CN106100711B - 一种基于压缩感知的快速迭代波束成形方法 - Google Patents

一种基于压缩感知的快速迭代波束成形方法 Download PDF

Info

Publication number
CN106100711B
CN106100711B CN201610443927.1A CN201610443927A CN106100711B CN 106100711 B CN106100711 B CN 106100711B CN 201610443927 A CN201610443927 A CN 201610443927A CN 106100711 B CN106100711 B CN 106100711B
Authority
CN
China
Prior art keywords
vector
matrix
receiving end
receiving
transmitting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610443927.1A
Other languages
English (en)
Other versions
CN106100711A (zh
Inventor
娄念念
成先涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201610443927.1A priority Critical patent/CN106100711B/zh
Publication of CN106100711A publication Critical patent/CN106100711A/zh
Application granted granted Critical
Publication of CN106100711B publication Critical patent/CN106100711B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0452—Multi-user MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0636—Feedback format
    • H04B7/0639—Using selective indices, e.g. of a codebook, e.g. pre-distortion matrix index [PMI] or for beam selection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明属于无线通信技术领域，它特别涉及一种在无线多输入多输出(Multiple Input Multiple Output，MIMO)通信系统中利用时分双工系统的信道互易性进行迭代从而同时快速地获得多个波束成形奇异矢量的方法。本发明利用LANCZOS算法的快速收敛特性和在一个阶段的迭代中可以获得多个特征向量的性质，设计了一种时分双工系统下的快速迭代波束成形方法，可以大大降低天线训练阶段的开销，快速地得到多流波束成形的多个波束成形矢量。

