CN105337701A - 一种针对下行多用户mimo系统的链路自适应方法与装置 - Google Patents

Abstract

本发明的目的是提供一种用于针对下行多用户MIMO系统的链路自适应的方法与装置；分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定该集合中每个用户设备的波束赋形权重矩阵；基于该集合的多个用户设备的过滤CQI与CQI阈值的比较结果，确定该多个用户设备中每个用户设备的波束赋形归一化权重矩阵；基于该多个用户设备的波束赋形归一化权重矩阵集合，结合该多个用户设备各自所上报的原始CQI，确定该多个用户设备中每个用户设备的预估CQI。与现有技术相比，本发明克服了每个发射天线的传输功率限制，有效解决了用户设备间的干扰，极大地改进在MU-MIMO模式下的MCS选择，从而有助于提高系统吞吐率。

Description

一种针对下行多用户MIMO系统的链路自适应方法与装置

技术领域

本发明涉及通信技术领域，尤其涉及一种用于针对下行多用户MIMO系统的链路自适应的技术。

背景技术

在未来增强的DLMU-MIMO(DownlinkMulti-UserMulti-InMulti-Out，下行链路多用户多输入多输出)系统中，在同一个PRB(PhysicalResourceBlock，物理资源块)应支持多个配对用户，每个配对用户将调度一层或多层数据流。这样，在DLMU-MIMO系统中，多用户间干扰(Multi-UserInterference，MUI)将影响系统最终的总吞吐量。

迄今为止，MET(Multi-userEigen-modeTransmission，多用户特征模式传输)，作为一种典型的DLMU-MIMO算法，通过联合调度每个配对用户的特征模式(或层或数据流)，可以逼近DLMU-MIMO的容量限。但是，在实际使用该MET算法时，通常有两个重要的假设。

第一个是保持发射总功率恒定的限制。然而在真实的RF(RadioFrequency，射频)系统中，最好遵守每天线最大传输功率限制。这样，普遍需要对最终的DLBF(Beam-Forming，波束赋形)权重进行归一化。该操作虽然保持能量不受损失，但将破坏层间数据流的正交性，从而降低系统性能。第二个是公式中σ²，即，在eNB假定用户终端观察到的来自其他相邻小区的噪声和干扰为AWGN(AdditiveWhiteGaussianNoise，加性高斯白噪声)信号。在真实的DL系统中，无论是FDD(FrequencyDivisionDuplex，频分双工)或TDD(TimeDivisionDuplex，时分双工)系统，除非具有显式的来自终端的反馈，否则很难获知该信息。目前，很少有文章来优化或说明这些问题。

因此，我们设计了一种针对下行多用户MIMO系统，考虑如何克服上述缺点，增强的链路自适应技术。

发明内容

本发明的目的是提供一种用于针对下行多用户MIMO系统的链路自适应的方法与装置。

根据本发明的一个方面，提供了一种针对下行多用户MIMO系统的链路自适应方法，其中，该方法包括以下步骤：

a分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定所述集合中每个用户设备的波束赋形权重矩阵；

b基于所述集合的多个用户设备的过滤CQI(信道质量指示，ChannelQualityIndicator)与CQI阈值的比较结果，确定所述多个用户设备中每个用户设备的波束赋形归一化权重矩阵；

c基于所述多个用户设备的波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，确定所述多个用户设备中每个用户设备的预估CQI。

根据本发明的另一方面，还提供了一种针对下行多用户MIMO系统的链路自适应装置，其中，该装置包括：

计算装置，用于分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定所述集合中每个用户设备的波束赋形权重矩阵；

归一化装置，用于基于所述集合的多个用户设备的过滤CQI与CQI阈值的比较结果，确定所述多个用户设备中每个用户设备的波束赋形归一化权重矩阵；

预估装置，用于基于所述多个用户设备的波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，确定所述多个用户设备中每个用户设备的预估CQI。

根据本发明的又一方面，还提供了一种eNB，包括如上所述的装置。

与现有技术相比，本发明提出一种增强的DLMU-MIMO系统的自适应的波束赋形权重计算方法，其克服了每个发射天线的传输功率限制，同时，基于更新的波束赋形权重构建了一种鲁棒的链路自适应机制。随着无线通信技术的发展，该方案适用于未来增强的DLMU-MIMO传输，比如，5G或更后面的系统。对未来增强的MU-MIMO传输，在同样的PRB上，每个用户具有更高的层或更多配对用户。基于DLMU-MIMO的自适应波束赋形权重计算方法有效解决了用户设备间的干扰，从而极大地改进在MU-MIMO模式下的MCS选择。从仿真验证结果来看，相对用户终端上报的原始CQI与用户设备的解调符号SINR，也即post-SINR之间的差别，更新后，也即预估CQI与用户最终的解调符号SINR之间的差别大大缩小。换言之，预估CQI将更好匹配用户最终解调SINR，从而在基站端基于预估CQI来做MCS选择，将大大提高系统吞吐率，从而充分发挥MU-MIMO的配对所带来的容量增益。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出根据本发明一个方面的用于针对下行多用户MIMO系统的链路自适应的方法流程图；

图2示出根据本发明一个优选实施例的用于针对下行多用户MIMO系统的链路自适应的示意图；

图3示出根据本发明另一个优选实施例的用于针对下行多用户MIMO系统的链路自适应的示意图；

图4示出根据本发明又一个优选实施例的用于针对下行多用户MIMO系统的链路自适应的示意图；

图5示出根据本发明另一个方面的用于针对下行多用户MIMO系统的链路自适应的装置示意图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本发明作进一步详细描述。

图1示出根据本发明一个方面的用于针对下行多用户MIMO系统的链路自适应的方法流程图。

在步骤S101中，装置1分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定所述集合中每个用户设备的波束赋形权重矩阵。

