CN104935366A - 毫米波通信中的波束搜索方法 - Google Patents

Abstract

本发明设计了一种毫米波通信中的波束搜索方法，基于层次化的粗码本，以及需求波束分辨率要求更高场合采用精码本，来进行波束搜索。本发明提供了基于门限的粗码本波束搜索方法，在搜索时，设定门限与置信区间，在每次搜索中仅需计算一次接收SNR，且符合要求的接收SNR将刷新搜索门限，用于下一次搜索，并且基于粗搜索，实现基于折半查找的精码本波束搜索。本发明基于门限的粗码本波束搜索，与无门限的粗搜索相比，减少了一半的搜索复杂度，提高了码本搜索效率，与现有技术相比，具有更低的波束搜索时间复杂度。

Description

毫米波通信中的波束搜索方法

技术领域

本发明属于无线通信技术领域，具体涉及一种毫米波通信中的波束搜索方法。

背景技术

近年来，随着无线通信技术的飞速发展，无线通信的带宽需求日益增加，导致低频段的频谱资源愈发紧张。因此，业界开始将目光投向毫米波(Millimeter wave，MMW)频段。毫米波频段拥有极其丰富的频谱资源，因而具有很高的潜在商业价值。作为毫米波通信的典型应用，60GHz无线局域网(wireless local area network，WLAN)在60GHz波段实现高达吉比特的通信速率。当前支持60GHz WLAN的标准IEEE 802.15.3c和IEEE 802.11ad的相继发布，预示了60GHz WLAN的广泛应用前景。

然而60GHz WLAN也面临着严峻的技术挑战。根据经典弗里斯公式，高频信号的传输损失要高于低频信号，60GHz WLAN的传输损耗要比目前广泛使用的2.4GHz WLAN传输损耗高约15dB/km。因此60GHz WLAN设备需要采用天线阵列，利用波束赋形技术获得阵列增益来弥补传播衰减造成的功率损失。另一方面，由于MMW信号的波长很小，使得天线阵列的小型化成为可能，利于通信系统的集成设计。

波束赋形技术主要分为两类：自适应波束赋形和波束切换。自适应波束赋形需要耗费大量的计算和迭代时间，且结构复杂不易于工程实现。而波束切换由于结构简单，更适用于60GHz WLAN，所以被广泛采用。波束切换需要解决的问题是如何提高波束搜索效率。穷举搜索是一种简单易行的搜索方法，然而该方法需要遍历整个码本，搜索效率很低。为了提高搜索效率，广为采用的是分阶段搜索算法。分阶段搜索方法将波束搜索分为扇区搜索(sectorlevel sweep，SLS)和波束细化(beam-refinement，BR)两个子阶段，仅需遍历部分码本，因而减少了波束搜索次数。IEEE 802.15.3c和IEEE 802.11ad均采用了此种方法。Li Bin等人则提出了基于Rosenbrock算法的波束搜索方法，与IEEE 802.15.3c和IEEE 802.11ad相比，Li Bin方法进一步降低了波束搜索的时间复杂度，减少了波束搜索时间。

发明内容

本发明为了进一步降低波束搜索的时间复杂度，提高波束搜索效率，设计了一种具有层次结构的码本，它充分利用了不同层次码本中天线权重向量(antenna weight vector，AWV)的覆盖特性，将原本无序的码本组织为完全二叉树结构，并相应的提出了基于折半查找的波束搜索方法。本发明基于结构化码本的搜索方法可称为类折半查找(binary-search like，BSL)方法。

本发明提供的毫米波通信中的波束搜索方法，基于下面所述的具有层次结构的码本：对均匀线性天线阵列(uniformly linear array，ULA)阵元数目为N的WLAN设备，设计粗码本具有如下特征：

(1)粗码本总共具有log₂N+1层，其中第k层码本具有2^k-1个天线权重向量AWV：

{w(k,1),w(k,2),w(k,3),…,w(k,2^k-1)}；

(2)每层码本中的AWV全体覆盖整个2-D空间；

WLAN设备的指向向量函数g(N,Ω)为： $g(N,\mathrm{\Ω})=\frac{1}{\sqrt{N}}{[e^{\mathrm{j\π}0\mathrm{\Ω}},e^{\mathrm{j\π}1\mathrm{\Ω}},e^{\mathrm{j\π}2\mathrm{\Ω}},\·\·\·,e^{\mathrm{j\π}(N-1)\mathrm{\Ω}}]}^T;$ 其中，[·]^T表示转置操作，函数表示WLAN设备的指向向量函数，Ω为信道指向角度，Ω＝cos(φ)，φ表示直射路径与WLAN设备的夹角；

