本發(fā)明涉及通信技術(shù)領(lǐng)域，特別涉及一種波束賦形的方法及裝置。

背景技術(shù)：

鑒于多入多出技術(shù)(MIMO技術(shù))對于提高峰值速率與系統(tǒng)頻譜利用率的重要作用，LTE(Long Term Evolution，長期演進)/LTE-A(LTE-Advanced，LTE的演進)等無線接入技術(shù)標準都是以MIMO+OFDM(Orthogonal Frequency Division Multiplexing，正交頻分復(fù)用)技術(shù)為基礎(chǔ)構(gòu)建起來的。MIMO技術(shù)的性能增益來自與多天線系統(tǒng)所能獲得的空間自由度，利用空間自由度獲得更大的數(shù)據(jù)傳輸。因此MIMO技術(shù)在標準化過程中的一個最重要的演進方向便是維度的擴展。

為了進一步提升MIMO技術(shù)，移動通信系統(tǒng)中引入大規(guī)模天線技術(shù)。對于全數(shù)字化的大規(guī)模天線有高達128，256，512個天線振子，以及高達128，256，512個收發(fā)信機，每個天線振子連接一個收發(fā)信機，具有高達128，256，512個數(shù)字天線端口。要充分利用高達128，256，512個數(shù)字天線端口的空間自由度。要使得基站在波束賦形時充分利用高達128，256，512個數(shù)字天線端口所對應(yīng)的空間信道信息。對于時分雙工TDD模式，則需要利用上行SRS信號測得高達128，256，512個數(shù)字天線端口所對應(yīng)的空間信道信息，并進行特征值分解，以獲取波束賦形的賦形向量。但是高達128x128，256x256，512x512維度的協(xié)方差矩陣的特征分解的復(fù)雜度極高。

目前對于大規(guī)模天線而言，在基站側(cè)的利用特征分解的方法計算波束賦形的方法，通常采用整體三維空間信道進行特征分解的方法，此方法可以獲得完整的信道特征向量，此完整的信道特征向量不僅包括垂直方向可能的多流，也包括了水平方向可能的多流，但此方法所帶來的特征向量分解的復(fù)雜度過大，基站在代碼實現(xiàn)時難以完成。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種波束賦形的方法及裝置，解決了現(xiàn)有技術(shù)中利用特征分解的方法計算波束賦形帶來的特征向量分解的復(fù)雜度過大，基站在代碼實現(xiàn)時難以完成的問題。

為了達到上述目的，本發(fā)明實施例提供一種波束賦形的方法，包括：

獲取用戶設(shè)備發(fā)射探測參考信號的上行信道的信道矩陣；

分別獲取所述信道矩陣的第一維特征向量和第二維特征向量；

根據(jù)所述第一維特征向量和第二維特征向量，確定三維特征向量；

根據(jù)所述三維特征向量進行波束賦形。

其中，所述獲取用戶設(shè)備發(fā)射探測參考信號的上行信道的信道矩陣的步驟包括：

接收用戶設(shè)備通過所述上行信道發(fā)送的探測參考信號：

根據(jù)所述探測參考信號，獲取所述上行信道的信道矩陣。

其中，所述分別獲取所述信道矩陣的第一維特征向量和第二維特征向量的步驟包括：

獲取所述信道矩陣的第一維的第一特征向量和第二特征向量；

根據(jù)所述第一特征向量和所述第二特征向量，獲取第二維的第三特征向量、第四特征向量、第五特征向量以及第六特征向量。

其中，所述根據(jù)所述第一維特征向量和第二維特征向量，確定三維特征向量的步驟包括：

比較所述第三特征向量對應(yīng)的第三特征值、第四特征向量對應(yīng)的第四特征值、第五特征向量對應(yīng)的第五特征值以及第六特征向量對應(yīng)的第六特征值，確定第二維的最大特征值和第二維的次最大特征值；

根據(jù)所述第二維的最大特征值和所述第二維的次最大特征值，確定與所述第二維的最大特征值對應(yīng)的第一維的第一目標特征向量，與所述第二維的次最大特征值對應(yīng)的第一維的第二目標特征向量、與所述第二維的最大特征值對應(yīng)的第二維的第三目標特征向量以及與所述第二維的次最大特征值對應(yīng)的第二維的第四目標特征向量；

