥ Ｒａｄｉｏ ａｎｄ Ｗｉｒｅｌｅｓｓ

Ｓｙｍｐｏｓｉｕｍ．１ ８・２２ Ｊａｎ．２００９．ｐ３２８－３ １

［４８］Ｓ．Ｍ．Ａｌａｍｏｕｔｉ．Ａ Ｓｉｍｐｌｅ Ｔｒａｎｓｍｉｔ Ｄｉｖｅｒｓｉｔｙ Ｔｅｃｈｎｉｑｕｅ ｆｏｒ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，

ＩＥＥＥ Ｊ．Ｓｅｌｅｃｔ．Ａｒｅａｓ ｉｎ Ｃｏｍｍｕｎ．，１９９８，１６：１４５ｌ一１４５８．

［４９］许道峰，杨绿溪，ＴＤＤ．ＭＩＭＯ下行链路预编码［Ｊ］，通信学报，２００９．５（０５），ｖ０１．３０，
ｐｐ．３５－４１．

［５０］黄崇炯．基于ＭＩＭＯ的窃听信道建模［Ｄ］．电子科技大学硕士学位论文．２０１０．
［５ １］Ｌｕ，Ｗ．，Ｃ．Ｊｉｎｈｕｉ．Ｃｏｄｅｂｏｏｋ Ｄｅｓｉｇｎ ｆｏｒ ＬＴＥ—Ａ Ｄｏｗｎｌｉｎｋ Ｓｙｓｔｅｍ．Ｖｅｈｉｃｕｌａｒ

Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ．２０ １ ｌ ＩＥＥＥ．ＰＰ．１－５．

［５２］ＸｉａｏＰｅｉ，Ｓｅｌｌａｔｈｕｒａｉ Ｍａｔｈｉｎｉ．Ｉｍｐｒｏｖｅｄ Ｌｉｎｅａｒ Ｔｒａｎｓｍｉｔ Ｐｒｏｃｅｓｓｉｎｇ ｆｏｒ Ｓｉｎｇｌｅ－Ｕｓｅｒ ａｎｄ

Ｍｕｌｔｉ－Ｕｓｅｒ ＭＩＭＯ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ

Ｐｒｏｃｅｓｓｉｎｇ：Ａｃｃｅｐｔｅｄ ｆｏｒ ｆｕｔｕｒｅ Ｐｕｂｌｉｃａｔｉｏｎ ２００９．

［５３】Ｈｅａｔｈ Ｒ Ｗ Ｊ，Ａｉｒｙ Ｍ，Ｐａｕｌｒａ Ａ Ｊ．Ｍｕｌｔｉ－ｕｓｅｒ ｄｉｖｅｒｓｉｔｙ ｆｏｒ ＭＩＭＯ ｗｉｒｅｌｅｓｓ ｓｙｓｔｅｍｓ谢ｍ

ｌｉｎｅａｒ ｒｅｃｅｉｖｅｒｓ［Ｃ］．Ｃｏｎｆｅｒｅｎｃｅ Ｒｅｃｏｒｄ ｏｆ ｔｈｅ Ｔｈｉｒｔｙ－Ｆｉｆｔｈ Ａｓｉｌｏｍａｒ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ

Ｓｉｇｎａｌｓ，Ｓｙｓｔｅｍｓ ａｎｄ Ｃｏｍｐｕｔｅｒｓ．２００ １，ＰＰ．１ １ ９４－１ １ ９９．

万方数据
 西南交通大学硕士研究生论文’ 第５４页

攻读硕士学位期间发表的论文

粟唐，汪晓宁．ＬＴＥ协议下高速移动场景预编码技术研究［Ｊ］．通信技术．２０１５（０３）．

万方数据