信道信息预测系统以及信道信息预测方法

摘要

提供一种信道信息预测系统，所述信道信息预测系统利用变换MIMOCSI中的低射线元素来计算第一预测滤波器系数。通过利用所获得的第一预测滤波器系数，系统执行第一预测，来预测无线信号的将来发射时的信道信息，并抑制包含在低射线元素中的分量。通过利用射线的分量被抑制的低射线分量，系统执行第二预测，来预测无线信号的将来发射时的信道信息。

权利要求

1.一种信道信息预测系统，被配置为在多天线传输系统中计算要用于抑制包含在所接收的无线信号中的干扰分量的预测滤波器系数，在所述多天线传输系统中，无线信号的发射机侧和接收机侧中的至少任意一个利用多根天线，所述信道信息预测系统包括：滤波器系数计算器，被配置为利用低射线元素来计算预测滤波器系数，所述低射线元素是多个天线至天线元素之中、包含在无线信号中的射线数目小于预定数目的天线至天线元素，每个所述天线至天线元素在发射侧的发射天线中的任意一个和接收侧的接收天线中的任意一个之间，所述天线至天线元素是由指示传播路径特性的信道信息来区分的；以及信道信息预测单元，被配置为通过利用由所述滤波器系数计算器计算的第一预测滤波器系数，来执行第一预测，以预测无线信号的将来发射时刻的信道信息，以及被配置为抑制包含在低射线元素中的射线的分量，其中，所述滤波器系数计算器通过利用射线的分量已被所述信道信息预测单元抑制的低射线分量，来计算第二预测滤波器系数，并且所述信道信息预测单元通过利用所述第二预测滤波器系数，来执行第二预测，以预测无线信号的将来发射时刻的信道信息。

2.根据权利要求1所述信道信息预测系统，其中，

所述信道信息预测单元将第二预测滤波器系数用作第一预测滤波器系数，来执行下一第一预测，并抑制射线的分量。

3.根据权利要求1或2所述的信道信息预测系统，其中，

所述滤波器系数计算器将射线数目最少的天线至天线元素用作低射线元素。

4.根据权利要求1或2所述的信道信息预测系统，其中，

所述信道信息预测单元基于预测滤波器系数，抑制包含在与低射线元素不同的另一天线至天线元素内的射线的分量，并通过利用射线的分量被抑制的所述天线至天线元素，来预测无线信号的将来发射时刻的信道信息。

5.一种在多天线传输系统中计算要用于抑制包含在所接收的无线信号之中的干扰分量的预测滤波器系数的信道信息预测方法，在所述多天线传输系统中，无线信号的发射侧和接收侧中的至少任意一个利用多根天线，所述信道信息预测方法包括步骤：利用低射线元素来计算预测滤波器系数，所述低射线元素是多个天线至天线元素之中、包含在无线信号中的射线数目小于预定数目的天线至天线元素，每个所述天线至天线元素在发射侧的发射天线中的任意一个和接收侧的接收天线中的任意一个之间，所述天线至天线元素是由指示表示传播路径特性的信道信息来区分的；

通过利用所计算的第一预测滤波器系数，来执行第一预测，以预测无线信号的将来发射时刻的信道信息，以及抑制包含在低射线元素中的射线的分量；

通过利用射线的分量被抑制的低射线分量，来计算第二预测滤波器系数；以及通过利用所述第二预测滤波器系数，来执行第二预测，以预测无线信号的将来发射时刻的信道信息。

说明书

信道信息预测系统以及信道信息预测方法

技术领域

[0001] 本发明涉及信道信息预测系统以及信道信息预测方法，在多天线传输系统中计算要用于抑制包含在所接收的无线信号中的干扰分量的预测滤波器系数。

背景技术

[0002] 近年来，实现了多天线传输系统，其中，发射机和接收机使用多根天线来发射和接收无线信号，以提高无线频率的使用效率。一般而言，在多天线传输系统中引入多入多出(MIMO)技术。

[0003] 在此类多天线传输系统中，可以在发射机侧利用时分双工中传播路径的可逆性，或利用频分双工(FDD)中的反馈信道来估计在MIMO环境中指示接收机侧传输路径特性的信道信息(以下，根据需要简称为MIMO CSI)。相应地，已知一种利用过去以及当前MIMO CSI来预测将来(即，在发射下一个无线信号时)的MIMO CSI的方法(参考非专利文献1和非专利文献2)。

[0004] 此外，信道信息预测采用通过使用根据最小均方误差(MMSE)准则计算的预测滤波器系数来抑制所接收的无线信号中的干扰分量的方法。

[0005] 非专利文献1：T.Eyceoz，S.Hu和A.Duel-Hallen，“Performance Analysis of Long Range Prediction for Fast Fading Channels，”Proc.Of 33rd Annual Conf.On Inform.Sciences and Systems CISS’99，Vol.II，pp.656-661，March 1999.[0006] 非 专 利 文 献 2：T.Svantesson，A.L.Swindlehurst，“A Performance Bound for prediction of MIMO Channels”，IEEE Trans.Signal Process.，vol 54，no.2，pp.520-529，February 2006.