Description

一种基于压缩感知的快速迭代波束成形方法
技术领域
本发明属于无线通信技术领域，它特别涉及一种在无线多输入多输出(MultipleInput Multiple Output，MIMO)通信系统中利用时分双工系统的信道互易性进行迭代从而同时快速地获得多个波束成形奇异矢量的方法。
背景技术
在MIMO系统中，根据接收端最大化信噪比准则，获得最优波束成形矩阵的方法是特征波束成形方法。在收发双方都已知信道状态信息(CSI)的情况下，最优的发送和接收波束成形矩阵可以通过对信道矩阵H进行SVD分解得到。具体原理叙述如下：
假设MIMO系统的收发天线数目分别为NT、NR，信道矩阵
Figure BDA0001022078500000011
可以进行SVD分解，表示为H＝UΛVH，其中，(·)H表示矩阵共轭转置，
Figure BDA0001022078500000012
和
Figure BDA0001022078500000013
分别是大小为NR×NR与NT×NT的酉矩阵。Λ是一个NR×NT对角阵，其对角元为按降序排列的H的奇异值(σ1,σ2,...σm),m＝min(NT,NR)。
对于NS(NS≤m)维的波束成形，发送端与接收端波束成形矩阵分别采用H的右奇异矩阵V和左奇异矩阵U的前m列，即F＝[v1,v2,...,vm]，W＝[u1,u2,...,um]。
假设发送符号为x＝[x1,x2,...,xm]T，接收符号为y＝[y1,y2,...,ym]T，噪声
Figure BDA0001022078500000014
y＝WHHFx+WHn
则
Figure BDA0001022078500000015
可见，特征波束成形等效地将MIMO信道划分为m个并行独立的子信道，每个子信道都获得了最大化的信噪比。
通常，接收端通过估计信道矩阵H并进行SVD分解来获得收发双方的波束成形矩阵，之后接收端将发送端的波束成形矩阵F反馈至发送端。这种直接估计和反馈的方法适用于天线数目较小的情况，而在天线数目较多的MIMO系统中，其计算复杂度和训练开销都变得无法承受。
在时分双工(TDD)系统中，利用上行信道和下行信道的互易性，文献Yang Tang,Branka Vucetic,Yonghui Li.An Iterative Singular Vectors Estimation Scheme forBeamforming Transmission and Detection in MIMO Systems.IEEE CommunicationsLetters,VOL.9,NO.6,June 2005.提出了一种不用估计信道参数即可获得特征向量的迭代波束成形方法，即幂迭代方法。文献Pengfei Xia,Su-Khiong Yong,Jisung Oh and ChiuNgo.Multi-Stage Iterative Antenna Training for Millimeter WaveCommunications.IEEE Globecom Conference 2008.进一步将这种方法扩展到了多维的波束成形，即通过逐个阶段剥离的方式得到NS个波束成形矢量，也就是波束成形矩阵，每个阶段都要经历一轮幂迭代。
在不增加发送功率的条件下提高MIMO系统容量的有效方法是采用预编码技术并行地发送多个数据流。具有NS个数据流的MIMO系统的波束成形需要NS对收发端波束成形矢量，这些波束成形矢量都通过天线训练获得。幂迭代天线训练算法一个阶段的迭代只能获得一对波束成形奇异矢量，如果要完成NS流的波束成形天线训练，必须经过NS个阶段的迭代。在天线数目较大和数据流较多的系统中，开销无疑是巨大的，天线训练过程会持续较长时间。众所周知，天线训练的一个基本假设是在一个合理的短时间内信道状态不变，如果训练时间持续过长，信道状态发生较大改变的概率就会大大增加，就会使这一假设失去作用，在实际应用中必然不能达到预期的效果。另外，除了第一阶段的迭代，以后的每一阶段的迭代都要进行零空间投影操作，该操作引入了额外的误差和开销。