具体地，在下行多用户MIMO系统中，在任意一个PRB位置上，该多个用户设备具有多种可能的配对方式，针对任意一种可能配对的多个用户设备的集合，装置1确定该集合中每个用户设备的波束赋形权重矩阵。

在此，装置1例如eNB。在下文描述中，为简单起见，以eNB为例。

在步骤S102中，装置1基于所述集合的多个用户设备的过滤CQI与CQI阈值的比较结果，确定所述多个用户设备中每个用户设备的波束赋形归一化权重矩阵。

具体地，针对该多个用户设备具有的多种可能的配对方式，装置1针对其中的每一种的配对方式，即，装置1针对其中每一种可能配对的多个用户设备的集合，确定该集合的多个用户设备的过滤CQI，进而，将该过滤CQI与CQI阈值进行比较，基于该比较结果，确定该多个用户设备中每个用户设备的波束赋形归一化权重矩阵。

在此，CQI阈值为用于与过滤CQI进行比较以确定归一化方式的CQI值，其值可以是系统预置的，也可以根据实际情况进行调整。

优选地，在步骤S102中，当所述过滤CQI大于所述CQI阈值，装置1对所述多个用户设备中每个用户设备的波束赋形权重矩阵，选取其波束赋形权重矩阵中功率最大元素，对其波束赋形权重矩阵中所有元素进行归一化，获得所述波束赋形归一化权重矩阵。

当所述过滤CQI小于所述CQI阈值，装置1对所述多个用户设备中每个用户设备的波束赋形权重矩阵，对其波束赋形权重矩阵中所有元素进行各自独立归一化，获得所述波束赋形归一化权重矩阵。

具体地，装置1获取用户设备k的BF权重为G_k:M×|ε_k|，满足G_k×G'_k＝I_M或换句话说，这是一种行正交或列正交矩阵，遵守总功率限制规则。

在真实的RF系统中，需要遵守每天线最大传输功率限制。这样，应考虑最终DLBF权重矩阵G_k的归一化。一旦归一化，将破坏层之间的正交性。

在此，装置1执行一种自适应的MU-MIMO波束赋形权重方法。装置1针对每一种可能配对的多个用户设备的集合，确定该集合的多个用户设备的过滤CQI，进而，将该过滤CQI与CQI阈值进行比较。当该过滤CQI大于该CQI阈值，装置1对该多个用户设备中每个用户设备的波束赋形权重矩阵，选取其波束赋形权重矩阵中功率最大元素，对其波束赋形权重矩阵中所有元素进行归一化，即，(G_k)_j＝(G_k)_j/abs(max(G_k)_j)，j∈[1...|ε_k|]，(□)_j表示(□)的第j列，获得所述波束赋形归一化权重矩阵。当该过滤CQI小于该CQI阈值，装置1对该多个用户设备中每个用户设备的波束赋形权重矩阵，对其波束赋形权重矩阵中所有元素进行各自独立归一化，即，(G_k)_i,j＝(G_k)_i,j/abs((G_k)_i,j)，i∈[1...M],j∈[1...|ε_k|]，(□)_i,j表示(□)的第ij个元素，获得所述波束赋形归一化权重矩阵。采用该自适应的转换机制，将极大地改进对用户设备的预估CQI的精确度，从而有助于提高系统最终的吞吐量。

本领域技术人员应能理解，上述确定用户设备的波束赋形归一化权重矩阵的方式仅为举例，其他现有的或今后可能出现的确定用户设备的波束赋形归一化权重矩阵的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S103中，装置1基于所述多个用户设备的波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，确定所述多个用户设备中每个用户设备的预估CQI。

具体地，在步骤S102中，装置1基于过滤CQI与CQI阈值的比较结果，确定多个用户设备中每个用户设备的波束赋形归一化权重矩阵，进而，确定该多个用户设备的波束赋形归一化权重矩阵集合，在步骤S103中，装置1基于该波束赋形归一化权重矩阵集合，结合该多个用户设备各自所上报的原始CQI，确定该多个用户设备中每个用户设备的预估CQI。

优选地，在步骤S103中，装置1基于所述多个用户设备所述波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，并结合所述多个用户设备中每个用户设备自己的流间干扰及其可能配对用户设备间干扰，确定所述多个用户设备各自的预估CQI。

具体地，在eNB端，针对任意资源分配粒度，如某PRB，在进行MU-MIMO调度过程中，针对任意一种可能的多用户配对集合，采用上述方法将得到该集合中每用户设备的波束赋形归一化权重矩阵。随后，针对该集合中的用户设备，尽可能得到精确的预估CQI，基于一定的多用户配对准则，比如容量最大等，可以从多个配对用户集合中选择一个集合作为该PRB的多用户配对集合。在所有资源，如PRB分配结束之后，针对每一用户，基于其所分配的资源及其预估的CQI值集合，进行链路自适应，也即MCS选择。由此可见，一方面优化化了多用户选取，另一方面优化了这些用户的MCS，从而可改进系统最终的吞吐量。

假设在eNB端，用户设备k的接收信号为：

$y_k=H_k^T{G}_k{u}_k+\underset{j\≠k}{\mathrm{\Σ}}{H}_k^T{G}_j{u}_j+n_k$

用户设备k的接收机为M_k，通过接收机，在eNB，用户k的接收信号变换为： $M_k{y}_k=M_k{H}_k^T{G}_k{u}_k+\underset{j\≠k}{\mathrm{\Σ}}{M}_k{H}_k^T{G}_j{u}_j+M_k{n}_k.$ 假设 $D_k=\mathrm{diag}\left(M_k{H}_k^T{G}_k\right),$ 这样，用户设备k的第m个数据子流的预估CQI，也即SINR(信干噪比)可表示为公式(1)：

