CN106716866B - 乒乓波束成形 - Google Patents

Abstract

本公开的实施例提供了一种迭代过程，该迭代过程依赖于两个天线阵列之间的乒乓传输来确定每个设备处所期望的波束成形权重。可以描述并要求保护其他实施例。

Description

乒乓波束成形

相关申请

本申请要求于2014年10月30日递交的、名称为“PING PONG BEAMFORMING(乒乓波束成形)”的丹麦专利申请No.PA201470666的优先权，该专利申请的公开内容通过引用整体结合于此。

技术领域

实施例涉及无线通信，并且具体地，涉及至少一个第一设备和至少一个第二设备之间的乒乓波束成形，这两个设备都具有多个天线元件。

背景技术

在无线通信中获取信道状态信息(CSI)是昂贵的。它通常要求从数据传输中取出资源的训练。由于涉及具有非常大量天线元件的阵列的通信(对于这种通信CSI获取是主要的研究焦点)的出现，训练已更为广受关注。在大规模多输入多输出(MIMO)系统中，配备有大规模阵列的基站与少量的用户进行通信。下行链路信道训练使用与大规模阵列中的天线数目成正比的训练长度，并且变得不切实际。

现有途径在没有信道的知识的情况下使用简单的迭代算法来提取互易信道中的两个通信阵列可实现的最大波束成形增益。以在阵列中的一个阵列处传输到另一阵列的任意权重因子开始，通过共轭和正规化来创建新的权重因子。然后重复该过程直到收敛。波束成形权重收敛到信道矩阵的最大(左和右)特征向量。这就像两个设备之间的乒乓游戏，其中，在每次迭代时，设备仅返回它刚刚接收到的信号的共轭。该途径的优点在于估计信道矩阵的最大特征向量的极度简单性。

在现有途径中，双向训练过程被用于直接估计对MIMO干扰信道的最大信号对干扰加噪声比(SINR)算法进行优化的波束成形向量。尽管这对于少量天线是高效的过程，但当涉及大规模阵列时它变得计算量繁重。

附图说明

结合附图通过以下具体实施方式将容易地理解实施例。在附图的图示中，通过示例的方式而非限制的方式示出了实施例。

图1示出了根据一些实施例的单用户情形的系统模型，在该系统模型中，具有M个天线的设备A与具有N个天线的设备B进行通信。

图2示出了根据一些实施例的图1中所介绍的设备A和设备B处的迭代处理。

图3示出了根据一些实施例的通过模拟滤波实现的训练。

图4示出了根据一些实施例的接收器结构。

图5示出了根据一些实施例的支持PPB的两个传输协议。

图6示出了根据一些实施例的在有噪声情形下设备处的迭代处理。

图6B更详细地示出了根据一些实施例的图6中所介绍的迭代处理。

图7是根据一些实施例的将波束成形示出为迭代的函数的图表。

图8是根据一些实施例的针对一个给定信道实现的2米每秒(m/s)的速度将波束成形增益示出为时间的函数的图表。

图9是根据一些实施的例针对对许多信道实现平均的不同速度将波束成形增益示出为时间的函数的图表。

图10是示出根据一些实施例的针对两个用户的匹配滤波和迫零滤波之后的后处理信噪比(SNR)的比较的图表。

图11是示出根据一些实施例的针对两个用户的第一迫零滤波和第二迫零滤波的比较的图表。

图12是示出根据一些另外的实施例的针对两个用户的第一迫零滤波和第二迫零滤波的比较的图表。

图13是示出根据一些另外的实施例的针对两个用户的第一迫零滤波和第二迫零滤波的比较的图表。

图14是根据一些实施例的设备。

图15是根据一些实施例的计算装置。

具体实施方式

本公开的实施例提供了估计处于时分双工模式的MIMO信道的最大特征向量的有效训练过程。假设信道互易性，我们描述了依赖于两个天线阵列之间的乒乓传输的迭代过程，其中，在每次迭代时，设备仅返回它刚刚被供应的信号的共轭。乒乓波束成形(Ping-Pong Beamforming，PPB)收敛到每个通信端的最优波束成形权重，例如，信道矩阵的最大(左和右)特征向量。PPB要求数十次迭代并且对于接收器端的加性噪声是稳健的。PPB显著地减轻了两个阵列都配备有非常大量的天线时的训练要求，因此在预期有这样的大规模阵列的毫米波通信中有明显的好处。PPB被扩展到多用户MIMO通信设置，其中每个用户发送单个流。设计了跟踪每个用户的信道的特征向量的训练过程。我们展示了当通信链路的两端均涉及大规模天线阵列时，可以根据信道的最大特征向量来构建最优收发器。

现在将更详细地解释本发明。尽管本发明可能有各种修改和替代形式，但已经以示例的方式公开了具体实施例。然而，应理解的是，本发明不旨在被限制于所公开的特定形式。而是，本发明将覆盖落入由所附权利要求所限定的本发明的精神和范围内的所有修改、等同物、以及替代物。

此外，各种操作将以继而最有助于理解说明性实施例的方式被描述为多个离散的操作；然而，描述的顺序不应当被解释为暗示这些操作必须依赖于顺序。具体来说，这些操作不需要按呈现的顺序来执行。

短语“在一些实施例中”被重复地使用。该短语通常不指代相同的实施例；然而，它可以指代相同的实施例。术语“包含”、“具有”、以及“包括”是同义词，除非上下文另有规定。