根據(jù)所述第三目標特征向量和所述第一目標特征向量，確定第一三維特征向量；

根據(jù)所述第四目標特征向量和所述第二目標特征向量，確定第二三維特征向量。

其中，所述根據(jù)所述三維特征向量進行波束賦形的步驟包括：

根據(jù)所述第一三維特征向量，進行單流波束賦形；或者

根據(jù)所述第一三維特征向量和所述第二三維特征向量，進行雙流波束賦形。

其中，所述獲取所述信道矩陣的第一維的第一特征向量和第二特征向量的步驟包括：

獲取所述信道矩陣的第一維相關(guān)矩陣；

對所述第一維相關(guān)矩陣進行特征值分解，得到第一特征向量和第二特征向量，以及與所述第一特征向量對應(yīng)的第一特征值和與所述第二特征向量對應(yīng)的第二特征值；其中，所述第一特征值為第一維的最大特征值，所述第二特征值為第一維的次最大特征值。

其中，所述根據(jù)所述第一特征向量和所述第二特征向量，獲取第二維的第三特征向量、第四特征向量、第五特征向量以及第六特征向量的步驟包括：

根據(jù)所述第一特征向量，構(gòu)建第二維的第一等效信道矩陣；

根據(jù)所述第二特征向量，構(gòu)建第二維的第二等效信道矩陣；

獲取所述第二維的第一等效信道矩陣的第一相關(guān)矩陣以及所述第二維的第二等效信道矩陣的第二相關(guān)矩陣；

對所述第一相關(guān)矩陣進行特征值分解，得到第三特征向量和第四特征向量，以及與所述第三特征向量對應(yīng)的第三特征值和與所述第四特征向量對應(yīng)的第四特征值；其中，所述第三特征值為第二維的第一等效信道矩陣的最大特征值，所述第四特征值為第二維的第一等效信道矩陣的次最大特征值；

對所述第二相關(guān)矩陣進行特征值分解，得到第五特征向量和第六特征向量，以及與所述第五特征向量對應(yīng)的第五特征值和與所述第六特征向量對應(yīng)的第六特征值；其中，所述第五特征值為第二維的第二等效信道矩陣的最大特征值，所述第六特征值為第二維的第二等效信道矩陣的次最大特征值。

本發(fā)明實施例還提供一種波束賦形的裝置，其特征在于，包括：

矩陣獲取模塊，用于獲取用戶設(shè)備發(fā)射探測參考信號的上行信道的信道矩陣；

向量獲取模塊，用于分別獲取所述信道矩陣的第一維特征向量和第二維特征向量；

確定模塊，用于根據(jù)所述第一維特征向量和第二維特征向量，確定三維特征向量；

賦形模塊，用于根據(jù)所述三維特征向量進行波束賦形。

其中，所述矩陣獲取模塊包括：

第一矩陣獲取子模塊，用于接收用戶設(shè)備通過所述上行信道發(fā)送的探測參考信號：

第二矩陣獲取子模塊，用于根據(jù)所述探測參考信號，獲取所述上行信道的信道矩陣。

其中，所述向量獲取模塊包括：

第一向量獲取子模塊，用于獲取所述信道矩陣的第一維的第一特征向量和第二特征向量；

第二向量獲取子模塊，用于根據(jù)所述第一特征向量和所述第二特征向量，獲取第二維的第三特征向量、第四特征向量、第五特征向量以及第六特征向量。

其中，所述確定模塊包括：

第一確定子模塊，用于比較所述第三特征向量對應(yīng)的第三特征值、第四特征向量對應(yīng)的第四特征值、第五特征向量對應(yīng)的第五特征值以及第六特征向量對應(yīng)的第六特征值，確定第二維的最大特征值和第二維的次最大特征值；

第二確定子模塊，用于根據(jù)所述第二維的最大特征值和所述第二維的次最大特征值，確定與所述第二維的最大特征值對應(yīng)的第一維的第一目標特征向量，與所述第二維的次最大特征值對應(yīng)的第一維的第二目標特征向量、與所述第二維的最大特征值對應(yīng)的第二維的第三目標特征向量以及與所述第二維的次最大特征值對應(yīng)的第二維的第四目標特征向量；