发明内容
为了克服多流MIMO系统中幂迭代方法一轮迭代只能获得一个波束成形奇异矢量的缺陷，本发明提出了一种基于LANCZOS算法的快速迭代天线训练方法，由于LANCZOS方法的收敛速度快于幂迭代方法，而且在一个阶段的迭代中可以同时得到多个特征向量，所以，对于多流的波束成形来说，可以用幂迭代方法单流波束成形的开销完成多流波束成形的天线训练，从而成倍地减少天线训练阶段的开销，快速地完成天线训练。
本发明的原理：利用LANCZOS算法的快速收敛特性和在一个阶段的迭代中可以获得多个特征向量的性质，本发明设计了一种时分双工系统下的快速迭代波束成形方法，可以大大降低天线训练阶段的开销，快速地得到多流波束成形的多个波束成形矢量。
为了方便地描述本发明的内容，首先对本发明中所使用的概念和术语进行定义。
空间稀疏性：无线信号由于较高的路径损耗和极差的散射性能，收发双方只由有限的几条电磁波传播路径相连接，和信道有关的信号计算问题可以方便地表达为稀疏重建问题。
稀疏多径信道模型：稀疏多径信道可以建模为具有K路多径的几何模型
Figure BDA0001022078500000031
其中，
Figure BDA0001022078500000032
表示第i径的复信道增益，θi表示第i径的离开角，φi表示第i径的到达角，aT(φi)是发送端的天线阵列响应，aR(θi)是接收端的天线阵列响应,i＝1,2,...,K。所述天线阵列采用均匀线性阵列(ULAs)，则发送端的天线阵列响应可以表达成
Figure BDA0001022078500000033
接收端的天线阵列响应可以表达成
Figure BDA0001022078500000034
其中，λ是信号波长，d是天线阵元间距，一般取
Figure BDA0001022078500000035
一种基于压缩感知的快速迭代波束成形方法，步骤如下：
S1、定义接收端字典矩阵
Figure BDA0001022078500000036
定义发送端字典矩阵
Figure BDA0001022078500000041
其中，N表示接收端字典长度，M表示接收端字典长度；
S2、初始阶段处理，具体如下：
S21、发送端生成一个NT×1向量r0＝[1,0,0,…,0]T，将所述r0的模值赋给变量β0：β0＝||r0||，定义零向量q0：q0＝0，定义空矩阵Q用于存储迭代过程中产生的向量：Q＝[]，其中，NT为接收天线数目；
S22、定义此过程中的发送端的测量次数Nmr0和接收端的测量次数Nmt0；
S23、生成发送端的最优测量矩阵ΦT 0和接收端的最优测量矩阵ΦR 0，生成方式如下：
Figure BDA0001022078500000042
其中，
Figure BDA0001022078500000043
表示E的特征值分解，B,Λ分别为特征向量和特征值，NR为接收天线数目，
Figure BDA0001022078500000044
表示ET的特征值分解，BT,ΛT分别为特征向量和特征值，NT为发送天线数目，I表示单位矩阵，0表示零矩阵；
S24、接收波束成形向量训练，具体如下：
S24-1、计算初始向量
Figure BDA0001022078500000045
令S21所述空矩阵Q的第1列为q1，即Q＝[Q,q1]，发送方在连续发送Nmr0次向量q1至接收方，接收端接收过程中使用ΦR 0的列作为波束成形加权合并向量，因此接收端得到
Figure BDA0001022078500000046
其中，nR表示接收端的加性高斯白噪声向量，
Figure BDA0001022078500000047
S24-2、接收端使用基于压缩感知的稀疏信号恢复算法计算出表示接收信号到达角在字典矩阵ARD中的位置的稀疏向量zR，其中，zR是一个N×1的列向量，N表示字典ARD的长度，zR中有K个非零元素，K＜＜N；
S24-3、Hq≈ARDzR，所述Hf存储在NR×1向量g中，即g＝ARDzR，其中，信道矩阵