发明内容

[0007] 然而，上述传统MIMO CSI预测方法具有如下问题。具体而言，当所接收的无线信号中包含干扰分量，具体而言，许多射线(一条传播路径上存在的反射波)时，存在未充分提高MIMO CSI的预测性能的问题。

[0008] 相应地，本发明是鉴于上述情况做出的，并且本发明的目的在于，提供信道信息预测系统以及信道信息预测方法：所述系统和方法用于多天线传输系统，其中，计算要用于抑制包含在所接收的无线信号中的干扰分量的预测滤波器系数，以预测信道信息；并且所述系统和方法进一步提高了信道信息的预测性能。

[0009] 本发明具有如下特征以解决上述问题。首先，本发明的第一特征可总结为：一种信道信息预测系统(信道信息预测系统10)，被配置为在多天线传输系统(多天线传输系统1)中计算要用于抑制包含在所接收的无线信号中的干扰分量的预测滤波器系数，在所述多天线传输系统中，无线信号的发射侧(发射机100)和接收侧(接收机200)中的至少任意一个利用多根天线(发射天线#1至#T，或接收天线#1至#R)，所述信道信息预测系统包括：
滤波器系数计算器(预测滤波器系数计算器95)，被配置为利用低射线元素，来计算预测滤波器系数，所述低射线元素是多个天线至天线元素之中、包含在无线信号中的射线数目小于预定数目的天线至天线元素，每个所述天线至天线元素在发射侧的发射天线中的任意一个和接收侧的接收天线中的任意一个之间，所述天线至天线元素是由指示传播路径特性的信道信息来区分的；以及信道信息预测单元(线性预测单元96)，被配置为通过利用由所述滤波器系数计算器计算的第一预测滤波器系数，执行第一预测，来预测无线信号的将来发射时刻的信道信息，以及被配置为抑制包含在低射线元素中的射线的分量，其中，所述滤波器系数计算器通过利用射线的分量被所述信道信息预测单元抑制的低射线分量，来计算第二预测滤波器系数，并且所述信道信息预测单元通过利用所述第二预测滤波器系数，执行第二预测，来预测无线信号的将来发射时刻的信道信息。

[0010] 这样的信道信息预测系统利用低射线元素的第一预测滤波器系数，来执行预测，以抑制包含在低射线元素中的射线的分量。接着，在将包含在低射线元素中的射线的分量抑制之后，计算第二预测滤波器系数，并利用第二预测滤波器系数，来执行预测。作为结果，抑制了射线的效果，并且提高了信道信息的预测性能。

[0011] 本发明的第二特征根据本发明的第一特征，并且可总结为在于：所述信道信息预测单元将第二预测滤波器系数用作第一预测滤波器系数，来执行下一第一预测，并抑制射线的分量。

[0012] 本发明的第三特征根据本发明的第一或第二特征，并且可总结为在于：所述滤波器系数计算器将射线数目最少的天线至天线元素用作低射线元素。

[0013] 本发明的第四特征是根据本发明的第一或第二特征，并且可总结为在于：所述信道信息预测单元基于预测滤波器系数，抑制包含在与低射线元素不同的另一天线至天线元素内的射线的分量，并通过利用射线的分量被抑制的所述天线至天线元素，来预测无线信号的将来发射时刻的信道信息。

[0014] 本发明的第五特征可总结为：一种在多天线传输系统中计算要用于抑制包含在所接收的无线信号之中的干扰分量的预测滤波器系数的信道信息预测方法，在所述多天线传输系统中，无线信号的发射侧和接收侧中的至少任意一个利用多根天线，所述信道信息预测方法包括步骤：利用低射线元素来计算预测滤波器系数，所述低射线元素是多个天线至天线元素之中、包含在无线信号中的射线数目小于预定数目的天线至天线元素，每个所述天线至天线元素在发射侧的发射天线中的任意一个和接收侧的接收天线中的任意一个之间，所述天线至天线元素是由指示表示传播路径特性的信道信息来区分的；通过利用所计算的第一预测滤波器系数，来执行第一预测，以预测无线信号的将来发射时刻的信道信息，以及抑制包含在低射线元素中的射线的分量；通过利用射线的分量被抑制的低射线分量，来计算第二预测滤波器系数；以及通过利用所述第二预测滤波器系数，来执行第二预测，以预测无线信号的将来发射时刻的信道信息。