短语“A或B”、“A/B”、以及“A和/或B”表示(A)、(B)、或(A和B)。

如本文所使用的，术语“电路”指代或包括如下硬件组件、或者是这些硬件组件的一部分，所述硬件组件例如为被配置为提供所描述的功能的专用集成电路(ASIC)、电子电路、逻辑电路、(共享的、专用的、或者群组的)处理器和/或(共享的、专用的、或者群组的)存储器。在一些实施例中，电路可执行一个或多个软件或固件程序来提供所描述的操作中的至少一些操作。电路可以在一个或多个软件或固件模块中实现，或者与电路相关联的操作可以由一个或多个软件或固件模块来实现。在一些实施例中，电路可以包括至少部分地可在硬件中操作的逻辑来执行所描述的操作。

将大规模MIMO操作限制于时分双工(TDD)显著地减轻了训练要求。由于可以利用信道互易性(这意味着下行链路和上行链路信道是相等的)，所以CSI是基于上行链路训练获取的。益处是训练长度可以与用户数目成比例。

毫米波(mmWave)频率(例如，在30到60GHz的范围内)可被用于两端均涉及具有数百个天线的大规模阵列的通信中。毫米波频率量级的大传播损耗已被标识为主要的障碍。因此，优先考虑的是通信设备之间的非常高的波束成形增益。可通过形成匹配的发送波束成形和接收波束成形来实现该目标。训练要求可能变得严格。与大规模MIMO系统不同，现在可平衡通信的两端处的天线的数目，以使得估计所有信道系数可能需要与大量天线成比例的训练序列长度。

实施例适配于具体的通信框架，其中，提出了通信协议以支持具有损伤(噪声或干扰)的环境中以及单用户和多用户情境中的乒乓波束成形(PPB)。描述了不同的训练协议以估计每次迭代的波束成形权重以及自适应调制和编码。对于具有少量天线的MIMO通信，PPB的应用表现为合理的低复杂度替代以寻找信道特征向量，而不是直接信道估计然后进行奇异值分解。然而，PPB在应用于如在毫米波频率所预期的两端均涉及大规模阵列的通信时发挥其全部潜力。首先，可以大大减少训练需求。若两个设备都具有M个天线，则用于直接信道估计的最小训练长度可以等于M：它可以是将信道从每个发送天线分离所需的长度，并且通常可被增大为M×L以抑制加性噪声。此外，能够在毫米波通信中跟踪最大特征向量无疑是利用这种简单性尚未被实现的非常有价值的资产。

在PPB的每次迭代中，可以在接收器处估计当前发送权重和信道的级联。训练时段可被划分为交替地专用于正向和反向传输的(不一定是后续的)时隙。在单用户情形下，训练可完全专用于噪声或干扰抑制，在多用户情形下，还用于用户分离。仅数十次迭代可能就足以收敛。因此，与直接信道估计相比训练要求可以更加宽松。PPB可能以适当的训练协议为代价，本文中将对此进行讨论。此外，PPB可经得起在毫米波频率特别关键的低复杂度实现方式的检验。可以在模拟域中执行波束成形，从而减少RF链的数目，具体地，功率放大器和模数转换器的数目。

本说明的第一部分描述了单用户设置。它详细描述了当训练阶段期间所估计的权重向量被用于数据传输时在数据模式中的训练过程和性能。它分析了在接收器处存在加性噪声或干扰的情况下PPB的行为。在毫米波频率处，当执行波束成形以达到扩展时可以把非常低的SNR作为目标。因此，除非训练序列非常长，否则在每次迭代时对波束成形权重的估计可能是有噪声的。由于发送波束成形向量中存在噪声，因此在乒乓过程中存在噪声放大的风险。PPB的非常显著的性质是可以在迭代过程中吸收噪声。就像PPB将随机向量转换为最大特征向量一样，PPB也可将噪声向量转换为最大特征向量。间歇性噪声在足够次数的迭代之后消失。持续出现的噪声意味着波束成形增益的损耗，但重要的是PPB仍然收敛。

然后，本说明将PPB扩展到多用户设置。在单用户情形下，可首先估计最大特征向量，然后是基于最大本征模的数据发送和接收。在多用户设置中，原则上，保持这样的基于最大本征模的收发器留下用户间干扰并且更先进的收发器能够抑制用户间干扰。可以利用通信的两端的大规模阵列来从最大特征向量构建期望的收发器。因此，训练过程可致力于使用正交训练序列来跟踪每个用户的特征向量。因此，实施例可继续受益于PPB训练的有利性质：收敛、对大噪声水平的稳健性、以及非常低的计算复杂度。

一般而言，所描述的实施例从通常的信道估计偏移，其中，信道估计提供针对数据模式构建收发器的基础。替代地，权重向量可被估计。由于许多权重向量可被估计为要发送的流的数目，这绕开了当涉及大规模阵列时对估计许多信道系数的需求。在单用户设置中权重向量被直接用在数据模式中，而在多用户设置中它们一般要经过简单的变换以确保用户分离。

我们使用下列符号：上标(.)^(k)表示迭代数k处的量，而下标(.)_A、(.)_B表示设备A和B。(.)^*、(.)T、(.)^H表示矩阵的共轭、转置以及厄密共轭(Hermitian)转置。||.||是向量的范数。

表示正规化向量。

图1示出了根据一些实施例的设备A和B的收发器电路。具体地，图1示出了设备A的发送器结构，其包括与相应的波束成形器108(1)和108(2)相耦合的多个天线元件104(1)和104(2)。波束成形器108可被提供以如将在本文描述的相应波束成形权重向量

图1还示出了设备B的接收器结构，其包括与相应的组合器116(1)和116(2)以及波束成形器120(1)和120(2)相耦合的多个天线元件112(1)和112(2)。组合器116可表示在接收器处添加噪声信号n_B，并且波束成形器120可被提供以如将在本文描述的相应波束成形权重向量