Figure BDA0001022078500000051
接收端对向量g进行归一化，即
Figure BDA0001022078500000052
并将
Figure BDA0001022078500000053
返回至发送端；
S25、发送波束成形向量训练，具体如下：
S25-1、接收端发送向量
Figure BDA0001022078500000054
至发送端，发送端在接收过程中使用ΦT 0的列作为波束成形加权合并向量，因此发送端得到
Figure BDA0001022078500000055
其中，nT表示第k次迭代发送端的加性高斯白噪声向量，
Figure BDA0001022078500000056
S25-2、发送端使用基于压缩感知的稀疏信号恢复算法计算出表示接收信号到达角在字典矩阵ATD中的位置的稀疏向量zT，其中，zT是一个M×1的列向量，M表示字典ATD的长度，zT中有K个非零元素，K＜＜M；
S25-3、
Figure BDA0001022078500000057
所述
Figure BDA0001022078500000058
存储在NT×1向量f中，即f＝ATDzT，对f取共轭，结果仍然存储在f中：f＝f*；
S25-4、发送方计算需要用于构建三对角矩阵的参数α1和向量r1：
Figure BDA0001022078500000059
然后进行重正交化r1，计算用于构建三对角矩阵的参数β1：β1＝||r1||；
S3、迭代过程，定义迭代次数为NITER，定义迭代循环控制变量为k，初始化k＝1，具体如下：
S31、分别定义此过程中的发送端和接收端的测量次数Nmr,Nmt；
S32、找到ATD，ARD在S24-2，S25-2中K个非零元素的位置所对应的列AT，AR,将其转置作为发送端和接收端的测量矩阵ΦT,ΦR；
S33、接收波束成形向量训练，具体如下：发送端发送向量
Figure BDA00010220785000000510
至接收端，空矩阵Q＝[Q,qk+1]，接收端接收过程中使用ΦR的列作为波束成形加权合并向量，因此接收端得到r＝ΦR H(Hqk+1+nR)，接收端使用最小二乘法计算出系数hR＝(ΦRAR)-1r，并求得g＝ARhR，接收端对向量g进行归一化，即
Figure BDA0001022078500000061
并将
Figure BDA0001022078500000062
返回至发送端；
S34、发送波束成形向量训练，具体如下：接收端发送向量
Figure BDA0001022078500000063
至发送端，发送端接收过程中使用ΦT的列作为波束成形加权合并向量，因此接收端得到
Figure BDA0001022078500000064
接收端使用最小二乘法计算出系数hT＝(ΦTAT)-1t，并求得f＝AThT，对f取共轭，结果仍然存储在f中：f＝f*；
S35、发送方计算需要用于构建三对角矩阵的参数αk+1和向量rk+1：
Figure BDA0001022078500000065
然后进行重正交化rk+1，计算用于构建三对角矩阵的参数βk+1：βk+1＝||rk+1||，令k＝k+1，返回S31继续迭代；
S4、利用S35迭代过程中得到的αk+1和βk+1构建三对角矩阵T：
Figure BDA0001022078500000066
S5、对S4所述T作特征值分解，并将特征值按降序排列，从大到小依次为λ1,λ2,...,λITER，相应的特征向量为v1,v2,...,vITER；
S6、计算发送波束成形矩阵
Figure BDA0001022078500000067
将发送方波束成形矩阵F的列fk(k＝1,2,...NS)依次发送至接收方，接收端接收过程中使用ΦR的列作为波束成形加权合并向量，因此接收端得到r＝ΦR H(Hfk+nR)，接收端使用最小二乘法计算出系数hR＝(ΦRAR)-1r，并求得w＝ARhR，接收端对向量w进行归一化，即
Figure BDA0001022078500000068