第k层码本的AWV为： $w(k,i)=[g^T(\frac{N}{2^{k-1}},-1+\frac{2^k}{N}i),0_{N-N/2^{k-1}}^T],i=\mathrm{1,2},\·\·\·,2^{k-1};$

其中根据WLAN设备的指向向量函数来确定；

(3)第k层码本中AWV的半功率点波束宽度(HPBW)刚好覆盖第k+1层码本中的相邻两个AWV的HPBW。

针对波束分辨率要求更高场合，设计的精码本，设需要波束指向方向的分辨率为2/αN，其中α是码本细化系数，α≥1，则精码本的AWV表达式为：

$c\left(i\right)=g(N,-1+\frac{2}{\mathrm{\αN}}i),i=1.2.\·\·\·,\mathrm{\αN}.$

本发明提供的毫米波通信中的波束搜索方法，为基于门限的粗码本波束搜索方法，具体如下：

设两个WLAN设备DEV1和DEV2采用设计的粗码本进行波束搜索，DEV1和DEV2的ULA的阵元数分别为N_s和N_d，DEV1和DEV2的天线权重向量分别为w_s和w_d；

设DEV1采用某个天线权重向量向DEV2发送数据，DEV2进行基于门限的粗码本波速搜索过程如下：

初始化：设层数序号为k，AWV位置序号为i，门限为κ，置信区间上界和下界分别为η和μ；初始设置k＝1，i＝1，κ＝0，η＝1.7，μ＝0.7；

第一次搜索：DEV2计算w_d(2,1)和w_d(2,2)的接收信噪比γ₂₁和γ₂₂，若γ₂₁≥γ₂₂，令门限κ＝γ₂₁且更新AWV位置序号为2i，否则令门限κ＝γ₂₂且更新AWV位置序号为2i-1。k自增1，继续下面循环搜索；

循环搜索：执行下面(A)～(B)过程log₂N_d-1次；

(A)DEV2计算w_d(k+1,2i)的接收信噪比，设为γ₁，若γ₁≥ηκ，则更新AWV位置序号为2i，令κ＝γ₁；若γ₁≤μκ，则更新AWV位置序号为2i-1，令κ＝1.8κ；若μκ<γ₁<ηκ，DEV2计算w_d(k+1,2i-1)的接收信噪比，设为γ₂，若γ₁≥γ₂，则令κ＝γ₁且更新AWV位置序号为2i，若γ₁＜γ₂，则令κ＝γ₂且更新AWV位置序号为2i-1；

(B)k自增1，继续转(A)执行；

最后，搜索完毕后，接收信噪比最大的AWV以及对应的位置序号，就是最优的天线权重向量及对应的索引

基于门限的粗码本波束搜索方法采用门限以及置信区间的方法，在每次搜索中仅需计算一次接收信噪比SNR，且符合要求的接收SNR将刷新搜索门限，用于下一次搜索。与无门限的粗搜索相比，减少了一半的搜索复杂度，提高了码本搜索效率。

在两个WLAN设备DEV1和DEV2采用设计的粗码本进行波束搜索，获得最优AWV对后，在需求波束分辨率要求更高场合，采用设计的精码本，实现了基于折半查找的精码本波束搜索方法。

本发明的优点和积极效果在于：本发明方法所使用的码本是层次化码本，它充分利用了不同层次码本中天线权重向量(AWV)的覆盖特性，将原本无序的码本组织为完全二叉树结构，使在波束搜索中应用折半搜索方法成为可能。基于门限的粗码本搜索方法实现了折半查找，在每次搜索中仅需计算一次接收SNR，且符合要求的接收SNR将刷新搜索门限，用于下一次搜索，与无门限的粗搜索相比，减少了一半的搜索复杂度，提高了码本搜索效率。通过理论分析与仿真实验均表明，与IEEE 802.15.3c、IEEE 802.11ad以及Li Bin的方法相比，本发明设计的波束搜索方法进一步降低了波束搜索的时间复杂度，提高了波束搜索效率。