第三確定子模塊，用于根據(jù)所述第三目標特征向量和所述第一目標特征向量，確定第一三維特征向量；

第四確定子模塊，用于根據(jù)所述第四目標特征向量和所述第二目標特征向 量，確定第二三維特征向量。

其中，所述賦形模塊包括：

第一賦形子模塊，用于根據(jù)所述第一三維特征向量，進行單流波束賦形；或者

第二賦形子模塊，用于根據(jù)所述第一三維特征向量和所述第二三維特征向量，進行雙流波束賦形。

其中，所述第一向量獲取子模塊包括：

第一獲取單元，用于獲取所述信道矩陣的第一維相關(guān)矩陣；

第一分解單元，用于對所述第一維相關(guān)矩陣進行特征值分解，得到第一特征向量和第二特征向量，以及與所述第一特征向量對應(yīng)的第一特征值和與所述第二特征向量對應(yīng)的第二特征值；其中，所述第一特征值為第一維的最大特征值，所述第二特征值為第一維的次最大特征值。

其中，所述第二向量獲取子模塊包括：

第一構(gòu)建單元，用于根據(jù)所述第一特征向量，構(gòu)建第二維的第一等效信道矩陣；

第二構(gòu)建單元，用于根據(jù)所述第二特征向量，構(gòu)建第二維的第二等效信道矩陣；

第二獲取單元，用于獲取所述第二維的第一等效信道矩陣的第一相關(guān)矩陣以及所述第二維的第二等效信道矩陣的第二相關(guān)矩陣；

第二分解單元，用于對所述第一相關(guān)矩陣進行特征值分解，得到第三特征向量和第四特征向量，以及與所述第三特征向量對應(yīng)的第三特征值和與所述第四特征向量對應(yīng)的第四特征值；其中，所述第三特征值為第二維的第一等效信道矩陣的最大特征值，所述第四特征值為第二維的第一等效信道矩陣的次最大特征值；

第三分解單元，用于對所述第二相關(guān)矩陣進行特征值分解，得到第五特征向量和第六特征向量，以及與所述第五特征向量對應(yīng)的第五特征值和與所述第六特征向量對應(yīng)的第六特征值；其中，所述第五特征值為第二維的第二等效信道矩陣的最大特征值，所述第六特征值為第二維的第二等效信道矩陣的次最大特征值。

本發(fā)明實施例還提供一種波束賦形的裝置，包括：處理器；以及通過總線接口與所述處理器相連接的存儲器，所述存儲器用于存儲所述處理器在執(zhí)行操作時所使用的程序和數(shù)據(jù)，當處理器調(diào)用并執(zhí)行所述存儲器中所存儲的程序和數(shù)據(jù)時，實現(xiàn)如下的功能模塊：

矩陣獲取模塊，用于獲取用戶設(shè)備發(fā)射探測參考信號的上行信道的信道矩陣；

向量獲取模塊，用于分別獲取所述信道矩陣的第一維特征向量和第二維特征向量；

確定模塊，用于根據(jù)所述第一維特征向量和第二維特征向量，確定三維特征向量；

賦形模塊，用于根據(jù)所述三維特征向量進行波束賦形。

本發(fā)明的上述技術(shù)方案至少具有如下有益效果：

本發(fā)明實施例的波束賦形的方法及裝置中，通過垂直維和水平維的兩級特征分解，獲得包括完整三維信道信息的波束賦形向量，實現(xiàn)更精確的3D波束傳輸；同時解決了大維度信道相關(guān)矩陣的特征分解的復(fù)雜度。

附圖說明

圖1表示本發(fā)明的第一實施例提供的波束賦形的方法的基本流程圖；

圖2表示本發(fā)明的第二實施例提供的波束賦形的裝置的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖及具體實施例進行詳細描述。

第一實施例

如圖1所示，本發(fā)明的第一實施例提供一種波束賦形的方法，包括：

步驟11，獲取用戶設(shè)備發(fā)射探測參考信號的上行信道的信道矩陣；

步驟12，分別獲取所述信道矩陣的第一維特征向量和第二維特征向量；

步驟13，根據(jù)所述第一維特征向量和第二維特征向量，確定三維特征向量；

步驟14，根據(jù)所述三維特征向量進行波束賦形。

本發(fā)明的上述實施例中，上述上行信道為用戶設(shè)備UE發(fā)射探測參考信號(SRS信號)的信道，則通過上述SRS信號能夠計算得到該上行信道的信道矩陣。對該信道矩陣直接進行特征分解的復(fù)雜度較大，很難實現(xiàn)，故本發(fā)明的第一實施例中從兩個維度對信道矩陣進行分析，得到第一維特征向量和第二維特征向量，從而分別對第一維特征向量和第二維特征向量進行特征分解，實現(xiàn)兩級特征分解，降低特征分解的難度；進而得到三維特征向量，該三為特征向量為包括保證三維信道信息的波束賦形向量，最后根據(jù)得到的三維特征向量進行波束賦形，實現(xiàn)更精確的3D波束傳輸。