合并为接收端的波束成形矩阵
Figure BDA0001022078500000069
S7、最后将迭代后得到的W,F输出即可。
进一步地，S25-4所述重正交化方法如下：
Figure BDA00010220785000000610
进一步地，S35所述重正交化方法如下：
Figure BDA0001022078500000071
本发明的有益效果是：
本发明利用时分双工系统的信道互易性，无需估计信道状态信息，同时，利用LANCZOS算法的快速收敛性和同时获得多个特征向量的性质，大大提高了天线训练速度，减小了训练开销,且此阵列系统调整了每个天线的信号幅度和相位。
附图说明
图1毫米波MIMO波束成形系统图。
图2是本发明仿真程序的流程图。
图3是本发明应用于单流波束成形的情形的容量性能曲线对比图。
图4是本发明应用于两流波束成形的情形的容量性能曲线对比图。
具体实施方式
下面结合附图，对本发明作进一步地详细描述。
如图1所示毫米波MIMO波束成形系统图，图中展示的是具有NS个数据流的MIMO系统，使用特征波束成形，则发送端波束成形矩阵
Figure BDA0001022078500000072
接收端波束成形矩阵
Figure BDA0001022078500000073
图3是本发明应用于单流波束成形的情形的容量性能曲线，从上到下分别为SVD条件下的曲线，本发明的曲线，可看出已很接近理想情况。图4是本发明应用于两流波束成形的情形的容量性能曲线。
实施例、
S1、定义接收端字典矩阵
Figure BDA0001022078500000081
定义发送端字典矩阵
Figure BDA0001022078500000082
其中，N表示接收端字典长度，M表示接收端字典长度，M越大，表示量化越精细，从而量化误差越小；
S2、初始阶段处理，具体如下：
S21、发送端生成一个NT×1向量r0＝[1,0,0,...,0]T，将所述r0的模值赋给变量β0：β0＝||r0||，定义零向量q0：q0＝0，定义空矩阵Q用于存储迭代过程中产生的向量：Q＝[]，其中，NT为接收天线数目；
S22、定义此过程中的发送端的测量次数Nmr0和接收端的测量次数Nmt0；
S23、生成发送端的最优测量矩阵ΦT 0和接收端的最优测量矩阵ΦR 0，生成方式如下：
Figure BDA0001022078500000083
其中，
Figure BDA0001022078500000084
表示E的特征值分解，B,Λ分别为特征向量和特征值，NR为接收天线数目，
Figure BDA0001022078500000085
表示ET的特征值分解，BT,ΛT分别为特征向量和特征值，NT为发送天线数目，I表示单位矩阵，0表示零矩阵；
S24、接收波束成形向量训练，具体如下：
S24-1、计算初始向量
Figure BDA0001022078500000086
令S21所述空矩阵Q的第1列为q1，即Q＝[Q,q1]，发送方在连续发送Nmr0次向量q1至接收方，接收端接收过程中使用ΦR 0的列作为波束成形加权合并向量，因此接收端得到
Figure BDA0001022078500000091
其中，nR表示接收端的加性高斯白噪声向量，
Figure BDA0001022078500000092
S24-2、接收端使用基于压缩感知的稀疏信号恢复算法计算出表示接收信号到达角在字典矩阵ARD中的位置的稀疏向量zR，其中，zR是一个N×1的列向量，N表示字典ARD的长度，zR中有K个非零元素，K＜＜N；
S24-3、Hq≈ARDzR，所述Hf存储在NR×1向量g中，即g＝ARDzR，其中，信道矩阵
Figure BDA0001022078500000093
接收端对向量g进行归一化，即
Figure BDA0001022078500000094
并将
Figure BDA0001022078500000095
返回至发送端；
S25、发送波束成形向量训练，具体如下：
S25-1、接收端发送向量