尽管图1中未示出，但设备A还可包括与针对设备B所示的相类似的接收器结构，并且设备B还可包括与针对设备A所示的相类似的发送器结构。

该系统模型是针对单个用户设置进行描述的。后面描述针对多用户设置的系统模型。

如图1所示，设备A配备有与设备B进行通信的M个天线元件的阵列，该设备B配备有N个天线元件的阵列。系统在TDD模式中操作，以保持信道互易性。H表示从A到B的窄带信道矩阵，则互易性意味着从B到A的信道矩阵等于H^T。设备缓慢移动，并且除非另有说明，可假设信道相干时间大于算法的收敛时间。

可分别使用长度为M和N的正规化波束成形权重向量

和

来在A和B之间交换单个数据流。总发送功率P_T在A和B处均被设置为1。在接收器处，可添加跨天线不相关的、具有方差

的独立同分布(i.i.d.)高斯噪声。当A或B用作接收器时，噪声向量可被表示为n_A和n_B。SNR被定义为

其中，假设信道跨天线是固定的，则E|h|²表示每个独立链路的平均能量。该工作通常以低SNR范围为目标并且多个天线的作用是增加对于通信可用的有效SNR。

它可能依赖于信道矩阵H的奇异值分解(SVD)：

U_i和V_i分别为矩阵U和V的列。奇异特征值λ_i被排序为λ₁≥λ₂≥…≥λ_min(M，N)。Λ是第i个对角线元素等于λ_i的对角矩阵。为了展示的清楚性，可选地将最大特征值及相关联的特征向量表示为λ_max、U_max、以及V_max。

在本部分中，对乒乓波束成形的无噪声情形进行解释，以理解PPB背后的直觉知识，在图2中给出的迭代的更正式描述之前，呈现了无噪声情形下的交替最大化问题。在无噪声情形下，可在每个传输周期发送单个训练符号s＝1。

在一些实施例中，PPM可以以如下方式被用作交替优化。

在设备A处以任意正规化权重向量

开始。在训练模式中，在B处接收的信号可以是

该量可被视为包括权重向量

和传播信道的复合信道。与该复合信道相匹配的最优正规化接收器可等于

其中，

是

的范数。它可进而被应用为从设备B到设备A的传输的权重向量。

在设备A处，接收信号可以是

其最优接收器可以是

注意的是，

仅意味着

可能不是信道

的最优接收器。

如本文使用的，“最优”可指代对具体情况而言的期望参数。它不要求该参数对于所有情况都是最优的。

可以在如下优化框架中重新表述先前所描述的处理，其中，目标是为了使下式最大化：

解是H^HH的最大特征向量并且若信道矩阵是已知的则可以直接进行计算。

所提出的算法通过进行到相当于使用交替优化求解(2)的乒乓传输来在没有关于信道的明确知识的情况下寻找最大特征向量。从初始化

开始，求解优化问题

给出解

然后，可以形成新的优化问题

该过程的重复与算法的迭代相对应。成本函数可以在每此迭代中增大并且可以是有上限的，因此它可收敛于稳定点。该稳定点可以是H^HH的特征向量。

若初始权重向量

不与最大特征向量V_max正交，则可以示出迭代沿着V_max保持非零分量。因此，算法收敛于全局最优的，例如，最大特征向量。尽管上面的讨论集中于在设备A处的迭代。在设备B处可以发生相同类型的迭代。

可以如下解释PPB迭代，其中，设备A和设备B在乒乓波束成形的不同迭代处的发送权重向量的表达式在图2中被描述。N_A/B是正规化因子。

存在两个并行迭代集：一个集针对设备A并基于复合信道H^HH，另一集针对设备B并基于复合信道H^*H^T。每个集与独立的功率迭代算法相对应：一个计算H^HH的最大特征向量并且另一个计算H^*H^T的最大特征向量。

下面简要描述了功率算法的收敛性的证明以更好地掌握算法的收敛性质。再次关注设备A处的迭代，在迭代k，非正规化权重向量可被如下给出：

由于H^HH＝VAV^H并将

分解为特征向量V_i所形成的正交基，如

我们得到

因此，我们得到：

除以

由于(λ_i/λ_max)^k对于i＞1趋于零，假设λ_i严格小于最大特征值λ_max。收敛的速度可由第二大奇异值和最大奇异值之间的比率来确定。即使最大特征值具有大于1的重数，算法仍可产生最大的波束成形增益。收敛的唯一条件可以是α₁≠0，这意味着初始化可能不与最大特征向量正交。

现在可以关于各个实施例来描述PPB的实现方式。

PPB的一个主要优势是它是有效的实现方式。图4示出了根据一些实施例的接收器400。接收器400可包括分别与相应的模拟波束成形组件408(1)、408(2)、以及408(3)相耦合的多个天线404(1)、404(2)、以及404(3)。尽管示出了三个天线和模拟波束成形组件，但其他实施例可包括其他数目的元件。模拟波束成形组件408各自可包括分别与可变增益放大器416(1)、416(2)、以及416(3)相耦合的可变移相器412(1)、412(2)、412(3)。模拟波束成形组件408可由在训练期间获取的模拟权重来控制并且可以将相应的信号馈送到RF链424的组合器420中。RF链424还可包括如所示出的彼此相耦合的模拟处理器428、模数转换器(ADC)432、以及数字处理器436。

尽管附图(包括图4)可以示出一定数目的元件，但其他实施例不受限于所示出的元件的数目。

如所示出的，可以在模拟域中执行波束成形并且仅需要一个RF链424。

可以使用图3中所描绘的根据一些实施例的抽取延迟模拟滤波器300来实现先前的章节中所描述的训练过程。抽取延迟模拟滤波器300可包括具有多个延迟元件308(1)、308(2)、以及308(3)的延迟线304以接收信号y(n)。可以利用与组合器316(1)相耦合的放大器312(1)和312(2)来多次抽取延迟线304；放大器312(3)和312(4)与组合器316(2)相耦合；以及