附图说明

图1是本发明实施例基于波束赋形的60GHz WLAN系统模型示意图；

图2是本发明实施例ULA阵元数N＝4时第(log₂N+1)层码本的波束方向图；

图3是本发明实施例ULA阵元数为8时，w(3,2)与w(4,3)和w(4,4)的覆盖关系；

图4是本发明实施例粗码本AWV的层次化结构关系示意图；

图5是本发明实施例ULA天线数N＝4，精码本细化系数α＝2时的精码本AWVs的天线方向图；

图6是本发明的毫米波通信中的基于门限的粗码本波束搜索方法的示意图；

图7是本发明实施例α＝4且N＝8时第4层粗码本与精码本的σ_i值的曲线示意图；

图8是仅存在直射径时，无门限粗搜索方法+精搜索方法的搜索结果和穷举方法的搜索结果对比图；

图9是存在直射径和非直射径时，无门限粗搜索方法+精搜索方法的搜索结果和穷举方法的搜索结果对比图；

图10是仅存在直射径时，基于门限粗搜索方法+精搜索方法的搜索结果和穷举方法的搜索结果对比图；

图11是存在直射径和非直射径时，基于门限粗搜索方法+精搜索方法的搜索结果和穷举方法的搜索结果对比图；

图12是本发明波束搜索方法与现有方法的时间复杂度对比示意图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明通过利用码本中天线权重向量逐层细化的特性以及天线权重向量间的波束覆盖关系，实现了层次化码本结构设计。基于码本的层次化结构特点，设计了一种基于折半查找的次优搜索方法。

基于波束赋形的60GHz WLAN系统模型如图1所示，包含了DEV1和DEV2两个60GHzWLAN设备。DEV1和DEV2均采用均匀线性天线阵列(uniformly linear array，ULA)，ULA阵元间隔为半波长。DEV1和DEV2的ULA阵元数分别为N_s和N_d。图中w_s和w_d分别为DEV1和DEV2的天线权重向量(antenna weight vector，AWV)，且‖w_s‖＝‖w_d‖＝1，‖·‖表示2范数。注意图1是一个半双工模型，DEV1和DEV2在发送和接收数据时共享ULA。

相关研究表明，MMW信号由于波长较小，散射效应并不明显，所以只有反射路径(non-line-of-sight，NLOS)会造成多径，因此，MMW信道具有指向性，如图1所示。实际情况下，空间中可能存在多条NLOS径且NLOS的功率远小于LOS径，LOS径为直射路径。为了简化分析，假设只存在一条直射路径(line-of-sight，LOS)。

用H表示信道矩阵，在DEV1和DEV2之间只存在一条LOS径的情况下，系统的信道矩阵为：

$H=\sqrt{N_d{N}_s}g(N_d,{\mathrm{\&Omega;}}_d)\mathrm{\&lambda;h}{(N_s,{\mathrm{\&Omega;}}_s)}^H---\left(1\right)$

其中，(·)^H表示共轭转置，λ表示LOS径的信道系数，Ω_s＝cos(φ_s)，Ω_d＝cos(φ_d)，φ_s和φ_d分别表示LOS径与DEV1和DEV2的夹角，Ω_s和Ω_d的取值范围为(-1,1]。为方便起见，将Ω_s和Ω_d称为信道指向角度。h(N_s,Ω_s)和g(N_d,Ω_d)分别表示DEV1和DEV2的指向向量函数。

$g{(N}_d,{\mathrm{\&Omega;}}_d)=\frac{1}{\sqrt{N_d}}{[e^{\mathrm{j\&pi;}0{\mathrm{\&Omega;}}_d},e^{\mathrm{j\&pi;}1{\mathrm{\&Omega;}}_d},e^{\mathrm{j\&pi;}2{\mathrm{\&Omega;}}_d},\&CenterDot;\&CenterDot;\&CenterDot;,e^{\mathrm{j\&pi;}(N_d-1){\mathrm{\&Omega;}}_d}]}^T---\left(2\right)$