Figure BDA0001022078500000096
至发送端，发送端在接收过程中使用ΦT 0的列作为波束成形加权合并向量，因此发送端得到
Figure BDA0001022078500000097
其中，nT表示第k次迭代发送端的加性高斯白噪声向量，
Figure BDA0001022078500000098
S25-2、发送端使用基于压缩感知的稀疏信号恢复算法计算出表示接收信号到达角在字典矩阵ATD中的位置的稀疏向量zT，其中，zT是一个M×1的列向量，M表示字典ATD的长度，zT中有K个非零元素，K＜＜M；
S25-3、
Figure BDA0001022078500000099
所述
Figure BDA00010220785000000910
存储在NT×1向量f中，即f＝ATDzT，对f取共轭，结果仍然存储在f中：f＝f*；
S25-4、发送方计算需要用于构建三对角矩阵的参数α1和向量r1：
Figure BDA00010220785000000911
然后进行重正交化r1，计算用于构建三对角矩阵的参数β1：β1＝||r1||，其中，所述重正交化方法如下：
Figure BDA00010220785000000912
S3、迭代过程，定义迭代次数为NITER，定义迭代循环控制变量为k，初始化k＝1，具体如下：
S31、分别定义此过程中的发送端和接收端的测量次数Nmr,Nmt；
S32、找到ATD，ARD在S24-2，S25-2中K个非零元素的位置所对应的列AT，AR,将其转置作为发送端和接收端的测量矩阵ΦT,ΦR；
S33、接收波束成形向量训练，具体如下：发送端发送向量
Figure BDA0001022078500000101
至接收端，空矩阵Q＝[Q,qk+1]，接收端接收过程中使用ΦR的列作为波束成形加权合并向量，因此接收端得到r＝ΦR H(Hqk+1+nR)，接收端使用最小二乘法计算出系数hR＝(ΦRAR)-1r，并求得g＝ARhR，接收端对向量g进行归一化，即
Figure BDA0001022078500000102
并将
Figure BDA0001022078500000103
返回至发送端；
S34、发送波束成形向量训练，具体如下：接收端发送向量
Figure BDA0001022078500000104
至发送端，发送端接收过程中使用ΦT的列作为波束成形加权合并向量，因此接收端得到
Figure BDA0001022078500000105
接收端使用最小二乘法计算出系数hT＝(ΦTAT)-1t，并求得f＝AThT，对f取共轭，结果仍然存储在f中：f＝f*；
S35、发送方计算需要用于构建三对角矩阵的参数αk+1和向量rk+1：
Figure BDA0001022078500000106
然后进行重正交化rk+1，计算用于构建三对角矩阵的参数βk+1：βk+1＝||rk+1||，令k＝k+1，返回S31继续迭代，其中，所述重正交化方法如下：
Figure BDA0001022078500000107
S4、利用S35迭代过程中得到的αk+1和βk+1构建三对角矩阵T：
Figure BDA0001022078500000108
S5、对S4所述T作特征值分解，并将特征值按降序排列，从大到小依次为λ1,λ2,...,λITER，相应的特征向量为v1,v2,...,vITER；
S6、计算发送波束成形矩阵
Figure BDA0001022078500000109
将发送方波束成形矩阵F的列fk(k＝1,2,...NS)依次发送至接收方，接收端接收过程中使用ΦR的列作为波束成形加权合并向量，因此接收端得到r＝ΦR H(Hfk+nR)，接收端使用最小二乘法计算出系数hR＝(ΦRAR)-1r，并求得w＝ARhR，接收端对向量w进行归一化，即
Figure BDA0001022078500000111
合并为接收端的波束成形矩阵
Figure BDA0001022078500000112
S7、最后将迭代后得到的W,F输出即可。