[0015] 本发明的特征能够提供信道信息预测系统和信道信息预测方法：所述系统和方法用于多天线传输系统中，其中，计算要用于抑制包含在所接收的无线信号中的干扰分量的预测滤波器系数，以预测信道信息；并且所述系统和方法能够进一步提高信道信息的预测性能。

附图说明

[0016] 图1示出了根据本发明实施例的多天线传输系统的示意配置的总体视图。

[0017] 图2示出了根据本发明实施例的MIMO CSI的估计时刻和发射时刻之间的关系。

[0018] 图3是示出了根据本发明实施例的信道预测单元的配置的功能框图。

[0019] 图4是用于阐释根据本发明实施例的信道预测单元的功能的概念图。

[0020] 图5是示出了根据本发明实施例的多天线传输系统的总体操作的流程图。

[0021] 图6是示出了根据本发明实施例的信道预测单元的操作的流程图。

[0022] 图7是示出了当天线数目是4×4并且预测滤波器的阶数是20时的预测特性的图。

[0023] 图8是示出了变换MIMO CSI的各分量的RMSE特性的图。

[0024] 图9是示出了当天线数目为2×2至5×5时的特性的图。

[0025] 图10是示出了当假定天线数目是4×4以及延迟时间是10ms时RMSE特性相对于滤波器系数阶数的的图。

具体实施方式

[0026] 接下来，对本发明的实施例进行描述。具体地，给出了有关(1)总体示意配置、(2)信道模型、(3)波束空间线性预测处理的概述、(4)信道预测单元的配置、(5)波束空间线性预测处理的细节、(6)多天线传输系统的操作、(7)效果、以及(8)其它实施例的描述。

[0027] 在下面的附图说明中，用相同的或类似的参考数字来表示相同的或类似的部分。应当注意的是，附图仅仅是示意性示出的，并且尺寸比例等等与实际有所不同。

[0028] (1)总体示意配置

[0029] 图1示出了根据本实施例的多天线传输系统1的示意配置的总体视图。如图1所示，多天线传输系统1包括发射机100、接收机200、以及信道信息预测系统10。

[0030] 在图1的示例中，与发射机100以及接收机200相分离地提供信道信息预测系统10。然而，信道信息预测系统10可以被提供给发射机100和接收机200中的任意一个，或分布在发射机100和接收机200中。信道信息预测系统10通过使用指示发射机100和接收机200之间的传输路径特性的变换矩阵和MIMO CSI，来计算将来的MIMO CSI的预测值(以下，根据需要简称为MIMO CSI预测值)。

[0031] 例如，在无线基站和无线终端的任意一个中提供发射机100，在另一个中提供接收机200。在本实施例中，假定在无线终端中提供接收机200。在下面的说明中，假定传播路径4由于接收机200的运动或在发射机100和接收机200之间存在的散射体的运动而变化。

[0032] 在本实施例中，在发射机100和接收机200的每一个中提供多天线。具体地，发射机100包括发射处理器2以及多个发射天线#1至#T(T≥2)。发射天线#1至#T构成天线阵列。发射处理器2对传输数据进行控制，例如，自适应调制控制、或通过基于要从信道信息预测系统10获得的MIMO CSI预测值进行预编码来执行发射波束形成。

[0033] 接收机200接收由发射机100通过传播路径4发射的无线信号。接收机200包括接收处理器6以及多个接收天线#1至#R(R≥2)。接收天线#1至#R构成天线阵列。接收处理器6对通过接收机#1至#R接收的无线信号(接收信号)进行解调，并输出接收数据。

[0034] 信道信息预测系统10包括信道估计单元8和信道预测单元9。信道估计单元8基于接收信号估计当前MIMO CSI。MIMO CSI被表示为由多个天线至天线元素组成的矩阵，其中，天线至天线元素由发射机100中的一个发射天线与接收机200中的一个接收天线之间的传输路径特性来区分。

[0035] 信道预测单元9基于由信道估计单元8估计的当前MIMO CSI以及过去MIMO CSI，通过波束空间线性预测处理，来计算MIMO CSI预测值。换言之，预测发射机100中下一发射时刻的MIMO CSI。

[0036] 信道预测单元9按照以下方式来得到MIMO CSI的预测值(MIMO CSI预测值)：对通过利用变换矩阵将MIMO CSI进行变换所得到的变换MIMO CSI执行估计，并对变换MIMO CSI的结果预测值进行逆变换。具体地，针对通过将MIMO CSI与变换矩阵相乘所得到的变换MIMO CSI的每个元素，执行基于自回归(AR)模型的线性预测(AR-LP)。