需要說明的是，本發(fā)明實施例中，第一維為垂直維或水平維，相應(yīng)的，第二維為水平維或垂直維。為了更清楚的描述本申請的內(nèi)容，以下以第一維為垂直維，第二維為水平維來進行具體描述。但是對于第一維為水平維，第二維為垂直維的場景仍屬于本申請的保護范圍。

同時由于從水平維和垂直維兩方面對信道矩陣進行分析，使得該波束賦形的方法不僅可利用水平維角度擴展，也可利用垂直維角度擴展，靈活自適應(yīng)，進一步解決了垂直方向所有天線端口的覆蓋角度范圍不足完整3D賦形傳輸?shù)膯栴}。

具體的，本發(fā)明的第一實施例中步驟11包括：

步驟111，接收用戶設(shè)備通過所述上行信道發(fā)送的探測參考信號：

步驟112，根據(jù)所述探測參考信號，獲取所述上行信道的信道矩陣。

用戶設(shè)備UE發(fā)射SRS信號(探測參考信號)，基站根據(jù)所述SRS信號發(fā)送該SRS信號的上行信道的信道矩陣。即假設(shè)基站接收K_SRS個用戶的P_SRS個天線端口所發(fā)射的SRS信號，通過SRS信號計算出第K_SRS(k_SRS＝0,…,K_SRS-1)個用戶的第P_SRS(p_SRS＝0,…,P_SRS-1)個SRS端口的第個子載波上的基站天線上行信道是一個N_V×N_H矩陣。其中，N_V對應(yīng)大規(guī)模天線在垂直方向的N_V行，N_H對應(yīng)大規(guī)模天線在水平方向的N_H列，N_RB是系統(tǒng)帶寬內(nèi)的RB(resource block，資源塊)數(shù)，是一個資源塊RB內(nèi)的子載波數(shù)。

進一步的，本發(fā)明的第一實施例中步驟12包括：

步驟121，獲取所述信道矩陣的第一維的第一特征向量和第二特征向量；

步驟122，根據(jù)所述第一特征向量和所述第二特征向量，獲取第二維的第三 特征向量、第四特征向量、第五特征向量以及第六特征向量。

且步驟121包括：

步驟1211，獲取所述信道矩陣的第一維相關(guān)矩陣；

步驟1212，對所述第一維相關(guān)矩陣進行特征值分解，得到第一特征向量和第二特征向量，以及與所述第一特征向量對應(yīng)的第一特征值和與所述第二特征向量對應(yīng)的第二特征值；其中，所述第一特征值為第一維的最大特征值，所述第二特征值為第一維的次最大特征值。

需要說明的是，本發(fā)明實施例中，第一維為垂直維或水平維，相應(yīng)的，第二維為水平維或垂直維。為了更清楚的描述本申請的內(nèi)容，以下以第一維為垂直維，第二維為水平維來進行具體描述。但是對于第一維為水平維，第二維為垂直維的場景仍屬于本申請的保護范圍，以下不再進行重復(fù)說明。

具體的，步驟1211中，獲取第一維(例如第一維為垂直維)相關(guān)矩陣的具體步驟為：

計算垂直維相關(guān)矩陣，為第q^BfB(q^BfB＝0,1,…,Q^BfB-1)賦形塊計算計算垂直維相關(guān)矩陣。其中，將系統(tǒng)帶寬內(nèi)個子載波分為Q^BfB個賦形塊(BfB)，每個賦形塊內(nèi)有個子載波，每個賦形塊子載波采用個抽樣子載波計算垂直維相關(guān)矩陣，則抽樣的間隔為這時子載波編號n與第q^BfB(q^BfB＝0,1,…,Q^BfB-1)個賦形塊內(nèi)第個抽樣子載波之間關(guān)系表示為：