Claims (3)

1.一种基于压缩感知的快速迭代波束成形方法，其特征在于，包括如下步骤：
S1、定义接收端字典矩阵
Figure FDA0002327904400000011
定义发送端字典矩阵
Figure FDA0002327904400000012
其中，N表示接收端字典长度，M表示发送端字典长度，λ是信号波长，d是天线阵元间距；
S2、初始阶段处理，具体如下：
S21、发送端生成一个NT×1向量r0＝[1,0,0,…,0]T，将所述r0的模值赋给变量β0：β0＝||r0||，定义零向量q0：q0＝0，定义空矩阵Q用于存储迭代过程中产生的向量：Q＝[]，其中，NT为发送天线数目；
S22、定义此过程中的发送端的测量次数Nmr0和接收端的测量次数Nmt0；
S23、生成发送端的最优测量矩阵ΦT 0和接收端的最优测量矩阵ΦR 0，生成方式如下：
Figure FDA0002327904400000013
其中，
Figure FDA0002327904400000014
表示E的特征值分解，B,Λ分别为特征向量和特征值，NR为接收天线数目，
Figure FDA0002327904400000015
表示ET的特征值分解，BT,ΛT分别为特征向量和特征值，NT为发送天线数目，I表示单位矩阵，
Figure FDA0002327904400000016
表示零矩阵；
S24、接收波束成形向量训练，具体如下：
S24-1、计算初始向量q1：
Figure FDA0002327904400000017
令S21所述空矩阵Q的第1列为q1，即Q＝[Q,q1]，发送方在连续发送Nmr0次向量q1至接收方，接收端接收过程中使用ΦR 0的列作为波束成形加权合并向量，因此接收端得到
Figure FDA0002327904400000021
其中，nR表示接收端的加性高斯白噪声向量，
Figure FDA0002327904400000022
S24-2、接收端使用基于压缩感知的稀疏信号恢复算法计算出表示接收信号到达角在字典矩阵ARD中的位置的稀疏向量zR，其中，zR是一个N×1的列向量，N表示字典ARD的长度，zR中有K个非零元素，K＜＜N；
S24-3、Hq1≈ARDzR，所述Hq存储在NR×1向量g中，即g＝ARDzR，其中，信道矩阵
Figure FDA0002327904400000023
接收端对向量g进行归一化，即
Figure FDA0002327904400000024
并将
Figure FDA0002327904400000025
返回至发送端；
S25、发送波束成形向量训练，具体如下：
S25-1、接收端发送向量
Figure FDA0002327904400000026
至发送端，发送端在接收过程中使用ΦT 0的列作为波束成形加权合并向量，因此发送端得到
Figure FDA0002327904400000027
其中，nT表示第k次迭代发送端的加性高斯白噪声向量，
Figure FDA0002327904400000028
S25-2、发送端使用基于压缩感知的稀疏信号恢复算法计算出表示接收信号到达角在字典矩阵ATD中的位置的稀疏向量zT，其中，zT是一个M×1的列向量，M表示字典ATD的长度，zT中有K个非零元素，K＜＜M；
S25-3、
Figure FDA0002327904400000029
所述
Figure FDA00023279044000000210
存储在NT×1向量f中，即f＝ATDzT，对f取共轭，结果仍然存储在f中：f＝f*；
S25-4、发送方计算需要用于构建三对角矩阵的参数α1和向量r1：α1＝(qH 1f)2,
Figure FDA00023279044000000211
然后进行重正交化r1，计算用于构建三对角矩阵的参数β1：β1＝||r1||；
S3、迭代过程，定义迭代次数为NITER，定义迭代循环控制变量为k，初始化k＝1，具体如下：
S31、分别定义此过程中的发送端和接收端的测量次数Nmr,Nmt；
S32、找到ATD，ARD在S24-2，S25-2中K个非零元素的位置所对应的列AT，AR,将其转置作为发送端和接收端的测量矩阵ΦT,ΦR；
S33、接收波束成形向量训练，具体如下：发送端发送向量
Figure FDA0002327904400000031
至接收端，空矩阵Q＝[Q,qk+1]，接收端接收过程中使用ΦR的列作为波束成形加权合并向量，因此接收端得到r＝ΦR H(Hqk+1+nR)，接收端使用最小二乘法计算出系数hR＝(ΦRAR)-1r，并求得g＝ARhR，接收端对向量g进行归一化，即
Figure FDA0002327904400000032
并将
Figure FDA0002327904400000033
返回至发送端；
S34、发送波束成形向量训练，具体如下：接收端发送向量
Figure FDA0002327904400000034
至发送端，发送端接收过程中使用ΦT的列作为波束成形加权合并向量，因此发送端得到
Figure FDA0002327904400000035
发送端使用最小二乘法计算出系数hT＝(ΦTAT)-1t，并求得f＝AThT，对f取共轭，结果仍然存储在f中：f＝f*；
S35、发送方计算需要用于构建三对角矩阵的参数αk+1和向量rk+1：
Figure FDA0002327904400000036
然后进行重正交化rk+1，计算用于构建三对角矩阵的参数βk+1：βk+1＝||rk+1||，令k＝k+1，返回S31继续迭代；
S4、利用S35迭代过程中得到的αk+1和βk+1构建三对角矩阵T：
Figure FDA0002327904400000037
S5、对S4所述T作特征值分解，并将特征值按降序排列，从大到小依次为λ1,λ2,…,λITER，相应的特征向量为v1,v2,…,vITER；
S6、计算发送波束成形矩阵
Figure FDA0002327904400000038
将发送方波束成形矩阵F的列fk依次发送至接收方，k＝1,2,...NS，NS为数据流个数，接收端接收过程中使用ΦR的列作为波束成形加权合并向量，因此接收端得到r＝ΦR H(Hfk+nR)，接收端使用最小二乘法计算出系数hR＝(ΦRAR)-1r，并求得w＝ARhR，接收端对向量w进行归一化，即
Figure FDA0002327904400000041
合并为接收端的波束成形矩阵
Figure FDA0002327904400000042
S7、最后将迭代后得到的W,F输出即可。
2.根据权利要求1所述的一种基于压缩感知的快速迭代波束成形方法，其特征在于：S25-4所述重正交化方法如下：
Figure FDA0002327904400000043
3.根据权利要求1所述的一种基于压缩感知的快速迭代波束成形方法，其特征在于：S35所述重正交化方法如下：
Figure FDA0002327904400000044
CN201610443927.1A 2016-06-20 2016-06-20 一种基于压缩感知的快速迭代波束成形方法 Active CN106100711B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610443927.1A CN106100711B (zh) 2016-06-20 2016-06-20 一种基于压缩感知的快速迭代波束成形方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610443927.1A CN106100711B (zh) 2016-06-20 2016-06-20 一种基于压缩感知的快速迭代波束成形方法

