一种预编码处理方法及相关装置制造方法及图纸

本申请提供了一种预编码处理方法及相关装置。该方法中，网络设备针对K个终端设备中每个终端设备k，对终端设备k的信道矩阵H

【技术实现步骤摘要】
一种预编码处理方法及相关装置


[0001]本申请涉及通信
，尤其涉及一种预编码处理方法及相关装置。

技术介绍

[0002]在多用户场景下，为减少用户间的干扰，基站对待发送信号进行预编码处理，获得多个下行窄波束，从而同时服务多个用户。
[0003]目前的预编码方案包括线性预编码和非线性预编码。常用的是线性预编码中的最小均方误差预编码算法。加权最小均方误差预编码算法中，基站将原问题进行等价优化，再通过交替迭代优化的方式得到优化后问题的最优解。在不考虑信道噪声时，基站使用加权最小均方误差预编码算法可实现理论上的最优解，但在求解这个等价优化问题时，涉及到多次高维矩阵求逆等运算，其复杂度较高。
[0004]因此，研究低复杂度的预编码方案仍是目前亟待解决的问题之一。

技术实现思路

[0005]本申请实施例提供了一种预编码处理方法及相关装置，可降低预编码处理的复杂度。
[0006]第一方面，本申请实施例提供一种预编码处理方法。该方法中，网络设备针对K个终端设备中每个终端设备k，对终端设备k的信道矩阵H
k
进行奇异值分解，获得信道矩阵H
′
k
，H
′
k
包括H
k
中信道增益最大的d
k
条特征信道的信道向量，K为大于或等于1的整数，k为小于或等于K的正整数，d
k
为第k个终端设备的传输流数。网络设备将信道矩阵作为神经网络的输入，输出预编码矩阵对应的向量p和向量λ，是对信道矩阵进行处理获得的，是由K个终端设备中每个终端设备对应的H
′
k
构成。网络设备根据p和λ，确定K个终端设备的预编码矩阵。
[0007]可见，网络设备提取了每个终端设备的信道质量最好的d
k
条信道对应的特征信道，并将根据信道质量最好的d
k
条信道的特征向量获得的信道矩阵作为网络设备的输入。从而网络设备将多天线终端设备的预编码问题转化成了单天线终端设备的预编码问题，可降低神经网络的维度，进而可降低预编码处理的复杂度。
[0008]一种可选的实施方式中，网络设备针对K个终端设备中每个终端设备k，对终端设备k的信道矩阵H
k
进行奇异值分解，获得信道矩阵H
′
k
，包括：针对K个终端设备中每个终端设备k，对终端设备k的信道矩阵H
k
进行奇异值分解，获得d
k
个奇异值；d
k
个奇异值是对H
k
进行奇异值分解后得到的多个奇异值中数值最大的d
k
个奇异值；N
r
为每个终端设备的接收天线数；N
t
为网络设备的发射天线数；将d
k
个奇异值分别与其对应的右奇异向量的乘积，作为信道矩阵H
′
k
的元素；
[0009]可见，网络设备通过确定每个终端设备的信道矩阵H
k
的最大d
k
个奇异值及其对应的右奇异向量，提取出了每个终端设备的信道质量最好的d
k
条信道。从而有利于网络设备
将根据每个终端设备的d
k
条信道的特征向量获得的信道矩阵作为网络设备的输入，进而有利于降低预编码处理的复杂度。
[0010]一种可选的实施方式中，是将的转置共轭矩阵与相乘后的矩阵的实部进行上三角化处理，以及将的虚部进行下三角化处理后，对获得的上三角矩阵和下三角矩阵进行组合得到的信道矩阵；其中，网络设备对的实部个的虚部分别进行上三角化和下三角化处理可降低神经网络输入的维度，进而可降低神经网络处理的复杂度。
[0011]一种可选的实施方式中，网络设备根据p和λ，确定K个终端设备的预编码矩阵，包括：根据恢复模块、p和λ，确定K个终端设备的预编码矩阵。
[0012]其中，恢复模块是对单天线终端设备的最优预编码矩阵进行简化获得的。从而网络设备根据简化后的恢复模块，以及p和λ确定K个终端设备的预编码矩阵时，可进一步减少预编码处理的复杂度。
[0013]一种可选的实施方式中，恢复模块其中，Λ＝diag[λ1，λ2，...，λ
M
]，p＝diag[p1，p2，...，p
M
]，σ2为平均噪声功率，F()为列归一化函数。
[0014]第二方面，本申请还提供一种通信装置。该通信装置具有实现上述第一方面所述的网络设备的部分或全部功能。比如，该通信装置的功能可具备本申请中第一方面所述的网络设备的部分或全部实施例中的功能，也可以具备单独实施本申请中的任一个实施例的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的单元或模块。