從而計算第k_SRS個用戶第q^BfB賦形塊的垂直維相關(guān)矩陣：

其中，

是N_V×1維矩陣

q^BfB＝0,1,…,Q^BfB-1

較佳的，步驟1212中對垂直維相關(guān)矩陣進行特征值分解的具體步驟為：

計算垂直維特征向量：進行EVD分解得到計算第k_SRS個用戶的第q^BfB個賦形塊的的兩個垂直維主特征向量，即第一特征向量和第二特征向量以及相應(yīng)的兩個特征值，即第一特征值和第二特征值其中第一特征值和第二特征值分別對應(yīng)最大和次最大的兩個特征值；則第一特征向量和第二特征向量是最大和次最大的兩個特征值和所對應(yīng)的特征向量。其中，和分別是N_V×1矩陣。

在步驟121獲得第一特征向量和第二特征向量的基礎(chǔ)上，本發(fā)明的第一實施例中步驟122包括：

步驟1221，根據(jù)所述第一特征向量，構(gòu)建第二維的第一等效信道矩陣；

步驟1222，根據(jù)所述第二特征向量，構(gòu)建第二維的第二等效信道矩陣；

即形成2個水平維等效信道，計算第k_SRS個用戶第q^BfB賦形塊內(nèi)第個抽樣子載波的水平維等效信道和其中，和分別是一個1×N_H矩陣。

且第一等效信道矩陣：

第二等效信道矩陣：

其中，

q^BfB＝0,1,…,Q^BfB-1

步驟1223，獲取所述第二維的第一等效信道矩陣的第一相關(guān)矩陣以及所述第二維的第二等效信道矩陣的第二相關(guān)矩陣；

即分別計算兩個水平維等效信道的相關(guān)矩陣。計算第k_SRS個用戶第q^BfB賦形塊的第一水平等效信道和第二水平等效信道的相關(guān)矩陣：

則第一相關(guān)矩陣：

第二相關(guān)矩陣：

其中，

是1×N_H維矩陣

是1×N_H維矩陣

q^BfB＝0,1,…,Q^BfB-1

步驟1224，對所述第一相關(guān)矩陣進行特征值分解，得到第三特征向量和第四特征向量，以及與所述第三特征向量對應(yīng)的第三特征值和與所述第四特征向量對應(yīng)的第四特征值；其中，所述第三特征值為第二維的第一等效信道矩陣的最大特征值，所述第四特征值為第二維的第一等效信道矩陣的次最大特征值；

步驟1225，對所述第二相關(guān)矩陣進行特征值分解，得到第五特征向量和第六特征向量，以及與所述第五特征向量對應(yīng)的第五特征值和與所述第六特征向量對應(yīng)的第六特征值；其中，所述第五特征值為第二維的第二等效信道矩陣的最大特征值，所述第六特征值為第二維的第二等效信道矩陣的次最大特征值。

即計算水平維特征向量：分別對第一相關(guān)矩陣和第二相關(guān)矩陣進行EVD分解，進行EVD分解和

對進行特征分解，得到計算第k_SRS個用戶的第q^BfB個賦形塊的的兩個垂直維主特征向量為第三特征向量和第四特征向量以及相應(yīng)的兩個特征值，第三特征值和第四特征值其中第三特征值和第四特征值分別對應(yīng)最大和次最大的兩個特征值。則第三特征向量和第四特征向量是最大和次最大的兩個特征值和所對應(yīng)的特征向量。其中，第三特征向量和第四特征向量分別是N_H×1矩陣。

對進行特征分解，得到計算第k_SRS個用戶的第q^BfB個賦形塊的的兩個垂直維主特征向量為第五特征向量和第六特征向量以及相應(yīng)的兩個特征值，第五特征值和第六特征值其中第五特征值和第六特征值分別對應(yīng)最大和次最大的兩個特征值。第五特征向量和第六特征向量是最大和次最大的兩個特征值和所對應(yīng)的特征向量。其中，第五特征向量和第六特征向量分別是N_H×1矩陣。

進一步的，本發(fā)明的第一實施例中確定第一特征向量至第六特征向量后，步驟13包括：

步驟131，比較所述第三特征向量對應(yīng)的第三特征值、第四特征向量對應(yīng)的第四特征值、第五特征向量對應(yīng)的第五特征值以及第六特征向量對應(yīng)的第六特征值，確定第二維的最大特征值和第二維的次最大特征值；