[0037] (2)信道模型

[0038] 仍参考图1，对要应用于本发明实施例的信道模型进行说明。

[0039] 在无线通信中，发射机100辐射的电波(无线信号)在通过多条传播路径(多径)到达接收机200之前，被多个散射体反射。每个反射波称为一条射线，并且多径传播路径4由射线的叠加所表示。

[0040] 在近年来已经成为主流的OFDM系统中，每个子载波是一个足够窄的频带。因此，在本实施例中，假定可以忽略各条路径的延迟时间差的平坦衰落环境。如果接收机200或散射体正在移动，那么各条射线将经受多普勒频移。射线l的多普勒频率数由下式给出：

[0041] [式1]

[0042]

[0043] 其中，v是接收机200的移动速度，λ是波长，θl是接收机200的移动方向与射线的到达角之间的夹角。相应地，时刻t的多径传播路径4可以使用L条射线由下式来表示：

[0044] [式2]

[0045]

[0046] 其中，αl是射线l的复数散射因子。此后，当对每条射线添加空间方向时，该式可以被扩展为下面的MIMO多径传播路径表达式：

[0047] [式3]

[0048]

[0049] 其中，αr，l以及αt，l分别是对于射线l的接收/发射阵列响应向量，并且其尺寸是接收天线数目R和发射天线数目T。当假设天线单元之间的间隔d是等间隔线性阵列天线时，射线l的传输阵列响应向量可以由下式来表示：

[0050] [式4]

[0051]

[0052]

[0053] 其中，Φt，l是射线l的离开方向(以下，简称DoD)。利用矩阵表示可以将式(3)表示为下式：

[0054] [式5]

[0055]

[0056]

[0057] X＝diag(α1，α2，…，αL) (8)

[0058]

[0059] Ar和At的尺寸分别是R×L和T×L，Ar和At是L条射线的接收和发射阵列响应的集合。由于噪声影响，所估计的MIMO CSI包含差错。因此，该式可以表示如下：

[0060] [式6]

[0061]

[0062] (3)波束空间线性预测处理的概述

[0063] 下面，对本实施例中常用的AR-LP以及波束空间变换进行描述。

[0064] (3.1)基于AR模型的线性预测(AR-LP)

[0065] 在许多信道预测中，常用的方法是假定信道因子服从AR模型。通过利用信道的自相关特性中的旁瓣来实现AR-LP。图2示出了MIMO CSI估计时刻以及发射时刻之间的关系。

[0066] 基于过去的P个MIMO CSI以及按间隔ΔTs估计的h^(tn-1)～h^(tn-p)，由下式表示1抽头AR-LP预测(τ＝ΔTs)：

[0067] [式7]

[0068]

[0069] 其中，d(j)是线性预测滤波器系数。最优滤波器系数d＝[d(1)...d(P)]将预测值的均方根误差最小化，并由下式给出：

[0070] [式8]

[0071] d＝R-1r (12)

[0072] 其中，R是具有因子Rij＝E[h(tn-1)h*(tn-j)]的自相关矩阵，以及r是具有因子rj＝E[h(tn)h*(tn-j)]的自相关向量。

[0073] 在本实施例中，过去的MIMO CSI用于通过采样均值计算自相关矩阵和自相关向量。在多抽头预测(τ＞ΔTs)的情况下，通过将预测值用于滤波器输入，重复进行预测。

[0074] (3.2)波束空间变换

[0075] 如果无限数目的射线构成瑞利衰落，其自相关特性由第一类零阶贝塞尔函数表示。相反，在实际环境中，尤其是在预期终端移动的户外环境中，消耗大功率的有限数目射线的效果对信道变化是主要的。

[0076] 在这种情况下，自相关特性的旁瓣具有大得多的值。这在主要射线的数目较小时更明显。如果主要射线的数目被设定为L，MIMO信道的所有分量都会受这L条射线的影响。

[0077] 因此，如果对按照下式估计的MIMO CSI进行变换，将每个分量中存在的射线的数目降低，将提高预测性能。

[0078] [式9]

[0079]

[0080] 其中，Wr和Wt分别是R×R和T×T的接收机侧和发射机侧变换矩阵。按照下式对变换MIMO CSI的每个分量执行AR-LP，并且执行逆变换，从而得到MIMO CSI的预测值(MIMO CSI预测值)：

[0081] [式10]

[0082]