[0015]在一种可能的设计中，该通信装置的结构中可包括处理单元(有时也称处理模块)和通信单元(有时也称通信模块)，所述处理单元被配置为支持通信装置执行上述方法中相应的功能。所述通信模块用于支持通信装置与其他通信装置之间的通信。所述通信装置还可以包括存储单元，所述存储单元用于与处理单元和通信单元耦合，其保存通信装置必要的程序指令和数据。可选的，该通信装置还包括其他部件，例如，天线，输入输出单元，接口等等。这些部件可以是硬件，软件，或者软件和硬件的结合。
[0016]一种实施方式中，所述通信装置包括：
[0017]处理单元，用于针对K个终端设备中每个终端设备k，对所述终端设备k的信道矩阵H
k
进行奇异值分解，获得信道矩阵H
′
k
，所述H
′
k
包括所述H
k
中信道增益最大的d
k
条特征信道的信道向量；所述K为大于或等于1的整数；所述k为小于或等于K的正整数；所述d
k
为第k个终端设备的传输流数；
[0018]处理单元，还用于将信道矩阵作为神经网络的输入，输出预编码矩阵对应的向量p和向量λ；其中，所述是对信道矩阵进行处理获得的，所述是由K个终端设备中每个终端设备对应的H
′
k
构成；
[0019]处理单元，还用于根据所述p和所述λ，确定所述K个终端设备的预编码矩阵。
[0020]可选的，通信单元用于该通信装置与其他通信装置进行通信。
[0021]另外，该方面中，通信装置其他可选的实施方式可参见上述第一方面的相关内容，此处不再详述。
[0022]作为示例，通信单元可以为收发器或通信接口，存储单元可以为存储器，处理单元可以为处理器。
[0023]一种实施方式中，所述通信装置包括：
[0024]处理器，用于针对K个终端设备中每个终端设备k，对所述终端设备k的信道矩阵H
k
进行奇异值分解，获得信道矩阵H
′
k
，所述H本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预编码处理方法，其特征在于，所述方法包括：针对K个终端设备中每个终端设备k，对所述终端设备k的信道矩阵H
k
进行奇异值分解，获得信道矩阵H'
k
，所述H'
k
包括所述H
k
中信道增益最大的d
k
条特征信道的信道向量；所述K为大于或等于1的整数；所述k为小于或等于K的正整数；所述d
k
为第k个终端设备的传输流数；将信道矩阵作为神经网络的输入，输出预编码矩阵对应的向量p和向量λ；其中，所述是对信道矩阵进行处理获得的，所述是由K个终端设备中每个终端设备对应的H'
k
构成；根据所述p和所述λ，确定所述K个终端设备的预编码矩阵。2.根据权利要求1所述的方法，其特征在于，所述针对K个终端设备中每个终端设备k，对所述终端设备k的信道矩阵H
k
进行奇异值分解，获得信道矩阵H'
k
，包括：针对K个终端设备中每个终端设备k，对所述终端设备k的信道矩阵H
k
进行奇异值分解，获得d
k
个奇异值；所述d
k
个奇异值是对所述H
k
进行奇异值分解后得到的多个奇异值中数值最大的d
k
个奇异值；所述所述N
r
为所述每个终端设备的接收天线数；所述N
t
为网络设备的发射天线数；将所述d
k
个奇异值分别与其对应的右奇异向量的乘积，作为信道矩阵H'
k
的元素；所述3.根据权利要求1或2所述的方法，其特征在于，所述是将的转置共轭矩阵与所述相乘后的矩阵的实部进行上三角化处理，以及将所述的虚部进行下三角化处理后，对获得的上三角矩阵和下三角矩阵进行组合得到的信道矩阵；所述4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述p和所述λ，确定所述K个终端设备的预编码矩阵，包括：根据恢复模块、所述p和所述λ，确定所述K个终端设备的预编码矩阵；所述恢复模块是对单天线终端设备的最优预编码矩阵进行简化获得的。5.根据权利要求4所述的方法，其特征在于，所述恢复模块其中，所述所述Λ＝diag[λ1,λ2,...,λ
M
]，所述p＝diag[p1,p2,...,p
M
]，所述所述σ2为平均噪声功率，所述F()为列归一化函数。6.一种通信装置，其特征在于，所述装置包括：处理单元，用于针对K个终端设备中每个终端设备k，对所述终端设备k的信道矩阵H
k
进行奇异值分解，获得信道矩阵H'
k
，所述H'
k

【专利技术属性】
技术研发人员：钟财军，张茂俊，高佳宝，王潇涵，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：