步驟132，根據(jù)所述第二維的最大特征值和所述第二維的次最大特征值，確定與所述第二維的最大特征值對應(yīng)的第一維的第一目標特征向量，與所述第二維的次最大特征值對應(yīng)的第一維的第二目標特征向量、與所述第二維的最大特征值對應(yīng)的第二維的第三目標特征向量以及與所述第二維的次最大特征值對應(yīng)的第二維的第四目標特征向量；

步驟133，根據(jù)所述第三目標特征向量和所述第一目標特征向量，確定第一三維特征向量；

步驟134，根據(jù)所述第四目標特征向量和所述第二目標特征向量，確定第二三維特征向量。

即步驟13的目的為搜索最大和次最大的兩個賦形特征向量，從而確定三維特征向量。具體的，比較和找到其中最大和次大特征值所對應(yīng)的最大和次最大的兩個特征值的編號和其中，和根據(jù)最大和次最大的兩個特征值的編號和可以得到計算第k_SRS個用戶第q^BfB賦形塊的兩個水平維主特征向量為第一目標特征向量和第二目標特征向量并通過和找到其垂直維特征向量第三目標特征向量和第四目標特征向量將兩個水平維主特征向量分別與兩個垂直維特征向量合成三維特征向量。

其中為Kronecker積(克羅內(nèi)克積)，和分別是N_V×N_H矩陣。

進一步的，本發(fā)明的第一實施例中得到三維特征向量之后其步驟14包括：

步驟141，根據(jù)所述第一三維特征向量，進行單流波束賦形；或者

步驟142，根據(jù)所述第一三維特征向量和所述第二三維特征向量，進行雙流波束賦形。

將第k_SRS個用戶第q^BfB賦形塊的兩個三維特征向量和用于波束賦形，如果是單流則使用如果是雙流則使用和共包括SU-MIMO(單用戶MIMO)和MU-MIMO(多用戶MIMO)。

如果是SU-MIMO單流，則使用進行波束賦形，如果單用戶雙流則使用和進行波束賦形，

如果是MU-MIMO，則采用和進行流數(shù)配對，選取成功配對所對應(yīng)的特征向量進行MU-MIMO波束賦形。流數(shù)配對方法可采用ZF方法。

綜上，本發(fā)明實施例提供的波束賦形的方法中，通過兩級特征分解，解決了大維度信道相關(guān)矩陣的特征分解的復(fù)雜度，獲得了包括完整三維信道信息的波束賦形向量；同時由于從水平維和垂直維兩方面對信道矩陣進行分析，使得該波束賦形的方法不僅可利用水平維角度擴展，也可利用垂直維角度擴展，靈活自適應(yīng)，進一步解決了垂直方向所有天線端口的覆蓋角度范圍不足完整3D賦形傳輸?shù)膯栴}，實現(xiàn)更精確的3D波束傳輸。

為了更好的實現(xiàn)上述目的，如圖2所示，本發(fā)明的第二實施例提供一種波束賦形的裝置，包括：

矩陣獲取模塊21，用于獲取用戶設(shè)備發(fā)射探測參考信號的上行信道的信道矩陣；

向量獲取模塊22，用于分別獲取所述信道矩陣的第一維特征向量和第二維特征向量；

確定模塊23，用于根據(jù)所述第一維特征向量和第二維特征向量，確定三維特征向量；

賦形模塊24，用于根據(jù)所述三維特征向量進行波束賦形。

具體的，本發(fā)明的第二實施例中，所述矩陣獲取模塊21包括：

第一矩陣獲取子模塊，用于接收用戶設(shè)備通過所述上行信道發(fā)送的探測參考信號：

第二矩陣獲取子模塊，用于根據(jù)所述探測參考信號，獲取所述上行信道的信道矩陣。

具體的，本發(fā)明的第二實施例中，所述向量獲取模塊22包括：

第一向量獲取子模塊，用于獲取所述信道矩陣的鍍鈦維的第一特征向量和第二特征向量；

第二向量獲取子模塊，用于根據(jù)所述第一特征向量和所述第二特征向量，獲取第二維的第三特征向量、第四特征向量、第五特征向量以及第六特征向量。

具體的，本發(fā)明的第二實施例中，所述確定模塊23包括：

第一確定子模塊，用于比較所述第三特征向量對應(yīng)的第三特征值、第四特征向量對應(yīng)的第四特征值、第五特征向量對應(yīng)的第五特征值以及第六特征向量對應(yīng)的第六特征值，確定第二維的最大特征值和第二維的次最大特征值；