${\mathrm{SINR}}_{k,m}=\frac{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}{{\left[I_{\mathrm{selfk}}{I}_{\mathrm{selfk}}^H\right]}_{m,m}{v}_{k,m}+\underset{\underset{p\∈\mathrm{\ϵj}}{j\≠k}}{\mathrm{\Σ}}{\left|\right|M_k{H}_k^T{G}_j\left|\right|}^2{v}_{j,p}+{\mathrm{\σ}}^2}$

将公式(1)取倒数，即有公式(2)：

$\frac{1}{{\mathrm{SINR}}_{k,m}}=\frac{{\left[I_{\mathrm{selfk}}{I}_{\mathrm{selfk}}^H\right]}_{m,m}{v}_{k,m}}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}+\frac{\underset{\underset{p\∈\mathrm{\ϵj}}{j\≠k}}{\mathrm{\Σ}}{\left|\right|M_k{H}_k^T{G}_j\left|\right|}^2{v}_{j,p}}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}+\frac{{\mathrm{\σ}}^2}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}$

在公式(2)中，第一项是用户设备k的ISI(InterStreamInterference，流间干扰)，第二项是用户设备k的MUI(MultiUserInterference用户间干扰)，这两项，都可在给定多用户配对集合情况下获得。由于波束赋形权重的归一化操作，因此从而在最终用户设备接收信号中，在计算诸如符号解调SINR的过程中，将引入ISI和/或MUI。在此，从公式(2)中可知，首要任务是获得

以CQI汇报模式3-0为例，比如在下行8-Tx(发射)天线系统中，用户设备k上报的 ${\mathrm{CQI}}_k=\frac{{\left|\right|H_k^{R}w\left|\right|}^2{p}_{\mathrm{CRSport}}}{{\mathrm{\σ}}^2}.$

在用户设备端，根据3GPP协议规范，在计算自己汇报CQI时，不考虑是否处于多用户模式。

在8-Tx天线的DL系统中，假设对于3GPPR8/R9用户，普遍采用2CRS(Cell-specificReferenceSignal，小区定参考信号)端口来计算CQI/PMI/RI，在此， $w=\left[\begin{array}{cc}{b}_0& 0\\ 0& b_1\end{array}\right],$ b₀/b₁|4×1是广播权重，p_CRSport是在一个CRS端口上的发射功率。

是在用户设备端的信道估计。

在用户设备端的σ²包括来自其他相邻小区的噪声及干扰。

在基站端，将用户设备k所上报的原始CQI_k转换为某层数据子流对应的CQI，即有：

CQI_k,m＝CQI_k×CRS_port_num/(|ε_k|×K)，CRS_port_num＝2是CRS端口数量，|ε_k|是用户设备k的调度的层数或数据子流数，K是在一个PRB上的最终配对用户数。

设置则用户设备k的第m个数据子流的调整后的CQI'_k，m可以表示为如下的公式(3)：

${\mathrm{CQI}}_{k,m}^{\′}={\mathrm{\α}}_{k,m}\×{\mathrm{CQI}}_{k,m}=\frac{{\left[D_k{D}_k^H\right]}_{m,m}}{{\left|\right|H_k^{T}w\left|\right|}^2}\×\frac{{\left|\right|H_k^{R}w\left|\right|}^2{p}_{\mathrm{CRSport}}\×\mathrm{CRS}\_\mathrm{port}\_\mathrm{num}}{{\mathrm{\σ}}^2\left|{\mathrm{\ϵ}}_k\right|K}$

公式(3)中的是用户设备k在eNB基于ULSRS(UplinkSoundingReferenceSignal，上行探询参考信号)的信道估计。在TDD系统中，通常假设基于此，公式(3)可以近似表示为如下的公式(4)：

${\mathrm{CQI}}_{k,m}^{\′}={\mathrm{\α}}_{k,m}\×{\mathrm{CQI}}_{k,m}\≈\frac{{\left[D_k{D}_k^H\right]}_{m,m}}{{\mathrm{\σ}}^2}\×\frac{p_{\mathrm{CRSport}}\×\mathrm{CRS}\_\mathrm{port}\_\mathrm{num}}{\left|{\mathrm{\ϵ}}_k\right|K}=\frac{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}{{\mathrm{\σ}}^2}$

在公式(4)中，v_k,m表示分配给用户设备k的第m个数据流的功率，为简单起见，假设在所有调度的数据流之间进行平均功率分配，但不限于等功率分配。

将公式(4)代入公式(2)，用户设备k的第m个数据流的预估CQI，也即SINR可重写为如下的公式(5)：

$\frac{1}{{\mathrm{SINR}}_{k,m}^{\′}}=\frac{{\left[I_{\mathrm{selfk}}{I}_{\mathrm{selfk}}^H\right]}_{m,m}{v}_{k,m}}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}+\frac{\underset{\underset{p\∈\mathrm{\ϵj}}{j\≠k}}{\mathrm{\Σ}}{\left|\right|M_k{H}_k^T{G}_j\left|\right|}^2{v}_{j,p}}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}+\frac{1}{{\mathrm{CQI}}_{k,m}^{\′}}$

至此，装置1可以计算得到用户设备k的预估CQI。且该装置1可以同样的计算方式，得到多个用户设备中每个用户设备的预估CQI。

优选地，该方法还包括步骤S104(未示出)。在步骤S104中，装置1基于所述多个用户设备各自独立分时上报的多个CQI，经滤波器过滤，确定所述多个用户设备各自的独立过滤CQI；根据所述多个用户设备的独立过滤CQI集合，确定所述过滤CQI。

具体地，多个用户设备各自独立分时上报CQI，装置1在接收到该多个用户设备各自独立分时上报的CQI之后，采用滤波器，分别对每个用户设备分时上报的多个CQI进行平滑过滤，确定每个用户设备的独立过滤CQI；这多个用户设备的独立过滤CQI形成了独立过滤CQI集合，随后，该装置1从该独立过滤CQI集合中，确定过滤CQI，如基于下述规则确定该多个用户设备的过滤CQI。