$h{(N}_s,{\mathrm{\&Omega;}}_s)=\frac{1}{\sqrt{N_s}}{[e^{\mathrm{j\&pi;}0{\mathrm{\&Omega;}}_s},e^{\mathrm{j\&pi;}1{\mathrm{\&Omega;}}_s},e^{\mathrm{j\&pi;}2{\mathrm{\&Omega;}}_s},\&CenterDot;\&CenterDot;\&CenterDot;,e^{\mathrm{j\&pi;}(N_s-1){\mathrm{\&Omega;}}_s}]}^T---\left(3\right)$

其中[·]^T表示转置操作。

设DEV1向DEV2发送的功率归一化信号为x，则DEV2接收的信号y为：

$y=\sqrt{N_d{N}_s}{w}_d^{H}H{w}_{s}x+w_d^{H}n---\left(4\right)$

其中n表示功率归一化的高斯白噪声向量。DEV2的接收信噪比(signal-noise-ratio,SNR)γ为：

$\mathrm{\&gamma;}={\left|\right|\frac{\sqrt{N_d{N}_s}{w}_d^H{\mathrm{Hw}}_s}{w_d^H{w}_d}\left|\right|}^2={\left|\right|\sqrt{N_d{N}_s}{w}_d^H{\mathrm{Hw}}_s\left|\right|}^2---\left(5\right)$

下面将介绍本发明针对w_s和w_d的码本设计方法，并详细说明使γ最大的最优AWV的波束搜索方法。

码本设计与波束搜索方法紧密相关。因为本发明的波束搜索方法--BSL搜索方法分为粗搜索和精搜索两个阶段，码本也相应地分为粗码本和精码本。需要指出的是，粗码本对于任意设备是必须采用的，而精码本则是可选的，只有在波束分辨率要求较高的场合才需要使用。对于粗码本而言，为了实现基于折半查找的波束搜索方法，提高波束搜索效率，需要设计具有分层结构、层次间具有严格对应关系的码本。由于DEV1和DEV2的码本设计完全相同，下面以任意ULA阵元数目为N的60GHz WLAN的设备为例介绍本发明BSL方法的码本设计。

粗码本是一个无序的AWV集合，为了能将折半搜索方法应用于波束搜索过程，粗码本必须满足以下三个特点：

·码本需要具有层次化结构，将无序的码本转化为有序的码本。

·每层码本中的AWV全体覆盖整个2-D空间。

·第k层码本中AWV的半功率点波束宽度(half power beam width，HPBW)应刚好覆盖第k+1层码本中的相邻两个AWV的HPBW，即

HPBW{w(k,i)}＝HPBW{w(k+1,2i)}∪HPBW{w(k+1,2i-1)}   (6)

其中w(k,i)为第k层码本中的第i个AWV，HPBW{w(k,i)}为w(k,i)所对应的半功率点波束宽度。

依据上述的三个特点对粗码本进行编号得到表1。

表1：粗码本层次编号

可以看出，粗码本总共具有log₂N+1层，第k层码本具有2^k-1个AWVs。

当Ω_s和Ω_d在(-1,1]内按照步长2/N等间隔取值时，由式(2)可得正交完备集：[g₁,g₂,…,g_N]，其中将[g₁,g₂,…,g_N]当做第log₂N+1层码本，则有：

$w({\log }_{2}N+1,i)=g(N,-1+\frac{2}{N}i),i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N---\left(7\right)$

这样第log₂N+1层码本中的AWV全体刚好覆盖了整个2-D空间，如图2所示，为N为4时第(log₂N+1)层码本的波束方向图。

依据粗码本的三个特点，可以由第log₂N+1层码本推导出第log₂N层码本：

$w({\log }_{2}N,i)=[g^T(\frac{N}{2},-1+\frac{4}{N}i),0_{N/2}^T],i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,2^{{\log }_{2}N-1};---\left(8\right)$

其中，0为零向量，下标表示零向量中元素的个数，上标T表示转置操作，表示一个长度为N/2的零向量，该向量是列向量。

依次类推可以得到第k层码本为：

$w(k,i)=[g^T(\frac{N}{2^{k-1}},-1+\frac{2^k}{N}i),0_{N-N/2^{k-1}}^T],i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,2^{k-1},k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,{\log }_{2}N+1---\left(9\right)$