PPB原理可类似于逆向阵列。例如，可基于范阿塔(van Atta)阵列来获得共轭运算。逆向阵列是被动的并且它们的结构需要被增强以允许数据传输。

一些实施例包括用于估计波束成形权重向量的“乒乓波束训练”方法，这些波束成形权重向量用于时分双工系统中的第一设备(例如，设备A)和第二设备(例如，设备B)之间的单个数据流的发送和接收。设备A和B均可具有多个天线元件。从设备A到设备B的信道矩阵被表示为(H_A)。从设备B到设备A的信道矩阵表示为(H_B)。方法包括在下面根据一些实施例所描述的迭代操作。尽管可以在有序列表中描述该方法和其他方法，但一些实施例可包括以不同顺序执行的操作中的一些或全部操作。

a)起始步骤可包括由随机选择的值或通过使用之前的方法实例所给定的权重来初始化权重。所选择的值应使得通信系统的发送功率约束被满足。

b)在迭代(k)，权重向量

可被用于将训练序列从设备A发送到设备B。

c)设备B可使用基于训练的方法来从所接收的包含训练序列的符号的信号来估计波束成形向量

和信道(H_A)的乘积

的估计被表示为

其中，(.)^*为共轭运算。当信道跨所接收的包含训练序列的信号为时变的时，假设信道为时不变的则可遵循相同的过程。该描述是针对跨所接收的包含训练序列的信号为时不变的信道(H_A)给出的。当信道(H_A)为时变的时，可执行相同的过程。

d)设备B可以取

的复共轭以获得

e)设备B可以正规化

以使得当

的正规化版本被用作发送波束成形权重时满足通信系统的发送功率约束。所得的权重被表示为

f)权重向量

可被用于将训练序列从设备B发送到设备A。

g)设备A可使用基于训练的方法来从所接收的包含训练序列的信号估计波束成形向量

和信道(H_B)的乘积

的估计被表示为

其中，(.)*是共轭运算。该描述是针对跨所接收的包含训练序列的信号为时不变的信道(H_B)给出的。当信道(H_B)为时变的时，可执行相同的过程。

h)设备A可以取

的复共轭并获得

i)设备A可正规化

以使得当

的正规化版本被用作发送波束成形权重时满足通信系统的发送功率约束。所得的权重被表示为

其中，重复运算b.-i.直到满足标准。在迭代(k)和设备A，一个可能的收敛标准可以是

的范数小于预定义阈值。在迭代(k)和设备B，一个可能的收敛标准可以是

的范数小于预定义阈值。

对于

的互易信道，上述方法在设备A处可收敛于信道矩阵(H)的Hermitian转置乘以信道矩阵(H)(即，(H^HH))的最大特征向量的近似值。该方法在设备(B)处可收敛于信道矩阵(H)的共轭乘以信道矩阵(H)的转置(即，(H^*H^T))的近似值。在一些实施例中，上述运算(d)可由“设备B可以取

的复共轭，将

的每个元素替代为它的相位并获得

”替代，并且运算(h)可由“设备A可以取

的复共轭，将

的每个元素替代为它的相位并获得

”替代。

现在可以描述与PPB训练和PPB数据模式相关的实施例。

传输协议可以符合以下描述。

在组织支持PPB的训练和数据传输的方式上存在许多可能性。图5示出了根据一些实施例的两个不同协议。在协议1中，一个时隙可包含训练时段，然后是上行链路和下行链路数据传输。在每个时隙的开始，训练时段可被划分为交替地专用于正向和反向传输的间隙。这样的训练时段在连接初始化时可能是适当的。然而，若在每个传输间隙被重复，则由于在UL和DL传输之间存在保护时间间隔而导致该过程可能变为低效的。协议2通过具有专用于一个给定传输方向(包括训练序列)的一个时隙来避免该问题。当前的训练间隙使用之前的时隙期间所获取的权重作为初始化值。该协议可适用于缓慢变化的信道。实际上，所采用的协议可以是两个模型之间的折衷，取决于用户的移动性、数据流量等而包括每个时隙中的训练子隙的数目或数据间隙的长度，这。

在采用协议2的实施例中，一个时隙可专用于两个传输方向。

在本描述的剩余部分中，协议2被用于各个实施例，这些实施例示出了当PPB收敛时数据模式中的性能。然而，实施例不受限于对协议2的使用。

可如下描述使用其中训练方法与数据通信相关联的协议(例如，协议2)的实施例。该协议可包括多个时隙，每个时隙连续地包括训练时段和数据模式。训练时段可如所描述的那样被初始化，或由在先前的时隙期间获取的权重向量来初始化。若训练时段以从设备A到设备B的传输开始，则初始化可由最后更新的权重向量

来提供，其中，(k)是所描述的训练方法在之前的时隙期间的最后迭代数。若训练时段以从设备B到设备A的传输开始，则初始化可由最后更新的权重向量

来提供。

可以在训练时段期间执行训练过程，然后在与训练时段期间的最后传输相同的方向上执行数据传输。

可以如下执行PPB训练。

考虑设备A处所接收的信号。可以在相反的方向以类似的方式在设备B处执行训练。可以丢弃迭代索引k并且设备A和B处所采用的权重可分别被一般地表示为

和

在实施例中，为抑制噪声，设备B发送长度为L的训练序列s(n)，s＝[s(1)，s(2)，...，s(L)]^T，验证s^Hs＝L。在时间n被发送的向量信号为

对应于发送L个训练符号，设备A接收被集合在M×L矩阵

由的L个向量信号：

其中，

集合了L个加性噪声向量。

非正规化权重向量w_A是如下获得的

的估计：

w_A的每个元素上的误差的方差为

取决于训练序列的长度，残留噪声可能对算法的收敛有影响，特别是在以非常低的SNR范围为目标的情况下。

在一些实施例中可以使用以下等价简化模型。可以假设发送等于1的单个训练符号。

其中，

且

在一些实施例中，使用训练过程来估计如上所述在运算(c)中在设备B处的波束成形向量

和信道(H_A)的乘积，或如上所述在运算(g)中在设备A处的波束成形向量

和信道(H_B)的乘积，该训练过程是使用图3的模拟线性滤波器300来实现的，其中，模拟滤波器的系数是基于训练序列中的符号的值的。滤波器被描述为(s^*(L)+s^*(L-1)z^-1+…s^*(1)z^-(L-1))，其中，(z^-d)表示将操作延迟d个时间样本。训练序列是符号的序列(s(1)，s(2)，...，s(L-1)，s(L))，其中，(L)是从发送设备发送的训练序列长度。滤波器的输入是包含训练序列的符号的L个所接收的信号。在迭代(k)并且在接收设备处，包含来自训练序列的符号的(L)个所接收的向量信号为{y(i)，i＝1，2，...，L-1，L}。在迭代k，发送波束成形向量以及从发送器到接收器的信道的估计是滤波器的第L个输出。

现在可以描述PPB数据模式和性能度量。

在PPB数据模式中，设备B可使用训练序列期间所估计的权重向量

来发送数据符号x。我们可以假设E|x|²＝1。设备A处接收到的信号为：

如等式(8)中在训练序列期间所估计的正规化匹配滤波器

可被用于恢复所发送的符号，如：

由于噪声项

的方差保持不变并且等于

则度量可以是信号部分的方差：

使用信道互易性，可如下来在设备B处预测调制和等级编码。接收器A处的SNR为

其可以使用非正规化向量w_B被预测为

可以假设噪声方差被完美地估计。通常，该SNR预测可能低估实际的SNR。

接着，当M是渐进大的以在波束成形权重估计中隔离噪声的影响时可检查度量。想到

使用下列两个结果：

●

●

性能度量可被改写为：

作为简单示例，我们考虑设备A包括大量天线而设备B包括单一天线的情形，从而

并且H是行向量。根据大数定律，H^*H^H/M趋于E|h|²(我们想到E|h|²表示每个单独信道的平均能量)。因此，得到下式：

当信道向量H为已知时，与单个天线接收有关的波束成形增益为M。在我们的情形下，波束成形增益可以衰减并且可以等于

当每链路平均

为0dB时，归因于噪声转发的衰减为3dB。在高SNR处，波束成形增益趋于最大增益。若随着

趋于0在每个传输间隙期间发送足够长的训练序列，则可以抑制该衰减。

当接收器处出现加性噪声或干扰信号时，该加性噪声或干扰信号可被嵌入到权重向量中。由于在每次迭代时添加新的噪声，风险是将淹没要确定的波束成形权重的噪声放大。可以分析噪声的影响以示出它如何被迭代处理实际吸收。

由于在每次迭代时添加噪声，迭代处理变得相当复杂。标识处理的基础结构并隔离噪声贡献是有用的。从这个角度，如在图6中根据一些实施例分解了该迭代处理。

每行描述设备A处的波束成形权重的结构。为简化起见，这些权重未被正规化。在迭代k，总权重因子

被分解为无噪声项

和噪声项：

●

正规化将在没有噪声的情况下发生的非正规化处理。

并且

●第j次噪声处理在迭代j处开始并且被初始化为

迭代k处的通项为

上面的描述清楚地指示噪声处理遵循与无噪声处理w_A相同类型的迭代过程。每个噪声处理自身收敛于H^HH的最大特征向量。在迭代k，第j次处理

已执行了k-j次迭代。它的收敛状态不如基本处理w_A那样前进：例如，在第k次迭代，第k次噪声处理刚被发起。在迭代k处已经收敛的噪声处理对波束成形向量的估计误差没有影响。在迭代k处尚未收敛的噪声处理可以影响估计误差。在迭代k处被发起的噪声处理可能是影响最大的噪声处理。对噪声处理的观察建议低SNR处的训练过程，其中，训练长度随着迭代增加而增加，从而在收敛点附近获得较强的噪声平均。

基本处理w_A收敛之后的解的通式可如下所示：

其中，0＜β＜1并且V包括与U_max正交的零均值噪声项。存在两个扰动因子：偏差和噪声。

通过仿真观察到整个处理收敛于平均值，其中，平均值针对噪声。

在一些实施例中，可在多用户MIMO设置中建立乒乓波束训练，其中，设备A是基站并且至少一个第二设备(例如，设备B)是至少一个用户。

考虑一个基站同时服务多个用户的多用户MIMO设置。单个数据流被发送到给定用户或在给定用户处被接收。焦点仍是以毫米波通信为目标的基站和用户设备均配备有非常大量天线的场景。

期望跟踪大MIMO信道的最大特征向量的能力，并且该能力是PPB到多用户设置的扩展中预留的特征。类似于单用户情形，可如下区分训练模式和数据模式。

在训练模式中，可执行对每个用户信道的最大特征向量的并行跟踪。这可通过使用每用户的一个正交训练序列来实现。

在数据模式中，可基于最大特征向量的估计来设计基站和用户设备处的发射和接收波束成形以解释设备处的用户间干扰。

所采用的时隙对应于图5所示的协议2。

如将在一些实施例中描述的，上面的讨论可被扩展到多用户情形。设备A可以指代基站并且B_p可以指代不同的用户，其中，p为用户索引。我们假设用户的数目P远小于基站处的天线的数目。H_P为从基站到用户p的信道。互易信道为

信道的系数可被假设为是i.i.d的。

可被假设为对于每个用户是相同的，其中，P_T为总发送功率，E|h|²为每单个信道的方差以及

为每个接收天线处的噪声的方差。M是基站处的天线的数目，并且为简化起见，所有用户可具有被表示为N的相同的天线的数目。

训练阶段期间所估计的权重和数据模式中所应用的权重可能不同。可以如下来标记这些权重之间的区别。

在训练模式中，

为在基站处估计的与用户p相对应的波束成形向量；

为在用户p处估计的与用户p相对应的波束成形向量；并且

和

收敛于H_p的右最大特征向量和左最大特征向量。

在数据模式中，

为在基站处用于将信号发送到用户p或从用户p接收信号的波束成形向量；以及

为在用户p处用于将信号发送到AP或从AP接收信号的波束成形向量。

当指代给定迭代时可丢弃迭代索引k。

基站处的发送功率可被限制于1并且可假设相等的功率分配，从而

在用户处，发送功率可被限制于1/P，这意味着

从而下行链路和上行链路中的总发送功率是相同的。这可提供UL和DL之间的性能的对偶性。相同的正规化可被应用于

和

在训练模式中，可如下执行特征向量的跟踪。

为估计波束成形向量

和

可以采用每用户一个正交序列，其被表示为长度为L的s_p＝[s_p(1)，s_p(2)，...，s_p(L)]^T，并且具有

以及

p≠q的性质。

在下行链路(DL)中，在时间n被发送的向量信号为

在用户p处，所接收的L个向量信号可被集合在N×L矩阵

中：

乘以

以隔离来自用户p的影响并抑制噪声。非正规化波束成形向量

为

的估计，并等于：

在上行链路(UL)中，用户p在时间n发送

从而在基站处所接收的信号的矩阵为：

类似于DL，用户影响可由于训练序列正交性而被分离，得到

的下述表达式：

在无噪声情形下，在足够数目的乒乓传输之后，PPB在基站处收敛于

并且在用户p处收敛于

本公开的第二方面可包括用于估计在时分双工系统中的一个第一设备(例如，设备A)和若干设备(例如，设备B_p)之间发送和接收若干数据流所使用的波束成形权重向量的方法。一个数据流可以在设备A和一个给定设备B_p之间被传输。所有设备(A和B_p)可具有多个天线元件。从设备A到设备B_p的信道矩阵被表示为

从设备B_p到设备A的信道矩阵被表示为

该方法包括如下所述的根据一些实施例的迭代运算。

a)一个训练序列(s_p)可被分配用于估计设备A和给定设备B_p之间的通信所使用的波束成形权重向量。在一个可能的设计中，所有训练序列({s_p，p＝1，...，P})可以是相互正交的，其中，P是用户的数目。

b)权重向量可由随机选择的值或通过使用该方法的先前的实例所给定的权重来初始化。所选择的值应该使得通信系统的发送功率约束得以满足。

c)在迭代(k)，权重向量

可被用于将训练序列(s_p)从设备(A)发送到设备(B_p)。

d)设备B_p可使用基于训练的估计方法来根据所接收的包含训练序列的符号的信号估计波束成形向量

和信道

的乘积

的估计被表示为

其中，(.)^*为共轭运算。该描述是针对跨所接收的包含训练序列的信号为时不变的信道

给出的。当信道

为时变的时，可执行相同的过程。

e)在一个例式中，设备B_p可使用基于训练的估计方法来根据所接收的包含训练序列的符号的信号估计波束成形向量

和信道

的所有乘积

f)设备B_p可以取

的复共轭并获得

g)设备B_p可正规化

以使得当

的正规化版本被用作发送波束成形权重向量时满足通信系统的发送功率约束。所得的权重被表示为

h)权重向量

可被用于将训练序列从设备B_p发送到设备A。

i)设备A可使用基于训练估计的方法来根据所接收的包含训练序列的符号的信号来估计波束成形向量

和信道

的所有级联，即所有

的估计被表示为

其中，(.)^*为共轭运算。该描述是针对跨所接收的包含训练序列的信号为时不变的信道

给出的。当信道

为时变的时，可执行相同的过程。

j)设备A可以取所有

的复共轭并获得

k)设备A可正规化所有

p＝1，...，P，以使得当正规化版本的所有

p＝1，...，P被用作发送波束成形权重向量时满足通信系统的发送功率约束。所得的权重被表示为

可以重复运算(a)到(i)直到满足收敛标准。在迭代(k)以及设备A处，一个可能的收敛标准为所有

的范数小于预定义阈值。在迭代(k)以及设备B处，一个可能的收敛标准是

的范数小于预定义阈值。

对于互易信道，

并且该方法在设备A处可收敛于信道矩阵(H_p)的Hermitian转置乘以信道矩阵H_p(即，

)的最大特征向量的近似值。该方法在设备B_p处可收敛于信道矩阵(H_p)的共轭乘以信道矩阵(H_p)的转置(即，

)的近似值。

在实施例中采用先前提到的协议。

在第二方面的实施例中，在被分配给所有用户的训练序列相互正交的情形下，可使用图3中所描绘的模拟线性滤波器来实现在设备B_p处估计波束成形向量

和

的乘积以及在设备A处估计波束成形向量

和

的乘积的训练过程。模拟滤波器的系数可以基于被分配给用户p的训练序列s_p中的符号的值。滤波器可被描述为

其中，z^-d表示d个时间样本的延迟运算。训练序列为符号的序列(s_p(1)，s_p(2)，...s_p(L-1)，s_p(L))，其中，(L)是被分配给设备A和设备B_p之间的通信的训练序列长度。滤波器的输入是包含训练序列的符号的L个所接收的信号。在迭代k以及接收设备处，包含来自训练序列的符号的L个所接收的向量信号为{y(i)，i＝1，2，...，L-1，L}。在迭代k，对从发送器到接收器的信道和发送波束成形向量的估计是滤波器的第L个输出。

在第二方面的实施例中，训练阶段期间所估计的权重在数据阶段中可被用作以下选项中的任一选项，其中，

和

表示训练阶段期间所获得的权重。

在第一选项中，当设备A是发送器并且设备B_p是接收器时，

是用于将数据发送到设备B_p的波束成形向量，从而来自被写作向量的所有发送天线的发送信号为

其中，x_p是从设备A发送到设备B_p的符号并且

是向量

和x_p的乘积。波束成形向量

被应用于所接收的信号向量以恢复供设备B_p使用的数据：表示为包含来自设备B_p的N_P个天线处的N_P个所接收信号的信号的向量Y＝[y(1)...y(N_P)]^T，符号x_p的解码是基于

的。

在第一选项中，当设备B_p是发送器并且设备A是接收器时，

是用于将数据从设备B_p发送到设备A的波束成形向量，从而来自被写作向量的所有发送天线的发送信号为

其中，x_p是从设备B_p发送到设备A的符号并且

是向量

和x_p的乘积。波束成形向量

被应用于所接收的信号向量以恢复从设备B_p发送的数据：表示为包含来自设备A的M个天线处的M个所接收信号的信号的向量Y＝[y(1)，..y(M)]^T，符号x_p的解码是基于

的。

在第二选项中，当设备A是发送器并且设备B_p是接收器时，如第一选项所述，

是用于将数据发送到设备B_p的波束成形向量。如权利要求0所述，波束成形向量

被应用于所接收的信号向量以恢复供设备B_p使用的数据。

是根据集合

建立的迫零波束成形向量，验证

p≠q。

在第二选项中，当设备B_p是发送器并且设备A是接收器时，如权利要求0所述，

是用于从设备B_p发送数据的波束成形向量。如权利要求0中所述，波束成形向量

被应用于所接收的信号向量以恢复从设备B_p发送的数据。

是根据集合

建立的迫零波束成形向量，验证

p≠q。

第二选项中所描述的过程可依赖于设备B_p处的所有

的估计。

在第三选项中，当设备A是发送器并且设备B_p是接收器时，如权利要求0所述，

是用于将数据发送到设备B_p的波束成形向量。

是根据集合

建立的迫零波束成形向量，验证

p≠q。如第一选项所述，波束成形向量

被应用于所接收的信号向量以恢复供设备B_p使用的数据。

是根据集合

建立的迫零波束成形向量，验证

p≠q。

是通过训练获得的

的估计。

在第三选项中，当设备B_p是发送器并且设备A是接收器时，如权利要求0所述，

是用于从设备B_p发送数据的波束成形向量。如权利要求0中所述，

是用于从设备B_p发送数据的波束成形向量。如权利要求0所述，波束成形向量

被应用于所接收的信号向量以恢复从设备B_p发送的数据。

是根据集合

建立的迫零波束成形向量，验证

p≠q。

第三选项所述的过程可依赖于使用额外的训练序列的所有

的估计。

第四选项可包括类似于第二选项和第三选项的收发器，其中，遵循迫零设计的波束成形权重向量替代地遵循最小均方误差设计。

一些实施例可以包括具有关于信道的知识的收发器结构。

为调整数据模式中的发射和接收波束成形器的设计，应在假设信道矩阵已知的情况下对三个收发器结构的性能进行评估。第一收发器结构可以是基于最大本征模传输的收发器结构，其可被称作匹配滤波(MF)。第二收发器结构可以是基于发送器处的迫零(ZF)滤波的收发器结构。第三收发器结构可以是基于接收器处的迫零滤波的收发器结构。由于信道矩阵是已知的，因此被表示为

和

的H_p的左最大特征向量和右最大特征向量也是已知的。

可以在不同的实施例中实现每个收发器结构。

首先，例如通过第一收发器结构，考虑DL方向中的最大本征模传输。可以在基站处采用发送滤波器

来将数据运载到用户p，并且可以采用接收滤波器

以在用户p处恢复数据。那些滤波器在单用户情形下将是最优滤波器。本部分所讨论的结果在UL方向是类似的。所发送的信号为：

其中，x_q是被发送到用户p的符号。假设E|x_q|²＝1并且到不同用户的符号是不相关的。将感兴趣的信号和用户间干扰隔离，则在用户p处接收到的信号为：

在由

接收匹配的滤波之后，我们得到：

考虑渐进的天线数目M和N，其中，M和N是同阶的。

的尺度大小(scale)为

借助中心极限定理，

的尺度大小为

因此

的尺度大小为O(1)。

的尺度大小为

首先观察到的是，用户间干扰和噪声项远小于信号部分。当N很小时，除了在高SNR处，干扰项相对于噪声项变得可忽略不计。性能被噪声限制。针对用户p所得的后处理SNR为：

SNR的尺度大小为

在高SNRρ，性能明显收到用户间干扰的限制。在低SNRρ(本工作的最感兴趣的SNR范围)，用户间干扰与噪声方差是同阶的。用户间干扰的存在可能导致SNR衰减若干dB。因此，期望实现更复杂的收发器结构以能够抑制下一部分中所呈现的用户间干扰。