Publications (2)

Publication Number Publication Date
CN106100711A CN106100711A (zh) 2016-11-09
CN106100711B true CN106100711B (zh) 2020-03-17

Family

ID=57237406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610443927.1A Active CN106100711B (zh) 2016-06-20 2016-06-20 一种基于压缩感知的快速迭代波束成形方法

Country Status (1)

Country Link
CN (1) CN106100711B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106850007A (zh) * 2016-12-21 2017-06-13 中国科学院上海微系统与信息技术研究所 毫米波通信链路多波束赋形方法及装置
CN113644944B (zh) * 2021-07-19 2022-07-19 武汉大学 一种大规模mimo低复杂度混合预编码方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497644A (zh) * 2011-12-22 2012-06-13 电子科技大学 一种低复杂度正交迭代波束成形的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8116819B2 (en) * 2008-12-31 2012-02-14 Intel Corporation Arrangements for beam refinement in a wireless network

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497644A (zh) * 2011-12-22 2012-06-13 电子科技大学 一种低复杂度正交迭代波束成形的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Iterative decision-Aided Compensation of Phase Noise in Millimeter-Wave SC-FDE Systems";Xiantao Cheng,Niannian lou,Bo Yuan;《IEEE》;20160315;全文 *

Also Published As

Publication number Publication date
CN106100711A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN105846879B (zh) 一种在毫米波预编码系统中的迭代波束成形方法
CN104779985B (zh) 一种基于信道空间稀疏特性的迭代波束成形方法
US7970355B2 (en) Method and device for wireless communication using MIMO techniques
TWI466474B (zh) 通道信息反饋方法及其無線通訊裝置
US20160353294A1 (en) Beamforming based communications method and apparatus
CN104779988B (zh) 一种快速迭代波束成形的方法
CN104935367B (zh) 一种基于信道空间稀疏特性的快速迭代波束成形方法
KR100928855B1 (ko) Ｍｉｍｏ 디코더 및 ｍｉｍｏ 디코딩 방법
US8649457B2 (en) Precoding process for a transmitter of a MU-MIMO communication system
CN105915272B (zh) 一种基于压缩感知的迭代波束成形方法
CN114142899B (zh) 码本选择方法、装置、介质和通信设备
CN109981154A (zh) 低复杂度阵列天线多输入多输出系统混合预编码算法
CN111654456B (zh) 基于降维分解的毫米波大规模mimo角域信道估计方法及装置
CN106130610A (zh) 一种在毫米波预编码系统中的快速迭代波束成形方法
CN113595944A (zh) 一种用于毫米波mimo混合预编码系统的信道估计方法
CN106100711B (zh) 一种基于压缩感知的快速迭代波束成形方法
Wei et al. Joint massive MIMO CSI estimation and feedback via randomized low-rank approximation
CN110350961A (zh) 适于5g多用户大规模mimo混合波束赋形算法及系统
CN107426119B (zh) 毫米波通信的十字形信道估计方法、装置及系统
Gadamsetty et al. A fast dictionary learning algorithm for CSI feedback in massive MIMO FDD systems
Li et al. Downlink channel estimation of intelligent reflective surface aided MU-MIMO system
WO2013029274A1 (zh) 一种多用户预编码方法和装置
Strelnikov et al. Approximation of Spatial Spectrum by Discrete Fourier Transform in MIMO-OFDM System
Shareef et al. Wideband hybrid precoder for mmWave multiuser MIMO-OFDM communications
US11973562B2 (en) Internal data transfer in a multiple-antenna communication system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant