游 佳

（移动网络和移动多媒体技术国家重点实验室，广东 深圳 518055）

0 引言

奇异值分解（Singular Value Decomposition，SVD）[1]是一种基于任意矩阵的奇异值分解方法。在奇异值分解矩阵中，奇异值按照从大到小的顺序排列。很多情况下，前10%甚至1%奇异值的和占全部奇异值的99%以上。因此，可以使用前面几个大的奇异值近似描述矩阵。

多用户多输入多输出（Multi-User Multiple-Input Multiple-Output，MU-MIMO）[2-4]是一种利用发射端与接收端的多天线获取分集增益、提升频谱利用率的技术，也是5G 中的一项关键性可行技术。

Massive MIMO 技术通过增大天线阵列来增加系统容量。基于大规模天线MIMO 的无线传输技术能够深度利用空间维度的无线资源，显著提升系统频谱效率和功率效率，具有提高信道容量和改善系统性能等优点[5-6]。

本文将SVD 矩阵分解算法应用于MU-MIMO技术，通过将信道矩阵H进行SVD 分解，在发送数据时以分解得到的右酉矩阵V作为配对用户设备（User Equipment，UE）的权值[1-2]，从而降低配对UE 间干扰，提高信道容量，改善系统性能。

1 方案设计原理

本文通过计算配对UE 间相关性，选择多个空间隔离度最好的UE 进行空间配对，并对配对UE的信道矩阵进行SVD 分解，在发送数据时以分解得到的V作为配对UE 的权值，从而降低配对UE 间干扰，提升高信道容量，改善系统性能。

本方案的基本流程描述如下。

（1）基站媒体接入控制（Medium Access Control，MAC）[7]处理模块，将待调度的UE 按照服务质量（Quality of Service，QoS）优先级排序。各UE 内Port（UE 发射端口）按照上行探测参考信号（Sounding Reference Signal，SRS）[8-9]的信号与干扰加噪声比（Signal to Interference plus Noise Ratio，SINR）[10]进行排序。

（2）基站MAC 处理模块按照QoS 优先级、SRS SINR 从高到低的顺序，根据UE 间、UE 内相关性，挑选空间隔离度满足一定门限的Port 进行配对，并组成空分组。

（3）基站侧物理层（Physical Layer，PHY）[8-9]处理模块根据配对UE 的H进行SVD 分解，得到右酉矩阵V。

（4）基站PHY 处理模块根据MAC 处理模块确认的配对UE 流数秩（Rank Indicator，RI）[7]以及RI 个最大的奇异值对应的向量V，确定配对UE的波束权值。

本方案的基本处理流程如图1 所示。

图1 技术方案实现流程

2 方案实施用例

本方案具体实施提供的系统结构，如图2 所示。UE 根据自己的能力级，周期性轮询发送每接收端口的SRS 信号。本文采用支持5G 独立组网（Standalone，SA）终端的2T4R 方式[10]；基站的SRS 处理模块根据接收的UE 每接收端口的SRS 信号，进行上行信道H估计和UE 间、UE 内端口相关性计算；基站MAC 处理模块根据UE 间、UE 内相关性，挑选空间隔离度满足一定门限的Port 进行配对组成空分组，并将结果传给基站PHY处理模块；基站侧PHY 处理模块根据配对UE 的H进行SVD分解得到右酉矩阵V，并根据MAC 处理模块确认的配对UE 流数RI以及RI个最大的奇异值对应的向量V，确定配对UE 的波束权值。

图2 本技术方案提供的一种系统结构

2.1 上行信道信道估计

基站侧根据SRS 处理模块接收的信号进行信道估计[2]，得到信道估计值h(i)。其中，i为对应的UE 发射端口，如UE 类型为2T4R，则i取值为0、1、2、3，即：

2.2 计算UE 内、UE 间Port 相关性

UE 内相关性计算[2]：

UE 间相关性计算：

式中，i、j表示不同UE。

本方案UE 内、UE 间Port 相关性计算结果如图3 所示。

图3 UE 内、UE 间Port 相关性计算

2.3 MAC 利用相关性等信息进行空分配对

基站MAC 处理模块将待调度的UE 按照QoS优先级排序，各UE内Port按照SRS的SINR进行排序，根据UE 间、UE 内相关性，挑选空间隔离度满足一定门限的Port 进行空分配对[2-4]组成空分组。本文采用UE 内相关性门限0.8，UE 间相关性门限0.4。

2.4 PHY 进行SVD 矩阵分解

基站处理模块根据空分配对UE 的信道估计H进行SVD 分解[1]，得到右酉矩阵V：

本文采用基站射频单元64根接收天线，其中U、D、V的维度分别为4×4、4×64、64×64。

2.5 PHY 确定空分配对UE 权值

根据MAC 确定UE 调度流数RI，权值W取RI个最大的奇异值对应的向量V[1-2]，即：

式中，ri=1,2,…,RI。

空分配对UE 权值：

式中，i为空分配对UE。

为了降低空分配对UE 的流间干扰，对式（6）中的W求伪逆，得到最终权值：

3 方案实施效果

本方案是基于空分配对UE 的信道估计H进行SVD 矩阵分解后，根据RI个最大的奇异值对应的V向量，确定配对UE 的波束权值。该方案相对传统的迫零（Zero-Forcing，ZF）零陷方案，能够更有效地降低配对UE 的流间干扰，提高信道容量，改善系统性能。

本方案的实施效果如图4 所示，为某商用外场MU MIMO 下行8UE 16 流小区吞吐率测试结果。参数配置为100 MHz 带宽，2.5 ms 双周期帧格式。从测试结果看，采用本方案后，相对传统的ZF 零陷方案，小区吞吐率提升约300 Mb/s 容量。

图4 技术方案的实施效果

4 结语

本文是一种基于SVD 矩阵分解的MU MIMO 设计方案，核心部分是基站PHY 处理模块基于信道估计H的SVD 矩阵分解和配对UE 的权值生成。相比传统的ZF 零陷方案，UE 观测到的信道是数个平行正交的子信道，能够更有效地降低配对UE 的流间干扰，提高信道容量，改善系统性能。