真儀的輸入數據矢量計算裝置。
[0045] 本發明實施例提供的信道仿真儀的輸入數據矢量計算方法、裝置及信道仿真儀， 通過對信道矩陣進行降秩處理，將總的復雜計算分為兩項簡單計算，降低了信道仿真儀在 計算過程中的數據計算量，同時還可W降低信道仿真儀的設計成本。當然，實施本發明的任 一產品或方法并不一定需要同時達到W上所述的所有優點。
【附圖說明】
[0046] 為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可W 根據運些附圖獲得其他的附圖。
[0047] 圖1為本發明實施例提供的信道仿真儀的輸入數據矢量計算方法的流程圖；
[004引圖2為本發明實施例提供的信道仿真儀的輸入數據矢量計算裝置的結構示意圖。
【具體實施方式】
[0049] 下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發明的一部分實施例，而不是全部的實施例。基 于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其 他實施例，都屬于本發明保護的范圍。
[0050] 實施例一
[0051] 如圖1所述，為本發明實施例提供的信道仿真儀的輸入數據矢量計算方法的流程 圖，該計算方法的原理為:通過對信道矩陣進行降秩處理，W降低維度，從而降低了數據計 算量。該方法包括：
[0052] S110,當獲得輸入數據矢量時，對信道仿真儀的信道矩陣中的與低秩全相關矩陣 的秩的數量相同的信道向量和輸入數據矢量進行卷積，得到卷積項;其中，低秩全相關矩陣 為:對用于描述信道空間統計特征的信道全相關矩陣進行降秩處理所得的矩陣，信道全相 關矩陣為:根據信道仿真儀的信道矩陣中的信道向量計算所得的矩陣。
[0053] 在本實施例中，信道仿真儀的信道矩陣可W根據現有技術中的計算方法得到，根 據信道仿真儀的信道矩陣中的信道向量計算得到信道全相關矩陣的具體實現方式為：
[0054]首先，對信道矩陣
進行向量展 開，記作h = vec化），得離
，其中，h為信道仿真儀輸入端口和輸 出端口之間的信道向量，其維度為麗X 1。
[005日]然后，根據公??
計算信道全相關矩 陣;其中，R為信道全相關矩陣，用于描述ΜΙΜΟ信道的空間統計特征，其維度為ΜΝΧΜΝ,Ε為期 望運算符。
[0056]進一步地，對用于描述信道空間統計特征的信道全相關矩陣進行降秩處理，得到 低秩全相關矩陣的具體實現方式包括：
[0057] 步驟一，對信道全相關矩陣進行SVD(Singula;r化lue Decomposition,奇異值分 解)處理，得到截斷SVD分解矩陣W及截斷SVD分解矩陣的秩。
[005引通常情況下，信道全相關矩陣R并非理想的對角矩陣，為了進行降秩處理，需要對R 進行SVD處理，得到公式R = USyH，其中，矩陣U和V為酉矩陣，Σ為對角矩陣，5：=diag{0i， 02，···，0mn}，矩陣Σ的對角線上的非零元素的個數Lr即為信道全相關矩陣R的秩。
[0059] 根據Σ的對角線上的元素對信道全相關矩陣R進一步處理：令U=[Ul，U2]，
，V=[Vi，V2]，其中，Ui的維度為MNXLr，Σι的對角線上皆為非零元素，其 維度為LrXLr，Σ2的對角線元素均為0,其維度為(MN-LR)X(MN-LR)，Vl的維度為MNXLR，得 到截斷SVD分解矩陣
根據線性代數的理論知識可知R*秩亦為Lr。
[0060] 步驟二，根據預設約束條件對截斷SVD分解矩陣進行最優矩陣選擇處理，得到低秩 全相關矩陣和低秩全相關矩陣的秩;其中，設約束條件為:條件一、最優矩陣的秩小于截斷 SVD分解矩陣的秩;條件二、最優矩陣的秩小于輸入端口的數量;條件Ξ、最優矩陣與信道全 相關矩陣的二范數最小。
[0061] 具體地，假設反為最優矩陣（其可視為待求的自變量），且則約束條件的具體公式 如下:條件一、rank (巧）CLr，其中rank()為求矩陣的秩;條件二rank;(反）<M:; 條件Ξ、
其中L為最優矩陣反的秩。進一 步地，根據上述Ξ個約束條件對截斷SVD分解矩陣r進行計算，得到最優矩陣
此即為上述低秩全相關矩陣，同時亦可求出低秩全相關矩 陣的秩L。
[0062] 本實施例中，W單路徑為例，當獲得輸入數據矢量x=(xi，X2…，ΧΜ)τ時，對信道仿 真儀的信道矩陣Η中的與低秩全相關矩陣的秩L的數量相同的信道向量
和輸入數據矢量進行卷積，得到卷積巧
如果存在 多個路徑，則卷積項的計算公式義
[0063] 值得注意的是，與低秩全相關矩陣的秩L的數量相同的信道向量可W任意選擇，只 要保證選擇的信道向量相鄰即可，例如信道向量還可W巧
或者
等。
[0064] S120,對信道矩陣中的與低秩全相關矩陣的秩的數量相同的信道向量之外的信道 向量建立高斯分布模型，并和信道仿真儀的輸入數據矢量進行卷積，得到加性高斯白噪聲 項;其中，高斯分布模型服從均值為0,方差為1的復高斯分布。
[0065] 具體地，低秩全相關矩陣的秩為L，上述信道矩陣Η中的信道向量hL之外的信道向 量為
^了對hM-Ji行綜合考慮，便于輸入數據矢量的計 算，可W將hM-L建立成簡單的模型。本實施例中，考慮到高斯分布模塊的計算尤為簡便，可將 hM-L中的每個元素建立高斯分布模型no,之后與輸入數據矢量進行卷積，得到加性高斯白噪 聲巧
其中，no服從均值為0,方差為1的復高斯分布。
[0066] S130,對所述卷積項和所述加性高斯白噪聲項進行求和處理，得到與所述輸入數 據矢量相對應的輸出數據矢量。
[0067] 具體地，對上述卷積項和所述加性高斯白噪聲項進行求和得到輸出數據矢量，貝U 第η個輸出端口的信號的計算公式為
Πα Xm。
[0068] 其中，p為路徑，Np為路徑的數量，no為高斯分布模型，hmn為第m個輸入端口與第η個 輸出端口之間的信道系數，L為所述低秩全相關矩陣的秩，xm為第m個輸入端口對應的輸入 數據
為加性高斯白噪聲項。
[0069] 由上述輸出數據矢量yn的計算公式可知，本方法將現有的計算公式分成了兩項簡 單計算公式的和，復雜度從MXNp降低到了 LXNp，大大了減少了運算量，最終計算得到的yn 雖然與現有的公式計算得到的數據存在一定誤差，但誤差很小，可W保持在可控范圍內，與 降低如此巨大的運算量相比，利明顯大于弊。
[0070] 本發明實施例提供的信道仿真儀的輸入數據矢量計算方法，通過對信道矩陣進行 降秩處理，將總的復雜計算分為兩項簡單計算，大大降低了信道仿真儀在計算過程中的數 據計算量；同時，由于現有技術中的運算量巨大，對信道仿真儀的硬件要求也較高，本方法 通過降低運算量，也進一步降低了信道仿真儀的硬件要求，降低了信道仿真儀的設計成本。
[0071] 實施例二
[0072] 如圖2所示，為本發明實施例提供的信道仿真儀的輸入數據矢量計算裝置的結構 示意圖，該裝置可用于執行上述圖1所示的方法，其包括:卷積項計算模塊210、加性高斯白 噪聲項計算模塊220和求和處理模塊230。
[0073] 卷積項計算模塊210,用于當獲得輸入數據矢量時，對信道仿真儀的信道矩陣中的 與所述低秩全相關矩陣的秩的數量相同的信道向量和所述輸入數據矢量進行卷積，得到卷 積項。其中，所述低秩全相關矩陣為:通過低秩全相關矩陣處理模塊對用于描述信道空間統 計特征的信道全相關矩陣進行降秩處理所得的矩陣，所述信道全相關矩陣為:通過信道全 相關矩陣生成模塊根據信道仿真儀的信道矩陣中的信道向量計算所得矩陣。
[0074] 加性高斯白噪聲項計算模塊220,用于對所述信道矩陣中的與所述低秩全相關矩 陣的秩的數量相同的信道向量之外的信道向量建立高斯分布模型，并和所述信道仿真儀的 輸入數據矢量進行卷積，得到加性高斯白噪聲項;其中，所述高斯分布模型服從均值為0，方 差為1的復高斯分布。
[0075] 求和處理模塊230，用于對所述卷積項和所述加性高斯白噪聲項進行求和處理，得 到與所述輸入數據矢量相對應的輸出數據矢量。
[0076] 進一步地，根據信道仿真儀的信道矩陣中的信道向量計算所得矩陣的計算公式 為：
[0077]
,其中，R為信道全相關矩陣，E為期望 運算符，h為信道仿真