其中，根据WLAN设备的指向向量函数来确定。

注意第一层粗码本只包含一个全向的AWVw(1,1)。当ULA阵元数为8时，w(3,2)与w(4,3)和w(4,4)的覆盖关系如图3所示，其中，实线条表示w(3,2)，虚线条表示w(4,3)和w(4,4)。可以看出w(3,2)的HPBW刚好等于w(4,3)和w(4,4)的HPBW之和。

按照上述过程生成的粗码本AWVs之间的关系如图4所示，它们构成了一个完全二叉树结构。这种结构使在粗码本搜索中应用折半搜索方法成为可能。

从图2中可以看出粗码本中的AWVs虽然覆盖整个2-D空间，但是波束不够细化。由于粗码本最后一层有N个波束，因此波束指向方向的分辨率为2/N。在某些场景下，可能需要提供更加细化的波束，例如，需要波束指向方向的分辨率为2/αN，其中α是码本细化系数，α≥1，就需要设计精码本并进行精搜索。实际上，精码本的AWV的指向角度Ω是在(-1,1]中以步长1/αN等间隔取值得到的。所以精码本AWVc(i)表达式为：

$c\left(i\right)=g(N,-1+\frac{2}{\mathrm{\&alpha;N}}i),i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,\mathrm{\&alpha;N}---\left(10\right)$

ULA阵元数N＝4，精码本细化系数α＝2时，精码本的波束如图5所示。从图5可以看出，精码本同样覆盖了整个的2-D空间，但是AWVs覆盖更加密集，分辨率更高。

此外，由式(7)和(10)可知，第log₂N+1层粗码本与精码本有如下关系：

c(αi)＝w(log₂N+1,i),i＝1,2,…,N   (11)

与本发明提供的粗码本和精码本的结构相对应，本发明提供的波束搜索方法的过程划分为粗搜索和精搜索两个阶段。

基于粗码本的层次化结构特点和各层次码本间的覆盖关系，粗搜索采用了基于折半查找的波束搜索方法，该方法能显著降低粗波束搜索次数。依照波束搜索过程中是否采用门限辅助判别，本发明设计了两种粗波束搜索方法：无门限粗波束搜索方法和基于门限的粗波束搜索方法。

(1)首先说明无门限粗波束搜索方法。

无门限的粗码本波束搜索(以下简称无门限粗搜索)方法可以进一步划分为两个子阶段。在第一阶段，DEV1作为发送端向DEV2发送数据，DEV2搜索码本，查找出最优的及其索引第二阶段则是DEV2作为发送端向DEV1发送数据，DEV1搜索码本，查找出最优的及其索引AWV的索引是指AWV在当前层中的位置，对应i的值。

无门限粗搜索方法第一阶段在方法1中给出。无门限粗搜索方法的第二阶段与下面的第一阶段完全相同，唯一不同的是DEV2采用向DEV1发送数据，DEV1搜索码本并最终得到DEV1的最优粗搜索完成后，将获得最优及其索引和

下面以DEV1采用w_s(1,1)向DEV2发送训练数据，DEV2进行搜索为例说明。

最优AWV表示SNR最大的AWV，最优的设定标准就是SNR大小，越大越优。

(2)下面说明基于门限的粗波束搜索方法。

基于门限的粗码本波束搜索(以下简称带门限粗搜索)通过将搜索过程中得到的接收SNR作为下一次搜索中的判定门限，减少了总搜索次数。与无门限粗搜索相比，本方法在时间复杂度上减少了一半。为了减少单一、绝对的门限可能导致的错误，本搜索方法采用了置信区间方法适当放宽门限，提高搜索准确率。

带门限粗搜索也可以划分为两个子阶段。在第一阶段，DEV1作为发送端向DEV2发送数据，DEV2搜索码本，查找出最优的及其索引第二阶段则是DEV2作为发送端向DEV1发送数据，DEV1搜索码本，查找出最优的及其索引

带门限粗搜索方法第一阶段在方法2中给出。带门限粗搜索方法的第二阶段与第一阶段完全相同，唯一不同的是DEV2采用向DEV1发送数据，DEV1搜索码本并最终得到DEV1的最优粗搜索完成后，将获得最优及其索引和