更优选地，确定所述过滤CQI的规则基于以下至少任一项：

-选取所述多个用户设备的独立过滤CQI集合中的最小独立过滤CQI作为所述过滤CQI；

-选取所述多个用户设备的独立过滤CQI集合的平均值作为所述过滤CQI。

具体地，多个用户设备的独立过滤CQI形成了独立过滤CQI集合，装置1从该独立过滤CQI集合中，选取该集合中的最小独立过滤CQI作为该多个用户设备的过滤CQI，或者，装置1计算该多个用户设备的独立过滤CQI的平均值，以作为该独立过滤CQI集合的平均值，进而，将该平均值作为该多个用户设备的过滤CQI。随后，该装置1将该过滤CQI与CQI阈值进行比较，基于该比较结果，确定对该多个用户设备中每个用户设备的波束赋形权重矩阵的归一化方式，以获得每个用户设备的波束赋形归一化权重矩阵。

本领域技术人员应能理解，上述确定多个用户设备的过滤CQI的方式仅为举例，其他现有的或今后可能出现的确定多个用户设备的过滤CQI的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优选地，该方法还包括步骤S105(未示出)。在步骤S105中，针对任意PRB位置上的所有可能的多用户配对集合中的每一集合，装置1计算该集合中每用户波束赋形权值及其预估CQI，然后基于配对准则，自所有可能配对的多个用户设备的集合中选择一种集合，确定该集合为指定PRB位置上的最终配对用户设备集合。

具体地，在下行多用户MIMO系统中，在任意一个PRB位置上，该多个用户设备具有多种可能的配对方式，装置1通过执行上述步骤，确定所有可能配对集合中，每一集合内的多个用户设备中每个用户设备的预估CQI，在步骤S105中，装置1根据这些用户设备的预估CQI，基于配对准则，自所有可能配对的多个用户设备的集合中选择一种集合，确定该集合为指定PRB位置上的最终配对用户设备集合。在此，该配对准则例如最大吞吐量原则，如，将原始CQI或者预估CQI，也即SINR等折合成容量，若自所有可能配对的多个用户设备的集合中选择一种集合，该集合中的多个用户设备配对在一起使得系统的吞吐量最大，则将该集合确定为指定PRB位置上的最终配对用户设备集合。

优选地，该方法还包括步骤S106(未示出)。在步骤S106中，装置1根据所述多个用户设备各自所述预估CQI，结合各自所分配的PRB集合，为所述多个用户设备配置各自的MCS(ModulationCodingSet，调制编码集)。

具体地，在确定每个用户设备在其所调度的PRB资源位置上的预估CQI之后，在步骤S106中，装置1根据该多个用户设备各自的预估CQI，结合各自所分配的PRB集合，为该多个用户设备配置各自的MCS。在基于上述对应的每用户的预估CQI集合做链路自适应，即MCS选择，从而相对使用原始CQI来做MCS选择，显然后者选取的MCS更能体现用户终端的实际接收能力，也更好适配无线信道条件，从而发挥了DLMU-MIMO系统的优势。

图2至图4所示的仿真验证结果表明，采用上述机制，即，使用预估CQI，即SINR'_k,m来配置MCS，具有明显的优势。

图2和图3提供了基于每元素独立归一化和基于最大元素归一化的能力对比。从图中可以看出，在高SINR区域，基于最大元素归一化的能力更佳，然而，在低SINR区域，基于每元素独立归一化更佳。

在此，基于每元素独立归一化即对每个用户设备的波束赋形权重矩阵，对其波束赋形权重矩阵中所有元素进行各自独立归一化。

基于最大元素归一化即对每个用户设备的波束赋形权重矩阵，选取其波束赋形权重矩阵中功率最大元素，对其波束赋形权重矩阵中所有元素进行归一化。

图4是两种归一化方案下，用户汇报的原始CQI与预估CQI与最终符号解调SINR，即post-SINR的对比。这里，假定总共有4个用户设备，每个用户设备传输一层数据。对比可以发现，基于最大元素的归一化，在SINR的高端区域，预估CQI与post-SINR更匹配，这是由于，在SINR的高端区域，用户间干扰即MUI占主导，从而，采用最大元素对波束赋形权重矩阵归一化，虽然有能量损失，但可保持用户间正交性。在SINR低端区域，噪声影响很大，基于每元素归一化，保持了能量不损失，虽然破坏了正交性，从而，也能获得较好匹配。

在此，装置1分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定该集合中每个用户设备的波束赋形权重矩阵；基于该集合的多个用户设备的过滤CQI与CQI阈值的比较结果，确定该多个用户设备中每个用户设备的波束赋形归一化权重矩阵；基于该多个用户设备的波束赋形归一化权重矩阵集合，结合该多个用户设备各自所上报的原始CQI，确定该多个用户设备中每个用户设备的预估CQI。

提出一种增强的DLMU-MIMO系统的自适应的波束赋形权重计算方法，其克服了每个发射天线的传输功率限制，同时，基于更新的波束赋形权重构建了一种鲁棒的链路自适应机制。随着无线通信技术的发展，该方案适用于未来增强的DLMU-MIMO传输，比如，5G或更后面的系统。对未来增强的MU-MIMO传输，在同样的PRB上，每个用户具有更高的层或更多配对用户。基于DLMU-MIMO的自适应波束赋形权重计算方法有效解决了用户设备间的干扰，从而极大地改进在MU-MIMO模式下的MCS选择。从仿真验证结果来看，相对用户终端上报的原始CQI与用户设备的解调符号SINR，也即post-SINR之间的差别，更新后，也即预估CQI与用户最终的解调符号SINR之间的差别大大缩小。换言之，预估CQI将更好匹配用户最终解调SINR，从而在基站端基于预估CQI来做MCS选择，将大大提高系统吞吐率，从而充分发挥MU-MIMO的配对所带来的容量增益。