[0083] 其中，Y^(t+Γ)是变换MIMO CSI中的预测值。

[0084] (4)配置信道预测单元

[0085] 图3是示出了信道预测单元9的配置的功能框图。

[0086] 如图3所示，信道预测单元9包括：方向估计单元91、阵列响应矩阵计算器92、变换矩阵计算器93、CSI变换器94、预测滤波器系数计算器95、线性预测单元96和预测CSI逆变换器97。

[0087] 方向估计单元91利用方向估计技术来估计无线信号(射线)的到达方向(DoA)和离开方向(DoD)。阵列响应矩阵计算器92根据方向估计单元91估计的到达方向(DoA)和离开方向(DoD)，来计算阵列响应矩阵。例如，如果使用ESPRIT算法作为方向估计技术，得到射线的到达方向，并由到达方向得到天线阵列的阵列响应。该阵列响应与射线的到达方向相关。可选地，如果使用最小范数解作为方向估计技术，那么得到的不是阵列响应，而是与到达方向相关的阵列权重。

[0088] 变换矩阵计算器93基于天线阵列的阵列响应或阵列权重，来计算变换矩阵。优选地，变换矩阵具有条件良好(即小)的矩阵范数和逆矩阵范数的积。在本实施例中，使用酉矩阵作为变换矩阵。

[0089] 如果根据由方向估计单元91估计的到达方向计算出阵列响应矩阵，那么变换矩阵计算器93对所计算的阵列响应矩阵执行QR分解，并且使用QR分解所得的酉矩阵作为变换矩阵。

[0090] CSI变换器94将信道估计单元8估计的MIMO CSI与变换矩阵计算器93计算的变换矩阵相乘，来获得变换MIMO CSI。在变换MIMO CSI中，与MIMO CSI相比，分量中的射线的数目减少了。

[0091] 例如，如图4(a)所示，如果发射机100和接收机200各包括两根天线，并且存在三条射线#1至#3，那么信道估计单元8估计的MIMO CSI是如图4(b)所示的矩阵。在图4(b)所示的MIMO CSI中，MIMO CSI的独立分量(h11，h12，h21，h22)包括射线#1至#3的效果。

[0092] 对于图4(b)所示的MIMO CSI，乘以由变换矩阵计算器93计算的变换矩阵WrH和Wt，从而得到图4(c)所示的变换MIMO CSI。在图4(c)所示的变换MIMO CSI中，分量y22受射线#1的影响，分量y21受射线#1和#2的影响，分量y12受射线#1和#3的影响，以及分量y11受射线#1至#3的影响。

[0093] 预测滤波器系数计算器95利用变换MIMO CSI分量中射线数目最小的低射线元素，来计算预测滤波器系数。对于低射线元素，由于射线数目小，高精度的预测是可能的。在图4(c)所示的示例中，分量y22是射线数目最小的低射线分量。线性预测单元96对于低射线元素使用预测滤波器系数，来执行信道预测。

[0094] 之后，如图4(d)所示，预测滤波器系数计算器95以及线性预测单元96利用分量y22的预测滤波器系数，对射线数目次小的y12，执行信道预测。不仅针对预测目标时刻而且还针对估计时刻执行信道预测。接着，从分量y12中减去由信道预测得到的针对估计时刻的预测值，从而在分量y12中抑制了射线#1的分量。

[0095] 此外，对于射线#1的分量被抑制的分量y12，计算预测滤波器系数，并计算预测值。将该预测值与利用分量y12的预测滤波器系数通过信道预测得到的预测值相加。对分量y21和y11也重复应用此类处理(以下，根据需要称为串行消除器(SC))。作为结果，得到变换MIMO CSI的分量(y11，y12，y21，y22)的预测值。

[0096] 预测CSI逆变换器97通过将如此得到的变换MIMO CSI的预测值进行逆变换，来计算MIMO CSI预测值。

[0097] (5)波束空间线性预测处理的细节

[0098] 现在，对根据本实施例的变换矩阵以及线性预测方法进行描述。在本实施例中，假定通过对于所估计的MIMO CSI利用方向估计技术，R-1条射线和T-1条射线的DoA/DoD估计的每一个是可能的。

[0099] (5.1)基于DoA/DoD的波束空间的变换矩阵(DBS)

[0100] 现在假定变换矩阵，该变换矩阵可以基于所估计的射线DoA/DoD减少变换MIMO CSI的各分量中存在的射线的数目，并且是条件良好的。

[0101] 首先，假定可以按照从幅度最大的一个开始的顺序估计R-1条射线的DoA。换言之，

[0102] [式11]

[0103] |α1|≥|α2|≥Λ≥|αR-1|≥Λ≥|αL| (15)