下面结合图6，以DEV1采用w_s(1,1)向DEV2发送训练数据，DEV2进行搜索为例说明。

粗搜索结束后，系统将得到粗码本最优AWV对粗码本的波束分辨率仅为2/N，如果需要更高的波束分辨率2/αN就需要采用精码本，并查找其最优AWV对由式(11)可知，精搜索的初始化AWV为其中，c_s和c_d分别为WLAN设备DEV1和DEV2的天线权重向量。

精搜索同样分为两个阶段，第一阶段中，DEV1向DEV2发送训练数据，DEV2进行精搜索，查找最优及其索引第二阶段DEV2发送训练数据，DEV1查找最优AWV及其索引

以精搜索第一阶段为例，DEV1采用向DEV2发送训练数据，DEV2的接收SNRγ_i为：

其中，是一个标量，c_d(i)为WLAN设备DEV2的第i个天线权重向量。上式中将‖c_d(i)^Hg(N_d,Ω_d)‖²简写为σ_i。由向量乘法运算准则，c_d(i)与g(N_d,Ω_d)的指向角度Ω_d的差别越小，σ_i越大。与粗搜索相同，精搜索的目的是找出与信道指向角度Ω_d差别最小的该AWV就是最优

图7给出了N_d＝8且α＝4时精码本中所有AWV对应的σ_i，图中，横坐标为AWV的位置序号，纵坐标表示σ_i的值。从图7可以看出，信道指向角度Ω_d在粗码本的和精码本的指向角度附近。此外，最优在附近的区间内，即图7所示的两条虚线之间。从图中可看到σ_i在区间内是有且仅有一个极值点的凸函数。因此可以利用σ_i的特性设计基于折半查找的精码本搜索方法。

基于折半搜索的第一阶段精码本搜索方法在方法3中进行了详细说明。

精码本第二阶段搜索方法与第一阶段类似，不同的是DEV2采用向DEV1发送训练数据，DEV1搜索精码本，并返回最优精搜索完成后将得到最优AWV对及其索引和

如图8所示，收发端天线阵列数目为N_s＝N_d＝64，α＝4时，仅存在直射径(LOS径)时，无门限粗搜索方法+精搜索方法的搜索结果和穷举方法的搜索结果对比，可以发现两种方法的搜索结果完全匹配，但是无门限粗搜索方法+精搜索方法的搜索次数要远远小于穷举搜索方法。

如图9所示，收发端天线阵列数目为N_s＝N_d＝64，α＝4时，存在直射径(LOS径)和非直射径(NLOS径)时，无门限粗搜索方法+精搜索方法的搜索结果和穷举方法的搜索结果对比，可以发现两种方法的搜索结果完全匹配，但是无门限粗搜索方法+精搜索方法的搜索次数要远远小于穷举搜索方法。

如图10所示，收发端天线阵列数目为N_s＝N_d＝64，α＝4时，仅存在直射径(LOS径)时，基于门限的粗搜索方法+精搜索方法的搜索结果和穷举方法的搜索结果对比，可以发现两种方法的搜索结果完全匹配，但是基于门限的粗搜索方法+精搜索方法的搜索次数要远远小于穷举搜索方法。

如图11所示，收发端天线阵列数目为N_s＝N_d＝64，α＝4时，存在直射径(LOS径)和非直射径(NLOS径)时，基于门限的粗搜索方法+精搜索方法的搜索结果和穷举方法的搜索结果对比，可以发现两种方法的搜索结果完全匹配，但是基于门限的粗搜索方法+精搜索方法的搜索次数要远远小于穷举搜索方法。

如图12所示，为穷举搜索方法、IEEE 802.15.3c、IEEE 802.11ad、Li Bin的搜索方法、无门限+精搜索、以及基于门限+精搜索的时间复杂度对比。随着天线阵列单元数目增加，各个波束搜索方法的时间复杂度逐渐增减，从图中可见，本发明提出的波束搜索方法具有最优的算法时间复杂度。

Claims (2)

1.一种毫米波通信中的波束搜索方法，基于一种具有层次结构的码本，

对于阵元数目为N的均匀线性天线阵列(ULA)WLAN设备，所述的码本具有如下特征：

(1)粗码本总共具有log₂N+1层，其中第k层码本具有2^k-1个天线权重向量(AWV)：

{w(k,1),w(k,2),w(k,3),…,w(k,2^k-1)}；

(2)每层码本中的全体AWV覆盖整个2-D空间；

WLAN设备的指向向量函数g(N,Ω)为： $g(N,Q)=\frac{1}{\sqrt{N}}{[e^{\mathrm{j\&pi;}0\mathrm{\&Omega;}},e^{\mathrm{j\&pi;}1\mathrm{\&Omega;}},e^{\mathrm{j\&pi;}2\mathrm{\&Omega;}},...,e^{\mathrm{j\&pi;}(N-1)\mathrm{\&Omega;}}]}^T;$ 其中，[·]^T表示转置操作，Ω为信道指向角度，Ω＝cos(φ)，φ表示直射路径与WLAN设备的夹角；

第k层码本的AWV为： $w(k,i)=[g^T(\frac{N}{2^{k-1}},-1+\frac{2^k}{N}i),0_{N-N/2^{k-1}}^T],i=\mathrm{1,2},...,2^{k-1};$

其中根据WLAN设备的指向向量函数来确定；

(3)第k层码本中AWV的半功率点波束宽度(HPBW)刚好覆盖第k+1层码本中的相邻两个AWV的HPBW；

其特征在于，设两个WLAN设备DEV1和DEV2采用设计的粗码本进行波束搜索，DEV1和DEV2的ULA的阵元数分别为N_s和N_d，DEV1和DEV2的天线权重向量分别为w_s和w_d；

设DEV1采用某个天线权重向量向DEV2发送数据，DEV2进行基于门限的粗码本波速搜索过程如下：

初始化：设层数序号为k，AWV位置序号为i，门限为κ，置信区间上界和下界分别为η和μ；初始设置k＝1，i＝1，κ＝0，η＝1.7，μ＝0.7；

第一次搜索：DEV2计算w_d(2,1)和w_d(2,2)的接收信噪比γ₂₁和γ₂₂，若γ₂₁≥γ₂₂，令门限κ＝γ₂₁且更新AWV位置序号为2i，否则令门限κ＝γ₂₂且更新AWV位置序号为2i-1；k自增1，继续下面循环搜索；

循环搜索：执行下面(A)～(B)过程log₂N_d-1次；

(A)DEV2计算w_d(k+1,2i)的接收信噪比γ₁，若γ₁≥ηκ，则更新AWV位置序号为2i，令κ＝γ₁；若γ₁≤μκ，则更新AWV位置序号为2i-1，令κ＝1.8κ；若μκ＜γ₁＜ηκ，DEV2计算w_d(k+1,2i-1)的接收信噪比γ₂，若γ₁≥γ₂，则令κ＝γ₁且更新AWV位置序号为2i，若γ₁＜γ₂，则令κ＝γ₂且更新AWV位置序号为2i-1；

(B)k自增1，继续转(A)执行；

最后，搜索完毕后，接收信噪比最大的AWV以及对应的位置序号，就是最优的天线权重向量及对应的索引

2.基于权利要求1所述的毫米波通信中的波束搜索方法，其特征在于，针对需要波束指向方向的分辨率为2/αN的情况，其中α是码本细化系数，α≥1，设计精码本，精码本的AWVc(i)表示为：

$c\left(i\right)=g(N,-1+\frac{2}{\mathrm{\&alpha;N}}i),i=\mathrm{1,2},...,\mathrm{\&alpha;N}$

设DEV1和DEV2采用设计的粗码本进行波束搜索时，分别获得DEV1和DEV2的最优AWV对应的位置序号分别为DEV1和DEV2采用设计的精码本进行波束搜索时，设天线权重向量分别为c_s和c_d；

设DEV1采用天线权重向量向DEV2发送训练数据，DEV2采用基于折半查找的精码本波束搜索方法如下：

初始化：设置搜索区间的精码本AWV索引为[m_L,m_R]，

搜索：执行以下过程log₂α次，然后结束；

DEV2计算精码本中第m_L个和第m_R个AWV的接收信噪比γ_L和γ_R；

若γ_L≥γ_R，更新否则，更新其中[·]表示取整运算；

最后，搜索完毕后，接收信噪比最大的AWV以及对应的位置序号，就是精码本最优AWV及对应的索引