CN101861718B - 分布式输入分布式输出无线通信的系统和方法 - Google Patents

Abstract

描述了一种用于对具有多用户(MU)发送(“MU-MAS”)的多天线系统(MAS)中的频率和相位偏移进行补偿的系统和方法。该方法可包括将来自基站每一天线的训练信号发送至多个无线客户装置中的一无线客户装置；生成频率偏移补偿数据；在基站处，接收所述频率补偿数据，计算MU-MAS预编码权重，以在发射机处预先消除频率偏移，并基于信道特征数据，计算多个MU-MAS预编码器权重。

Description

分布式输入分布式输出无线通信的系统和方法

优先权要求 

本申请为2004年7月30提交的申请NO.10/902,978的继续申请。 

技术领域

本发明通常涉及通信系统领域。特别地，本发明涉及用于使用时空编码技术的分布式输入分布式输出的无线通信的系统和方法。 

背景技术

通信信号的时空编码 

空间多工和时空编码是无线技术中已知的较新的发展。由于有几个天线用在每个终端，所以一种特殊类型的时空编码被称为“多重输入多重输出”(MIMO)。通过使用多个天线来发送和接收，多个独立的无线电波可以在相同的频率范围内同时传送。下面的文章提供了MIMO的概述。 

IEEE成员David Gesbert、IEEE会员Mansoor Shafi、IEEE成员Da-shanShiu，、IEEE成员Peter J.Smith和IEEE高级会员Ayman Naguib的IEEEJOURNAL ON SELECTED AREAS IN COMMUNICATIONS，VOL.21，NO.3，APRIL 2003：“From theory to Practice：An Overview of MIMO Space-TimeCoded Wireless Systems”。 

IEEE成员David Gesbert、IEEE成员Helmut Bolcskei、Dhananijay A.Gore和IEEE会员Arogyaswami J.Paulraj的IEEE TRANSCTIONS ONCOMMUNICATIONS，VOL.50，NO.12，DECEMBER 2000：”Outdoor MIMOWireless Channels：Models and Performance Prediction”。 

基本上，MIMO技术是基于用于在公共频带内产生并列空间数据流的空 间分布式天线的应用。无线电波以这样的方式传播，从而可以在接收器分离和解调单个信号，即使它们在相同的频带内传输，这能造成多个统计学意义上独立(也就是有效地分离)的通信信道。因此，和努力抑制多径信号的标准无线通信系统相比(即，同一频率的多个时延信号，且振幅和相位存在修改)，MIMO可以依赖于非相关或弱相关的多径信号，在给定的频带内实现较高的吞吐率和改善的信噪比。实例表明，在功率与信噪比(SNR)相当的条件下，MIMO技术实现了更高的吞吐量(throughput)，而传统的非MIMO系统仅能够实现较低的吞吐量。高通公司(高通是最大的无线技术供应商)网站http://www.cdmatech.com/products/what mimo delivers.jsp：上标题为“What MIMO Delivers”的页面上描述了这一功能：“MIMO is the onlymultiple antenna technique that increases spectral capacity by delivering two ormore times the peak data rate of a system per channel or per MHz of spectrum.To be more specific，for wireless LAN or Wi- 

applications QUALCOMM′sfourth generation MIMO technology delivers speeds of 315Mbps in 36MHz ofspectrum or 8.8Mbps/MHz.Compare this to the peak capacity of 802.11a/g(even with beam-forming or diversity techniques)which delivers only 54Mbps in17MHz of spectrum or 3.18Mbps/MHz”。 

通常上，由于几个原因，MIMO系统面对着每个装置少于10个天线的实际性限制(因此网络中的改善少于10×吞吐率)： 

1.物理限制：给定装置上的MIMO天线之间必须具有足够的间隔，从而每个都接收统计独立的信号。尽管即使在波长分数的天线间隔时仍然可以看到MIMO吞吐量的改善，但当天线更加接近时效率迅速恶化，这导致了较低的MIMO吞吐量倍增器。 

参见例如以下参考文献： 

[1]D.-S.Shiu，G.J.Foschini，M.J.Gans，andJ.M.Kahn，“Fadingcorrelation and its effect on the capacity of multielement antenna systems，”IEEE Trans.Comm.，vol.48，no.3，pp.502-513，Mar.2000. 

[2]V.Pohl，V.Jungnickel，T.Haustein，and C.von Helmolt，“Antennaspacing in MIMO indoor channels，”Proc.IEEE Veh.Technol.Conf.，vol.2，pp.749-753，May 2002. 

[3]M.Stoytchev，H.Safar，A.L.Moustakas，and S.Simon，“Compactantenna arrays for MIMO applications，”Proc.IEEE Antennas and Prop.Symp.，vol.3，pp.708-711，July 2001. 

[4]A.Forenzaand R.W.Heath Jr.，“Impact of antenna geometry onMIMO communication in indoor clustered channels，”Proc.IEEE Antennasand Prop，Symp.，vol.2，pp.1700-1703，June 2004. 

此外，对于小的天线间隔，彼此之间的耦合效应可能会降低MIMO系统的性能。 

参见例如以下参考文献： 

[5]M.J.Fakhereddin and K.R.Dandekar，“Combined effect ofpolarization diversity and mutual coupling on MIMO capacity，”Proc.IEEEAntennasand Prop.Symp.，vol.2，pp.495-498，June2003. 

[7]P.N.Fletcher，M.Dean，and A.R.Nix，“Mutual coupling in multi-elementarray antennas and its influence on MIMO channel capacity，”IEEEElectronics Letters，vol.39，pp.342-344，Feb.2003. 

[8]V.Jungnickel，V.Pohl，and C.Von Helmolt，“Capacity of MIMOsystems with closely spaced antennas，”IEEE Comm.Lett.，vol.7，pp.361-363，Aug.2003. 

[10]J.W.Wallace and M.A.Jensen，“Termination-dependent diversityperformance of coupled antennas：Network theory analysis，”IEEE Trans.Antennas Propagat.，vol.52，pp.98-105，Jan.2004. 

[13]C.Waldschmidt，S.Schulteis，and W.Wiesbeck，“Complete RFsystem model for analysis of compact MIMO arrays，”IEEE Trans.on Veh.Technol.，vol.53，pp.579-586，May 2004. 

[14]M.L.Morris and M.A.Jensen，“Network model for MIMO systemswith coupled antennas and noisy amplifiers，”IEEE Trans.AntennasPropagat.，vol.53，pp.545-552，Jan.2005. 

而且，当天线拥挤到一起的时候，天线通常必须做得更小，这也能够影响天线效率。 

参见例如以下参考文献： 

[15]H.A.Wheeler，“Small antennas，”IEEE Trans.AntennasPropagat.，vol.AP-23，n.4，pp.462-469，July 1975. 

[16]J.S.McLean，“Are-examination of the fundamental limits on theradiation Q of electrically small antennas，”IEEE Trans.Antennas Propagat.，vol.44，n.5，pp.672-676，May 1996. 

最后，用较低频率和较长波长的话，MIMO装置的物理尺寸就变得难以处理。一个极端的例子是在HF波段，这里MIMO装置天线必须互相分开10米或更大距离。 

2.噪声限制。每个MIMO的接收器/发送器子系统产生一定水平的噪声。当越来越多的这种子系统互相临近放置时，背景噪声就会上升。同时，当需要从多天线MIMO系统中识别出更多不同信号的时候，就要求更低的背景噪声。 

3.成本和功率限制。尽管有些MIMO应用中成本和功耗不是焦点，但在典型的无线产品中，开发一种成功的产品时，成本和功耗都是至关重要的制约因素。对于每个MIMO天线，需要分离的RF子系统，包括分离的模-数(A/D)和数-模(D/A)转换器。不像以摩尔定律来衡量规模的数字系统的很多方面(英特尔的共同创立者戈登摩尔所作出的经验层面的观察结果，微型器件的集成电路上的晶体管数目大约每隔24个月便会翻两倍；来源：http://www.intel.com/technology/mooreslaw/)，这样密集的模拟子系统通常具有一定的物理结构尺寸和功率要求，其尺寸与成本和功率线性成比例。因此，和单天线装置相比，多天线MIMO装置将变得极其昂贵并且具有惊人的能耗。 

作为上面的结果，今天预期的大多数MIMO系统是在2至4个天线的 等级上，导致吞吐量2至4倍的上升和由于多天线系统的分集益处而引起的一些SNR(信噪比)的上升。已经预期到10个天线的MIMO系统(特别是由于较短的波长和较近的天线间隔的在较高的微波频率上)，但是除了对于一些特殊的和对成本不敏感的应用以外，超过10个天线是很不实际的。 

虚拟天线阵列 

MIMO类型的技术的一种特殊应用是虚拟天线阵列。欧洲科学技术领域研究协作组织提出的研究文件中建议了这种系统，EURO，Barcelona，Spain，2003年1月15-17日：Center for Telecommunication Research，King’s CollegeLondon，UK：”A step towards MIMO：Virtual Antenna Arrays”，Mischa Dohler &Hamid Aghvami。 

如文件中所述，虚拟天线阵列是协作无线装置系统(例如蜂窝电话)，其在分离的通信信道上互相通信(假如当它们相互足够临近)，而不是在它们主要的通信信道上与它们的基站通信，使得协作性地工作(例如，如果它们是UHF波段中的GSM蜂窝电话，那么这可以是5GHz的工业科学医学(ISM)无线波段)。通过在相互的中继范围(除了在基站范围内)内的几个装置之间转发信息，就好像他们是在物理上具有多个天线的一个装置工作一样，使得单天线装置潜在地实现象MIMO一样的吞吐量提升。 

然而，实际上，这样的系统极难实现并且用处有限。首先，必须保持每个装置现在最少有两个不同的通信路径以实现吞吐率提升，其第二中继链路的可用性经常是不确定的。而且，由于它们最少具有第二通信子系统并且有更大的计算需求，因此该装置更昂贵，物理尺寸更大，并且消耗更多的功率。此外，潜在地通过多个通信链路，该系统依赖于非常复杂的所有系统的实时协作。最后，由于同时发生的信道利用增加(例如，使用MIMO技术的同时发生的电话呼叫传输)，对于各装置的计算负担也就增加了(通常随信道利用的线性增加而成指数增加)，这对具有严格的功率和尺寸限制的便携装 置是很不实际的。 

发明内容

描述了一种用于对具有多用户(MU)发送(“MU-MAS”)的多天线系统(MAS)中的频率和相位偏移进行补偿的系统和方法。例如，根据本发明一种实施方式的方法包括：将来自基站每一天线的训练信号发送至多个无线客户装置中的一个或每个无线客户装置，该客户装置中的一个或每个客户装置分析每个训练信号以生成频率偏移补偿数据，并在基站处接收频率偏移补偿数据；基于所述频率偏移补偿数据来计算MU-MAS预编码器权重以预消除发射机处的频率偏移；使用所述MU-MAS预编码器权重对训练信号进行预编码，以生成针对基站每一天线的预编码训练信号；将来自所述基站的每个天线的预编码后的训练信号发送到所述多个无线客户装置中的每一个无线客户装置，每个客户装置分析每个训练信号以生成信道特征数据，并在所述基站接收所述信道特征数据；基于该信道特征数据来计算多个MU-MAS预编码权重，该MU-MAS预编码器权重被计算来用于预消除频率和相位偏移和/或用户之间的干扰；使用MU-MAS预编码器权重来对数据进行预编码，以生成针对基站每一天线的预编码后的数据信号；以及将所述预编码后的预编码数据信号通过基站的每个天线发送至其每个的客户端设备。 

附图说明

结合附图，下面详尽的描述可以获得对本发明更好的理解，其中： 

图1显示了现有技术的MIMO系统。 

图2显示了与多个单天线客户装置进行通信的N天线基站。 

图3显示了与三个单天线客户装置进行通信的三个天线的基站。 

图4显示了本发明的一个实施例中使用的训练信号技术。 

图5显示了根据本发明一个实施例的从客户装置传输到基站的信道特征数据。 

图6显示了根据本发明一个实施例的多重输入分布式输出(“MIDO”)下行传输。 

图7显示了根据本发明一个实施例的多重输入多重输出(“MIMO”)上行传输。 

图8显示了根据本发明的一个实施例的通过不同客户群循环以分配吞吐量的基站。 

图9显示了根据本发明的一个实施例的基于临近的客户分组。 

图10显示了在NVIS系统中使用的本发明的实施例。 

图11显示了具有I/Q补偿功能单元的DIDO发射机的实施方式。 

图12显示了具有I/Q补偿功能单元的DIDO接收机。 

图13显示了具有I/Q补偿的DIDO-OFDM系统的一种实施方式。 

图14显示了在具有和不具有I/Q补偿的情况下DIDO 2×2性能(performance)的一种实施方式。 

图15显示了在具有和不具有I/Q补偿的情况下DIDO 2×2性能的一种实施方式。 

图16显示了在具有和不具有I/Q补偿的情况下针对不同QAM星座图的SER(符号误码率)的一种实施方式。 

图17显示了在不同用户设备位置具有和不具有I/Q补偿的情况下DIDO2×2性能的一种实施方式。 

图18显示了在理想(i.i.d.(独立且同分布))信道中具有和不具有I/Q补偿的情况下SER的一种实施方式。 

图19显示了自适应DIDO系统的发射机架构的一种实施方式。 

图20显示了自适应DIDO系统的接收机架构的一种实施方式。 

图21显示了自适应DIDO-OFDM的方法的一种实施方式。 

图22显示了用于DIDO测量的天线布局的一种实施方式。 

图23显示了用于不同级别(order)DIDO系统的阵列配置的实施方式。 

图24显示了不同级别DIDO系统的性能。 

图25显示了用于DIDO测量的天线阵列的一种实施方式。 

图26显示了4-QAM且1/2FEC率的DIDO 2×2性能与用户设备位置的函数关系的一种实施方式。 

图27显示了用于DIDO测量的天线布局的一种实施方式。 

图28显示了在一种实施方式中DIDO 8×8如何产生比具有低TX功率需求的DIDO 2×2更大的SE。 

图29显示了在具有天线选择情况下的DIDO 2×2性能的一种实施方式。 

图30显示了不同DIDO预编码方案在i.i.d.信道中的平均比特误码率(BER)性能。 

图31显示了ASel的信噪比增益与i.i.d.信道中额外发射天线的数量之间的函数关系。 

图32显示了在i.i.d.信道中具有1和2个外部天线的情况下SNR阈值与用于块对角化(BD)和ASel的用户数量(M)之间的函数关系。 

图33显示了针对位于相同角度方向且具有不同角度扩展(AS)值的两个用户的BER与每用户平均SNR。 

图34显示了与图33相类似的结果，但用户之间具有更高的角度间隔。 

图35绘制了针对用户的平均到达角度(AOA)的不同值，AS与SNR阈值之间的函数关系。 

图36显示了针对5个用户的示例性情况的SNR阈值。 

图37针对2个用户的情况，提供了在具有1和2个额外天线的情况下，SNR阈值BD与ASel的比较。 

图38显示了与图37相类似的结果，但是针对5个用户的情况。 

图39显示了针对具有不同AS值的BD方案的SNR阈值。 

图40显示了对于具有1和2个额外天线的BD和ASel，在具有AS＝0.1°的空间关联信道中的SNR阈值。 

图41显示了针对AS＝5°的另外两个信道情形的SNR阈值的计算。 

图42显示了针对AS＝10°的另外两个信道情形的SNR阈值的计算。 

图43-图44分别显示了在1和2个额外天线的情况下，SNR阈值与用户数量(M)与BD和ASel方案的角度扩展(AS)之间的函数关系。 

图45显示了配备有频率偏移估计器/补偿器的接收机； 

图46显示了根据本发明一种实施方式的DIDO 2×2系统模型。 

图47显示了根据本发明一种实施方式的方法。 

图48显示了在具有和不具有频率偏移的情况下，DIDO 2×2系统的SER结果。 

图49将不同DIDO方案的SNR阈值性能进行了比较。 

图50将不同方法实施方式所需的开销量进行了比较。 

图51显示了在f_max＝2Hz的小频率偏移且没有整数偏移校正的情况下的仿真。 

图52显示了当关闭整数偏移估计器时的结果。 

具体实施方式

在下列描述中，为了解释的目的，为了提供对本发明彻底的理解，阐明了多个特殊细节。然而，很明显的是，对于本领域内的普通技术人员，即使没有一些特殊细节，仍然可以实现本发明。此外，公知的结构和装置显示为框图形式，以避免将本发明根本的原理模糊化。 

图1显示了具有发射天线104和接收天线105的现有技术MIMO系统。 这样的系统的吞吐率可以实现通常在可用信道中实现的吞吐率的3倍。有多种不同的方法来实现这种MIMO系统的细节，其在关于该主题的出版文献中有过描述，下面的解释将描述一个这样的方法。 

数据在图1的MIMO系统中传输之前，信道被“特征化”。这是通过在开始将“训练信号”从每个发射天线104传输到每个接收器105来实现的。训练信号有编码和调制子系统102生成，并被D/A转换器(没有示出)转换成模拟信号，然后由每个发送器103从基带信号转换为RF信号。每个耦合到其RF接收器106的接收天线105接收每个训练信号并将其转换为基带信号。基带信号由D/A转换器(没有示出)转换为数字信号，然后信号处理子系统107特征化该训练信号。每个信号的特征可以包括很多因素，例如，其包括，相对于接收器内部的参考信号的相位和振幅、绝对参考信号、相对参考信号、特征噪声或其他因素。每个信号的特征通常定义为当信号通过信道传送时表现信号几个方面的相位和振幅变化的向量。例如，在正交幅度调制(“QAM”)的调制信号中，所述特征可能是信号的几个多径映像的相位与振幅偏移的向量。另外一个例子是，在正交频分复用(“OFDM”)调制的信号中，它可能是OFDM频谱中几个或所有单个分量信号(sub-signal)的相位与振幅偏移的向量。 

信号处理子系统107将由每个接收天线105和相应接收器106接收到的信道特征存储起来。所有的三个发射天线104完成它们的训练信号传输之后，信号处理子系统107将已经存储了三个对于三个接收天线105中每一个的信道特征，这形成了3×3的矩阵108，其表示为信道特征矩阵“H”。每个单独的矩阵元素H_i，j是接收天线105j接收到的传输天线104i的训练信号传输的信道特征。 

在这点上，信号处理子系统107将矩阵H108求逆以产生H^-1，并且等待从发射天线104来的实际数据的传输。注意，多种在可用文献中描述的现 有MIMO技术可用于确保H矩阵108可逆。 

在实施中，要传输的数据的内容(payload)送到数据输入子系统100。然后在送到编码和调制子系统102之前，其被分配器(splitter)101分割为三部分。例如，如果内容是“abcdef”的ASCII比特，它就可以被分配器分割为三个子内容“ad”、“be”和“cf”。然后，每个子内容单独发送给编码和调制子系统102。 

通过使用适合每个信号的统计独立性和纠错能力的编码系统，单独地对每个子内容进行编码。这些包括，而不仅仅限于，Reed-Solomon编码、维特比编码(Viterbi coding)和增强编码(Turbo Codes)。最后，使用对信道合适的调制方法对这三个编码后的子内容中的每一个进行调制。示例性的调制方法是差分相移键控调制(“DPSK”)、64-QAM调制和OFDM。这里应该注意的是，MIMO提供的分集增益允许较高级数的调制星座图，所述调制星座图在使用相同信道的SISO(单输入单输出)系统中也是可行的。然后，每个编码并且调制后的信号通过它自己的天线104传输出去，所述传输跟随在D/A转换单元(没有示出)的D/A转换和每个发送器103的RF生成之后。 

假设有足够的空间分集存在于发送和接收天线之间，每个接收天线105将从天线104接收三个传输信号的不同组合。每个RF接收器106将每个信号接收到并将它们转换为基带信号，然后A/D转换器(没有示出)再对信号进行数字化。如果y_n是由第n个接收天线105接收到的信号，x_n是由第n个发射天线104发送的信号，N是噪声，那么这就能以下列等式描述。 

y₁＝x₁H₁₁+x₂H₁₂+x₃H₁₃+N 

y₂＝x₁H₁₂+x₂H₂₂+x₃H₂₃+N 

y₃＝x₁H₁₃+x₂H₃₂+x₃H₃₃+N 

假设这是一个具有三个未知量的三个等式的系统，那么这就是信号处理子系统107推导出x₁、x₂和x₃的线性代数的问题了(假设N在足够低的水平，允许对信号进行解码)： 

x₁＝y₁H^-1 ₁₁+y₂H^-1 ₁₂+y₃H^-1 ₁₃

x₂＝y₁H^-1 ₂₁+y₂H^-1 ₂₂+y₃H^-1 ₂₃

x₃＝y₁H^-1 ₃₁+y₂H^-1 ₃₂+y₃H^-1 ₃₃

一旦推导出三个传送的信号x_n，它们就被信号处理子系统107解调、解码和纠错，以恢复出原来由分配器101分开的三个比特流。这些比特流在合并器单元108中合并，并从数据输出109中输出为单数据流。假设系统强健性可以克服噪声损伤，那么数据输出109产生的比特流将和引入到数据输入100中的比特流一样。 

尽管所描述的现有技术系统通常有效直到四个天线，或许直到10个之多的天线，由于在该公开的背景部分中描述的原因，具有大量天线(例如25、100或1000)时其变得很不实际。 

通常，这样的现有技术系统是双向的，返回路径以完全相同的方式实现，但是反过来，在通信信道的每一侧都具有发送和接收子系统。 

图2显示了本发明的一个实施例，在其中，基站(BS)200配置有广域网(WAN)接口(例如通过T1或其它高速连接)201并且提供有一定数量的(N个)天线202。我们暂且使用术语“基站”来指代与固定位置的一组客户进行无线通信的任何无线站点。基站的示例可为无线局域网(WLAN)中的接入点，或WAN天线或天线阵列。有一些客户装置203-207，每个具有单天线，基站200通过无线方式对它们进行服务。尽管对于这个例子的目的，非常容易想到位于办公室环境的基站，在这种环境中，其为装备有无线网络的个人计算机的用户装置203-207提供服务，但这种结构将运用于大量的应用情况，室内和室外，在这里基站服务于无线客户。例如，所述基站可以位于蜂窝电话塔上，或者位于电视广播塔上。在一个实施例中，基站200被安置于地面，用于HF频率的(例如24MHz的频率)上行传送，以将信号从电离层反射回来，如2004年4月20日提出的，序列号为No.10/817,731，题目为SYSTEM AND METHOD FOR ENHANCING NEAR VERTICAL INCIDENTCE SKYWAVE(“NVIS”)COMMUNICATION USINGSPACE-TIME CODING的同时未决的申请描述的一样，其被支配给本申请的代理人，在这里作为参考。 

与基站200相联系的某些细节和所阐明的客户装置仅仅是为了例证的目的，而不是根据本发明的根本原理必需的。例如，该基站可以经由WAN接口201连接于多个不同类型的广域网，其包括专用广域网，例如那些用于数字视频发送的广域网。类似地，客户装置可以是任何种类的无线数据处理和/或通信装置，其包括，而不仅仅局限于，蜂窝电话、个人数字助理(“PDA”)、接收器和无线相机。 

在一个实施例中，基站的n个天线202在空间上是分开的，从而每一个发送和接收非空间相关的信号，就好像所述基站是现有技术MIMO的收发器一样。如在背景技术中所描述的，天线以λ/6(即1/6波长)间隔放置的实验已经做出，其成功地实现了从MIMO的吞吐量提升，但一般来说，这些基站天线越进一步分开放置，系统的性能就越好，λ/2是令人满意的最小距离。当然，本发明的根本原理不限于天线间任何特定的分离。 

注意，单基站200可以很好地将其天线放置于很远的距离。例如，在HF频谱中，天线可以有10米或更远(例如，在上面提到的NVIS实现中)。如果使用100个这样的天线，该基站的天线阵列就可以占有几个平方公里的面积。 

除了空间分集技术之外，为了提高系统的有效吞吐量，本发明的一个实施例将信号极化。通过极化来提高信道容量是一种公知的技术，其已经被卫星电视供应商使用了很多年。使用极化技术，可以使多个(例如三个)基站或用户天线互相间非常接近，并且仍然是非空间相关的。尽管传统的RF系统通常仅仅受益于极化的二维(例如x和y)分集，但这里描述的结构可进一步受益于极化的三维(x、y和z)分集。 

除了空间和极化分集之外，本发明的一种实施方式采用近乎正交的辐射方向图(pattern)，以经由方向图分集来改善链路性能。方向图分集可改善MIMO系统的容量和误码率性能，且其相比于其他天线分集技术的优点可参见以下文章： 

[17]L.Dong，H.Ling，and R.W.Heath Jr.，“Multiple-input multiple-output 

wireless communication systems using antenna pattern diversity，”Proc.IEEE Glob.Telecom.Conf.，vol.1，pp.997-1001，Nov.2002. 

[18]R.Vaughan，“Switched parasitic elements for antenna diversity，”IEEE 

Trans.Antennas Propagat.，vol.47，pp.399-405，Feb.1999. 

[19]P.Mattheijssen，M.H.A.J.Herben，G.Dolmans，andL.Leyten，“Antenna-pattern diversity versus space diversity for use at handhelds，”IEEETrans.on Veh.Technol，vol.53，pp.1035-1042，July 2004 

[20]C.B.DietrichJr，K.Dietze，J.R.Nealy，and W.L.Stutzman，“Spatial，polarization，and pattern diversity for wireless handheld terminals，”Proc.IEEE Antennas and Prop.Symp.，vol.49，pp.1271-1281，Sep.2001. 

[21]A.Forenzaand R.W.Heath，Jr.，“Benefit of Pattern Diversity Via2-element Array of Circular Patch Antennas in Indoor Clustered MIMOChannels”，IEEE Trans.on Communications，vol.54，no.5，pp.943-954，May2006. 

通过使用方向图分集，可使得多个基站或用户天线相互之间非常接近，且尽管如此也不会在空间上相关联。 

图3提供了图2中所示的基站200和客户装置203-207的一个实施例的额外细节。为了简化的目的，该基站300仅仅显示为三个天线305和三个客户装置306-308。然而，需要注意的是，这里描述的本发明的实施例可以用几乎无限数量的天线305(即，仅仅由可用的空间和噪声来限制)和客户装置306-308来实现。 

图3与图1所示的现有技术MIMO结构类似，其中，两者在通信信道的每一端有三个天线。显著的区别是，在现有技术的MIMO系统中，图1 右侧的三个天线105互相之间是固定距离(例如，集成在单一装置中)，从每个天线105接收到的信号一起在信号处理子系统107中得到处理。相比之下，在图3中，图右侧的三个天线309每一个都耦合到不同的客户装置306-308上，每个所述客户装置都可以分布于基站305的范围内的任何地方。这样，每个客户装置接收到的信号可以在其编码、调制、信号处理子系统311中独立于其它两个接收到的信号而得到处理。因此，与多重输入(即天线105)多重输出(即天线104)的“MIMO”系统相比较，图3显示了多重输入(即天线305)分布式输出(即天线305)系统，以下指“MIDO”系统。 

注意，本申请使用与之前的申请不同的术语用法，以更好地符合学术界及行业惯例。在之前所引用的2004年4月20日提交的题为“SYSTEM ANDMETHOD FOR ENHANCING NEAR VERTICAL INCIDENCE SKYWAVE(“NVIS”)COMMUNICATION USING SPACE-TIME CODING”的共同待审的申请NO.10/817,731以及2004年7月30日提交的申请NO.10/902,978(本申请是该申请的继续申请)中，“输入”和“输出”(在SIMO、MISO、DIMO以及MIDO的环境中)的意思与该术语在本申请中的表意是相反的。在之前的申请中，“输入”指输入至接收天线(例如，图3中的天线309)的无线信号，而“输出”指发射天线(例如，天线305)输出的无线信号。在学术界和无线行业中，通常使用“输入”和“输出”的反义，其中“输入”指输入至信道的无线信号(即，从天线305发送的无线信号)，而“输出”指从信道输出的无线信号(即，天线309所接收的无线信号)。本申请采用此术语用法，该用法与本段之前所引用的申请中的用法相反。因此，以下绘示了几个申请之间的术语用法等价形式： 

10/817,731和10/902,978            本申请 

         SIMO           ＝        MISO 

         MISO           ＝        SIMO 

         DIMO           ＝        MIDO 

         MIDO           ＝        DIMO 

图3所示的MIDO结构对于给定数量的发射天线实现了类似于MIMO在SISO系统上实现的容量提升。然而，MIMO和图3所示的特定MIDO实施例的一个区别是，为实现多个基站天线提供的容量提升，每个MIDO客户装置306-308仅仅要求单个接收天线，而对于MIMO，每个客户装置至少要求与希望实现的容量倍数一样多的接收天线。假设通常有一实行的限制，其限制能够在客户装置放置多少天线(如在背景技术中解释的)，典型上这就将MIMO系统限制在4个至10个天线之间(4倍至10倍的容量)。由于基站300通常从固定和装有动力的位置服务于很多客户装置，将其扩展为远超过10个天线，和用适当的距离分离天线以实现空间分集是很实际的。如所述，每个天线装备有收发器304和一部分编码、调制和信号处理部件303的处理能力。值得注意的是，在此实施例中，无论基站300扩展多少，每个客户装置306-308将仅仅要求一个天线309，因此对于单用户客户装置306-308的成本将很低，并且基站300的成本可以在大基数的用户中分担。 

在图4至图6中，显示了如何完成从基站300到客户装置306-308的MIDO传输的例子。 

在本发明的一个实施例中，MIDO传输开始之前，信道被特征化。对于MIMO系统，每个天线405对训练信号一个接一个进行传输。图4仅仅显示了第一个训练信号的传输，但对于三个天线405来说，共有三个分开的传输。每个训练信号由编码、调制和信号处理子系统403生成，通过D/A转换器转换成模拟信号，并作为RF信号通过每个RF收发器404发送出去。可用的各种不同的编码、调制和信号处理技术包括，而不局限于那些上面描述的技术(例如，Reed Solomon、维特比编码(Viterbi Coding)；QAM、DPSK、QPSK调制等等)。 

每个客户装置406-408通过其天线409接收训练信号并通过收发器410将该训练信号转换成基带信号。A/D转换器(没有示出)在该信号被编码、 调制和信号处理子系统411处理的地方将其转换成数字信号。然后信号特征逻辑单元320识别所得信号的特征(例如，识别上述的相位和振幅失真)并将该特征存放到存储器中。这个特征处理过程类似于现有技术的MIMO系统的处理过程，一个显著的区别是，每个客户装置仅仅计算其一个天线，而不是n个天线的特征向量。例如，已知模式的所述训练信号将客户装置406的编码、调制和信号处理子系统420初始化(在产生时通过在发送的信息中接收它，或通过其他初始化处理)。当天线405以已知模式发送该训练信号的时候，编码、调制和信号处理子系统420使用相关法来找到最强的训练信号接收模式，其将相位和振幅偏移保存起来，然后其将该模式从接收到的信号中间减掉。接下来，其找到与所述训练信号相关的第二强接收模式，将相位和振幅偏移保存起来，然后其将第二强模式从所述接收到的信号中减掉。该处理一直进行，直到保存了某固定数量的相位和振幅偏移(例如，8个)或可探测的训练信号模式下降到给定的背景噪声之下。该相位/振幅偏移的向量成为向量413的元素H₁₁。与此同时，客户装置407和408的编码、调制和信号处理子系统执行同样的处理，产生它们的向量元素H₂₁和H₃₁。 

信道特征存放的存储器可以是非易失性存储器，例如闪存，或硬盘，和/或易失性存储器，例如随机存取存储器(例如，SDRAM、RDAM)。此外，不同的用户装置可以同时使用不同类型的存储器来存储特征信息(例如PDA可是使用闪存，而笔记本电脑可是使用硬盘)。在各种客户装置或基站上，本发明根本的原理不限于任何特定类型的存储机构。 

如上所述，根据所使用的方案，由于每个客户装置406-408仅有一个天线，每个仅仅存储H矩阵的1×3行413-415。图4显示了第一训练信号传输后的阶段，这里，1×3行413-415的第一列存储了三个基站天线405的第一个天线的信道特征信息。其余两列存储了从其余两个基站天线的接下来的两个训练信号传输的信道特征。注意，为了例证的目的，所述三个训练信号 模式在分开的时间传输。如果选择了三个训练信号模式从而互不相关，那么它们可以同时传输，因此减少训练时间。 

如图5所示，所有三个导频传输完成之后，每个客户装置506-508将已经存储起来的矩阵H的1×3行513-515发送回基站500。为了简化的目的，在图5中仅显示有一个客户装置506传送其特征信息。结合适当的纠错编码(例如Reed Solomon、维特比编码(Viterbi Coding)和/或增强编码(TurboCodes))，可以使用合适的调制方法(例如DPSK、64QAM、OFDM)来确保基站500准确地接收行513-515中的数据。 

图5中，尽管所有三个天线505显示出接收信号，但是对于接收每1×3行513-515的传输，基站500的单天线和单收发器已经足够了。然而，在一定条件下，使用很多或所有天线505和收发器504来接收每个传输(即，在编码、调制和信号处理子系统503中使用现有技术的单输入多重输出(“SIMO”)处理技术)可以实现比单天线505和收发器504更好的信噪比(SNR)。 

当基站500的编码、调制和信号处理子系统503从每个客户装置507-508接收所述1×3行513-515的时候，其将所述1×3行513-515存入3×3的H矩阵516中。对于客户装置，基站可以使用很多不同的存储技术来存储矩阵516，其包括，但不局限于，非易失性海量存储器(例如硬盘)和/或易失性存储器(例如SDRAM)。图5显示了基站已经接收和存储了来自客户装置509的1×3行513的阶段。当1×3行514和515从其余客户装置传输的时候，它们可以被传输并保存在H矩阵516中，直到整个H矩阵516被存储起来。 

参考图6，现在将描述从基站600到客户装置606-608的MIDO传输的实施例。因为每个客户装置606-608是独立的装置，所以每个装置接收不同的数据传输。这样，基站600的实施例包括位于WAN接口601和编码、调 制与信号处理子系统603之间对它们进行通信联络的路由器602，其从WAN接口601接收多个数据流(格式为比特流)，分别对应于每个客户装置606-608将所述数据流按分开的数据流u₁-u₃发送。为此目的，该路由器602可以使用各种已知的路由技术。 

如图6所示，将所述三个比特流，u₁-u₃，路由进所述编码、调制和信号处理子系统603中，将它们编码为统计独立的纠错流(例如，使用ReedSolomon、维特比或增强编码)，并用对信道合适的调制方法(例如DPSK、64QAM或OFDM)将它们调制。此外，图6显示的实施例包括信号预编码逻辑单元630，基于信号特征矩阵616，该信号预编码逻辑单元630用于对从每个天线605发送来的信号进行唯一编码。特别地，在该实施例中，预编码逻辑单元630将图6中的三个比特流u₁-u₃与H矩阵616的逆矩阵相乘以生成三个新的比特流u′₁-u′₃，而不是将每个编码和调制过的比特流路由到分开的天线(如图1中所做)。然后，D/A转换器(没有示出)将所述的三个预编码比特流转换为模拟信号，收发器604和天线605将其作为RF信号发送出去。 

在解释客户装置606-608如何接收所述别特流之前，将描述预编码模块630执行的操作。类似于上面图1中MIMO的例子，三个原始比特流中每一个比特流的编码和调制过的信号将表示为u_n。在图6所示的实施例中，每个u_i包含路由器602所路由的三个比特流来的数据，每个这样的比特流将成为三个用户装置606-608其中的一个。 

然而，不象图1中的MIMO例子，那里，每个x_i有各天线104发送，在图6所示的本发明的实施例中，在每个客户装置天线609接收各u_i(加上信道中任何的噪声N)。为实现这样的结果，三个天线605中的每一个的输出(我们将其表示为v_i)是u_i和特征化每个客户装置的H矩阵的函数。在实施例中，编码、调制和信号处理子系统中的预编码逻辑单元630通过执行下 列等式来计算各v_i： 

v₁＝u₁H^-1 ₁₁+u₂H^-1 ₁₂+u₃H^-1 ₁₃

v₂＝u₁H^-1 ₂₁+u₂H^-1 ₂₂+u₃H^-1 ₂₃

v₃＝u₁H^-1 ₃₁+u₂H^-1 ₃₂+u₃H^-1 ₃₃

因此，不像MIMO，那里，信道将信号变换之后在接收器计算各x₁，而这里描述的本发明的实施例在信道将信号变换之前在发送器求解每个v_i。每个天线609接收已经从其它用于其它天线609的u_n-1比特流中分离出来的u_i。每个收发器610将各接收到的信号转换成基带信号，这里A/D转换器(没有示出)对其进行数字化，各编码、调制和信号处理子系统611对其x_i比特流进行解调和解码，并将其比特流送到客户装置使用的数据接口612(例如，客户装置上的应用程序)。 

这里描述的本发明的实施例可以使用多种不同的编码和调制方法来实现。例如，在OFDM实现中，其中频谱被分为多个分频带，这里描述的技术可用于特征化每个单独的分频带。然而，如上所述，本发明的根本原理不限于任何特定的调制方法。 

如果客户装置606-608是便携式数据处理装置，例如PDA、笔记本电脑和/或无线电话的话，那么由于客户装置可能会从一个位置移动到另外一个，则信道特征会频繁发生改变。这样，在本发明的一个实施例中，基站的信道特征矩阵616不断地得到更新。在一个实施例中，基站600周期地(每250毫秒)发出新的训练信号到每个客户装置，每个客户装置将其信道特征向量不断地发送回基站600以确保信道特征保持准确(例如，如果环境改变或客户装置移动从而影响到信道)。在一个实施例中，在发送到每个客户装置的实际数据信号中对训练信号进行交织。典型地，所述训练信号的吞吐量远低于所述数据信号的吞吐量，因此这对系统总的吞吐率将几乎没有影响。相应地，在该实施例中，信道特征矩阵616在基站主动与各客户装置进行通信时 可以不断得到更新，从而当客户装置从一个位置移动到下一个位置，或环境发生改变从而影响到信道的时候保持准确的信道特征。 

图7中所示的本发明的一个实施例使用MIMO技术来改善上行通信信道(即，从客户装置706-708到基站700的信道)。在该实施例中，基站中的上行信道特征逻辑单元741不断对从每个客户装置来的信道进行分析和特征化。特别地，每个客户装置706-708发送训练信号到基站700，那里信道特征逻辑单元741分析以产生N×M的信道特征矩阵741，这里N是客户装置的数量，M是基站所使用的天线的数量。图7所示的实施例在基站使用三个天线705和三个客户装置706-708，这导致了存放于基站700的3×3信道特征矩阵741。客户装置可以将图7所示的MIMO上行传输用于将数据发送回基站700和将信道特征向量传送回基站700，如图5所示。但是和图5所示的实施例不同的是，在图5中，每个客户装置的信道特征向量以分开的时间进行传输，而图7所示的方法允许从多个客户装置同时将信道特征向量传输回基站700，从而大大降低信道特征向量对回程信道吞吐率的影响。 

如上所述，每个信号的特征可以包括很多因素，例如，其包括相对于接收器内部的参考信号、绝对参考信号、相对参考信号、特征噪声或其他因素的相位和振幅。例如，在正交幅度调制所调制的信号中，所述特征可以是信号的几个多径映像的相位和振幅偏移向量。另一个例子是，在正交频分复用所调制的信号中，所述特征可以是OFDM频谱中几个或所有单个分量信号的相位和振幅偏移向量。所述训练信号可以由各客户装置的编码和调制子系统711生成，D/A转换器(未示出)将该训练信号转换成模拟信号，然后各客户装置的发送器709将其从基带信号转换成RF信号。在一个实施例中，为了确保训练信号的同步，客户装置仅仅在基站请求的时候传送训练信号(例如，在循环(round robin)的情况下)。此外，可以在从各客户装置发送来的实际数据信号中对训练信号进行交织，或者训练信号可以和所述实际数 据信号一起传输。因此，即使客户装置706-708是移动的，上行信道特征逻辑单元741也可以连续地传输和分析该训练信号，从而确保信道特征矩阵741保持更新。 

本发明的前述实施例所支持的总的信道容量可以被定义为min(N，M)，这里，M是客户装置的数量，而N是基站天线的数量。也就是说，容量由基站侧或客户侧的天线数量所限定。如此，本发明的一个实施例使用同步技术来确保在给定时间内不超过min(N，M)个天线在发送/接收。 

在典型的情况下，基站700的天线705的数量将少于客户装置706-708的数量。图8显示了一个示例性的情况，其允许5个客户装置804-808与具有三个天线802的基站进行通信。在这个实施例中，确定总的客户装置804-808的数量并且检测到必要的信道特征信息(例如，上面的描述)之后，基站800选择第一群与其进行通信的三个客户810(因为min(N，M)＝3，所以在此例中是三个客户)。在与第一群客户810通信了指定时间之后，基站就选择另一群与其通信的三个客户811。为了均匀分配通信信道，基站800选择没有包含在第一群中的两个客户装置807、808。此外，由于额外的天线是可用的，基站800就选择包含在第一群中的额外的客户装置806。在一个实施例中，基站800以这种方式在客户群众循环，从而能够有效地分配给每个客户在时间上相同数量的吞吐量。例如，为了均匀分配吞吐量，基站可以接着选择除客户装置806之外的三个客户装置的任何组合(即，由于客户装置806用于在开始的两个循环中与基站进行通信)。 

在一个实施例中，除了标准的数据通信之外，基站可以使用前述技术来传送训练信号到各客户装置和从各客户装置接收训练信号和信号特征数据。 

在一个实施例中，某些客户装置或客户装置群可以分配到不同水平的吞吐量，例如，可以把客户装置区分优先次序，从而可以确保相对较高优先级的客户装置必较低优先级的客户装户有更多的通信周期(即，更多的吞吐 量)。基于一定数量的变量，可以对客户的“优先级”进行选择，所述变量包括，例如，用户的对无线带宽的预订费(例如，用于愿意为额外吞吐量付出更多)，和/或通信到/从客户装置的数据类型(例如，实时通信，譬如电话语音和视频，获得高于非实时通信的优先级，例如电子邮件)。 

在基于各客户装置要求的当前负载，基站动态分配吞吐量的实施例中。例如，如果客户装置804直播视频流，而其它装置805-808在执行例如电子邮件的非实时功能，那么基站800可以给该客户804分配相对较多的吞吐量。然而，应该注意的是，本发明的根本原理不限于任何特定的吞吐量分配技术。 

如图9所示，两个客户装置907、908可以非常接近，使得所述客户的信道特征在实际上是一样的。结果，基站将接收和存储两个客户装置907、908的实际上相等的信道特征向量，因此这将不能产生对于各客户唯一的、空间分布的信号。相应地，在一个实施例中，基站将确保相互距离非常接近的任何两个或更多客户装置被分配给不同的群。例如，在图9中，基站900首先和客户装置904、905以及908的第一群910通信，然后和客户装置905、906、907的第二群911通信，这确保了客户装置907和908在不同的群中。 

可选择地，在一个实施例中，基站900同时和客户装置907以及908进行通信，但使用已知的信道复用技术来对通信信道进行复用。例如，基站可以使用时分复用(“TDM”)、频分复用(“FDM”)或码分多址(“CDMA”)技术来分开客户装置907和908之间单个的、空间相关的信号。 

尽管上述各客户装置装备有单天线，但可以通过使用具有多个天线的客户装置来实现本发明的根本原理以提高吞吐量。例如，当用在上述的无线系统上时，具有2个天线的客户将实现2倍的吞吐量提升，具有3个天线的客户将实现3倍的吞吐量提升，等等(即，假设天线之间的空间和角度分离是足够的)。当通过具有多个天线的客户装置循环的时候，基站可以应用同样的一般规则。例如，其可以将每个天线看作分开的客户，并将吞吐量分配给 那个“客户”，就如同它是任何其它客户一样(例如，确保每个客户提供有足够或相当的通信周期)。 

如上所述，本发明的一个实施例使用上述的MIDO和/或MIMO信号传输技术在近乎垂直入射天波(“NVIS”)中提高信噪比和吞吐量。参考图10，在本发明的一个实施例中，装备有N个天线1002的矩阵的第一NVIS基站1001用于和M个客户装置1004进行通信。所述NVIS天线1002和多种用户装置的天线1004以和垂直方向约成15度以内的角度将信号上行传送以获得想要的NVIS并且将地面波干扰效应降到最低。在一个实施例中，天线1002和客户装置1004使用上述的多种MIDO和MIMO技术在NVIS频谱中的指定频率(例如在载波频率或低于23MHz的频率，但通常低于10MHz的频率上)支持多个独立的数据流1006，从而显著提高了在指定频率的吞吐量(即，以和统计独立的数据流的数量成正比)。 

服务于给定基站的所述NVIS天线相互之间可以有很远的物理距离。假设低于10MHz的长波长和信号传播的长距离(300英里的往返距离)，几百码，甚至是几英里的天线物理间隔能够在分集上提供益处。在这样的条件下，单独的天线信号可以被收回到中心位置，用传统的有线或无线通信系统对其进行处理。可选择地，每个天线可以具有本地设备来处理其信号，然后使用传统的有线或无线通信系统来将该数据传输回中心位置。在本发明的一个实施例中，NVIS基站1001具有到因特网1010(或其它广域网)的宽带链路1015，从而提供给客户装置1003远程、高速、无线网络访问。 

在一种实施方式中，基站和/或用户可利用极化/方向图分集(patterndiversity)技术，以在提供分集与提升吞吐量的同时，减小阵列大小和/或用户距离。例如，在具有HF传输的DIMO系统中，由于极化/方向图分集，用户可位于同一位置且他们的信号不会相关联。特别地，通过使用方向图分集，一用户可经由地波而与基站进行通信，而其他用户可经由NVIS而与基站进 行通信。 

本发明的附加实施方式 

I、利用I/Q不平衡来进行DIDO-OFDM预编码

本发明的一种实施方式采用用于对具有正交频分复用(OFDM)的分布式输入分布式输出(DIDO)系统中的同相正交(I/Q)不平衡进行补偿的系统和方法。简言之，根据本实施方式，用户设备对信道进行估计，并将该信息回馈至基站；基站计算出预编码矩阵，以消除I/Q不平衡所导致的载波之间和用户之间的干扰；以及并行数据流经由DIDO预编码而被发送至多个用户设备；该用户设备经由零强制(ZF)、最小均方误差(MMSE)或最大似然(ML)接收机来对数据进行解调，以抑制剩余干扰。 

如下所详述的，本发明该实施方式的一些显著特征包括，但不限于： 

预编码以用于消除OFDM系统中来自镜像调(mirror tone)的载波间干扰(ICI)(因I/Q不匹配所导致)； 

预编码以用于消除DIDO-OFDM系统中的用户间干扰和ICI(因I/Q不匹配所导致)； 

用于经由采用块对角化(BD)的DIDO-OFDM系统中的ZF接收机来消除ICI(因I/Q不匹配所导致)的技术； 

用于经由DIDO-OFDM系统中的预编码(在发射机处)和ZF或MMSE滤波器(在接收机处)来消除用户间干扰和ICI(因I/Q不匹配所导致)的技术； 

用于经由DIDO-OFDM系统中的预编码(在发射机处)和类似于最大似然(ML)检测器的非线性检测器(在接收机处)来消除用户间干扰和ICI(因I/Q不匹配所导致)的技术； 

使用基于信道状况信息的预编码以用于消除OFDM系统中来自镜像调 的载波间干扰(ICI)(因I/Q不匹配所导致)； 

使用基于信道状况信息的预编码以用于消除DIDO-OFDM系统中来自镜像调的载波间干扰(ICI)(因I/Q不匹配所导致)； 

在基站处使用I/Q不匹配已知DIDO预编码器(I/Q mismatch aware DIDOprecoder)，以及在用户终端处使用I/Q已知DIDO接收机； 

在基站处使用I/Q不匹配已知DIDO预编码器(I/Q mismatch aware DIDOprecoder)，在用户终端处使用I/Q已知DIDO接收机，以及使用I/Q已知信道估计器； 

在基站处使用I/Q不匹配已知DIDO预编码器，在用户终端处使用I/Q已知DIDO接收机，以及使用I/Q已知信道估计器和I/Q已知DIDO反馈生成器(该生成器将信道状况信息从用户终端发送至站点)； 

在基站处使用I/Q不匹配已知DIDO预编码器，以及使用I/Q已知DIDO配置器(该配置器使用I/Q信道信息来执行各种功能，包括用户选择、自适应编码和调制、空时频映射或预编码器选择)； 

使用I/Q已知DIDO接收机(该接收机经由采用块对角化(BD)预编码器的DIDO-OFDM系统中的ZF接收机来消除ICI(因I/Q不匹配所导致))； 

使用I/Q已知DIDO接收机(该接收机经由DIDO-OFDM系统中的预编码(在发射机处)和类似于最大似然(ML)检测器的非线性检测器(在接收机处)来消除用户间干扰和ICI(因I/Q不匹配所导致))；以及 

使用I/Q已知DIDO接收机(该接收机经由DIDO-OFDM系统中的ZF或MMSE滤波器来消除ICI(因I/Q不匹配所导致))。 

a、背景

典型无线通信系统的发送和接收信号包含同相正交(I/Q)分量。在实际的系统中，该同相正交分量可能会由于混频和基带操作中的缺陷而失真。 这些失真(distortion)表现为I/Q相位、增益和延迟不匹配。相位不平衡是由调制器/解调器中的正弦(sine)和余弦(cosine)并未正确正交而导致的。增益不平衡是由同相正交分量之间的不同增幅而导致的。由于模拟电路中的I和Q轨道(rail)之间的延迟不同，还可能存在附加失真，该失真称之为延迟不平衡。 

在正交频分复用(OFDM)系统中，I/Q不平衡会导致来自发射调的载波间不平衡(ICI)。该影响已在一些资料中得到了研究，且在以下资料中，已提出了用于对单输入单输出SISO-OFDM系统中的I/Q不匹配进行补偿的方法：M.D.Benedetto和P.Mandarini，“Analysis of the effect of the I/Qbaseband filter mismatch in an OFDM modem，”Wireless personalcommunications，pp.175-186，2000；S.Schuchert和R.Hasholzner，“A novelI/Q imbalance compensation scheme for the reception of OFDM signals，”IEEETransaction on Consumer Electronics，Aug.2001；M.Valkama，M.Renfors和V.Koivunen，“Advanced methods for I/Q imbalance compensation incommunication receivers，”IEEE Trans.Sig.Proc，Oct.2001；R.Rao和B.Daneshrad，″Analysis of I/Q mismatch and a cancellation scheme for OFDMsystems，″IST Mobile Communication Summit，June 2004；A.Tarighat，R.Bagheri和A.H.Sayed，“Compensation schemes and performance analysis of IQimbalances in OFDM receivers，”Signal Processing，IEEE Transactions on[还可参见Acoustics，Speech，and Signal Processing，IEEE Transactions on]，vol.53，pp.3257-3268，Aug.2005。 

以下资料中示出了该工作向多输入多输出MIMO-OFDM系统的扩展：R.Rao和B.Daneshrad，“I/Q mismatch cancellation for MIMO OFDM systems，”in Personal，Indoor and Mobile Radio Communications，2004；PIMRC 2004.15th IEEE International Symposium on，vol.4，2004，pp.2710-2714。对于空间 复用(SM)，请参见R.M.Rao，W.Zhu，S.Lang，C.Oberli，D.Browne，J.Bhatia，J.F.Frigon，J.Wang，P；Gupta，H.Lee，D.N.Liu，S.G.Wong，M.Fitz，B.Daneshrad，和O.Takeshita，“Multiantenna testbeds for research and education inwireless communications，”IEEE Communications Magazine，vol.42，no.12，pp.72-81，Dec.2004；S.Lang，M.R.Rao和B.Daneshrad，“Design anddevelopment of a 5.25 GHz software defined wireless OFDM communicationplatform，”IEEE Communications Magazine，vol.42，no.6，pp.6-12，June 2004；对于正交空时分组码(OSTBC)，请参见A.Tarighat和A.H.Sayed，″MIMOOFDM receivers for systems with IQ imbalances，″IEEE Trans.Sig.Proc，vol.53，pp.3583-3596，Sep.2005。 

不幸的是，目前并不存在介绍如何对分布式输入分布式输出(DIDO)通信系统中的I/Q增益和相位不平衡误差进行校正的资料。以下所述的本发明实施方式提供了一种解决这些问题的方案。 

DIDO系统包括一具有分布式天线的基站，该基站在利用相同于传统SIO系统的无线资源(即，相同的时隙持续时间和频带)，发送并行数据流(经预编码的)至多个用户，以增强下行链路吞吐量。S.G.Perlman和T.Cotter于2004年7月30提交的题为“System and Method for DistributedInput-Distributed Output Wireless Communications”的申请No.10/902,978(“在先申请”)给出了DIDO系统的详细说明，该申请被转让给了本申请的受让人，且该申请作为参考而被结合于此。 

存在多种方式实现DIDO预编码器。一种方案是以下资料中所描述的块对角化(BD)：Q.H.Spencer，A.L.Swindlehurst和M.Haardt，“Zero forcingmethods for downlink spatial multiplexing in multiuser MIMO channels，”IEEETrans.Sig.Proc，vol.52，pp.461-471，Feb.2004；K.K.Wong，R.D.Murch，和K.B.Letaief，“A joint channel diagonalization for multiuser MIMO antennasystems，”IEEE Trans.Wireless Comm.，vol.2，pp.773-786，JuI 2003；L.U. Choi和R.D.Murch，“A transmit preprocessing technique for multiuser MIMOsystems using a decomposition approach，”IEEE Trans.Wireless Comm.，vol.3，pp.20-24，Jan 2004；Z.Shen，J.G.Andrews，R.W.Heath和B.L.Evans，“Lowcomplexity user selection algorithms for multiuser MIMO systems with blockdiagonalization，”被接受发表在IEEE Trans.Sig.Proc，Sep.2005；Z.Shen，R.Chen，J.G.Andrews，R.W.Heath和B.L.Evans，“Sum capacity of multiuserMIMO broadcast channels with block diagonalization，”被提交至IEEE Trans.Wireless Comm.，Oct.2005；R.Chen，R.W.Heath，和J.G.Andrews，“Transmitselection diversity for unitary precoded multiuser spatial multiplexing systemswith linear receivers，”被接受至IEEE Trans，on Signal Processing，2005。这些材料中所给出的用于I/Q补偿的方法设想了BD预编码器，且该预编码器可被扩展至DIDO预编码的任何类型。 

在DIDO-OFDM系统中，I/Q不匹配会导致两种影响：ICI和用户间干扰。与SISO-OFDM系统中相类似，前者是由于来自镜像调的干扰造成的。后者是由于以下事实引起的，即I/Q不匹配会破坏DIDO预编码器的正交，从而在用户之间产生干扰。可通过在此所述的方法，在发射机和接收机处消除此两类干扰。在此描述了三种用于DIDO-OFDM系统中的I/Q补偿的方法，且针对具有和不具有I/Q不匹配，比较了他们的性能。基于利用DIDO-OFDM原型所执行的仿真和实际测量，展示了结果。 

本实施方式是在先申请的扩展。特别地，这些实施方式与在先申请的以下特征有关： 

在先申请中所描述的系统，其中I/Q轨道会受到增益和相位不平衡的影响； 

在发射机处，使用针对信道估计所采用的训练信号来计算具有I/Q补偿的DIDO预编码器；以及 

信号特征数据考虑到了由于I/Q不平衡所导致的失真，且在发射机处，根据本材料所提出的方法，使用该信号特征数据来计算DIDO预编码器。 

b、本发明的实施方式

首先，将描述本发明的数学模型和架构。 

在展示本方案之前，解释核心数学概念是非常有用的。我们通过假设I/Q增益和相位不平衡(本描述中并未包含相位延迟，但该相位延迟将在DIDO-OFDM形式的算法中被自动处理)来对其进行解释。为解释基本思想，假设我们想将两个复数s＝s_I+js_Q和h＝h_I+jh_Q相乘，且使得x＝h*s。我们使用下标来代表同相正交分量。调用以下等式： 

x_I＝s_Ih_I-s_Qh_Q

及 

x_Q＝s_Ih_Q+s_Qh_I

其矩阵形式可重写为： 

$\left[\begin{array}{c}{x}_I\\ x_Q\end{array}\right]=\left[\begin{array}{cc}{h}_I& {-h}_Q\\ h_Q& h_I\end{array}\right]\left[\begin{array}{c}{s}_I\\ s_Q\end{array}\right]$

通过信道矩阵(H)来标记归一化变换。现假设s为所发送的符号，且h为信道。可通过创建以下非归一化变换来对I/Q增益和相位不平衡的存在进行建模： 

$\left[\begin{array}{c}{x}_I\\ x_Q\end{array}\right]=\left[\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\end{array}\right]\left[\begin{array}{c}{s}_I\\ s_Q\end{array}\right]---\left(A\right)$

该技巧的作用是确认可写为： 

$\left[\begin{array}{cc}{h}_{11}& {-h}_{12}\\ h_{21}& h_{22}\end{array}\right]=\frac{1}{2}\left[\begin{array}{cc}{h}_{11}+h_{22}& h_{12}-h_{21}\\ -(h_{12}-h_{21})& h_{11}+h_{22}\end{array}\right]+\frac{1}{2}\left[\begin{array}{cc}{h}_{11}-h_{22}& h_{12}+h_{21}\\ h_{12}+h_{21}& h_{22}-h_{11}\end{array}\right]$

$=\frac{1}{2}\left[\begin{array}{cc}{h}_{11}+h_{22}& h_{12}-h_{21}\\ -(h_{12}-h_{21})& h_{11}+h_{22}\end{array}\right]+\frac{1}{2}\left[\begin{array}{cc}{h}_{11}-h_{22}& -(h_{12}+h_{21})\\ h_{12}+h_{21}& h_{11}-h_{22}\end{array}\right]\left[\begin{array}{cc}1& 0\\ 0& -1\end{array}\right]$

现对(A)进行重写： 

$\left[\begin{array}{c}{x}_I\\ x_Q\end{array}\right]=\frac{1}{2}\left[\begin{array}{cc}{h}_{11}+h_{22}& h_{12}-h_{21}\\ -(h_{12}-h_{21})& h_{11}+h_{22}\end{array}\right]\left[\begin{array}{c}{s}_I\\ s_Q\end{array}\right]+\frac{1}{2}\left[\begin{array}{cc}{h}_{11}-h_{22}& -(h_{12}+h_{21})\\ h_{12}+h_{21}& h_{11}-h_{22}\end{array}\right]\left[\begin{array}{cc}1& 0\\ 0& -1\end{array}\right]\left[\begin{array}{c}{s}_I\\ s_Q\end{array}\right]$

$=\frac{1}{2}\left[\begin{array}{cc}{h}_{11}+h_{22}& h_{12}-h_{21}\\ -(h_{12}-h_{21})& h_{11}+h_{22}\end{array}\right]\left[\begin{array}{c}{s}_I\\ s_Q\end{array}\right]+\frac{1}{2}\left[\begin{array}{cc}{h}_{11}-h_{22}& -(h_{12}-h_{21})\\ h_{12}+h_{21}& h_{11}-h_{22}\end{array}\right]\left[\begin{array}{c}{s}_I\\ {-s}_Q\end{array}\right]$

我们进行以下定义： 

$H_e=\frac{1}{2}\left[\begin{array}{cc}{h}_{11}+h_{22}& h_{12}-h_{21}\\ -(h_{12}-h_{21})& h_{11}+h_{22}\end{array}\right]$

及 

$H_c=\frac{1}{2}\left[\begin{array}{cc}{h}_{11}-h_{22}& -(h_{12}+h_{21})\\ h_{12}+h_{21}& h_{11}-h_{22}\end{array}\right]$

这两个矩阵具有归一化结构，因此可被表示为复数形式： 

h_e＝h₁₁+h₂₂+j(h₂₁-h₁₂) 

及 

h_c＝h₁₁-h₂₂+j(h₂₁+h₁₂) 

通过使用所有这些知识，我们可将有效等式推导回具有两个信道(等价信道h_e和共轭信道h_c)的标量形式。因此，(5)中的有效变换变为： 

x＝h_es+h_cs^*

我们将第一信道称为等价信道，第二信道称为共轭信道。如果不存在I/Q增益和相位不平衡，则该等价信道即为我们所要观察的信道。 

通过使用相类似的论据，具有I/Q增益和相位不平衡的离散时间MIMON×M系统的输入-输出关系可示为(通过使用标量等价形式来建立他们的矩阵对应形式)： 

$x\left[t\right]=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{h}_e\left[l\right]s[t-l]+h_c\left[l\right]s^{*}[t-l]$

其中，t为离散时间指数，h_e，h_c∈C^M×N，s＝[s₁，...，s_N]，x＝[x₁，...，x_M]且L为信道抽头(channel tap)数。 

在DIDO-OFDM系统中，表示了频域中所接收的信号。如果满足以下等式，则从信号和系统重新调用： 

FFT_K{s[t]}＝S[k]则FFT_K{s^*[t]}＝S^*[(-k)]＝S^*[K-k]for k＝0，1，...，K-1 

利用OFDM，对于副载波k，MIMO-OFDM系统的等价输入-输出关系为： 

x[k]＝H_e[k]s[k]+H_c[k]s^*[K-k](1) 

其中，k＝0，1，...，K-1为OFDM副载波索引，H_e和H_c分别代表等价和共轭信道矩阵，定义如下： 

$H_e\left[k\right]=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{h}_e\left[l\right]e^{-j\frac{2\mathrm{\Πk}}{K}l}$

及 

$H_c\left[k\right]=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{h}_c\left[l\right]e^{-j\frac{2\mathrm{\Πk}}{K}l}$

(1)中的第二基值为来自镜像调的干扰。可通过构建以下迭式(stacked)矩阵系统(请仔细注意共轭值)来对其进行处理： 

$\left[\begin{array}{c}\stackrel{\‾}{x}\left[k\right]\\ {\stackrel{\‾}{x}}^{*}[K-k]\end{array}\right]=\left[\begin{array}{cc}{H}_e\left[k\right]& H_c\left[k\right]\\ H_c^{*}[K-k]& H_e^{*}[K-k]\end{array}\right]\left[\begin{array}{c}\stackrel{\‾}{s}\left[k\right]\\ {\stackrel{\‾}{s}}^{*}[K-k]\end{array}\right]$

其中s＝[s₁，s₂]^T和x＝[x₁，x₂]^T分别为发送和接收符号在频域中的向量。 

通过使用该方法，可建立有效矩阵，以用于DIDO操作。例如，利用DIDO 2×2输入-输出关系(假设每个用户具有单个接收天线)，第一用户设备可考虑以下等式(在不存在噪声时)： 

$\left[\begin{array}{c}{\stackrel{\‾}{x}}_1\left[k\right]\\ {\stackrel{\‾}{x}}_1^{*}[K-k]\end{array}\right]=\left[\begin{array}{cc}{H}_e^{\left(1\right)}\left[k\right]& H_c^{\left(1\right)}\left[k\right]\\ H_c^{\left(1\right)*}[K-k]& H_e^{\left(1\right)*}[K-k]\end{array}\right]W\left[\begin{array}{c}{\stackrel{\‾}{s}}_1\left[k\right]\\ {\stackrel{\‾}{s}}_1^{*}[K-k]\\ {\stackrel{\‾}{s}}_2\left[k\right]\\ {\stackrel{\‾}{s}}_2^{*}[K-k]\end{array}\right]---\left(2\right)$

而第二用户注意以下等式： 

$\left[\begin{array}{c}{\stackrel{\‾}{x}}_2\left[k\right]\\ {\stackrel{\‾}{x}}_2^{*}[K-k]\end{array}\right]=\left[\begin{array}{cc}{H}_e^{\left(2\right)}\left[k\right]& H_c^{\left(2\right)}\left[k\right]\\ H_c^{\left(2\right)*}[K-k]& H_e^{\left(2\right)*}[K-k]\end{array}\right]W\left[\begin{array}{c}{\stackrel{\‾}{s}}_1\left[k\right]\\ {\stackrel{\‾}{s}}_1^{*}[K-k]\\ {\stackrel{\‾}{s}}_2\left[k\right]\\ {\stackrel{\‾}{s}}_2^{*}[K-k]\end{array}\right]---\left(3\right)$

其中，H_e ^(m)， 

分别代表矩阵H_e和H_c的第m行，且W∈C^4x4为DIDO预编码矩阵。根据(2)和(3)，可注意到用户m所接收的符号x_m[k]受I/Q不平衡所导致的两个干扰源(即，来自镜像调的载波间干扰(即， s_m ^*[K-k])以及用户间干扰(即，s_p[k]以及s_p ^*[K-k]，p≠m))的影响。(3)中的DIDO预编码矩阵W被设计成用于消除这两个干扰项。 

可用于此处的DIDO预编码器存在多个不同的实施方式，这取决于接收机处所应用的联合检测。在一种实施方式中，可采用根据合成信道[H_e ^(m)，H_c ^(m)](而非H_e ^(m))所计算的块对角化(BD)(请参见例如，Q.H.Spencer，A.L.Swindlehurst，和M.Haardt，“Zeroforcing methods for downlink spatialmultiplexing in multiuser MIMO channels，”IEEE Trans.Sig.Proc，vol.52，pp.461-471，Feb.2004.K.K；Wong，R.D.Murch，和K.B.Letaief，“A joint channel diagonalization for multiuser MIMO antenna systems，”IEEE Trans.Wireless Comm.，vol.2，pp.773-786，JuI 2003；L.U.Choi和R.D.Murch，“Atransmit preprocessing technique for multiuser MIMO systems using adecomposition approach，”IEEE Trans.Wireless Comm.，vol.3，pp.20-24，Jan2004；Z.Shen，J.G.Andrews，R.W.Heath，和B.L Evans，“Low complexityuser selection algorithms for multiuser MIMO systems with blockdiagonalization，”被接受发表在IEEE Trans.Sig.Proc，Sep.2005；Z.Shen，R.Chen，J.G.Andrews，R.W.Heath，和B.L Evans，“Sum capacity of multiuserMIMO broadcast channels with block diagonalization，”被提交至IEEE Trans.Wireless Comm.，Oct.2005)。因此，目前DIDO系统选择预编码器，以使得： 

$H_w\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}{H}_e^{\left(1\right)}\left[k\right]& H_c^{\left(1\right)}\left[k\right]\\ H_c^{\left(1\right)*}[K-k]& H_e^{\left(1\right)*}[K-k]\\ H_e^{\left(2\right)}\left[k\right]& H_c^{\left(2\right)}\left[k\right]\\ H_c^{\left(2\right)*}[K-k]& H_e^{\left(2\right)*}[K-k]\end{array}\right]W=\left[\begin{array}{cccc}{\mathrm{\α}}_{\mathrm{1,1}}& 0& 0& 0\\ 0& {\mathrm{\α}}_{\mathrm{1,2}}& 0& 0\\ 0& 0& {\mathrm{\α}}_{\mathrm{2,1}}& 0\\ 0& 0& 0& {\mathrm{\α}}_{\mathrm{2,2}}\end{array}\right]\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}{H}_w^{\left(\mathrm{1,1}\right)}& H_w^{\left(\mathrm{1,2}\right)}\\ H_w^{\left(\mathrm{2,1}\right)}& H_w^{\left(\mathrm{2,2}\right)}\end{array}\right]---\left(4\right)$

其中，α_i，j为常数，且 

该方法是非常有益的，因为通过使用该预编码器，由于在发射机处完全消除了I/Q增益和相位不平衡的影响可使DIDO预编码器的其他方面保持原样。 

还可将DIDO预编码器设计为预先消除用户间干扰，而不预先消除因IQ不平衡所导致的ICI。利用该方法，接收机(而非发射机)可通过采用以下所述的接收滤波器之一来对IQ不平衡进行补偿。因此，(4)中的预编码设计标准可被修改为： 

$H_w\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}{H}_e^{\left(1\right)}\left[k\right]& H_c^{\left(1\right)}\left[k\right]\\ H_c^{\left(1\right)*}[K-k]& H_e^{\left(1\right)*}[K-k]\\ H_e^{\left(2\right)}\left[k\right]& H_c^{\left(2\right)}\left[k\right]\\ H_c^{\left(2\right)*}[K-k]& H_e^{\left(2\right)*}[K-k]\end{array}\right.WW=\left[\begin{array}{cccc}{\mathrm{\α}}_{\mathrm{1,1}}& {\mathrm{\α}}_{\mathrm{1,2}}& 0& 0\\ {\mathrm{\α}}_{\mathrm{2,1}}& {\mathrm{\α}}_{\mathrm{2,2}}& 0& 0\\ 0& 0& {\mathrm{\α}}_{\mathrm{3,3}}& {\mathrm{\α}}_{\mathrm{3,4}}\\ 0& 0& {\mathrm{\α}}_{\mathrm{4,3}}& {\mathrm{\α}}_{\mathrm{4,4}}\end{array}\right]\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}{H}_w^{\left(\mathrm{1,1}\right)}& H_w^{\left(\mathrm{1,2}\right)}\\ H_w^{\left(\mathrm{2,1}\right)}& H_w^{\left(\mathrm{2,2}\right)}\end{array}\right]$

(5) 

${\stackrel{\‾}{x}}_1\left[k\right]=\left[\begin{array}{cc}{H}_w^{\left(\mathrm{1,1}\right)}& H_w^{\left(\mathrm{1,2}\right)}\end{array}\right]\left[\begin{array}{c}{\stackrel{\‾}{s}}_1\\ {\stackrel{\‾}{s}}_2\end{array}\frac{\left[k\right]}{\left[k\right]}\right]---\left(6\right)$

及 

${\stackrel{\‾}{x}}_2\left[k\right]=\left[\begin{array}{cc}{H}_w^{\left(\mathrm{2,1}\right)}& H_w^{\left(\mathrm{2,2}\right)}\end{array}\right]\left[\begin{array}{c}{\stackrel{\‾}{s}}_1\\ {\stackrel{\‾}{s}}_2\end{array}\frac{\left[k\right]}{\left[k\right]}\right]---\left(7\right)$

其中对于第m个发送信号而言， 

且 

为用户m所接收的符号向量。 

在接收侧，为了对发送符号向量s_m[k]进行估计，用户m采用ZF滤波器，且所估计的符号向量被给定为： 

虽然ZF滤波器最易于理解，但接收机还可应用任意数量的本领域技术人员所公知的其他滤波器。一种大众选择为MMSE滤波器，其中： 

且ρ为信噪比。可选地，用户可执行最大似然符号检测(或者球解码器、迭代变化)。例如，第一用户可使用ML接收机，并求解以下优化： 

${\hat{s}}_m^{\left(\mathrm{ML}\right)}\left[k\right]=\arg \underset{s_1,s_2\∈S}{\min }\left|\right|{\stackrel{\‾}{y}}_1\left[k\right]-\left[\begin{array}{cc}{H}_w^{\left(\mathrm{1,1}\right)}& H_w^{\left(\mathrm{1,2}\right)}\end{array}\right]\left[\begin{array}{c}{s}_1\left[k\right]\\ s_2\left[k\right]\end{array}\right]\left|\right|---\left(10\right)$

其中，S为所有可能的向量s的集合，且取决于星座图大小。该ML接收机给出可较好的性能，但在接收机处要求更高的复杂度。类似的一组等式可应用于第二用户。 

注意，(6)和(7)中的H_w ^(1，2)和H_w ^(2，1)被假设为具有零项。该假设仅在发 射预编码器能够完全消除针对(4)中的标准的用户间干扰的情况下有效。类似的，H_w ^(1，1)和H_w ^(2，2)仅在发射预编码器能够完全消除载波间干扰(即，来自镜像调)的情况下为对角矩阵。 

图13显示了具有I/Q补偿的DIDO-OFDM系统的架构的一种实施方式，所述DIDO-OFDM系统包括位于基站(BS)内的IQ-DIDO预编码器1302、发送信道1304、位于用户设备内的信道估计逻辑1306以及ZF、MMSE或ML接收机1308。所述信道估计逻辑1306经由训练信号而对信道H_e ^(m)和H_c ^(m)进行估计，并将这些估计反馈至AP内的预编码器。BS计算DIDO预编码器权重(矩阵W)，以预先消除因I/Q增益和相位不平衡所导致的干扰以及用户干扰，并将数据通过无线信道1304发送至用户。用户设备m采用ZF、MMSE或ML接收机1308，通过利用单元1304所提供的信道估计来消除剩余干扰，并对数据进行解调。 

可采用以下三个实施方式来实现这I/Q补偿算法。 

方法1-TX补偿：在该实施方式中，发射机根据(4)中的标准来计算预编码矩阵。在接收机处，用户设备采用“简化的”ZF接收机，其中H_w ^(1，1)和H_w ^(2，2)被假设为对角矩阵。因此，公式(8)简化为： 

${\hat{s}}_m\left[k\right]=\left[\begin{array}{cc}1/{\mathrm{\α}}_{m,1}& 0\\ 0& 1/{\mathrm{\α}}_{m,2}\end{array}\right]{\stackrel{\‾}{x}}_m\left[k\right]---\left(10\right)$

方法2-RX补偿：在该实施方式中，发射机基于R.Chen，R.W.Heath，andJ.G.Andrews，″Transmit selection diversity for unitary precoded multiuserspatial multiplexing systems with linear receivers，″accepted to IEEE Trans，onSignal Processing，2005中描述的传统BD方法，计算预编码矩阵，且不针对(4)中的标准来消除载波间和用户间干扰。利用该方法，(2)和(3)中的预编码矩阵简化为： 

$W=\left[\begin{array}{cccc}{w}_{\mathrm{1,1}}\left[k\right]& 0& w_{\mathrm{1,2}}\left[k\right]& 0\\ 0& w_{\mathrm{1,1}}^{*}[K-k]& 0& w_{\mathrm{1,2}}^{*}[K-k]\\ w_{\mathrm{2,1}}\left[k\right]& 0& w_{\mathrm{2,2}}\left[k\right]& 0\\ 0& w_{\mathrm{2,1}}^{*}[K-k]& 0& w_{\mathrm{2,2}}^{*}[K-k]\end{array}\right]---\left(12\right)$

在接收机处，用户设备如(8)中那样采用ZF滤波器。注意，该方法并不如上述方法1那样，在发射机处预先消除干扰。因此，其在接收机处消除载波间干扰，但并不能消除用户间干扰。此外，相比于方法1要求反馈H_e ^(m)和H_c ^(m)，在方法2中，用户仅需要反馈针对发射机的向量H_e ^(m)，以计算DIDO预编码器。因此，方法2特别适于具有低速率反馈信道的DIDO系统。另一方面，方法2需要用户设备处具有稍微较高的计算复杂度，以在(8)(而非(11))中计算ZF接收机。 

方法3-TX-RX补偿：在一种实施方式中，将上述两个方法合并。发射机如(4)那样计算预编码矩阵，而接收机根据(8)来对发送符号进行估计。 

I/Q不平衡(无论是相位不平衡、增益不平衡，抑或是延迟不平衡)会对无线通信系统中的信号质量造成有害的降级。针对此原因，以往的电路均被设计成具有较低的不平衡。然而，如上所述，可通过使用发射预编码形式的数字信号处理和/或特定接收机，修正该问题。本发明的一种实施方式包括具有多个新功能单元的系统，每个单元对于实现OFDM通信系统或DIDO-OFDM通信系统中的I/Q校正均是很重要的。 

本发明的一种实施方式使用基于信道状况信息的预编码，以消除OFDM系统中来自镜像调的载波间干扰(ICI)(因I/Q不匹配导致)。如图11所示，根据本实施方式的DIDO发射机包括用户选择器单元1102、多个编码调制单元1104、对应的多个映射单元1106、DIDO IQ已知预编码单元1108、多个RF发射机单元1114、用户反馈单元1112以及DIDO配置器单元1110。 

所述用户选择器单元1102基于反馈单元1112所获取的反馈信息，选择 与多个用户U₁-U_M相关联的数据，并将该信息提供给多个编码调制单元1104中的每个编码调制单元1104。每个编码调制单元1104对每个用户的信息比特进行编码和解调，并将它们发送至映射单元1106。该映射单元1106将输入比特映射至复数符号，并将结果发送至DIDO IQ已知预编码单元1108。该DIDO IQ已知预编码单元1108利用反馈单元1112从用户获取的信道状况信息，计算DIDO IQ已知预编码权重，并对从映射单元1106获取的输入符号进行预编码。每一个预编码数据流均由DIDO IQ已知预编码单元1108发送至OFDM单元1115，该OFDM单元1115计算IFFT，并加入循环前缀。该信息被发送至D/A单元1116，该D/A单元1116进行数模转换，并将其发送至RF单元1114。该RF单元1114将基带信号升频至中频/射频，并将其发送至发射天线。 

所述预编码器对常规调和镜像调一起进行操作，以补偿I/Q不平衡。可使用任意数量的预编码器设计标准，包括ZF、MMSE或加权MMSE设计。在优选实施方式中，预编码器可完全移除因I/Q不匹配所导致的ICI，从而使得接收机不需要执行任何附加补偿。 

在一种实施方式中，所述预编码器使用块对角化标准，以在不完全消除每一用户的I/Q影响(这需要附加接收机处理)的情况下，完全消除用户间干扰。在另一实施方式中，所述预编码器使用零强制标准来完全消除因I/Q不平衡所导致的用户间干扰以及ICI干扰。该实施方式可在接收机处使用传统的DIDO-OFDM处理器。 

本发明的一种实施方式使用基于信道状况信息的预编码，以消除DIDO-OFDM系统中来自镜像调的载波间干扰(ICI)(因I/Q不匹配所导致)，且每一用户采用IQ已知DIDO接收机。如图12所示，在本发明的一种实施方式中，系统(包括接收机1202)包括多个RF单元1208、相应地多个A/D单元1210、IQ已知信道估计器单元1204以及DIDO反馈生成器单元1206。 

所述RF单元1208接收从DIDO发射机单元1114发送的信号，将该信号降频至基带，并将该降频后的信号提供给A/D单元1210。之后，该A/D单元1210对该信号进行模数转换，并将其发送至OFDM单元1213。该OFDM单元1213移除循环前缀，并进行FFT，以将该信号报告至频域。在训练周期期间，OFDM单元1213将输出发送至IQ已知信道估计单元1204，该IQ已知信道估计单元1204在频域中计算信道估计。可选地，可在时域中计算所述信道估计。在数据周期(data period)期间，OFDM单元1213将输出发送至IQ已知接收机单元1202。该IQ已知接收机单元计算IQ接收机，并对所述信号进行解调/解码，以获取数据1214。所述IQ已知信道估计单元1204发送所述信道估计至DIDO反馈生成器单元1206，该反馈生成器单元1204可对所述信道估计进行量化，并经由反馈控制信道1112而将其发回发射机。 

图12所示的接收机1202可在任意数量的本领域技术人员所公知的标准(包括ZF、MMSE、最大似然或MAP接收机)下工作。在一优选实施方式中，接收机使用MMSE滤波器来消除因镜像调上的IQ不平衡所导致的ICI。在另一优选实施方式中，接收机使用类似于最大似然搜索的非线性检测器来联合检测镜像调上的符号。该方法具有良好的性能，但具有更高的复杂度。 

在一种实施方式中，使用IQ已知信道估计器1204来确定接收机系数，以移除ICI。因此，我们要求了DIDO-OFDM系统(使用基于信道状况信息的预编码来消除来自镜像调的载波间干扰(ICI)(因I/Q不匹配所导致))、IQ已知DIDO接收机以及IQ已知信道估计器的权益。所述信道估计器可使用传统的训练信号，或可使用在同相正交信号上发送的专门构建的训练信号。可实施任意数量的估计算法，包括最小二乘法、MMSE或最大似然。所述IQ已知信道估计器为IQ已知接收机提供输入。 

信道状况信息可通过信道互易性或通过反馈信道而被提供给站点。本发明的一实施方式包括DIDO-OFDM系统，该系统具有I/Q已知预编码器，以 及用于将来自用户终端的信道状况信息传输至站点的I/Q已知反馈信道。该反馈信道可为物理或逻辑控制信道。其可在随机访问信道中被专用或共享。可通过使用用户终端(我们也要求了该用户终端的权益)处的DIDO反馈生成器来生成反馈信息。所述DIDO反馈生成器将所述I/Q已知信道估计器的输出作为输入。其可量化信道系数，或可使用任意数量本领域所公知的有限反馈算法。 

用户的分配、调制及编码率、至空时频编码时隙的映射可根据所述DIDO反馈生成器的结果而变化。因此，一实施方式包括IQ已知DIDO配置器，该配置器使用来自一个或多个用户的IQ已知信道估计来配置DIDO IQ已知预编码器，选择调制率、编码率、允许发送的用户的子集、以及他们的至空时频编码时隙的映射。 

为了评价所提出的补偿方法的性能，将比较三个DIDO 2×2系统： 

1、具有I/Q不匹配：通过所有的调(除了DC调和边缘调)进行发送，且不对I/Q不匹配进行补偿； 

2、具有I/Q补偿：通过所有的调进行发送，且通过使用上述“方法1”来对I/Q不匹配进行补偿； 

3、理想的：仅通过奇数个调进行发送，以避免用户间干扰以及因I/Q不匹配所导致的载波间(即，来自镜像调的)干扰。 

在此之后，展示了真实传播情形中利用DIDO-OFDM原型进行测量所获取的结果。图14绘示了从上述三个系统所获取的64-QAM星座图。这些星座图是在同一用户位置以及固定平均信噪比(～45dB)的情况下获取的。第一星座图1401是非常嘈杂的(由于I/Q不平衡所导致来自镜像调的干扰)。第二星座图1402示出了一些改进(由于I/Q补偿)。注意，第二星座图1402并没有星座图1403所示的理想情况那样纯净(由于存在可能产生载波间干扰(ICI)的相位噪声)。 

图15示出了在具有和不具有I/Q不匹配的情况下，64-QAM和3/4编码率的DIDO 2×2系统的平均SER(符号差错率)1501和每用户实际吞吐量(goodput)1502。OFDM带宽为250KHZ，具有64个调且循环前缀长度L_cp＝4。由于在理想情况下，我们仅通过调的子集来发送数据，因此根据平均每调的发射功率(而非总的发射功率)来评价SER和实际吞吐量性能，以保证不同情况之间的公平比较。此外，在以下结果中，我们使用发射功率的归一化值(以分贝标示)，因为我们此处的目标是比较不同方案的相对(而非绝对)性能。图15示出了在存在I/Q不平衡的情况下，SER饱和且未达到目标SER(～10^-2)，这与A.Tarighat and A.H.Sayed，″MIMO OFDM receiversfor systems with IQ imbalances，″IEEE Trans.Sig.Proc，vol.53，pp.3583-3596，Sep.2005中报告的结果相一致。该饱和效应是由于以下事实导致的，即信号功率和干扰功率(来自镜像调的)随着TX功率的增大而增大。然而，通过所提出的I/Q补偿方法，可消除干扰，并获得较好地SER性能。注意，由于64-QAM调制需要较大的发射功率，因此，可因为DAC中的振幅饱和效应而导致SER在高SNR处会具有细微的增大。 

此外，可观察到，在存在I/Q补偿的情况下，SER性能非常接近理想情况。此两种情况之间，TX功率的2dB间隙是由于相位噪声(该相位噪声可能会在相邻OFDM调之间产生附加干扰)造成的。最后，实际吞吐量曲线1502示出了当应用I/Q方法时，其相比于理想情况可发送两倍的数据，因为我们使用了所有的数据调而非仅奇数调(针对理想情况)。 

图16图示了在具有I/Q补偿或不具有I/Q补偿的情况下，不同QAM星座图的SER性能。我们可观察到，在此实施方式中，所提出的方法对于64-QAM星座图而言是特别有利的。对于4-QAM和16-QAM而言，I/Q补偿方法会产生比具有I/Q不匹配的情况更差的性能，这可能是因为所提出的方法要求更大的功率来进行数据发送以及来自镜像调的干扰消除。此外，由 于星座点之间的较大的最小距离，4-QAM和16-QAM并不如64-QAM那样受到I/Q不匹配的影响。参见A.Tarighat，R.Bagheri，和A.H.Sayed，″Compensation schemes and performance analysis of IQ imbalances in OFDMreceivers，″Signal Processing，IEEE Transactions on[还可参见Acoustics，Speech，and Signal Processing，IEEE Transactions on]，vol.53，pp.3257-3268，Aug.2005。还可观察图16并通过将I/Q不匹配与针对4-QAM和16-QAM的理想情况进行比较而得出该结论。因此，对于4-QAM和16-QAM的情况而言，具有干扰消除(来自镜像调的)的DIDO预编码器所需要的附加功率并不能为I/Q补偿的小小利益作保。注意，可通过采用上述I/Q补偿方法2和3来解决该问题。 

最后，在不同的传播情况下，测量了上述三个方法的相对SER性能。还描述了在存在I/Q不匹配的情况的SER性能，以供参考。图17绘示了针对载波频率为450.5MHZ且带宽为250KHz的64-QAM DIDO 2×2系统，在两个不同的用户位置所测量的SER。在位置1，用户与处于不同房间且处于NLOS(无视距)状态的BS相距～6λ。在位置2，用户与具有LOS(视距)的BS相距～λ。 

图17示出了所有三种补偿方法均比不进行补偿的情况表现突出。然而，应该注意的是，在任何信道情形下，方法3均胜过其他两种补偿方法。方法1和2的相对性能取决于传播情况。通过实际测量活动，可得出方法1大体上胜过方法2，因为其预先消除了(在发射机处)I/O不平衡所导致的用户间干扰。当该用户间干扰很小时，如图17的曲线图1702所示，方法2可胜过方法1，因为其不会遭受因I/Q补偿预编码器所导致的功率损耗。 

到目前为止，已通过仅考虑有限组传播情形(如图17所示)而对不同方法进行了比较。在此之后，在理想i.i.d.(独立且具同分布的)信道中测量这些方法的相对性能。利用发射和接收侧的I/Q相位和增益不平衡来仿真 DIDO-OFDM系统。图18示出了在仅发射机侧具有增益平衡的情况下(即，在第一发射链路的I轨上具有增益0.8，在其他轨上具有增益1)，所提出的方法的性能。可看出，方法3胜过了所有其他方法。此外，与图17的曲线图1702中位置2处获得结果相比，在i.i.d.信道中，方法1可比方法2更好地执行。 

因此，给出了三种新型方法来补偿上述DIDO-OFDM系统中的I/Q不平衡，方法3胜过所提出的其他补偿方法。在具有低速率反馈信道的系统中，可使用方法2来减小DIDO预编码所需的反馈量，但会导致较差的SER性能。 

II、自适应DIDO发送方案

将描述用于增强分布式输入分布式输出(DIDO)系统的性能的系统和方法的另一实施方式。该方法通过跟踪变化的信道状态，动态地将无线资源分配给不同的用户设备，以在满足某些目标误码率的同时增大吞吐量。所述用户设备对信道质量进行估计，并将其反馈至基站(BS)；该基站对获取自用户设备的信道质量进行处理，以选择用于下一次发送的最佳用户设备集合、DIDO方案、调制/编码方案(MCS)以及阵列配置；所述基站经由预编码而将并行数据发送至多个用户设备，且信号在接收机处被解调。 

还描述一为DIDO无线链路有效分配资源的系统。该系统包括具有DIDO配置器的DIDO基站，该基站对接收自用户的反馈进行处理，以选择用于下一次发送的最佳用户集合、DIDO方案、调制/编码方案(MCS)以及阵列配置；DIDO系统中的接收机，该接收机对信道和其他相关参数进行测量，以生成DIDO反馈信号；以及DIDO反馈控制信道，用于将来自用户的反馈信息传输给基站。 

如以下所详述的，本发明该实施方式的一些显著特征可包括，但不限于： 

用于基于信道质量信息，自适应地选择用户数量、DIDO发送方案(即，天线选择或复用)、调制/编码方案(MCS)以及阵列配置，以最小化SER，或最大化每用户的频谱效率或下行链路频谱效率的技术； 

用于定义多组DIDO发送模式以作为DIDO方案和MCS的组合的技术； 

用于根据信道状态将不同DIDO模式指派给不同的时隙、OFDM调和DIDO子流的技术； 

用于基于不同用户的信道质量将不同DIDO模式动态地指派给不同用户的技术； 

用于基于在时域、频域和空域中所计算的链路质量度量对自适应DIDO切换进行激活的标准； 

用于基于查找表对自适应DIDO切换进行激活的标准。 

如图19所示的在基站处具有DIDO配置器的DIDO系统，该系统可基于信道质量信息，自适应地选择用户数量、DIDO发送方案(即，天线选择或复用)、调制/编码方案(MCS)以及阵列配置，以最小化SER，或最大化每用户的频谱效率或下行链路频谱效率； 

如图20所示的在基站处具有DIDO配置器且在每个用户设备处具有DIDO反馈生成器的DIDO系统，该系统使用所估计的信道状况和/或接收机处的其他参数(类似于所估计的SNR)，以生成输入至DIDO配置器的反馈消息。 

DIDO系统，该系统具有DIDO配置器(在基站处)、DIDO反馈生成器以及DIDO反馈控制信道(该DIDO反馈信道用于将DIDO特定配置信息从用户传输至基站)。 

a、背景

在多输入多输出(MIMO)系统中，可构想分集方案(例如，正交空时 分组码(OSTBC)(参见V.Tarokh，H.Jafarkhani，and A.R.Calderbank，“Spacetime block codes from orthogonal designs，”IEEE Trans.Info.Th.，vol.45，pp.1456-467，JuI.1999)或天线选择(参见R.W.Heath Jr.，S.Sandhu，andA.J.Paulraj，“Antenna selection for spatial multiplexing systems with linearreceivers，”IEEE Trans.Comm.，vol.5，pp.142-144，Apr.2001)，以防止信道衰减，提高链路可靠性(该可靠性可转换为更佳的覆盖率)。另一方面，空间复用(SM)可以以多个并行数据发送作为手段来增强系统吞吐量。参见G.J.Foschini，G.D.Golden，R.A.Valenzuela，和P.W. Wolniansky，“Simplifiedprocessing for high spectral effciency wireless communication employingmultielement arrays，”IEEE Jour.Select.Areas in Comm.，vol.17，no.11，pp.1841-1852，Nov.1999。根据来源于L.Zheng和D.N.C.Tse，“Diversity andmultiplexing：a fundamental tradeoff in multiple antenna channels，”IEEE Trans.Info.Th.，vol.49，no.5，pp.1073-1096，May 2003的理论分集/复用折中，这些益处可在MIMO系统中同时实现。一实际实施形式为通过跟踪变化的信道状态，在分集和复用发送方案之间进行自适应切换。 

现已提出了大量自适应MIMO发送技术。R.W.Heath和A.J.Paulraj，“Switching between diversity and multiplexing in MIMO systems，”IEEETrans.Comm.，vol.53，no.6，pp.962-968，Jun.2005中的分集/复用切换方法被设计成基于瞬时信道质量信息，改进针对固定速率发送的BER(比特误码率)。可选地，可如S.Catreux，V.Erceg，D.Gesbert，和R.W.Heath.Jr.，“Adaptive modulation and MIMO coding for broadband wireless datanetworks，”IEEE Comm.Mag.，vol.2，pp.108-115，June 2002(“Catreux”)中那样，采用统计信道信息来对自适应进行激活，从而减小反馈开销以及控制消息的数量。Catreux中的自适应发送算法被设计成基于信道时/频选择指示符，针对正交频分复用(OFDM)系统中的预定目标误码率，增强频谱效 率。还针对窄带系统，提出了类似的低反馈自适应方法，该方法利用信道空间选择性来在分集方案与空间复用之间进行切换。参见例如A.Forenza，M.R.McKay，A.Pandharipande，R.W.Heath.Jr.，和I.B.Collings，“Adaptive MIMOtransmission for exploiting the capacity of spatially correlated channels，”accepted to the IEEE Trans，on Veh.Tech.，Mar.2007；M.R.McKay，I.B.Collings，A.Forenza，and R.W.Heath.Jr.，“Multiplexing/beamformingswitching for coded MIMO in spatially correlated Rayleigh channels，”被接受至IEEE Trans，on Veh.Tech.，Dec.2007；A.Forenza，M.R.McKay，R.W.Heath.Jr.，和I.B.Collings，“Switching between OSTBC and spatial multiplexing withlinear receivers in spatially correlated MIMO channels，”Proc.IEEE Veh.Technol.Conf.，vol.3，pp.1387-1391，May 2006；M.R.McKay，I.B.Collings，A.Forenza，和R.W.Heath Jr.，“A throughput-based adaptive MIMO BICMapproach for spatially correlated channels，”出现在Proc.IEEE ICC，June 2006。 

在该资料中，我们将各种先前公开中所展现的工作范围扩展至DIDO-OFDM系统。参见例如R.W.Heath和A.J.Paulraj，“Switching betweendiverslty and multiplexing in MIMO systems，”IEEE Trans.Comm.，vol.53，no.6，pp.962-968，Jun.2005；S.Catreux，V.Erceg，D.Gesbert，和R.W.Heath Jr.，“Adaptive modulation and MIMO coding for broadband wireless datanetworks，”IEEE Comm.Mag.，vol.2，pp.108-115，June 2002；A.Forenza，M.R.McKay，A.Pandharipande，R.W.Heath Jr.，和I.B.Collings，“AdaptiveMIMO transmission for exploiting the capacity of spatially correlated channels，”IEEE Trans，on Veh.Tech.，vol.56，n.2，pp.619-630，Mar.2007；M.R.McKay，I.B.Collings，A.Forenza，和R.W.Heath Jr.，“Multiplexing/beamformingswitching for coded MIMO in spatially correlated Rayleigh channels，”被接受至IEEE Trans，on Veh.Tech.，Dec.2007；A.Forenza，M.R.McKay，R.W.Heath Jr.，和I.B.Collings，“Switching between OSTBC and spatial multiplexing withlinear receivers in spatially correlated MIMO channels，”Proc.IEEE Veh.Technol.Conf.，vol.3，pp.1387-1391，May 2006；M.R.McKay，I.B.Collings，A.Forenza，和R.W.Heath Jr.，“A throughput-based adaptive MIMO BICMapproach for spatially correlated channels，”出现在Proc.IEEE ICC，June 2006。 

在此描述了新型自适应DIDO发送策略，该策略以基于信道质量信息在不同数量的用户、不同数量的发射天线以及发送方案之间进行切换作为一种手段来改进系统性能。注意，M.Sharif和B.Hassibi，“On the capacity ofMIMO broadcast channel with partial side information，”IEEE Trans.Info.Th.，vol.51，p.506522，Feb.2005以及W.Choi，A.Forenza，J.G.Andrews，和R.W.Heath Jr.，“Opportunistic space division multiple access with beam selection，”出现在IEEE Trans，on Communications中已提出了在多用户MIMO系统中自适应选择用户的方案。然而，这些公开中的机会性的(opportunistic)空分复用接入(OSDMA)方案被设计成通过利用多用户分集来最大化总的容量，且他们仅能够实现脏纸(dirty paper)码的部分理论容量，因为并未在发射机处完全预先消除干扰。在在此所述的DIDO发送算法中，采用块对角化来预先消除用户间干扰。然而，所提出自适应发送策略可以应用于任何DIDO系统，无需考虑预编码技术的类型。 

本专利申请描述了上述本发明以及在先申请的实施方式的扩展，包括但不限于以下附加特征： 

1、可由无线客户装置采用在先申请中用于信道估计的训练符号来对自适应DIDO方案中的链路质量度量进行评价。 

2、如在先申请中所述那样，基站接收来自客户端设备的信号特征数据。在当前实施方式中，信号特征数据被定义为用于对自适应进行激活的链路质量度量。 

3、在先申请描述了一用于选择天线和用户数量的机制，并定义了吞吐量分配。此外，可如在先申请那样，将不同级别的吞吐量动态地指派给不同客户端。本发明的当前实施方式定义了与该选择和吞吐量分配相关的新型标准。 

b、本发明的实施方式

所提出的自适应DIDO技术的目标为通过将时间、频率以及空间中的无线资源动态分配给系统中的不同用户来增强每用户的频谱效率或下行链路频谱效率。该整体自适应标准用于在满足目标误码率的同时，提高吞吐量。根据传播状态，还可使用该自适应算法经由分集方案来改进用户的链路质量(或覆盖率)。图21显示的流程图描述了自适应DIDO方案的步骤。 

在2102，基站(BS)收集来自所有用户的信道状况信息。在2104，根据所接收的CSI，基站在时域/频域/空域计算链路质量度量。在2106，使用这些链路质量度量来选择将在下一传输中被服务的用户，以及针对每一用户的发送模式。注意，发送模式包括调制/编码以及DIDO方案的不同组合。最后，在2108，BS经由DIDO预编码而将数据发送至用户。 

在2102，基站选择来自所有用户设备的信道状况信息(CSI)。在2104，基站使用该CSI来确定所有用户设备的瞬时或统计信道质量。在DIDO-OFDM系统中，可在时域、频域和空域对信道质量(或链路质量度量)进行估计。之后，在2106，基站使用链路质量度量来确定最佳用户子集以及用于当前传播状态的发送模式。DIDO发送模式集合被组合为DIDO方案(即，天线选择或复用)、调制/编码方案(MCS)以及阵列配置的组合。在2108，通过使用所选用户数量以及发送模式，将数据发送至用户设备。 

可通过查找表(LUT)(该查找表是基于DIDO系统不同传播环境中的误码率性能而被预先计算的)来进行模式选择。这些LUT将信道质量信息映射至误码率性能。为了构建LUT，可根据SNR评价DIDO系统在不同传 播情形中误码率性能。从误码率曲线可看出，可计算实现某一预定目标误码率所需的最小SNR。我们将该SNR需求定义为SNR阈值。之后，在不同的传播情形以及针对不同的DIDO发送模式来评价SNR阈值，并将其存储在LUT中。例如，可使用图24和图26中SER结果来构建LUT。之后，根据该LUT，基站可选择针对活动用户的发送模式，该模式可在满足预定目标误码率的同时提高吞吐量。最后，基站经由DIDO预编码而将数据发送至所选用户。注意，可将不同DIDO模式指派给不同的时隙、OFDM调以及DIDO子流，以使得可在时域、频域和空域进行自适应。 

图19-图20显示了采用DIDO自适应的系统的一种实施方式。引入了若干新的功能单元来实施所提出的DIDO自适应算法。具体而言，在一种实施方式中，DIDO配置器1910可基于用户设备所提供的信道质量信息1912，执行多种功能，包括选择用户数量、DIDO发送方案(即，天线选择和复用)、调制/编码方案(MCS)以及阵列配置。 

用户选择器单元1902基于由DIDO配置器1910所获取的反馈信息，选择与多个用户U₁-U_M相关联的数据，并将该信息提供每多个编码调制单元1904中的每个编码调制单元。每个编码调制单元1904对每个用户的信息比特进行编码和调制，并将他们发送至映射单元1906。该映射单元1906将输入比特映射至复数符号，并将其发送至预编码单元1908。编码调制单元1904和映射单元1906均利用获取自DIDO配置器单元1910的信息，选择为每一用户所采用的调制/编码方案类型。所述信息可由配置器单元1910通过利用反馈单元1912所提供的每一用户的信道质量信息来计算。DIDO预编码单元1908利用由DIDO配置器单元1910所获取的信息来计算DIDO预编码权重，并对获取自映射单元1906的输入符号进行预编码。由DIDO预编码单元1906将每一预编码后的数据流发送至OFDM单元1915，该OFDM单元1915计算IFFT并加入循环前缀。将该信息发送至D/A单元1916，该D/A单元1916 进行数模转换，并将最终的模拟信号发送至RF单元1914。该RF单元1914将基带信号升频至中频/射频，并将其发送至发射天线。 

每一客户端设备的RF单元2008接收从DIDO发射机单元1914发送的信号，将该信号降频至基带，并将降频之后的信号提供给A/D单元2010。之后，该A/D单元2010将该信号从模拟转换为数字，并将其发送至OFDM单元2013。该OFDM单元2013移除循环前缀，并执行FFT，以将信号报告至频域。在训练周期，OFDM单元2013将输出发送至信道估计单元2004，该信道估计单元2004在频域中计算信道估计。可选地，可在时域计算信道估计。在数据周期期间，OFDM单元2013将输出发送至接收机单元2002，该接收机单元2002对信号进行解调/解码，以获取数据2014。所述信道估计单元2004将信道估计发送至DIDO反馈生成器单元2006，该DIDO反馈生成器单元2006可对信道估计进行量化，并经由反馈控制信道1912而将其发回发射机。 

所述DIDO配置器1910可使用在基站处得到的信息，或在优选实施方式中，额外使用工作于每一用户设备处的DIDO反馈生成器2006(参见图20)的输出。该DIDO反馈生成器2006使用所估计的信道状况2004和/或接收机处的类似于所估计的SNR的其他参数来生成将被输入至DIDO配置器1910的反馈消息。所述DIDO反馈生成器2006可在接收机处对信息进行压缩、量化和/或使用本领域所公知的一些有限反馈策略。 

所述DIDO配置器1910可使用从DIDO反馈控制信道1912恢复的信息。DIDO反馈控制信道为逻辑或物理控制信道，该信道可用于将DIDO反馈生成器2006的输出从用户发送至基站。控制信道1912可以以任意数量的本领域所公知的方式实施，且可为逻辑或物理控制信道。作为物理信道，其可包括指派给用户的专用时隙/频隙。其还可为由所有用户共享的随机访问信道。所述控制信道可被预先指派，或可由现有的控制信道中预定方式的侵占比特 (stealing bits)来创建。 

在以下论述中，将在真实传播环境中描述通过利用DIDO-OFDM原型进行测量所获取的结果。这些结果表明了自适应DIDO系统中潜在增益的可实现性。首先展现不同级别DIDO系统的性能，表明可增大天线/用户数量，以实现更大的下行链路吞吐量。之后，描述与用户设备的位置有关的DIDO性能，表明需要跟踪变化的信道状态。最后，对采用分集技术的DIDO系统的性能进行描述。 

i、不同级别DIDO系统的性能 

利用越来越多的发射天线(N＝M，其中M为用户数量)来评价不同DIDO系统的性能。将以下系统的性能进行比对：SISO、DIDO 2×2、DIDO 4×4、DIDO 6×6以及DIDO 8×8。DIDO N×M指在BS处具有N个发射天线以及M个用户的DIDO。 

图22显示了发射/接收天线布局。以方形阵列配置来布置发射天线2201，且用户位于发射阵列周围。在图22，T指代“发射”天线，U指“用户设备”2202。 

8元发射阵列中的不同天线子集处于活动状态，这取决于针对不同测量所选取的N值。对于每一DIDO级别(N)，选择可对8元阵列的固定大小约束所针对的最大真实地区进行覆盖的天线子集。该标准被期望可增强给定N值的空间分集。 

图23示出了针对适合可用真实地区(即，虚线)的不同DIDO级别的阵列配置。方形虚框具有24”×24”的尺寸，对应于450MHz载波频率处的～λ×λ。 

基于与图23相关的评述以及参考图22，现将定义并比较以下系统中每一系统的性能： 

具有T1和U1的SISO(2301) 

具有T1，2和U1，2的DIDO 2×2(2302) 

具有T1，2，3，4和U1，2，3，4的DIDO 4×4(2303) 

具有T1，2，3，4，5，6和U1，2，3，4，5，6的DIDO 6×6(2304) 

具有T1，2，3，4，5，6，7，8和U1，2，3，4，5，6，7，8的DIDO 8×8(2305) 

图24示出了在4-QAM和1/2FEC(前向纠错)率情况下，上述DIDO系统中SER、BER、SE(频谱效率)和实际吞吐量性能与发射(TX)功率的函数关系。观察得出，SER和BER性能会因N值增大而下降。该影响是由以下两个现象造成的：对于固定的TX功率，DIDO阵列的输入功率会在越来越多的用户(或数据流)之间被分割；空间分集会随着实际DIDO信道中的用户数量的增大而减小。 

如图24所示，为了比较不同级别DIDO系统的相对性能，将目标BER固定为10^-4(该值可根据系统而变化)，该值大致对应于SER＝10^-2。我们将对应于该目标的TX功率值称之为TX功率阈值(TPT)。对于任何N，如果TX功率低于TPT，我们假设不可能在DIDO级别N下进行发送，且我们需要切换至更低级别的DIDO。此外，在图24，可观察得出，当TX功率超过针对任意N值的TPT时，SE和实际吞吐量性能会达到饱和。根据这些结果，可将自适应发送策略设计成在不同级别DIDO之间进行切换，以增强针对固定预定目标误码率的SE或实际吞吐量。 

ii、可变用户位置情况下的性能 

该试验的目标在于，经由在空间关联信道中进行仿真，评价不同用户位置的DIDO性能。DIDO 2×2系统被视为具有4QAM以及1/2FEC率。如图25所示，用户1位于发射阵列的侧射(broadside)方向，而用户2的位置从侧射方向变为端射(endfire)方向。发射天线间隔-λ/2，且与用户相隔-2.5 λ。 

图26示出了针对用户设备2的不同位置，SER和每用户的SE结果。从发射阵列的边射方向测量，用户设备的到达角度(AOA)为0°至90°。观察得出，随着用户设备的角距增大，DIDO性能将会提升，因为DIDO信道内存在更大的分集。此外，在目标SER＝10^-2处，AOA2＝0°与AOA2＝90°这两种情况之间存在10dB的间隙。该结果与图35中针对角度扩展10°所获得仿真结果一致。此外，注意，对于AOA1＝AOA2＝0°的情况而言，两个用户之间可能存在耦合效应(因他们的天线相邻近所导致)，这可能会使得他们的性能与图35中的仿真结果不同。 

iii、针对DIDO 8×8的优选情形 

图24显示了DIDO 8×8产生比更低级DIDO更大的SE，但具有更高TX功率需求。该分析的目标在于示出存在该情况，即DIDO 8×8不仅在峰值频谱效率(SE)方面，而且还在TX功率需求(或TPT)方面，胜过DIDO2×2，以实现所述峰值SE。 

注意，在i.i.d.(理想)信道中，TX功率在DIDO 8×8与DIDO 2×2的SE之间存在～6dB的间隙。该间隙是因该事实导致的，即DIDO 8×8将TX功率在8个数据流之间进行了分割，而DIDO 2×2仅在两个流之间进行分割。该结果经由图32中的仿真而被示出。 

然而，在空间关联信道中，TPT为传播环境特性(例如，阵列朝向、用户位置、角度扩展)的函数。例如，图35示出了针对两个不同用户设备位置之间的低角度扩展的～15dB间隙。本申请图26中展示了相类似的结果。 

类似于MIMO系统，当用户位于TX阵列的端射方向时，DIDO系统的性能会下降(因缺少分集所导致)。该影响可通过利用当前DIDO原型进行测量而观察得出。因此，一种示出DIDO 8×8胜过DIDO 2×2的方式为将 用户置于相对于DIDO 2×2阵列的端射方向。在此情形，DIDO 8×8胜过了DIDO 2×2，因为8-天线阵列提供了更高的分集。 

在该分析中，考虑了以下系统： 

系统1：4-QAM的DIDO 8×8(每时隙发送8个并行数据流)； 

系统2：64-QAM的DIDO 2×2(每4个时隙，对发送用户X和Y进行一次发送)。对于此系统，我们考虑TX和RX天线位置的四种组合：a)T1，T2U1，2(端射方向)；b)T3，T4U3，4(端射方向)；c)T5，T6U5，6(与端射方向相隔～30°)；d)T7，T8U7，8(NLOS(无视距))； 

系统3：64-QAM的DIDO 8×8；以及 

系统4：64-QAM的MISO 8×1(每8个时隙，对发送用户X进行一次发送)。 

对于所有这些情况，使用3/4的FEC率。 

图27绘示了用户的位置。 

在图28中，SER结果示出了由于不同的阵列方向和用户位置的在系统2a和2c之间的a～15dB的间隙(与在图35中的仿真结果相似)。在第二行中的第一子图示出了SE曲线饱和的TX功率的值(即，对应于BER 1e-4)。我们观察到系统1比系统2对于较低的TX功率需求(小于～5dB)产生了更大的每个用户的SE。而且，由于DIDO 8×8在DIDO 2×2上的复用增益，DIDO8×8相比于DIDO 2×2的好处对于DL(下行链路)SE和DL实际吞吐量来说更加明显。由于波束成形的阵列增益(即，具有MISO 8×1的MRC)，系统4比系统1具有更低的TX功率需求(小于8dB)。但是系统4相比于系统1仅产生了每个用户的SE的1/3。系统2比系统1的性能差(即，对于较大的TX功率需求产生了较低的SE)。最后，系统3比系统1对于较大的TX功率需求(～15dB)产生了大得多的SE(由于较大的阶数(larger order)调制)。 

根据这些结果，可以推断出以下结论： 

一种信道情形被确认为DIDO 8×8胜过DIDO 2×2(即对于较低的TX功率需求产生了较大的SE)； 

在该信道情形中，DIDO 8×8比DIDO 2×2和MISO 8×1产生了更大的每个用户的SE和DL SE；以及 

可以通过以较大的TX功率需求(大于～15dB)为代价使用高阶调制(即64-QAM，而不是4-QAM)来进一步增大DIDO 8×8的性能。 

iv.具有天线选择的DIDO 

下面，我们评估在由IEEE学报接收的在Signal Processing上在2005年由R.Chen、R.W.Heath和J.G.Andrews发表的“Transmit selection diversityfor unitary precoded multiuser spatial multiplexing systems with linear receivers”中描述的天线选择算法的好处。我们用两个用户、4-QAM和1/2的FEC率来呈现用于一个特定DIDO系统的结果。以下系统在图27中被比较： 

具有T1，2和U1，2的DIDO 2×2；以及 

具有T1，2，3和U1，2的使用天线选择的DIDO 3×2。 

发射天线位置和用户装置位置与图27中相同。 

图29示出了具有天线选择的DIDO 3×2与DIDO 2×2系统(不具有选择)相比可以提供～5dB的增益。注意信道几乎是静态的(即没有多普勒效应)，所以选择算法适用于路径损耗和信道空间相关，而不是快速衰减。我们应当在具有高的多普勒效应的情形中看到不同的增益。而且，在该特定实验中，观察到天线选择算法选择天线2和3用于发送。 

iv.用于LUT的SNR阈值 

在选择[0171]，我们声明了模式选择通过LUT实现。LUT可以通过评估SNR阈值来被预计算以实现在不同传播环境中用于DIDO发送模式的特 定预定义的目标误码率性能。下面，我们提供了具有和不具有天线选择和可变化的用户数量的DIDO系统的性能，所述性能可以用作构造LUT的指导。虽然图24、图26、图28、图29通过用DIDO原型实际测量得到，但下面的图通过仿真得到。以下BER结果假设没有FEC。 

图30示出了在独立同分布信道中不同的DIDO预编码方案的平均BER性能。标有“没有选择”的曲线是指使用BD的情况。在同一个图中，天线选择(ASel)的性能对于不同数量的额外天线(对于不同数量的用户)而被示出。可以看出，随着额外天线的数量增长，ASel提供更好的分集增益(以高SNR区的BER曲线的斜率为特征)，产生了更好的覆盖。例如，如果我们将目标BER固定到10^-2(对于未编码的系统的实际值)，则由ASel提供的SNR增益随着天线的数量增长。 

图31示出了对于不同的目标BER的作为在独立同分布信道中的额外发射天线的数量的函数的ASel的SNR增益。可以看出，仅通过添加1或2个天线，ASel与BD相比产生了巨大的SNR增益。在以下部分中，我们将仅对于1或2个额外天线的情况通过将目标BER固定到10^-2(对于未编码的系统)来评估ASel的性能。 

图32示出了对于在独立同分布信道中具有1和2个额外天线的BD和ASel的作为用户数量(M)的函数的SNR阈值。我们观察到由于对于较大数量的用户的较大的接收SNR需求，SNR阈值随着M增大。注意，我们假设对于任意数量的用户为固定的总发射功率(用不同数量的发射天线)。此外，图32示出了由于天线选择的增益对于在独立同分布信道中的任意数量的用户来说是恒定的。 

下面，我们示出了在空间相关信道中的DIDO系统的性能。我们通过在X.Zhuang、F.W.Vook、K.L.Baum、T.A.Thomas和M.Cudak于2004年9月在IEEE 802.16Broadband Wireless Access Working Group上发表的 “Channel models for link and system level simulations”中描述的COST-259空间信道模型仿真每个用户的信道。我们生成用于每个用户的单一群。作为一种情况研究，我们假设了NLOS信道，在发射机有均匀线性阵列(ULA)，元件间隔为0.5λ。对于2个用户系统的情况，我们对于第一和第二用户分别用到达的AOA1和AOA2的平均角来仿真群。AOA相对于ULA的侧面方向而被测量。当在系统中有多于两个的用户，我们生成具有在范围[-φ_m，φ_m]中的均匀间隔的平均AOA的用户的群，其中我们定义 

${\mathrm{\Φ}}_M=\frac{\mathrm{\Δ\φ}(M-1)}{2}---\left(13\right)$

K是用户的数量，Δφ是用户的平均AOA之间的角距。注意角度范围[-φ_m，φ_m]中心为0°，对应于ULA的侧射方向。下面，我们用BD和ASel发送方案和不同的用户数量来研究作为信道角度分布(AS)和用户间的角距的函数的DIDO系统的BER性能。 

图33示出了用于位于同一角度方向(即相对于ULA的侧射方向，AOA1＝AOA2＝0°)的具有不同AS值的两个用户的相对于每个用户的平均SNR的BER。可以看出，随着AS增大，BER性能改善且接近独立同分布情况。实际上，较高的AS在统计上产生了在两个用户的特征模式之间的较少覆盖和BD预编码器的更好的性能。 

图34示出了与图33相似的结果，但在用户之间具有较高的角距。我们考虑AOA1＝0°，AOA2＝90°(即90°角距)。在低的AS的情况下实现了最好的性能。实际上，对于高的角距的情况，当角距低时，在用户的特征模式之间有较少的交迭。有趣的是，我们观察到对于刚刚提到的相同的理由，在低AS中的BER性能要好于独立同分布信道。 

接下来，对于不同的相关情形中的10^-2的目标BER，我们计算SNR阈值。图35绘出了对于用户的平均AOA的不同值的作为AS的函数的SNR 阈值。对于低的用户角距，具有合理的SNR需求(即18dB)的可靠的发送仅对于以高AS为特征的信道是可能的。另一方面，当用户在空间上分离时，需要较小的SNR来满足相同的目标BER。 

图36示出了用于5个用户的情况的SNR阈值。根据(13)中的定义生成具有不同的角距Δφ的值的用户平均AOA。我们观察到对于Δφ＝0°和AS＜15°，由于用户之间的小的角距，BD性能很差，没有满足目标BER。对于增大的AS，满足固定的目标BER的SNR需求减小。另一方面，对于Δφ＝30°，在低的AS获得最小的SNR需求，与图35中的结果一致。随着AS增大，SNR阈值饱和至独立同分布信道中的一个。注意，具有5个用户的Δφ＝30°对应于[-60°，60°]的AOA范围，这对于具有120°扇形单元的蜂窝系统中的基站是典型的。 

接下来，我们研究了在空间相关信道中的ASel发送方案的性能。图37比较了对于两个用户情况的具有1个和2个额外天线的BD和ASel的SNR阈值。我们考虑了用户间的角距的两种不同情况：{AOA1＝0°，AOA2＝0°}以及{AOA1＝0°，AOA2＝90°}。用于BD方案(即没有天线选择)的曲线与在图35中相同。我们观察到ASel分别对于高的AS产生了具有1个和2个额外天线的8dB和10dB的SNR增益。随着AS减小，在BD上的由于ASel的增益由于在MIMO广播信道中的自由度的数量减少而变得更小。有趣的是，对于AS＝0°(即接近于LOS信道)以及情况{AOA1＝0°，AOA2＝90°}，ASel没有提供由于在空间域中的差异的任何增益。图38示出了与图37相似的结果，但是对于5个用户的情况。 

我们对于BD和ASel发送方案计算了作为在系统中的用户数量(M)的函数的SNR阈值(假设10^-2的一般目标BER)。SNR阈值对应于平均SNR，以使得总的发射功率对于任意M是恒定的。我们假设在方位角范围[-φ_m，φ_m]＝[-60°，60°]内每个用户群的平均AOA之间的最大间隔。然后，用户之间的 角距是Δφ＝120°/(M-1)。 

图39示出了对于具有不同AS值的BD方案的SNR阈值。我们观察到由于用户之间的大的角距，对于具有相对较小数量的用户(即K≤20)的AS＝0.1°(即低的角度扩散)，获得最低的SNR需求。然而，对于M＞50，由于Δφ非常小以及BD不能实行，SNR需求远远大于40dB。此外，对于AS＞10°，SNR阈值对于任意M几乎保持恒定，在空间相关信道中的DIDO系统接近独立同分布信道的性能。 

为了减小SNR阈值的值并改善DIDO系统的性能，我们应用ASel发送方案。图40示出了对于具有1个和2个额外天线的BD和ASel的在具有AS＝0.1°的空间相关信道中的SNR阈值。为了参考，我们还报告了用于在图32中示出的独立同分布情况的曲线。可以看到，对于较少的用户(即M≤10)，由于在DIDO广播信道中缺少分集，天线选择没有帮助降低SNR需求。随着用户数量增加，ASel从多用户分集中受益，产生了SNR增益(即对于M＝20为4dB)。此外，对于M≤20，在高的空间相关信道中的具有1个或2个额外天线的ASel的性能是相同的。 

然后我们计算对于两种另外的信道情形的SNR阈值：图41中的AS＝5°和图42中的AS＝10°。图41与图40相比，示出了由于较大的角度扩散，ASel产生了也用于相对较少数量的用户(即M≤10)的SNR增益。如在图42中报告的，对于AS＝10°，SNR阈值进一步减少，由于ASel的增益变得更高。 

最后，我们总结了目前对于相关信道提出的结果。图43和图44示出了分别具有1个和2个额外天线的作为对于BD和ASel方案的用户数量(M)和角度扩散(AS)的函数的SNR阈值。注意，AS＝30°的情况实际上对应于独立同分布信道，我们在图中使用AS的这个值用于图形表示。我们观察到，虽然BD被信道空间相关所影响，ASel产生了对于任意AS的几乎相同的性能。此外，对于AS＝0.1°，由于多用户分集，ASel对于低的M与BD性能相 似，而对于大的M(即M≥20)超过BD。 

图49比较了在SNR阈值方面不同的DIDO方案的性能。所考虑的DIDO方案是：BD、ASel、具有特征模式选择(BD-ESel)的BD以及最大比合并(MRC)。注意MRC没有预先消除在发射机处的干扰(不像其它方法)，但在用户被空间分离的情况下提供了较大的增益。在图49中，我们绘出了当两个用户分别位于与发射阵列的侧射方向成-30°和30°时，对于DIDO N×2系统的对于目标BER＝10^-2的SNR阈值。我们观察到，对于低的AS，MRC方案与其它方案相比提供了3dB的增益，因为用户的空间信道被很好地分离，用户间的干扰的影响很小。注意，在DIDO N×2上的MRC的增益是由于阵列增益。对于大于20°的AS，QR-ASel方案超过其它方案并与不具有选择的BD 2×2相比产生了大约10dB的增益。QR-ASel和BD-ESel对于AS的任意值提供了大约相同的性能。 

上面描述的是用于DIDO系统的新的自适应发送技术。该方法在DIDO发送模式之间动态转换到不同的用户来增强用于固定的目标误码率的吞吐量。不同级别的DIDO系统的性能在不同的传播情况下被测量，观察到在吞吐量的巨大增益可以通过动态选择作为传播情况的函数的DIDO模式和用户数量来实现。 

III.频率和相位差的预补偿 

a.背景

如之前所述，无线通信系统使用载波来传送信息。这些载波通常是正弦波，其振幅和/或相位响应于被发送的信息而被调制。正弦波的标称频率已知为载波频率。为了创建该波形，发射机合成一个或两个正弦波，并使用升频转换来创建重叠在具有指定载波频率的正弦波上的调制后的信号。这可以通过直接转换来实现，其中，信号在载波上或通过多个升频转换阶段被直接调 制。为了处理该波形，接收机必须解调所接收到的RF信号，并有效地移除调制载波。这需要接收机合成一个或多个正弦信号来反转在发射机处的调制过程，已知为降频转换。遗憾的是，在发射机和接收机生成的正弦波信号从不同的基准振荡器获得。没有基准振荡器创建了完美(perfect)的频率基准；实际上，通常与实际频率有一些偏差。 

在无线通信系统中，在发射机和接收机处的基准振荡器的输出的差异在接收机处创建了已知为载波频率偏移或简单的频率偏移的现象。本质上，在降频转换之后，在所接收的信号中有一些剩余调制(对应于发送和接收载波中的差异)。这创建了在所接收的信号中的失真，导致了较高的比特误码率和较低的吞吐量。 

存在用于处理载波频率偏移的不同技术。大多数方法估计在接收机处的载波频率偏移，然后应用载波频率偏移校正算法。载波频率偏移估计算法使用以下方法是盲目的(blind)：偏移QAM(T.Fusco和M.Tanda，″BlindFrequency-offset Estimation for OFDM/OQAM Systems，″Signal Processing，IEEE Transactions on[也参见Acoustics，Speech，and Signal Processing，IEEETransactions on]，vol.55，pp.1828-1838，2007)；周期特性(E.Serpedin，A.Chevreuil，G.B.Giannakis和P.Loubaton，″Blind channel and carrier frequencyoffset estimation using periodic modulation precoders，″Signal Processing，IEEETransactions on[也参见Acoustics，Speech，and Signal Processing，IEEETransactions on]，vol.48，no.8，pp.2389-2405，Aug.2000)；或者正交频分复用(OFDM)结构方法中的循环前缀(J.J.van de Beek，M.Sandell和P.O.Borjesson，″ML estimation of time and frequency offset in OFDM systems，″Signal Processing，IEEE Transactions on[也参见Acoustics，Speech，and SignalProcessing，IEEE Transactions on]，vol.45，no.7，pp.1800-1805，July 1997；U.Tureli，H.Liu和M.D.Zoltowski，″OFDM blind carrier offset estimation： ESPRIT，″IEEE Trans.Commun.，vol.48，no.9，pp.1459-1461，Sept.2000；M.Luise，M.Marselli和R.Reggiannini，″Low-complexity blind carrier frequencyrecovery for OFDM signals over frequency-selective radio channels，″IEEE Trans.Commun.，vol.50，no.7，pp.1182-1188，July 2002)。 

可替换地，专用训练信号可以被利用，包括重复的数据符号(P.H.Moose，″A technique for orthogonal frequency division multiplexing frequency offsetcorrection，″IEEE Trans.Commun.，vol.42，no.10，pp.2908-2914，Oct.1994)；两个不同的符号(T.M.Schmidl and D.C.Cox，″Robust frequency and timingsynchronization for OFDM，″IEEE Trans.Commun.，vol.45，no.12，pp.1613-1621，Dec.1997)；或者周期性插入的已知的符号序列(M.Luise和R.Reggiannini，″Carrier frequency acquisition and tracking for OFDM systems，″IEEE Trans.Commun.，vol.44，no.11，pp.1590-1598，Nov.1996)。校正可以以模拟或数字方式发生。接收机还可以使用载波频率偏移估计来预校正所发送的信号以消除偏移。由于多载波和OFDM系统对频率偏移的灵敏性，载波频率偏移校正对于多载波和OFDM系统被广泛地研究(J.J.van de Beek，M.Sandell和P.O.Borjesson，″ML estimation of time and frequency offset inOFDM systems，″Signal Processing，IEEE Transactions on[也参见Acoustics，Speech，and Signal Processing，IEEE Transactions on]，vol.45，no.7，pp.1800-1805，July 1997；U.Tureli，H.Liu和M.D.Zoltowski，″OFDM blindcarrier offset estimation：ESPRIT，″IEEE Trans.Commun.，vol.48，no.9，pp.1459-1461，Sept.2000；T.M.Schmidl和D.C.Cox，″Robust frequency andtiming synchronization for OFDM，″IEEE Trans.Commun.，vol.45，no.12，pp.1613-1621，Dec.1997；M.Luise，M.Marselli和R.Reggiannini，″Low-complexity blind carrier frequency recovery for OFDM signals overfrequency-selective radio channels，″IEEE Trans.Commun.，vol.50，no.7，pp.1182-1188，July 2002)。 

频率偏移估计和校正对于多天线通信系统或更一般的MIMO(多输入多输出)系统是重要的问题。在MIMO系统中，发射天线被锁定到一个频率基准，接收机被锁定到另一个频率基准，在发射机和接收机之间有单个偏移。提出了几种算法来使用训练信号处理这个问题(K.Lee和J.Chun，″Frequency-offset estimation for MIMO and OFDM systems using orthogonaltraining sequences，″IEEE Trans.Veh.Technol.，vol.56，no.1，pp.146-156，Jan.2007；M.Ghogho和A.Swami，″Training design for multipath channel andfrequency offset estimation in MIMO systems，″Signal Processing，IEEETransactions on[也参见Acoustics，Speech，and Signal Processing，IEEETransactions on]，vol.54，no.10，pp.3957-3965，Oct.2006；以及adaptivetracking C.Oberli和B.Daneshrad，″Maximum likelihood tracking algorithms forMIMOOFDM，″in Communications，2004 IEEE International Conference on，vol.4，June 20-24，2004，pp.2468-2472)。在MIMO系统中遇到了更重要的问题，其中，发射天线没有被锁定到同一频率基准，但接收天线被锁定到一起。这实际上发生在空分多址存取(SDMA)系统的上行链路中，SDMA系统被视为MIMO系统，其中不同用户对应于不同的发射天线。在这种情况下，频率偏移的补偿更加复杂。具体地，频率偏移创建了在不同的被发送的MIMO流中的干扰。可以使用复杂的联合估计和均衡算法来进行校正(A.Kannan，T.P.Krauss和M.D.Zoltowski，″Separation of cochannel signals under imperfecttiming and carrier synchronization，″IEEE Trans.Veh.Technol.，vol.50，no.1，pp.79-96，Jan.2001)，以及在频率偏移估计之后的均衡(T.Tang和R.W.Heath，″Joint frequency offset estimation and interference cancellation forMIMO-OFDM systems[mobile radio]，″2004.VTC2004-Fall.2004IEEE 60thVehicular Technology Conference，vol.3，pp.1553-1557，Sept.26-29，2004；X.Dai，″Carrier frequency offset estimation for OFDM/SDMA systems usingconsecutive pilots，″IEEE Proceedings-Communications，vol.152，pp.624-632， Oct.7，2005)。一些工作处理了剩余相位偏移和跟踪误差的相关问题，其中剩余相位偏移在频率偏移估计之后被估计和补偿，但这个工作仅考虑了SDMAOFDMA系统的上行链路(L Haring，S.Bieder和A.Czylwik，″Residual carrierand sampling frequency synchronization in multiuser OFDM systems，″2006.VTC 2006-Spring.IEEE 63rd Vehicular Technology Conference，vol.4，pp.1937-1941，2006)。当所有发射和接收天线具有不同的频率基准时，在MIMO系统中发生最严重的情况。关于这个话题仅有的可用工作只处理了在平衰减信道中的估计误差的渐近分析(O.Besson和P.Stoica，″On parameterestimation of MIMO flat-fading channels with frequency offsets，″SignalProcessing，IEEE Transactions on[也参见Acoustics，Speech，and SignalProcessing，IEEE Transactions on]，vol.51，no.3，pp.602-613，Mar.2003)。 

当MIMO系统的不同发射天线不具有相同的频率基准，且接收天线独立地处理信号时，已经被深入研究的情况发生。这发生在已知为分布式输入输出(DIDO)通信系统(在文献中也称为MIMO广播信道)中发生。DIDO系统包括具有分布式天线的一个接入点，所述天线发送平行数据流(经由预编码)到多个用户来增强下行链路的吞吐量，此时使用相同的无线资源(即相同的时隙持续时间和频带)作为常规的SISO系统。DIDO系统的详细描述在S.G.Perlman和T.Cotter，2004年7月提交的题为″System and method fordistributed input-distributed output wireless communications″的美国专利申请20060023803中提出。有许多实施DIDO预编码器的方式。一个解决方案是块对角化(BD)，在例如以下文献中描述：Q.H.Spencer，A.L.Swindlehurst和M.Haardt，″Zero-forcing methods for downlink spatial multiplexing inmultiuser MIMO channels，″IEEE Trans.Sig.Proc，vol.52，pp.461-471，Feb.2004；K.K.Wong，R.D.Murch和K.B.Letaief，″A joint-channeldiagonalization for multiuser MIMO antenna systems，″IEEE Trans.WirelessComm.，vol.2，pp.773-786，JuI 2003；L.U.Choi和R.D.Murch，″A transmit preprocessing technique for multiuser MIMO systems using a decompositionapproach，″IEEE Trans.Wireless Comm.，vol.3，pp.20-24，Jan 2004；Z.Shen，J.G.Andrews，R.W.Heath和B.L Evans，″Low complexity user selectionalgorithms for multiuser MIMO systems with block diagonalization，″被接受发表在IEEE Trans.Sig.Proc，Sep.2005；Z.Shen，R.Chen，J.G.Andrews，R.W.Heath和B.L Evans，″Sum capacity of multiuser MIMO broadcast channels withblock diagonalization，″被提交至IEEE Trans.Wireless Comm.，Oct.2005；R.Chen，R.W.Heath和J.G.Andrews，″Transmit selection diversity for unitaryprecoded multiuser spatial multiplexing systems with linear receivers，″被接受至IEEE Trans，on Signal Processing，2005。 

在DIDO系统中，发送预编码被用于分离用于不同用户的数据流。当发射天线射频链没有共享同一频率基准时，载波频率偏移导致了与系统实施相关的几个问题。当这发生时，每个天线以稍微不同的载波频率有效发送。这破坏了DIDO预编码器的完整性，导致每个用户遭受额外的干扰。下面提出的是对这个问题的几种解决方案。在解决方案的一个实施方式中，DIDO发射天线通过有线的、光学的或无线的网络来共享一个频率基准。在解决方案的另一个实施方式中，一个或多个用户估计频率偏移差异(天线对之间的偏移中的相对差异)并将该信息发送回发射机。然后发射机预校正频率偏移并继续进行用于DIDO的训练和预编码器估计相位。该实施方式在反馈信道存在延迟时有问题。原因是可能有由校正过程创建的剩余相位误差，该校正过程未考虑随后的信道估计。为了解决这个问题，一个另外的实施方式使用新的频率偏移和相位估计器，通过估计延迟解决了这个问题。基于仿真和通过DIDO-OFDM原型执行的实际测量来给出结果。 

在该文件中提出的频率和相位偏移补偿方法可能对由于接收机处的噪声的估计误差比较灵敏。因此，另一实施方式提出了用于时间和频率偏移估 计的方法，在低的SNR条件下也很强健。 

有不同的用于执行时间和频率偏移估计的方法。由于其对同步误差的灵敏性，这些方法中的许多方法专门为OFDM波形而提出。 

这些算法没有典型地使用OFDM波形的结构，因此对于单一载波和多载波波形一般是足够的。下面描述的算法在使用已知的基准符号(例如，训练数据)以协助同步的技术的类之中。许多方法是Moose的频率偏移估计器的扩展(见P.H.Moose，″A technique for orthogonal frequency divisionmultiplexing frequency offset correction，″IEEE Trans.Commun.，vol.42，no.10，pp.2908-2914，Oct.1994)。Moose提出了使用两个重复的训练信号并使用在所接收到的信号之间的相位差来获得频率偏移。Moose的方法仅能够校正分数(fractional)频率偏移。Moose的方法的扩展由Schmidl和Cox提出(T.M.Schmidl and D.C.Cox，″Robust frequency and timing synchronization forOFDM，″IEEE Trans.Commun.，vol.45，no.12，pp.1613-1621，Dec.1997)。他们的主要创新在于使用一个周期性的OFDM符号和另外的差分编码的训练符号。在第二个符号中的差分编码实现的整数偏移校正。Coulson考虑了在T.M.Schmidl和D.C.Cox，″Robust frequency and timing synchronization forOFDM，″IEEE Trans.Commun.，vol.45，no.12，pp.1613-1621，Dec.1997中描述的类似的设置，并在A.J.Coulson，″Maximum likelihood synchronization forOFDM using a pilot symbol：analysis，″IEEE J.Select.Areas Commun.，vol.19，no.12，pp.2495-2503，Dec.2001和A.J.Coulson，″Maximum likelihoodsynchronization for OFDM using a pilot symbol：algorithms，″IEEE J.Select.Areas Commun.，vol.19，no.12，pp.2486-2494，Dec.2001中提供了算法和分析的详细论述。一个主要的差别是Coulson使用了重复的最大长度序列来提供好的相关特性。他还建议使用线性调频(chirp)信号，因为其在时域和频域中的恒定的包络属性。Coulson考虑了实际的细节但没有包括整数估计。 多个重复的训练信号被Minn et.al.in H.Minn，V.K.Bhargava和K.B.Letaief，″A robust timing and frequency synchronization for OFDM systems，″IEEETrans.Wireless Commun.，vol.2，no.4，pp.822-839，July 2003所考虑，但训练的结构没有被优化。Shi和Serpedin提出了训练结构具有形成帧同步的想法的一些最优性(K.Shi和E.Serpedin，″Coarse frame and carriersynchronization of OFDM systems：a new metric and comparison，″IEEE Trans.Wireless Commun.，vol.3，no.4，pp.1271-1284，July 2004)。本发明的一个实施方式使用了Shi和Serpedin的方法来执行帧同步和分数频率偏移估计。 

在文献中的许多方法集中在帧同步和分数频率偏移校正上。整数偏移校正使用在T.M.Schmidl和D.C.Cox，″Robust frequency and timingsynchronization for OFDM，″IEEE Trans.Commun.，vol.45，no.12，pp.1613-1621，Dec.1997中的另外的训练符号来被解决。例如，Morrelli等在M.Morelli，A.N.DAndrea和U.Mengali，″Frequency ambiguity resolution inOFDM systems，″IEEE Commun.Lett.，vol.4，no.4，pp.134-136，Apr.2000中得到了T.M.Schmidl和D.C.Cox，″Robust frequency and timingsynchronization for OFDM，″IEEE Trans.Commun.，vol.45，no.12，pp.1613-1621，Dec.1997的改进版本。使用不同的前导码结构的可替换的方法由Morelli和Mengali提出(M.Morelli和U.Mengali，″An improvedfrequency offset estimator for OFDM applications，″IEEE Commun.Lett.，vol.3，no.3，pp.75-77，Mar.1999)。这个方法使用了在M个重复的相同训练符号之间的相关性来通过M因子增大分数频率偏移估计器的范围。这是最好的线性无偏估计器且接受了最大的偏移(具有合适的设计)，但不提供好的时序同步。 

系统描述

本发明的一个实施方式使用基于信道状况信息的预编码来消除DIDO系统中的频率和相位偏移。见图11以及对于该实施方式的描述的上面的相关 描述。 

在本发明的一个实施方式中，每个用户使用装备有频率偏移估计器/补偿器的接收机。如图45中所示出的，在本发明的一个实施方式中，包括接收机的系统包括多个RF单元4508、相应的多个A/D单元4510、装备有频率偏移估计器/补偿器4512的接收机以及DIDO反馈生成器单元4506。 

RF单元4508接收从DIDO发射机单元发送的信号，将信号降频转换到基带，并将降频转换后的信号提供到A/D单元4510。然后A/D单元4510将信号从模拟转换为数字，并将它发送到频率偏移估计器/补偿器单元4512。频率偏移估计器/补偿器单元4512估计频率偏移并补偿频率偏移，如在这里所描述的，然后将补偿后的信号发送到OFDM单元4513。OFDM单元4513移除循环前缀并运行快速傅立叶变换(FFT)来将信号报告给频域。在训练期间，OFDM单元4513将输出发送到信道估计单元4504来计算在频域中的信道估计。可替换地，信道估计可以在时域中被计算。在数据周期期间，OFDM单元4513将输出发送到DIDO接收机单元4502，该DIDO接收机单元4502对信号进行解调/解码以获得数据。信道估计单元4504将信道估计发送到DIDO反馈生成器单元4506，该DIDO反馈生成器单元4506可以量化信道估计并经由反馈控制信道将它们发送回发射机，如所示出的。 

对用于DIDO 2×2情形的算法的一个实施方式的描述

下面描述的是用于DIDO系统中的频率/相位偏移补偿的算法的实施方式。DIDO系统模型开始在具有和不具有频率/相位偏移的情况下被描述。为了简便，提供了DIDO 2×2系统的特定实施。然而，本发明的基本原理还可以在高阶DIDO系统中被实施。 

具有/不具有频率和相位偏移的DIDO系统模型

DIDO 2×2的所接收到的信号可以对于第一用户写成： 

r₁[t]＝h₁₁(w₁₁x₁[t]+w₂₁x₂[t])+h₁₂(w₁₂x₁[t]+w₂₂x₂[t])(1) 

以及对于第二个用户写成： 

r₂[t]＝h₂₁(w₁₁x₁[t]+w₂₁x₂[t])+h₂₂(w₁₂x₁[t]+w₂₂x₂[t])(2) 

其中t是离散时间指数，h_mn和w_mn分别是在第m个用户和第n个发射天线之间的信道和DIDO预编码权重，x_m是对于用户m的发送信号。注意，h_mn和w_mn不是t的函数，因为我们假定信道在训练和数据发送之间的周期上是恒定的。 

在频率和相位偏移存在时，接收到的信号被表示为 

$r_1\left[t\right]=e^{j({\mathrm{\ω}}_{U1}-{\mathrm{\ω}}_{T1})T_s(t-t_{11})}{h}_{11}\left(w_{11}{x}_1\right[t]+w_{21}{x}_2[t\left]\right)+e^{j({\mathrm{\ω}}_{U1}-{\mathrm{\ω}}_{T2})T_s(t-t_{12})}{h}_{12}\left(w_{12}{x}_1\right[t]+w_{22}{x}_2[t\left]\right)---\left(3\right)$

以及 

$r_2\left[t\right]=e^{j({\mathrm{\ω}}_{U2}-{\mathrm{\ω}}_{T1})T_s(t-t_{21})}{h}_{21}\left(w_{11}{x}_1\right[t]+w_{21}{x}_2[t\left]\right)+e^{j({\mathrm{\ω}}_{U2}-{\mathrm{\ω}}_{T2})T_s(t-t_{22})}{h}_{22}\left(w_{12}{x}_1\right[t]+w_{22}{x}_2[t\left]\right)---\left(4\right)$

其中，T_s是符号周期；对于第n个发射天线，ω_Tn＝2∏If_Tn；对于第m个用户，ω_Um＝2∏f_Um；以及f_Tn和f_Um分别是对于第n个发射天线和第m个用户的实际载波频率(由偏移影响)。值t_mn表示在信道h_mn上导致相位偏移的随机延迟。图46绘出了DIDO 2×2系统模型。 

对于时间，我们使用以下定义： 

Δω_mn＝ω_Um-ω_Tn    (5) 

以用来表示在第m个用户和第n个发射天线之间的频率偏移。 

本发明的一个实施方式的描述

根据本发明的一个实施方式的方法在图47中被示出。该方法包括以下一般步骤(包括子步骤，如示出的)：用于频率偏移估计的训练周期4701；用于信道估计的训练周期4702；经由具有补偿的DIDO预编码的数据发送4703。这些步骤在下面被详细描述。 

（a）用于频率偏移估计的训练周期（4701） 

在第一训练周期期间，基站将来自每个发射天线的一个或多个训练信号发送到用户中的一个（4701a）。如在这里所描述的，“用户”是无线客户装置。对于DIDO2×2的情况，由第m个用户接收到的信号由以下给出： 

$r_m\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{m1}{T}_s(t-t_{m1})}{h}_{m1}{p}_1\left[t\right]+e^{\mathrm{j\Δ}{\mathrm{\ω}}_{m2}{T}_s(t-t_{m2})}{h}_{m2}{p}_2\left[t\right]---\left(6\right)$

其中，p₁和p₂分别是从第一和第二天线发送的训练序列。 

第m个用户可以使用任意类型的频率偏移估计器（即通过训练序列的卷积）并估计偏移Δω_m1和Δω_m2。然后，根据这些值，用户计算两个发射天线之间的频率偏移： 

Δω_T=Δω_m2-Δω_m1=ω_r1-ω_r2   (7) 

最后，在（7）中的值被反馈回基站（4701b）。 

注意，在（6）中的p₁和p₂被设计为是正交的，从而用户可以估计Δω_m1和Δω_m2。可替换地，在一个实施方式中，相同的训练序列被用在两个连续的时隙，用户从中估计偏移。此外，为了改善（7）中的偏移的估计，上面描述的相同的计算对于DIDO系统的所有用户（不仅对于第m个用户）来说可以被完成，最后的估计可以是从所有用户获得的值的（加权后的）平均值。然而，这个解决方案需要更多的计算时间和反馈量。最后，频率偏移估计的更新只有在频率偏移随时间变化时才需要。因此，根据发射机处的时钟的稳定性，算法的步骤4701可以长期被执行（即对于每个数据发送），使得上述反馈减少。 

（b）用于信道估计的训练周期（4702） 

在第二训练周期期间，基站首先从第m个用户或从多个用户或得具有在(7)中的值的频率偏移反馈。在(7)中的值被用于预补偿在发射端的频率偏移。然后，基站将训练数据发送到所有用户来用于信道估计(4702a)。 对于DIDO 2×2系统，在第一个用户处接收到的信号由以下给出： 

$r_1\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{11}{T}_s(t-{\tilde{t}}_{11})}{h}_{11}{p}_1\left[t\right]+e^{\mathrm{j\Δ}{\mathrm{\ω}}_{12}{T}_s(t-{\tilde{t}}_{12})}{h}_{12}{e}^{-j{\mathrm{\Δ\ω}}_T{T}_{s}t}{p}_2\left[t\right]---\left(8\right)$

以及第二个用户处： 

$r_2\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{21}{T}_s(t-{\tilde{t}}_{21})}{h}_{21}{p}_1\left[t\right]+e^{\mathrm{j\Δ}{\mathrm{\ω}}_{22}{T}_s(t-{\tilde{t}}_{22})}{h}_{22}{e}^{-j{\mathrm{\Δ\ω}}_T{T}_{s}t}{p}_2\left[t\right]---\left(9\right)$

其中， 

和Δt是在基站的第一发送和第二发送之间的随机或已知的延迟。此外，p₁和p₂分别是用户频率偏移和信道估计的从第一和第二天线发送的训练序列。 

注意，预补偿在该实施方式中仅仅被应用到第二天线。 

展开(8)，我们获得 

$r_1\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{11}{T}_{s}t}{e}^{j{\mathrm{\θ}}_{11}}\left[h_{11}{p}_1\right[t]+e^{j({\mathrm{\θ}}_{12}-{\mathrm{\θ}}_{11})}{h}_{12}{p}_2[t\left]\right]---\left(10\right)$

类似的对于第二用户： 

$r_2\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{21}{T}_{s}t}{e}^{j{\mathrm{\θ}}_{21}}\left[h_{21}{p}_1\right[t]+e^{j({\mathrm{\θ}}_{22}-{\mathrm{\θ}}_{21})}{h}_{22}{p}_2[t\left]\right]---\left(11\right)$

其中 ， ${\mathrm{\θ}}_{\mathrm{mn}}=-\mathrm{\Δ}{\mathrm{\ω}}_{\mathrm{mn}}{T}_s{\tilde{t}}_{\mathrm{mn}}.$

在接收端，用户通过使用训练序列p₁和p₂来补偿剩余频率偏移。然后，用户通过训练矢量信道来进行估计(4702b)： 

$h_1=\left[\begin{array}{c}{h}_{11}\\ e^{j({\mathrm{\θ}}_{12}-{\mathrm{\θ}}_{11})}{h}_{12}\end{array}\right]$ $h_2=\left[\begin{array}{c}{h}_{21}\\ e^{j({\mathrm{\θ}}_{22}-{\mathrm{\θ}}_{21})}{h}_{22}\end{array}\right]---\left(12\right)$

在(12)中的这些信道或信道状况信息(CSI)被反馈回基站(4702b)，基站如下面部分中描述的那样来计算DIDO预编码器。 

(c)具有预补偿的DIDO预编码(4703) 

基站从用户接收(12)中的信道状况信息(CSI)并通过块对角化(BD)来计算预编码的权重(4703a)，以使得 

$w_1^T{h}_2=0,$ $w_2^T{h}_1=0---\left(13\right)$

其中，矢量h₁在(12)中被定义，以及w_m＝[w_m1，w_m2]。注意，在本公开中提出的本发明可以被用于除BD之外的任何其他DIDO预编码方法中。基站还通过使用(7)中的估计来预补偿频率偏移，并通过估计第二训练发送和当前发送之间的延迟(Δt₀)来预补偿相位偏移(4703a)。最后，基站经由DIDO预编码器将数据发送到用户(4703b)。 

在发送过程之后，在用户1处接收到的信号由以下给出： 

$r_1\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{11}{T}_s(t-{\tilde{t}}_{11}-\mathrm{\Δ}{t}_o)}{h}_{11}\left[w_{11}{x}_1\right[t]+w_{21}{x}_2[t\left]\right]$

$=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{12}{T}_s(t-{\tilde{t}}_{12}-\mathrm{\Δ}{t}_o)}{h}_{12}{e}^{-\mathrm{j\Δ}{\mathrm{\ω}}_T{T}_s(t-\mathrm{\Δ}{t}_o)}\left[w_{12}{x}_1\right[t]+w_{22}{x}_2[t\left]\right]$

$={\mathrm{\γ}}_1\left[t\right][h_{11}\left(w_{11}{x}_1\right[t]+w_{21}{x}_2[t\left]\right)+e^{j(\mathrm{\Δ}{\mathrm{\ω}}_{11}{t}_{11}-\mathrm{\Δ}{\mathrm{\ω}}_{12}{t}_{12})T_s}{h}_{12}\left(w_{12}{x}_1\right[t]+w_{22}{x}_2[t\left]\right)]$

$={\mathrm{\γ}}_1\left[t\right]\left[(h_{11}{w}_{11}+e^{j({\mathrm{\θ}}_{12}-{\mathrm{\θ}}_{11})}{h}_{12}{w}_{12})x_1\right[t]+(h_{11}{w}_{21}+e^{j({\mathrm{\θ}}_{12}-{\mathrm{\θ}}_{11})}{h}_{12}{w}_{22})x_2[t\left]\right]---\left(14\right)$

其中， ${\mathrm{\γ}}_1\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{11}{T}_s(t-{\tilde{t}}_{11}-\mathrm{\Δ}{t}_o)}.$ 使用属性(13)，我们获得 

$r_1\left[t\right]={\mathrm{\γ}}_1\left[t\right]w_1^T{h}_1{x}_1\left[t\right]---\left(15\right)$

类似地，对于用户2，我们得到： 

$r_2\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{21}{T}_s(t-{\tilde{t}}_{21}-\mathrm{\Δ}{t}_o)}{h}_{21}\left[w_{11}{x}_1\right[t]+w_{21}{x}_2[t\left]\right]$

$+e^{\mathrm{j\Δ}{\mathrm{\ω}}_{22}{T}_s(t-{\tilde{t}}_{22}-\mathrm{\Δ}{t}_o)}{h}_{22}{e}^{-\mathrm{j\Δ}{\mathrm{\ω}}_T{T}_s(t-\mathrm{\Δ}{t}_o)}\left[w_{12}{x}_1\right[t]+w_{22}{x}_2[t\left]\right]---\left(6\right)$

展开(16)： $r_2\left[t\right]={\mathrm{\γ}}_2\left[t\right]w_2^T{h}_2{x}_2\left[t\right]---\left(17\right)$

其中， ${\mathrm{\γ}}_2\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{21}{T}_s(t-{\tilde{t}}_{21}-\mathrm{\Δ}{t}_o)}.$

最后，用户计算剩余频率偏移和信道估计来解调数据流x₁[t]和x₂[t](4703c)。 

一般化到DIDO N×M

在该部分中，之前描述的技术被一般化到具有N个发射天线和M个用户的DIDO系统。 

i.用户频率偏移估计的训练周期

在第一训练周期期间，由于从N个天线发送的训练序列的由第m个用户接收到的信号由以下给出： 

$r_m\left[t\right]=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{e}^{\mathrm{j\Δ}{\mathrm{\ω}}_{\mathrm{mn}}{T}_s(t-t_{\mathrm{mn}})}{h}_{\mathrm{mn}}{p}_n\left[t\right]---\left(18\right)$

其中，p_n是从第n个天线发送的训练序列。 

在估计偏移Δω_mn之后， 

第m个用户计算第一个和第n个发射天线之间的频率偏移： 

Δω_T，1n＝Δω_mn-Δω_m1＝ω_T1-ω_Tn    (19) 

最后，(19)中的值被反馈到基站。 

ii.用于信道估计的训练周期

在第二训练周期期间，基站首先从第m个用户或从多个用户获得具有在(19)中的值的频率偏移反馈。在(19)中的值被用于预补偿在发射端的频率偏移。然后，基站将训练数据发送到所有用户来用于信道估计。 

对于DIDO N×M系统，在第m个用户处接收到的信号由以下给出： 

$r_m\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{m1}{T}_S(t-{\tilde{t}}_{m1})}{h}_{m1}{p}_1\left[t\right]+\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{e}^{\mathrm{j\Δ}{\mathrm{\ω}}_{\mathrm{mn}}{T}_s(t-{\tilde{t}}_{\mathrm{mn}})}{h}_{\mathrm{mn}}{e}^{-\mathrm{j\Δ}{\mathrm{\ω}}_{T,1n}{T}_{s}t}{p}_n\left[t\right]$

$=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{m1}{T}_s(t-{\tilde{t}}_{m1})}\left[h_{m1}{p}_1\right[t]+\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{e}^{j({\mathrm{\θ}}_{\mathrm{mn}}-{\mathrm{\θ}}_{m1})}{h}_{\mathrm{mn}}{p}_n[t\left]\right]$

$=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{m1}{T}_s(t-{\tilde{t}}_{m1})}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{e}^j({\mathrm{\θ}}_{\mathrm{mn}}-{\mathrm{\θ}}_{m1})h_{\mathrm{mn}}{p}_n\left[t\right]---\left(20\right)$

其中， 

以及Δt是基站的第一和第二发送之间的随机或已知的延迟。此外，P_n是用于频率偏移和信道估计的从第n 个天线发送的训练序列。 

在接收侧，用户通过使用训练序列P_n来补偿剩余频率偏移。然后，每个用户m通过训练矢量信道来进行估计： 

$h_m=\left[\begin{array}{c}{h}_{m1}\\ e^{j({\mathrm{\θ}}_{m2}-{\mathrm{\θ}}_{m1})}{h}_{m2}\\ .\\ .\\ .\\ e^{j({\mathrm{\θ}}_{\mathrm{mN}}-{\mathrm{\θ}}_{m1})}{h}_{\mathrm{mN}}\end{array}\right]---\left(21\right)$

并反馈回基站，基站如在以下部分中描述的那样计算DIDO预编码器。 

iii.具有预补偿的DIDO预编码

基站从用户接收(12)中的信道状况信息(CSI)并通过块对角化(BD)来计算预编码的权重，以使得 

$w_m^T{h}_l=0,$ $\∀m\≠l,$ m＝1，...，M    (22) 

其中，矢量h_m在(21)中被定义，以及w_m＝[w_m1，w_m2，...，w_mN]。基站还通过使用(19)中的估计来预补偿频率偏移，并通过估计第二训练发送和当前发送之间的延迟(Δt₀)来预补偿相位偏移。最后，基站经由DIDO预编码器将数据发送到用户。 

在发送过程之后，在用户i处接收到的信号由以下给出： 

$r_i\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{i1}{T}_s(t-{\tilde{t}}_{i1}-\mathrm{\Δ}{t}_o)}{h}_{i1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{m1}{x}_m\left[t\right]+$

$+\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{e}^{\mathrm{j\Δ}{\mathrm{\ω}}_{\mathrm{in}}{T}_s(t-{\tilde{t}}_{\mathrm{in}}-\mathrm{\Δ}{t}_o)}{h}_{\mathrm{in}}{e}^{-\mathrm{j\Δ}{\mathrm{\ω}}_{T,1n}{T}_s(t-\mathrm{\Δ}{t}_o)}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{mn}}{x}_m\left[t\right]$