图5示出根据本发明另一个方面的用于针对下行多用户MIMO系统的链路自适应的装置示意图。装置1包括计算装置501、归一化装置502和预估装置503。

计算装置501用于分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定所述集合中每个用户设备的波束赋形权重矩阵。

具体地，在下行多用户MIMO系统中，在任意一个PRB位置上，该多个用户设备具有多种可能的配对方式，针对任意一种可能配对的多个用户设备的集合，计算装置501确定该集合中每个用户设备的波束赋形权重矩阵。

在此，装置1例如eNB。在下文描述中，为简单起见，以eNB为例。

归一化装置502用于基于所述集合的多个用户设备的过滤CQI与CQI阈值的比较结果，确定所述多个用户设备中每个用户设备的波束赋形归一化权重矩阵。

具体地，针对该多个用户设备具有的多种可能的配对方式，归一化装置502针对其中的每一种的配对方式，即，归一化装置502针对其中每一种可能配对的多个用户设备的集合，确定该集合的多个用户设备的过滤CQI，进而，将该过滤CQI与CQI阈值进行比较，基于该比较结果，确定该多个用户设备中每个用户设备的波束赋形归一化权重矩阵。

在此，CQI阈值为用于与过滤CQI进行比较以确定归一化方式的CQI值，其值可以是系统预置的，也可以根据实际情况进行调整。

优选地，当所述过滤CQI大于所述CQI阈值，归一化装置502对所述多个用户设备中每个用户设备的波束赋形权重矩阵，选取其波束赋形权重矩阵中功率最大元素，对其波束赋形权重矩阵中所有元素进行归一化，获得所述波束赋形归一化权重矩阵。

当所述过滤CQI小于所述CQI阈值，归一化装置502对所述多个用户设备中每个用户设备的波束赋形权重矩阵，对其波束赋形权重矩阵中所有元素进行各自独立归一化，获得所述波束赋形归一化权重矩阵。

具体地，归一化装置502获取用户设备k的BF权重为G_k:M×|ε_k|，满足G_k×G'_k＝I_M或换句话说，这是一种行正交或列正交矩阵，遵守总功率限制规则。

在真实的RF系统中，需要遵守每天线最大传输功率限制。这样，应考虑最终DLBF权重矩阵G_k的归一化。一旦归一化，将破坏层之间的正交性。

在此，归一化装置502执行一种自适应的MU-MIMO波束赋形权重方法。归一化装置502针对每一种可能配对的多个用户设备的集合，确定该集合的多个用户设备的过滤CQI，进而，将该过滤CQI与CQI阈值进行比较。当该过滤CQI大于该CQI阈值，归一化装置502对该多个用户设备中每个用户设备的波束赋形权重矩阵，选取其波束赋形权重矩阵中功率最大元素，对其波束赋形权重矩阵中所有元素进行归一化，即，(G_k)_j＝(G_k)_j/abs(max(G_k)_j)，j∈[1...|ε_k|]，(□)_j表示(□)的第j列，获得所述波束赋形归一化权重矩阵。当该过滤CQI小于该CQI阈值，归一化装置502对该多个用户设备中每个用户设备的波束赋形权重矩阵，对其波束赋形权重矩阵中所有元素进行各自独立归一化，即，(G_k)_i,j＝(G_k)_i,j/abs((G_k)_i,j)，i∈[1...M],j∈[1...|ε_k|]，(□)_i,j表示(□)的第ij个元素，获得所述波束赋形归一化权重矩阵。采用该自适应的转换机制，将极大地改进对用户设备的预估CQI的精确度，从而有助于提高系统最终的吞吐量。

本领域技术人员应能理解，上述确定用户设备的波束赋形归一化权重矩阵的方式仅为举例，其他现有的或今后可能出现的确定用户设备的波束赋形归一化权重矩阵的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

预估装置503用于基于所述多个用户设备的波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，确定所述多个用户设备中每个用户设备的预估CQI。

具体地，预估装置503基于过滤CQI与CQI阈值的比较结果，确定多个用户设备中每个用户设备的波束赋形归一化权重矩阵，进而，确定该多个用户设备的波束赋形归一化权重矩阵集合，预估装置503基于该波束赋形归一化权重矩阵集合，结合该多个用户设备各自所上报的原始CQI，确定该多个用户设备中每个用户设备的预估CQI。

优选地，预估装置503基于所述多个用户设备所述波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，并结合所述多个用户设备中每个用户设备自己的流间干扰及其可能配对用户设备间干扰，确定所述多个用户设备各自的预估CQI。

具体地，在eNB端，针对任意资源分配粒度，如某PRB，在进行MU-MIMO调度过程中，针对任意一种可能的多用户配对集合，采用上述方法将得到该集合中每用户设备的波束赋形归一化权重矩阵。随后，针对该集合中的用户设备，尽可能得到精确的预估CQI，基于一定的多用户配对准则，比如容量最大等，可以从多个配对用户集合中选择一个集合作为该PRB的多用户配对集合。在所有资源，如PRB分配结束之后，针对每一用户，基于其所分配的资源及其预估的CQI值集合，进行链路自适应，也即MCS选择。由此可见，一方面优化化了多用户选取，另一方面优化了这些用户的MCS，从而改进系统最终的吞吐量。

假设在eNB端，用户设备k的接收信号为：

$y_k=H_k^T{G}_k{u}_k+\underset{j\≠k}{\mathrm{\Σ}}{H}_k^T{G}_j{u}_j+n_k$

用户设备k的接收机为M_k，通过接收机，在eNB，用户k的接收信号变换为： $M_k{y}_k=M_k{H}_k^T{G}_k{u}_k+\underset{j\≠k}{\mathrm{\Σ}}{M}_k{H}_k^T{G}_j{u}_j+M_k{n}_k.$ 假设 $D_k=\mathrm{diag}\left(M_k{H}_k^T{G}_k\right),$ 这样，用户设备k的第m个数据子流的预估CQI，也即SINR(信干噪比)可表示为公式(1)：

${\mathrm{SINR}}_{k,m}=\frac{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}{{\left[I_{\mathrm{selfk}}{I}_{\mathrm{selfk}}^H\right]}_{m,m}{v}_{k,m}+\underset{\underset{p\∈\mathrm{\ϵj}}{j\≠k}}{\mathrm{\Σ}}{\left|\right|M_k{H}_k^T{G}_j\left|\right|}^2{v}_{j,p}+{\mathrm{\σ}}^2}$

将公式(1)取倒数，即有公式(2)：

$\frac{1}{{\mathrm{SINR}}_{k,m}}=\frac{{\left[I_{\mathrm{selfk}}{I}_{\mathrm{selfk}}^H\right]}_{m,m}{v}_{k,m}}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}+\frac{\underset{\underset{p\∈\mathrm{\ϵj}}{j\≠k}}{\mathrm{\Σ}}{\left|\right|M_k{H}_k^T{G}_j\left|\right|}^2{v}_{j,p}}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}+\frac{{\mathrm{\σ}}^2}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}$

在公式(2)中，第一项是用户设备k的ISI(InterStreamInterference，流间干扰)，第二项是用户设备k的MUI(MultiUserInterference用户间干扰)，这两项，都可在给定多用户配对集合情况下获得。由于波束赋形权重的归一化操作，因此从而在最终用户设备接收信号中，在计算诸如符号解调SINR的过程中，将引入ISI和/或MUI。在此，从公式(2)中可知，首要任务是获得

以CQI汇报模式3-0为例，比如在下行8-Tx(发射)天线系统中，用户设备k上报的 ${\mathrm{CQI}}_k=\frac{{\left|\right|H_k^{R}w\left|\right|}^2{p}_{\mathrm{CRSport}}}{{\mathrm{\σ}}^2}.$

在用户设备端，根据3GPP协议规范，在计算自己汇报CQI时，不考虑是否处于多用户模式。

在8-Tx天线的DL系统中，假设对于3GPPR8/R9用户，普遍采用2CRS(Cell-specificReferenceSignal，小区定参考信号)端口来计算CQI/PMI/RI，在此， $w=\left[\begin{array}{cc}{b}_0& 0\\ 0& b_1\end{array}\right],$ b₀/b₁|4×1是广播权重，p_CRSport是在一个CRS端口上的发射功率。

是在用户设备端的信道估计。

在用户设备端的σ²包括来自其他相邻小区的噪声及干扰。

在基站端，将用户设备k所上报的原始CQI_k转换为某层数据子流对应的CQI，即有：

CQI_k,m＝CQI_k×CRS_port_num/(|ε_k|×K)，CRS_port_num＝2是CRS端口数量，|ε_k|是用户设备k的调度的层数或数据子流数，K是在一个PRB上的最终配对用户数。

设置则用户设备k的第m个数据子流的调整后的CQI'_k，m可以表示为如下的公式(3)：

${\mathrm{CQI}}_{k,m}^{\′}={\mathrm{\α}}_{k,m}\×{\mathrm{CQI}}_{k,m}=\frac{{\left[D_k{D}_k^H\right]}_{m,m}}{{\left|\right|H_k^{T}w\left|\right|}^2}\×\frac{{\left|\right|H_k^{R}w\left|\right|}^2{p}_{\mathrm{CRSport}}\×\mathrm{CRS}\_\mathrm{port}\_\mathrm{num}}{{\mathrm{\σ}}^2\left|{\mathrm{\ϵ}}_k\right|K}$

公式(3)中的是用户设备k在eNB基于ULSRS(UplinkSoundingReferenceSignal，上行探询参考信号)的信道估计。在TDD系统中，通常假设基于此，公式(3)可以近似表示为如下的公式(4)：

${\mathrm{CQI}}_{k,m}^{\′}={\mathrm{\α}}_{k,m}\×{\mathrm{CQI}}_{k,m}\≈\frac{{\left[D_k{D}_k^H\right]}_{m,m}}{{\mathrm{\σ}}^2}\×\frac{p_{\mathrm{CRSport}}\×\mathrm{CRS}\_\mathrm{port}\_\mathrm{num}}{\left|{\mathrm{\ϵ}}_k\right|K}=\frac{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}{{\mathrm{\σ}}^2}$

在公式(4)中，v_k,m表示分配给用户设备k的第m个数据流的功率，为简单起见，假设在所有调度的数据流之间进行平均功率分配，但不限于等功率分配。

将公式(4)代入公式(2)，用户设备k的第m个数据流的预估CQI，也即SINR可重写为如下的公式(5)：

$\frac{1}{{\mathrm{SINR}}_{k,m}^{\′}}=\frac{{\left[I_{\mathrm{selfk}}{I}_{\mathrm{selfk}}^H\right]}_{m,m}{v}_{k,m}}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}+\frac{\underset{\underset{p\∈\mathrm{\ϵj}}{j\≠k}}{\mathrm{\Σ}}{\left|\right|M_k{H}_k^T{G}_j\left|\right|}^2{v}_{j,p}}{{\left[D_k{D}_k^H\right]}_{m,m}{v}_{k,m}}+\frac{1}{{\mathrm{CQI}}_{k,m}^{\′}}$

至此，预估装置503可以计算得到用户设备k的预估CQI。且该预估装置503可以同样的计算方式，得到多个用户设备中每个用户设备的预估CQI。

优选地，装置1还包括过滤装置(未示出)。过滤装置用于基于所述多个用户设备各自独立分时上报的多个CQI，经滤波器过滤，确定所述多个用户设备各自的独立过滤CQI；根据所述多个用户设备的独立过滤CQI集合，确定所述过滤CQI。

具体地，多个用户设备各自独立分时上报CQI，过滤装置用于在接收到该多个用户设备各自独立分时上报的CQI之后，采用滤波器，分别对每个用户设备分时上报的多个CQI进行平滑过滤，确定每个用户设备的独立过滤CQI；这多个用户设备的独立过滤CQI形成了独立过滤CQI集合，随后，过滤装置从该独立过滤CQI集合中，确定过滤CQI，如基于下述规则确定该多个用户设备的过滤CQI。

更优选地，确定所述过滤CQI的规则基于以下至少任一项：

-选取所述多个用户设备的独立过滤CQI集合中的最小独立过滤CQI作为所述过滤CQI；

-选取所述多个用户设备的独立过滤CQI集合的平均值作为所述过滤CQI。

具体地，多个用户设备的独立过滤CQI形成了独立过滤CQI集合，过滤装置从该独立过滤CQI集合中，选取该集合中的最小独立过滤CQI作为该多个用户设备的过滤CQI，或者，过滤装置计算该多个用户设备的独立过滤CQI的平均值，以作为该独立过滤CQI集合的平均值，进而，将该平均值作为该多个用户设备的过滤CQI。随后，归一化装置502将该过滤CQI与CQI阈值进行比较，基于该比较结果，确定对该多个用户设备中每个用户设备的波束赋形权重矩阵的归一化方式，以获得每个用户设备的波束赋形归一化权重矩阵。

本领域技术人员应能理解，上述确定多个用户设备的过滤CQI的方式仅为举例，其他现有的或今后可能出现的确定多个用户设备的过滤CQI的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优选地，装置1还包括配对装置(未示出)。针对任意PRB位置上的所有可能的多用户配对集合中的每一集合，配对装置用于计算该集合中每用户波束赋形权值及其预估CQI，然后基于配对准则，自所有可能配对的多个用户设备的集合中选择一种集合，确定该集合为指定PRB位置上的最终配对用户设备集合。

具体地，在下行多用户MIMO系统中，在任意一个PRB位置上，该多个用户设备具有多种可能的配对方式，预估装置503通过执行上述步骤，确定所有可能配对集合中，每一集合内的多个用户设备中每个用户设备的预估CQI，随后，配对装置用于根据这些用户设备的预估CQI，基于配对准则，自所有可能配对的多个用户设备的集合中选择一种集合，确定该集合为指定PRB位置上的最终配对用户设备集合。在此，该配对准则例如最大吞吐量原则，如，将原始CQI或者预估CQI，也即SINR等折合成容量，若自所有可能配对的多个用户设备的集合中选择一种集合，该集合中的多个用户设备配对在一起使得系统的吞吐量最大，则将该集合确定为指定PRB位置上的最终配对用户设备集合。

优选地，装置1还包括配置装置(未示出)。配置装置用于根据所述多个用户设备各自所述预估CQI，结合各自所分配的PRB集合，为所述多个用户设备配置各自的MCS(ModulationCodingSet，调制编码集)。

具体地，在确定每个用户设备在其所调度的PRB资源位置上的预估CQI之后，配置装置用于根据该多个用户设备各自的预估CQI，结合各自所分配的PRB集合，为该多个用户设备配置各自的MCS。在基于上述对应的每用户的预估CQI集合做链路自适应，即MCS选择，从而相对使用原始CQI来做MCS选择，显然后者选取的MCS更能体现用户终端的实际接收能力，也更好适配无线信道条件，从而发挥了DLMU-MIMO系统的优势。

图2至图4所示的仿真验证结果表明，采用上述机制，即，使用预估CQI，即SINR'k,m来配置MCS，具有明显的优势。

图2和图3提供了基于每元素独立归一化和基于最大元素归一化的能力对比。从图中可以看出，在高SINR区域，基于最大元素归一化的能力更佳，然而，在低SINR区域，基于每元素独立归一化更佳。

在此，基于每元素独立归一化即对每个用户设备的波束赋形权重矩阵，对其波束赋形权重矩阵中所有元素进行各自独立归一化。

基于最大元素归一化即对每个用户设备的波束赋形权重矩阵，选取其波束赋形权重矩阵中功率最大元素，对其波束赋形权重矩阵中所有元素进行归一化。

图4是两种归一化方案下，用户汇报的原始CQI与预估CQI与最终符号解调SINR，即post-SINR的对比。这里，假定总共有4个用户设备，每个用户设备传输一层数据。对比可以发现，基于最大元素的归一化，在SINR的高端区域，预估CQI与post-SINR更匹配，这是由于，在SINR的高端区域，用户间干扰即MUI占主导，从而，采用最大元素对波束赋形权重矩阵归一化，虽然有能量损失，但可保持用户间正交性。在SINR低端区域，噪声影响很大，基于每元素归一化，保持了能量不损失，虽然破坏了正交性，从而，也能获得较好匹配。

在此，装置1分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定该集合中每个用户设备的波束赋形权重矩阵；基于该集合的多个用户设备的过滤CQI与CQI阈值的比较结果，确定该多个用户设备中每个用户设备的波束赋形归一化权重矩阵；基于该多个用户设备的波束赋形归一化权重矩阵集合，结合该多个用户设备各自所上报的原始CQI，确定该多个用户设备中每个用户设备的预估CQI。

提出一种增强的DLMU-MIMO系统的自适应的波束赋形权重计算方法，其克服了每个发射天线的传输功率限制，同时，基于更新的波束赋形权重构建了一种鲁棒的链路自适应机制。随着无线通信技术的发展，该方案适用于未来增强的DLMU-MIMO传输，比如，5G或更后面的系统。对未来增强的MU-MIMO传输，在同样的PRB上，每个用户具有更高的层或更多配对用户。基于DLMU-MIMO的自适应波束赋形权重计算方法有效解决了用户设备间的干扰，从而极大地改进在MU-MIMO模式下的MCS选择。从仿真验证结果来看，相对用户终端上报的原始CQI与用户设备的解调符号SINR，也即post-SINR之间的差别，更新后，也即预估CQI与用户最终的解调符号SINR之间的差别大大缩小。换言之，预估CQI将更好匹配用户最终解调SINR，从而在基站端基于预估CQI来做MCS选择，将大大提高系统吞吐率，从而充分发挥MU-MIMO的配对所带来的容量增益。

需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本发明的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (15)

1.一种针对下行多用户MIMO系统的链路自适应方法，其中，该方法包括以下步骤：

a分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定所述集合中每个用户设备的波束赋形权重矩阵；

b基于所述集合的多个用户设备的过滤CQI与CQI阈值的比较结果，确定所述多个用户设备中每个用户设备的波束赋形归一化权重矩阵；

c基于所述多个用户设备的波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，确定所述多个用户设备中每个用户设备的预估CQI。

2.根据权利要求1所述的方法，其中，所述步骤b包括：

-当所述过滤CQI大于所述CQI阈值，对所述多个用户设备中每个用户设备的波束赋形权重矩阵，选取其波束赋形权重矩阵中功率最大元素，对其波束赋形权重矩阵中所有元素进行归一化，获得所述波束赋形归一化权重矩阵；

-当所述过滤CQI小于所述CQI阈值，对所述多个用户设备中每个用户设备的波束赋形权重矩阵，对其波束赋形权重矩阵中所有元素进行各自独立归一化，获得所述波束赋形归一化权重矩阵。

3.根据权利要求1或2所述的方法，其中，所述步骤c包括：

-基于所述多个用户设备所述波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，并结合所述多个用户设备中每个用户设备自己的流间干扰及其可能配对用户设备间干扰，确定所述多个用户设备各自的预估CQI。

4.根据权利要求1至3中任一项所述的方法，其中，该方法还包括：

-基于所述多个用户设备各自独立分时上报的多个CQI，经滤波器过滤，确定所述多个用户设备各自的独立过滤CQI；

-根据所述多个用户设备的独立过滤CQI集合，确定所述过滤CQI。

5.根据权利要求4所述的方法，其中，确定所述过滤CQI的规则基于以下至少任一项：

-选取所述多个用户设备的独立过滤CQI集合中的最小独立过滤CQI作为所述过滤CQI；

-选取所述多个用户设备的独立过滤CQI集合的平均值作为所述过滤CQI。

6.根据权利要求1至5中任一项所述的方法，其中，该方法还包括：

-针对任意PRB位置，根据所有可能配对的多个用户设备中每个用户设备的预估CQI，基于配对准则，自所有可能配对的多个用户设备的集合中选择一种集合，确定该集合为指定PRB位置上的最终配对用户设备集合。

7.根据权利要求6所述的方法，其中，该方法还包括：

-根据所述多个用户设备各自所述预估CQI，结合各自所分配的PRB集合，为所述多个用户设备配置各自的MCS。

8.一种针对下行多用户MIMO系统的链路自适应装置，其中，该装置包括：

计算装置，用于分别计算任意PRB位置上，针对任意一种可能配对的多个用户设备的集合，确定所述集合中每个用户设备的波束赋形权重矩阵；

归一化装置，用于基于所述集合的多个用户设备的过滤CQI与CQI阈值的比较结果，确定所述多个用户设备中每个用户设备的波束赋形归一化权重矩阵；

预估装置，用于基于所述多个用户设备的波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，确定所述多个用户设备中每个用户设备的预估CQI。

9.根据权利要求8所述的装置，其中，所述归一化装置用于：

-当所述过滤CQI大于所述CQI阈值，对所述多个用户设备中每个用户设备的波束赋形权重矩阵，选取其波束赋形权重矩阵中功率最大元素，对其波束赋形权重矩阵中所有元素进行归一化，获得所述波束赋形归一化权重矩阵；

-当所述过滤CQI小于所述CQI阈值，对所述多个用户设备中每个用户设备的波束赋形权重矩阵，对其波束赋形权重矩阵中所有元素进行各自独立归一化，获得所述波束赋形归一化权重矩阵。

10.根据权利要求8或9所述的装置，其中，所述预估装置用于：

-基于所述多个用户设备所述波束赋形归一化权重矩阵集合，结合所述多个用户设备各自所上报的原始CQI，并结合所述多个用户设备中每个用户设备自己的流间干扰及其可能配对用户设备间干扰，确定所述多个用户设备各自的预估CQI。

11.根据权利要求8至10中任一项所述的装置，其中，该装置还包括过滤装置，用于：

-基于所述多个用户设备各自独立分时上报的多个CQI，经滤波器过滤，确定所述多个用户设备各自的独立过滤CQI；

-根据所述多个用户设备的独立过滤CQI集合，确定所述过滤CQI。

12.根据权利要求11所述的装置，其中，确定所述过滤CQI的规则基于以下至少任一项：

-选取所述多个用户设备的独立过滤CQI集合中的最小独立过滤CQI作为所述过滤CQI；

-选取所述多个用户设备的独立过滤CQI集合的平均值作为所述过滤CQI。

13.根据权利要求8至12中任一项所述的装置，其中，该装置还包括：

配对装置，用于针对任意PRB位置，根据所有可能配对的多个用户设备中每个用户设备的预估CQI，基于配对准则，自所有可能配对的多个用户设备的集合中选择一种集合，确定该集合为指定PRB位置上的最终配对用户设备集合。

14.根据权利要求13所述的装置，其中，该装置还包括：

配置装置，用于根据所述多个用户设备各自所述预估CQI，结合各自所分配的PRB集合，为所述多个用户设备配置各自的MCS。

15.一种eNB，包括如权利要求8至14中任一项所述的装置。