[0104] 在上面的等式中，假定得到了信息 由该DoA，可以按照下式得到R×(R-1)的接收阵列响应余子式。

[0105] [式12]

[0106] Ar，R＝[ar，1 ar，2 Λ ar，R-1] (16)

[0107] 当该逆矩阵被用作变换矩阵时，接收阵列响应余子式是对角化的，并且变换MIMO CSI的各分量中存在的射线的数目降低了。然而，该逆矩阵通常变为条件不良矩阵。因此，对式(16)进行QR分解，从而将式(16)分解为由下式表示的R×R酉矩阵和R×(R-1)的上三角矩阵的积。

[0108] [式13]

[0109] Ar，R＝QrRr (17)

[0110] 酉矩阵的条件数目是最佳的，并且不会放大噪声。因此，当Qr被用作接收机侧变换矩阵时，可以将接收机侧阵列响应余子式变换为上三角矩阵Rr。然后，用Qr的第R列变换MIMO CSI，得到变换MIMO CSI。射线l至R-1被抑制为空。因此，假定可以由另一射线估计T-1个DoD。换言之，在变换后的射线幅度中，

[0111] [式14]

[0112]

[0113] 在上式中，假定得到了信息 至 对于发射机侧，当执行与接收机侧类似的处理时，该式分解成由下式表示的(T-1)×T的下三角矩阵与T×T的酉矩阵的积。

[0114] [式15]

[0115]*

[0116] 当Qt 被用作发射机侧的变换矩阵时，按照下式将MIMO CSI进行变换。

[0117] [式16]

[0118]

[0119]

[0120]

[0121]

[0122]

[0123]

[0124]

[0125] 利用这些等式，可以看到，变换使得右下分量中存在的射线的数目变小。

[0126] 如上所述形成将空值指示给所估计的DoA和DoD的波束空间，降低在变换MIMO CSI的各分量中存在的射线的数目，并且降低信道变化的复杂度，从而提高预测性能。在最后的分析中，将变换MIMO CSI的预测值进行逆变换，从而得到MIMO CSI的预测值(MIMO CSI预测值)。

[0127] 应当注意的是，在对于基于DoA/DoD的波束空间的矩阵变换(DBS)的描述中，对于假设可以按照从幅度最大的一个开始的顺序估计R-1条射线的DoA的情况给出了描述。然而，除此以外，在估计之前，在假定可以按照从幅度最大的的一个开始估计R-1条射线的DoA的情况下，当执行MIMO CSI变换时，作为结果，得到变换MIMO CSI。

[0128] (5.2)引入串行消除器(SC)的线性预测

[0129] 另一方面，阵列响应余子式是非对角化的，而仅仅是三角化的。相应地，变换MIMO CSI的左上分量中存在的射线的数目不会减少很多。因此，未充分提高预测性能。

[0130] 现在观察式(20)的第三项，所有分量中都包含射线R+T-1至L。相反地，(R，T)分量仅仅包含那些射线。因此，使用针对(R，T)分量计算的线性预测滤波器系数，从而移除包含在另一分量中的那些射线分量。下面将对此进行详细描述。为了描述简单起见，省略了噪声分量。首先，将针对(R，T)分量计算的线性预测滤波器系数设置为dR，T。接着，利用该滤波器系数对(R-1，T)执行线性预测，从而得到下式。

[0131] [式17]

[0132]

[0133]

[0134]

[0135] 其中，[·]x，y表示矩阵的(x，y)分量。为了描述简单起见，当假定对于目标射线，线性预测是理想的情况下，第二项是包含在(R-1，T)中的射线R+T-1至L的复制。因此，还执行与CSI估计时刻相对应的线性预测，并且当从所估计的值中减去预测值时，[0136] [式18]

[0137]

[0138]

[0139]

[0140] 得到上式。该信号只受射线R-1的影响，从而可以预期高性能的AR-LP。在式(25)中对CSI执行AR-LP，当假定得到下一预测值

[0141] [式19]

[0142]

[0143] 时，(R-1，T)分量的最终预测值如下。

[0144] [式20]

[0145]

[0146] 当将上述预测过程一般化为(Ra，Ta)分量的线性预测时，得到下式：

[0147] [式21]

[0148]

[0149]

[0150]

[0151] 其中，

[0152] [式22]

[0153] 对于()，使用它是为了确保在通过发射机侧变换矩阵将空值指示给在接收机侧估计其DoA的射线的情况下的操作。理想地，最多对L-R-T+2条射线执行AR-LP，从而可以预期能够提高预测性能。