$=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{i1}{T}_s(t-\mathrm{\Δ}{t}_o)}{e}^{-\mathrm{j\Δ}{\mathrm{\ω}}_{i1}{T}_s{\tilde{t}}_{i1}}{h}_{i1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{m1}{x}_{m1}\left[t\right]$

$+\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{e}^{\mathrm{j\Δ}{\mathrm{\ω}}_{i1}{T}_s(t-\mathrm{\Δ}{t}_o)}{e}^{-\mathrm{j\Δ}{\mathrm{\ω}}_{\mathrm{in}}{T}_s{\tilde{t}}_{\mathrm{in}}}{h}_{\mathrm{in}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{mm}}{x}_m\left[t\right]$

$={\mathrm{\γ}}_i\left[t\right]\left[h_{i1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{m1}{x}_m\right[t]+\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{e}^{j({\mathrm{\θ}}_{\mathrm{in}}-{\mathrm{\θ}}_{i1})}{h}_{\mathrm{in}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{m1}{x}_m[t\left]\right]$

$={\mathrm{\γ}}_i\left[t\right]\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{e}^{j({\mathrm{\θ}}_{\mathrm{in}}-{\mathrm{\θ}}_{i1})}{h}_{\mathrm{in}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{mn}}{x}_m\right[t\left]\right]$

$={\mathrm{\γ}}_i\left[t\right]\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{e}^{j({\mathrm{\θ}}_{\mathrm{in}}-{\mathrm{\θ}}_{i1})}{h}_{\mathrm{in}}{w}_{\mathrm{mn}}\right]x_m\left[t\right]$

$={\mathrm{\γ}}_i\left[t\right]\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_m^T{h}_i{x}_m\left[t\right]---\left(23\right)$

其中， ${\mathrm{\γ}}_i\left[n\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{i1}{T}_s(t-{\tilde{t}}_{i1}-\mathrm{\Δ}{t}_o)}.$ 使用属性(22)，我们得到： 

$r_i\left[t\right]={\mathrm{\γ}}_i\left[t\right]w_i^T{h}_i{x}_i\left[t\right]---\left(24\right)$

最后，用户计算剩余频率偏移和信道估计来解调数据流x_i[t]。 

结果

图48示出了具有和不具有频率偏移的DIDO 2×2系统的SER结果。可以看到，所提出的方法完全消除了频率/相位偏移，产生了与不具有偏移的系统相同的SER。 

接下来，我们评估所提出的补偿方法对于频率偏移误差和/或实时偏移的波动的灵敏性。因此，我们将(14)重写为： 

$r_1\left[t\right]=e^{\mathrm{j\Δ}{\mathrm{\ω}}_{11}{T}_s(t-{\tilde{t}}_{11}-\mathrm{\Δ}{t}_o)}{h}_{11}\left[w_{11}{x}_1\right[t]+w_{21}{x}_2[t\left]\right]$

$+e^{\mathrm{j\Δ}{\mathrm{\ω}}_{12}{T}_s(t-{\tilde{t}}_{12}-\mathrm{\Δ}{t}_o)}{h}_{12}{e}^{-j(\mathrm{\Δ}{\mathrm{\ω}}_T+2\mathrm{\Π}\∈)T_s(t-{\mathrm{\Δt}}_o)}\left[w_{12}{x}_1\right[t]+w_{22}{x}_2[t\left]\right]---\left(25\right)$

其中，ε表示训练和数据发送之间的频率偏移的估计误差和/或变化。注意，ε的效果是破坏(13)中的正交特性，以使得(14)和(16)中的干扰项在发射机处没有完全被预先消除。因为这样，SER性能随着增大的ε值而降低。 

图48示出了对于不同的∈值的频率偏移补偿方法的SER性能。这些结果假设T_s＝0.3ms(即具有3KHz带宽的信号)。我们观察到，对于ε＝0.001Hz(或更少)，SER性能与没有偏移的情况相似。 

f.用于时间和频率偏移估计的算法的一个实施方式的描述

下面，我们描述执行时间和频率偏移估计的另外的实施方式(图47中的4701b)。考虑的发射信号结构在H.Minn，V.K.Bhargava和K.B.Letaief，″A robust timing and frequency synchronization for OFDM systems，″IEEETrans.Wireless Commun.，vol.2，no.4，pp.822-839，July 2003中提出，在K.Shi和E.Serpedin，″Coarse frame and carrier synchronization of OFDM systems：a new metric and comparison，″IEEE Trans.Wireless Commun.，vol.3，no.4，pp.1271-1284，July 2004中被详细研究。通常具有好的相关属性的序列被用于训练。例如，对于我们的系统，Chu序列被使用，Chu序列如在D.Chu，″Polyphasecodes with good periodic correlation properties(corresp.)，″IEEE Trans.Inform.Theory，vol.18，no.4，pp.531-532，July 1972中被描述。这些序列具有有趣的属性，即它们具有完美的循环相关。让L_cp表示循环前缀的长度，N_t表示分量训练序列的长度。使得N_t＝M_t，其中M_t是训练序列的长度。在这些假设下，所发送的用于开端的符号序列可以被写成： 

s[n]＝t[n-N_t]   对于n＝-1，…，-L_cp

s[n]＝t[n]      对于n＝0，…，N_t-1 

s[n]＝t[n-N_t]   对于n＝N_t，…，2N_t-1 

s[n]＝-t[n-2N_t] 对于n＝2N_t，…，3N_t-1 

s[n]＝t[n-3N_t]  对于n＝3N_t，…，4N_t-1 

注意该训练信号的结构可以被扩展至其它长度，但重复了块结构。例如， 为了使用16个训练信号，我们考虑一种结构，例如： 

[CP，B，B，-B，B，B，B，-B，B，-B，-B，B，-B，B，B，-B，B，]。 

通过使用该结构，并使N_t＝4M_t，所有将要描述的算法可以在没有修改的情况下被使用。有效地，我们重复训练序列。这在合适的训练信号可能不可用的情况下特别有用。 

在对符号率进行匹配的滤波和向下采样之后，考虑下面的所接收到的信号： 

$r\left[n\right]=e^{2\mathrm{\π\ϵn}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}h\left[l\right]s[n-l-\mathrm{\Δ}]+v\left[n\right]$

其中ε是未知的离散时间频率偏移，Δ是未知的帧偏移，h[1]是未知的离散时间信道系数，以及v[n]是附加噪声。为了解释以下部分中的关键思想，忽略附加噪声的存在。 

i.粗略的帧同步 

粗略的帧同步的目的是解决未知的帧偏移Δ。让我们做出以下定义： 

r₁[n]：＝[r[n]，r[n+1]，...，r[n+N_t-1]]^T， 

r₁[n]：＝[r[n+L_ep]，r[n+1]，...，r[n+N_t-1]]^T， 

r₂[n]：＝[r[n+N_t]，r[n+1+N_t]，...，r[n+2N_t-1]]^T， 

r₂[n]：＝[r[n+L_ep+N_t]，r[n+1+L_ep+N_t]，...，r[n+L_ep+2N_t-1]]^T， 

r₃[n]：＝[r[n+2N_t]，r[n+1+2N_t]，...，r[n+3N_t-1]]^T， 

r₃[n]：＝[r[n+L_ep+2N_t]，r[n+L_cp+1+2N_t]，...，r[n+L_ep+3N_t-1]]^T， 

r₄[n]：＝[r[n+3N_t]，r[n+1+3N_t]，...，r[n+4N_t-1]]^T， 

r₄[n]：＝[r[n+L_ep+3N_t]，r[T+L_ep+1+3N_t]，...，r[n+L_ep+4N_t-1]]^T， 

所提出的粗略的帧同步算法从K.Shi和E.Serpedin，″Coarse frame andcarrier synchronization of OFDM systems：a new metric and comparison，″IEEETrans.Wireless Commun.，vol.3，no.4，pp.1271-1284，July 2004中的算法得到启示，根据最大似然准则获得。 

方法1-改进的粗略的帧同步：粗略的帧同步估计器解决了以下优化： 

$\widehat{\mathrm{\Δ}}=\arg \underset{k\∈3}{\max }\frac{\left|P_1\left(k\right)\right|+{|P}_2\left(k\right)|+|P_3\left(k\right)|}{{\left|\right|r_1\left|\right|}^2+{\left|\right|r_2\left|\right|}^2+{\left|\right|r_3\left|\right|}^2+{\left|\right|r_4\left|\right|}^2+\frac{1}{2}({\left|\right|{\stackrel{\‾}{r}}_1\left|\right|}^2+{\left|\right|{\stackrel{\‾}{r}}_2\left|\right|}^2+{\left|\right|{\stackrel{\‾}{r}}_3\left|\right|}^2+{\left|\right|{\stackrel{\‾}{r}}_4\left|\right|}^2)}$

其中， 

$P_1\left[k\right]=r_1^{*}\left[k\right]r_2\left[k\right]-r_3^{*}\left[k\right]r_4\left[k\right]-{\stackrel{\‾}{r}}_2^{*}\left[k\right]{\stackrel{\‾}{r}}_3\left[k\right]$

$P_2\left[k\right]=r_2^{*}\left[k\right]r_4\left[k\right]-r_1^{*}\left[k\right]r_3\left[k\right]$

$P_3\left[k\right]={\stackrel{\‾}{r}}_1^{*}\left[k\right]{\stackrel{\‾}{r}}_4\left[k\right],$

使得被校正的信号被定义为： 

另外的校正项被用于补偿信道中的小的初始脉冲并可以基于应用被调节。这个额外的延迟将之后被包括在信道中。 

ii.分数频率偏移校正 

分数频率偏移校正在粗略的帧同步块之后。 

方法2-改进的分数频率偏移校正：分数频率偏移是下面的解： 

这被已知为分数频率偏移，因为算法仅可以校正偏移 

${\widehat{\mathrm{\&epsiv;}}}_f<\frac{1}{2N_t}$

这个问题将在下一部分中被解决。让精细频率偏移校正信号被定义为： 

$r_f\left[n\right]=e^{-j2\mathrm{\&pi;}\widehat{\mathrm{\&epsiv;}}f}{r}_c\left[n\right]$

注意，方法1和2是对于在频率选择信道中工作较好的K.Shi，E.Serpedin，″Coarse frame and carrier synchronization of OFDM systems：a newmetric and comparison，″IEEE Trans.Wireless Commun.，vol.3，no.4，pp.1271-1284，July 2004的改进。这里的一个特别创新是使用了上面所述的r和r，r的使用改进了以前的估计器，因为它忽略了由于内部符号干扰而被影响的取 样。 

iii.整数频率偏移校正 

为了校正整数频率偏移，有必要写一个用于在精细频率偏移校正之后所接收到的信号的等价系统模型。将保留的定时误差吸收到信道中，没有噪声的所接收到的信号具有以下结构： 

$r_f\left[n\right]=e^{j2\mathrm{\&pi;}\frac{\mathrm{nk}}{N_s}}\underset{l=0}{\overset{L_{\mathrm{ep}}}{\mathrm{\&Sigma;}}}g\left[l\right]s[n-l]$

其中n＝0，1，...，4N_t-1。整数频率偏移是k，而未知的等价信道是g[1]。 

方法3-改进的整数频率偏移校正：整数频率偏移是以下的解： 

$\hat{k}=\arg \underset{m=\mathrm{0,1},...,N_t-1}{\max }{r}^{*}D\left[k\right]S{(S*S)}^{-1}S*D{\left[k\right]}^{*}r$

其中： 

T＝D[k]Sg 

$D\left[k\right]:=\mathrm{diag}\{1,e^{j2\mathrm{\&pi;}\frac{n1}{N_t}},...,e^{j2\mathrm{\&pi;}\frac{n(4N_t-1)}{N_t}}\}$

$s:=\left[\begin{array}{ccccc}s\left[0\right]& s[-1]& ...& ...& s\left[{-L}_{\mathrm{cp}}\right]\\ s\left[1\right]& s\left[0\right]& s[-1]& ...& s[-L_{\mathrm{cp}}+1]\\ s[4N_t-1]& s[{4N}_t-2]& s[{4N}_t-3]& ...& s[4N_t-1-L_{\mathrm{cp}}]\end{array}\right]$

$g:=\left[\begin{array}{c}g\left[0\right]\\ g\left[1\right]\\ .\\ .\\ .\\ g\left[L_{\mathrm{cp}}\right]\end{array}\right]$

这给出了总的频率偏移的估计： 

$\widehat{\mathrm{\&epsiv;}}=\frac{\hat{k}}{N_t}+{\widehat{\mathrm{\&epsiv;}}}_f$

实际上，方法3具有很高的复杂性。为了降低复杂性，可以做出以下观察。首先，乘积S(S*S)^-1S可以被预计算。遗憾的是，这仍然留下了相当大的矩阵乘法。可替换的是采用具有所提出的训练序列的观察，S*S≈I。这产生了以下的降低的负载型的方法。 

方法4-低复杂性的改进的整数频率偏移校正： 

低复杂性的整数频率偏移估计器解出了 

$\hat{k}=\arg \underset{m=\mathrm{0,1},...,N_t-1}{\max }(S*D[k]*r)*(S*D[k]*r)$

iv.结果 

在该部分中，我们比较了不同的所提出的估计器的性能。 

首先，在图50中，我们比较了每种方法所需要的开销的量。注意两种新的方法将开销降低了10倍到20倍。为了比较不同的估计器的性能，MonteCarlo实验被执行。所考虑的设置是从具有3K符号每秒的符号率的线性调制构造的我们的通常的NVIS发送波形，对应于3KHz的通带带宽，以及上升的余弦脉冲成形。对于每个Monte Carlo实现，频率偏移从在[-f_max，f_max]上的均匀分布而生成。 

具有f_max＝2Hz的小的频率偏移且没有整数偏移校正的仿真在图51中被示出。可以从该性能比较中看出，具有N_t/M_t＝1的性能从原始估计器轻微降级，虽然实质上降低了开销。具有N_t/M_t＝4的性能更好，几乎是10dB。由于在整数偏移估计中的误差，所有曲线在低的SNR点经历了曲折。在整数偏移中的小的误差可以创建大的频率误差和大的拼接平方误差。整数偏移校正可以在小的偏移中被关闭以改进性能。 

在多路径信道存在的情况下，频率偏移估计器的性能一般降低。然而， 在图52中，关闭整数偏移估计器展现了非常好的性能。因此，在多路径信道中，在执行鲁棒的粗略校正之后的改进的精细校正算法是更重要的。注意，具有N_t/M_t＝4的偏移性能在多路径情况下好得多。 

本发明的实施方式可以包括上面所提出的各种步骤。所述步骤可以以机器可执行指令的方式实现，所述指令使得通用或专用处理器执行特定步骤。例如，在上面所述的基站/AP和客户装置内的各种组件可以被实施为在通用或专用处理器上执行的软件。为了避免模糊本发明的有关方面，诸如计算机存储器、硬盘、输入装置等的各种公知的个人计算机组件已经从图中省去。 

可替换地，在一个实施方式中，这里所示出的各种功能模块和相关步骤可以通过包含执行步骤的硬接线逻辑的专用硬件组件(例如专用集成电路 

(ASIC))或通过编程计算机组件和定制硬件组件的任意组合而被执行。 

在一个实施方式中，诸如上面描述的编码、调制和信号处理逻辑903的特定模块可以在可编程数字信号处理器(DSP)(或DSP组)上被实施，所述DSP例如使用德州仪器(Texas Instruments)的TMS320x架构的DSP(例如，TMS320C6000、TMS320C5000等)。在该实施方式中的DSP可以被嵌入在个人计算机的插件卡中，例如，PCI卡。当然，在符合本发明的基本原理的情况下，各种不同的DSP架构可以被使用。 

本发明的各种部件也可以被提供为用于存储机器可执行指令的机器可读介质。机器可读介质可以包括但不限于闪存、光盘、CD-ROM、DVD ROM、RAM、EPROM、EEPROM、磁卡或光学卡、传播媒介或适于存储电子指令的其它类型的机器可读介质。例如，本发明可以被下载为计算机程序，该计算机程序可以通过包含在载波或其它传播媒介的数据信号的方式经由通信链路(例如，调制解调器或网络连接)从远程计算机(例如服务器)传送到请求计算机(例如客户端)。 

遍及前述描述，为了解释的目的，许多特定细节被提出以提供本系统和 方法的全面理解。然而，对于本领域技术人员来说显而易见的是，系统和方法可以在没有这些特定细节中的一些的情况下被实现。因此，本发明的范围和实质应当根据所附权利要求被判断。 

此外，在前述描述中，许多文献被引用以提供本发明的更全面的理解。所有这些引用的参考文献通过参考被合并到本申请中。 

Claims (18)

1.一种用于在具有多用户MU发送的多天线系统MAS MU-MAS中补偿频率和相位偏移的方法，该方法包括： 

将来自基站的每个天线的训练信号发送到多个无线客户装置中的一个或每个无线客户装置，该客户装置中的一个或每个客户装置分析每个训练信号以生成频率偏移补偿数据，并在所述基站接收所述频率偏移补偿数据； 

基于所述频率偏移补偿数据来计算MU-MAS预编码器权重以预消除发射机处的频率偏移； 

使用所述MU-MAS预编码器权重来对所述训练信号进行预编码以生成针对所述基站的每个天线的预编码后的训练信号； 

将来自所述基站的每个天线的所述预编码后的训练信号发送到所述多个无线客户装置中的每一个无线客户装置，每个客户装置分析每个训练信号以生成信道特征数据，并在所述基站接收所述信道特征数据； 

基于所述信道特征数据来计算多个MU-MAS预编码器权重，该MU-MAS预编码器权重被计算来预消除频率和相位偏移和/或用户间的干扰； 

使用所述MU-MAS预编码器权重来对数据进行预编码以生成针对所述基站的每个天线的预编码后的数据信号；以及 

将所述预编码后的数据信号通过所述基站的每个天线发送到每个各自的客户装置。 

2.根据权利要求1所述的方法，其中所述基站是将所述无线客户装置耦合到广域网的接入点。 

3.根据权利要求1所述的方法，其中一个集中式发射机单元估计所有发射单元之间的频率偏移并预补偿所述偏移，或者分布式输入分布式输出 DIDO发射天线通过有线、光学的或无线网络来共享频率基准，其中在频率偏移估计步骤期间不需要预编码后的训练和用户的反馈。 

4.根据权利要求1所述的方法，其中由一个或多个用户长期执行训练预编码以降低反馈开销。 

5.根据权利要求1所述的方法，其中所述发射机或接收机估计所述频率偏移的改变率并决定训练预编码器的更新率。 

6.根据权利要求1所述的方法，其中数据预编码使用块对角化BD技术而被执行。 

7.根据权利要求1所述的方法，其中所述MU-MAS系统是分布式输入分布式输出DIDO通信系统，以及其中所述MU-MAS预编码器权重是DIDO预编码器权重。 

8.一种用于在具有多用户MU发送的多天线系统MAS MU-MAS中补偿同相正交I/Q不平衡的方法，该方法包括： 

将来自基站的每个天线的训练信号发送到多个无线客户装置中的每个无线客户装置，每个客户装置分析每个训练信号以生成信道特征数据，并在所述基站接收所述信道特征数据； 

基于所述信道特征数据来计算多个MU-MAS预编码器权重，该MU-MAS预编码器权重被计算来预消除由于I/Q增益和相位不平衡和/或用户间干扰带来的干扰； 

使用所述MU-MAS预编码器权重来对数据进行预编码以生成针对所述基站的每个天线的预编码后的数据信号；以及 

将所述预编码后的数据信号通过所述基站的每个天线发送到每个各自的客户装置。 

9.根据权利要求8所述的方法，其中所述基站是将所述无线客户装置耦合到广域网的接入点。 

10.根据权利要求8所述的方法，该方法还包括： 

使用零强制ZF接收机、最小均方误差MMSE接收机或最大似然ML接收机来在每个用户装置处解调数据流以抑制剩余干扰。 

11.根据权利要求8所述的方法，其中使用块对角化BD技术来执行预编码。 

12.根据权利要求8所述的方法，其中所述MU-MAS系统是分布式输入分布式输出DIDO通信系统，以及其中所述MU-MAS预编码器权重是DIDO预编码器权重。 

13.根据权利要求12所述的方法，其中所述预编码器权重被计算来消除用户间干扰而不是载波间干扰ICI，以及其中所述无线客户装置包括具有用于消除所述ICI的滤波器的接收机。 

14.一种用于动态适应具有多用户MU发送的多天线系统MAS MU-MAS的通信特性的方法，该方法包括： 

将来自基站的每个天线的训练信号发送到多个无线客户装置中的每个无线客户装置，该客户装置中的每个客户装置分析每个训练信号以生成信道特征数据，并在所述基站接收所述信道特征数据； 

使用所述信道特征数据来确定针对所述无线客户装置的瞬时或统计信道质量，即链路质量度量； 

基于所述链路质量度量来确定用户的子集和MU-MAS发送模式； 

基于所述信道特征数据来计算多个MU-MAS预编码器权重； 

使用所述MU-MAS预编码器权重来对数据进行预编码以生成针对所述基站的每个天线的预编码后的数据信号；以及 

将所述预编码后的数据信号通过所述基站的每个天线发送到所选择的子集内的每个各自的客户装置。 

15.根据权利要求14所述的方法，其中所述MU-MAS发送模式包括天线选择/分集或复用、调制/编码方案MCS以及阵列配置/几何结构的不同组合。 

16.根据权利要求14所述的方法，其中所述链路质量度量在时域、频域和/或空间域中被估计。 

17.根据权利要求14所述的方法，其中所述链路质量度量包括在所述客户装置所接收到的信号的信噪比SNR。 

18.根据权利要求14所述的方法，其中所述MU-MAS系统是分布式输入分布式输出DIDO通信系统，其中所述MU-MAS发送模式是基于所述链路质量度量的DIDO发送模式，以及其中所述MU-MAS预编码器权重是DIDO预编码器权重。 

Images