第二確定子模塊，用于根據(jù)所述第二維的最大特征值和所述第二維的次最大特征值，確定與所述第二維的最大特征值對應(yīng)的第一維的第一目標特征向量，與所述第二維的次最大特征值對應(yīng)的第一維的第二目標特征向量、與所述第二維的最大特征值對應(yīng)的第二維的第三目標特征向量以及與所述第二維的次最大特征值對應(yīng)的第二維的第四目標特征向量；

第三確定子模塊，用于根據(jù)所述第三目標特征向量和所述第一目標特征向量，確定第一三維特征向量；

第四確定子模塊，用于根據(jù)所述第四目標特征向量和所述第二目標特征向量，確定第二三維特征向量。

具體的，本發(fā)明的第二實施例中，所述賦形模塊24包括：

第一賦形子模塊，用于根據(jù)所述第一三維特征向量，進行單流波束賦形；或者

第二賦形子模塊，用于根據(jù)所述第一三維特征向量和所述第二三維特征向量，進行雙流波束賦形。

具體的，本發(fā)明的第二實施例中，所述第一向量獲取子模塊包括：

第一獲取單元，用于獲取所述信道矩陣的第一維相關(guān)矩陣；

第一分解單元，用于對所述第一維相關(guān)矩陣進行特征值分解，得到第一特征向量和第二特征向量，以及與所述第一特征向量對應(yīng)的第一特征值和與所述第二特征向量對應(yīng)的第二特征值；其中，所述第一特征值為第一維的最大特征值，所述第二特征值為第一維的次最大特征值。

具體的，本發(fā)明的第二實施例中，所述第二向量獲取子模塊包括：

第一構(gòu)建單元，用于根據(jù)所述第一特征向量，構(gòu)建第二維的第一等效信道矩陣；

第二構(gòu)建單元，用于根據(jù)所述第二特征向量，構(gòu)建第二維的第二等效信道矩陣；

第二獲取單元，用于獲取所述第二維的第一等效信道矩陣的第一相關(guān)矩陣以及所述第二維的第二等效信道矩陣的第二相關(guān)矩陣；

第二分解單元，用于對所述第一相關(guān)矩陣進行特征值分解，得到第三特征向量和第四特征向量，以及與所述第三特征向量對應(yīng)的第三特征值和與所述第四特征向量對應(yīng)的第四特征值；其中，所述第三特征值為第二維的第一等效信道矩陣的最大特征值，所述第四特征值為第二維的第一等效信道矩陣的次最大特征值；

第三分解單元，用于對所述第二相關(guān)矩陣進行特征值分解，得到第五特征向量和第六特征向量，以及與所述第五特征向量對應(yīng)的第五特征值和與所述第六特征向量對應(yīng)的第六特征值；其中，所述第五特征值為第二維的第二等效信道矩陣的最大特征值，所述第六特征值為第二維的第二等效信道矩陣的次最大特征值。

需要說明的是，本發(fā)明第二實施例提供的波束賦形的裝置是應(yīng)用上述波束賦形的方法的裝置，則上述波束賦形的方法的所有實施例均適用于該裝置，且均能達到相同或相似的有益效果。

為了更好的實現(xiàn)上述目的，本發(fā)明的第三實施例還提供一種波束賦形的裝置，其特征在于，包括：處理器；以及通過總線接口與所述處理器相連接的存儲器，所述存儲器用于存儲所述處理器在執(zhí)行操作時所使用的程序和數(shù)據(jù)，當 處理器調(diào)用并執(zhí)行所述存儲器中所存儲的程序和數(shù)據(jù)時，實現(xiàn)如下的功能模塊：

矩陣獲取模塊，用于獲取用戶設(shè)備發(fā)射探測參考信號的上行信道的信道矩陣；

向量獲取模塊，用于分別獲取所述信道矩陣的第一維特征向量和第二維特征向量；

確定模塊，用于根據(jù)所述第一維特征向量和第二維特征向量，確定三維特征向量；

賦形模塊，用于根據(jù)所述三維特征向量進行波束賦形。

需要說明的是，本發(fā)明第三實施例提供的波束賦形的裝置是應(yīng)用上述波束賦形的方法的裝置，則上述波束賦形的方法的所有實施例均適用于該裝置，且均能達到相同或相似的有益效果。

以上所述是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明所述原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。