[0154] (6)多天线传输系统的操作

[0155] 下面对多天线传输系统1进行描述。

[0156] (6.1)总体操作

[0157] 图5是示出了多天线传输系统1的总体操作的流程图。

[0158] 在步骤S100，接收机200的接收处理器6对由接收天线#1至#R接收的无线信号(接收信号)进行解调，并输出接收数据。

[0159] 在步骤S200，信道估计单元8估计MIMO CSI。

[0160] 在步骤S300，信道预测单元9通过波束空间线性预测处理，来计算MIMO CSI预测值。

[0161] 在步骤S400，发射机100对发射数据进行控制，例如，自适应调制控制、或通过基于信道预测单元9计算的MIMO CSI预测值进行预编码来执行发射波束形成。

[0162] (6.2)信道预测单元的操作

[0163] 图6是示出了信道预测单元9的操作的流程图。

[0164] 在步骤S301，方向估计单元91利用方向估计技术，来估计射线的到达方向(DoA)和离开方向(DoD)。

[0165] 在步骤S302，阵列响应矩阵计算器92根据由方向估计单元91估计的DoA/DoD，来计算阵列响应矩阵。

[0166] 在步骤S303，变换矩阵计算器93根据由阵列响应矩阵计算器92计算的阵列响应矩阵，来计算变换矩阵。

[0167] 在步骤S304，CSI变换器94将由信道估计单元8估计的MIMO CSI和由矩阵计算器93计算的变换矩阵相乘，来得到变换MIMO CSI。

[0168] 此后，开始循环A和循环B。循环A是不断重复直到对变换MIMO CSI的每个分量的处理结束为止的循环。例如，在4根发射天线和2根接收天线的情况下，处理持续4×2＝8次。

[0169] 循环B是利用所计算的预测滤波器系数的循环。例如，在图4(d)中，对分量y22省略了该循环，对分量y12和y21执行一次该循环，对分量y11执行两次该循环。预测处理起始于变换MIMO CSI中的低射线元素(组成)。因此，首先描述步骤S307至S309。

[0170] 在步骤S307，预测滤波器系数计算器95对变换MIMO CSI中的预测目标的分量，计算预测滤波器系数。

[0171] 在步骤S308，线性预测单元96利用由预测滤波器系数计算器95计算的预测滤波器系数，来对变换MIMO CSI中的预测目标的分量，执行线性预测。

[0172] 在步骤S309，线性预测单元96通过线性预测，对变换MIMO CSI中的预测目标的分量，计算预测值。

[0173] (第一预测)

[0174] 在步骤S305，线性预测单元96利用在步骤S307计算的预测滤波器系数，对将成为变换MIMO CSI中下一个预测目标的分量，执行线性预测。应当注意的是，不仅在预测时刻(将成为预测目标的未来时刻)还在估计时刻(对MIMO CSI进行估计的时刻)执行该线性预测。

[0175] 在步骤S306，线性预测单元96通过从将成为下一个预测目标的分量中，减去利用所计算的预测滤波器系数获得的预测值(针对估计时刻的MIMO CSI的预测值)，来抑制将成为下一个预测目标的分量中射线的数目。

[0176] (第二预测)

[0177] 再次，在步骤S307，预测滤波器系数计算器95对具有被抑制的射线的数目的、将成为下一个预测目标的分量，计算预测滤波器系数。

[0178] 在步骤S308，线性预测单元96通过使用预测滤波器系数，对具有被抑制的射线数目的、将成为下一个预测目标的分量进行线性预测，来计算预测值。

[0179] (最终预测)

[0180] 在步骤S309，线性预测单元96对将成为下一个预测目标的分量加上利用所计算的预测滤波器系数得到的预测值(通过第一预测得到的预测值)，以及射线被抑制之后得到的预测值(通过第二预测得到的预测值)，从而得到对于将成为下一个预测目标的分量的最终预测值。

[0181] 如上所述，计算对于MIMO CSI的每个分量的预测值。

[0182] 在步骤S310，预测CSI逆变换器97通过对变换MIMO CSI的每个分量的预测值进行逆变换，来计算MIMO CSI预测值。

[0183] (7)效果

[0184] 通过使用比较示例，来描述本实施例所取得的效果。具体地，通过相互比较，对下面的信道预测方法(a)至(d)进行描述。

[0185] (a)基于AR-LP的线性预测的方法：AR模型，但是不使用波束空间变换矩阵(传统技术1)。

[0186] (b)基于BS-AR的线性预测的方法：AR模型，并且使用简单的波束空间变换矩阵(传统技术2)。

[0187] (c)基于DBS-AR的线性预测的方法：AR模型，并且使用基于DoA/DoD的波束空间变换矩阵(DBS)。

[0188] (d)基于DBS-ARw/SC的线性预测的方法：AR模型，并且使用基于DoA/DoD的波束空间变换矩阵(DBS)，并实现串行消除器(本实施例)。

[0189] 通过计算机仿真评估上述方法。通过均方根误差(RMSE)来评估针对延迟时间τ的信道预测误差，均方根误差由下式定义：

[0190] [式23]

[0191]

[0192]

[0193] 其中，‖·‖F表示Frobenious范数。而且，估计CSI的信噪比(SNR)由下式定义。

[0194] [式24]

[0195]

[0196] 评估执行1000次快照。在每次快照中，按照具有复数散射因子均值为0的复高斯分布以及按照360度均匀分布的1分布，随机设置每条射线的DoA/DoD和接收机200的移动方向。假定所设置的参数在快照中保持恒定。假定射线的数目为10，最大多普勒频率是100Hz，并且CSI的估计速率是500Hz。通过从1000个样本中获得的所估计的CSI，来计算预测滤波器系数，并且在后续100个样本CSI中对预测误差进行评估。所估计的CSI的SNR被设置为30dB。

[0197] 图7示出了当天线数目是4×4并且预测滤波器的阶数是20时的预测特性。

[0198] 与传统AR-LP相比，在简单的SB-AR中，通过降低射线的数目提高了预测性能。当使用根据本实施例的变换矩阵时，通过主动降低射线的数目，提高了预测性能。然而，在左上分量中，并没有充分地减少射线的数目。因此，并没有很大地改善针对延迟时间的恶化程度。相反，当引入串行消除器时，显著地提高了针对延迟时间增加的预测性能特性。

[0199] 图8示出了变换MIMO CSI的每个分量中的RMSE特性。

[0200] 仅仅使用根据本发明的变换矩阵，在左上分量中预测性能并没有得到提高。然而，在串行消除器的指示下，在任何分量中，都极大地提高了预测性能。

[0201] 图9示出了当天线数目为2×2至5×5时的特性。

[0202] 当仅仅执行波束空间变换时，不能获得高预测性能，除非在某种程度地增加天线数目。相反，当引入串行消除器时，即使在天线数目很小时，也获得了很好的改进效果。

[0203] 图10示出了当假定天线数目是4×4以及延迟时间是10ms时，相对于滤波器系数阶数的RMSE特性。

[0204] 在简单波束空间变换的情况下，当在特定波束空间中包含许多射线在内时，未充分提高预测性能。相反，采用本实施例，通过有效减少射线数目，对于较小数目的射线执行每个AR-LP，从而即使在较小阶数的情况下，也能取得很好的预测性能。

[0205] (8)其它实施例

[0206] 如上所述，通过上述实施例，对本发明的内容进行了公开。然而，不应理解为，构成了本公开的一部分的说明书和附图是用于限制本发明的。对于本领域的技术人员而言，根据本公开，各种可选实施例是显而易见的。

[0207] 在上述实施例中，给出了有关使用基于DoA/DoD的波束空间变换矩阵(DBS)并引入串行消除器(SC)的方法的描述。然而，当然地，即使当使用简单的波束变换矩阵时，也可以引入串行消除器(SC)。

[0208] 例如，在上述实施例中，给出了关于发射机100和接收机200各自具有多个天线的系统配置的描述。然而，本发明还可以应用于发射机100具有一根天线而接收机200具有多根天线的SIMO系统中，或发射机100具有多根天线而接收机200具有一根天线的MISO系统中。

[0209] 此外，在上述实施例中，使用酉矩阵作为变换矩阵，但是变换矩阵可以是除了酉矩阵以外的其它矩阵，只要该矩阵条件良好。应当注意的是，“条件良好”指下面的情况。具体地，矩阵A的条件数目定义为：

[0210] [式25]

[0211] κ(A)＝‖A‖·‖A-1‖ (32)

[0212] 其中，‖·‖表示矩阵的范数。例如，在Euclidean范数的情况下，如果条件数目为5或更少，则是“条件良好”；如果条件数目大于5，则“条件不良”。在酉矩阵的情况下，在两种情况下Euclidean范数都为1，并且条件数目也为1，这意味着“条件良好”。

[0213] 如此所述，本发明当然包括未在此进行描述的各种实施例。因此，本发明的技术范围仅仅由根据源于上述描述的适当的权利要求范围的本发明的特定主题所定义。

[0214] 应当注意的是，(2008年2月27日提交的)日本专利申请No.2008-46928的全部内容并入于此作为参考。

[0215] 工业实用性

[0216] 如上所述，根据本发明的信道信息预测系统以及信道信息预测方法能够进一步提高信道信息的预测性能，从而在诸如移动通信等无线通信是有用的。