接下来，例如通过第二收发器结构，考虑DL方向的迫零滤波传输。检查在基站处应用ZF滤波而在接收用户处应用匹配滤波的DL的解：

其中，

是具有生成集合

的列的M×(P-1)矩阵，该集合

例如是除

之外的所有最大特征向量的集合。

是到与矩阵X的列正交的空间的正交投影。用户间干扰得到消除并且在匹配滤波之后用户p处接收到的信号为：

针对用户p的后处理SNR为：

当基站处的天线数目渐近地大时，从我们获得每用户最大SNR的意义上来说该结构可能是期望的。该结构可被称为ZF1。

在可替代的收发器结构(被称为ZF2，例如，第三收发器结构)中，滤波器的角色被切换：在发送器处应用匹配的滤波器并且在用户处应用ZF：

后处理SNR可被写为：

其中，R_p是信道矩阵H_p的秩。为简化起见，假设M＝N并且R_p＝M。

的尺度大小为O(1)。因此，等式27中的分子的阶为O(1)而分母的阶为O(M)。因此，后处理SNR趋于

并且该结构也可以是期望的。注意的是，当仅M渐进地大并且N较小时，等式27中的括号内的分数的阶为O(1)。ZF2可能不再是期望的，而ZF1仍是期望的。

在UL方向，在用户p处应用

以发送其数据，而在AP处应用ZF接收器。期望的接收器可能是

得出期望的后处理SNR。

可如下来评价数据模式中的性能。

就像在单用户情形下，可以假设图5的第二时隙模型来评估数据模式中的性能。可以基于

和

的当前值来测试三个收发器结构MF、ZF1以及ZF2。对于ZF1，尽管PPB尚未收敛，但用户处的接收匹配滤波器是次优的，因此采用ZF接收器。在DL方向上，用户接收发送迫零滤波器和信道的级联。必须估计该量。因此，可能需要额外的训练序列。这是ZF1的主要缺点。与ZF1和ZF2相比，MF的优点是训练阶段期间所获取的滤波器可被直接用于数据模式，而ZF1和ZF2使用迫零滤波器的计算。在表1中，总结了上行链路和下行链路中所采用的权重向量。

表1：数据模式中用于MF、ZF1以及ZF2收发器的波束成形权重。

表示根据权重向量的集合

建立的ZF滤波器。

在DL中的ZF滤波之后针对用户p处的ZF1和ZF2给出后处理SNR的表达式。可以以相同的方式处理DL中的接收。在训练阶段期间，可以执行对

q∈[1...P]的估计。第q次估计被表示为

并且可以等于ZF2的

是用于恢复用户p的数据的ZF接收器，其中，

是具有生成

的列的N×(P-1)矩阵。接收信号被表示为：

其中，

是从所有发送波束成形权重得出的M×P矩阵。经后处理的数据为：

借此，后处理SNR可被表示为：

对于单用户情形，可以在互易原理所使用的给定收发器处决定自适应调制和编码等级。

现在可以关于一些实施例来讨论决策方向模式。

期望通过进一步平均噪声来改善通过训练获得的权重向量的估计。该过程的主要价值是它的极度简单性。

对于单用户情形，考虑接收器A处的操作(当B为接收器时可以执行相同的过程)。索引n表示数据块内的时间索引。

在数据模式期间，在时间n所接收的信号为：

H是时不变的。

是在设备B处执行训练和决策引导的估计之后设备B处的波束成形权重的估计。x_B(n)是从设备B发送的符号并且

是所接收的噪声。

w_A(n-1)表示在时间n-1获取的

的估计。在训练时段之后在接收器A处获得第一估计

(参见图5)。W_A由

初始化。

对于数据解码，如下来执行匹配的滤波器：

x_B(n)然后被解码并且

除以x_B。

新的w_A的估计为：

其中，0≤α≤1取决于训练长度和迭代次数n。当信道为时变的时，可以执行自适应估计过程：例如，α可被选为遗忘因子。

为描述多用户情形，出于展示的清楚性，将考虑两个用户的情况。

首先考虑设备A。在数据模式期间，在时间n接收的信号为：

H是时不变的。

是在设备B_i处执行训练和决策引导的估计之后设备B_i处的波束成形权重的估计。

是从设备B_i发送的符号并且

是所接收的噪声。

表示在时间n-1获取的

的估计。可以在训练时段之后在接收器A处获得第一估计

(参见图5)。

由

初始化。

在

和

的数据解码之后，从

减去向量

然后，新的

的估计被形成为：

可以针对

执行类似的过程。

在下行链路中，可以执行相同的过程。设备B₁可依赖于对

的估计，可以使用

的可用训练和解码来完成对该

的估计。随着算法收敛，

通常变小，因此对

进行解码可能变得困难。在这种情形下，可以不进行上面执行的减法，并且如下完成

的更新：

现在可以根据一些实施例针对时间扩展信道来描述PPB。

可期望基于本征模的预处理和后处理来减少信道扩展并然后均衡矩阵的信道。

假设从设备A到设备B的因果信道，其被写为如下多项式：

其中，H_i是为N×M矩阵并且I是信道的长度。

首先描述跟踪每个H_i的最大特征向量的训练过程，然后描述均衡操作。为展示的简单起见，假设I＝2。

可以如下描述训练过程。

操作0.1可包括从设备A到设备B的初始传输。

设备A可发送I个向量的序列：向量

前面有I-1个等于0(无传输)的向量。设备B处所接收的信号可被写为：

发送L个这样的序列。每个序列嵌入来自被表示为s的长度为L的训练序列的一个符号，从而所接收的信号的级联为：

在延迟0和延迟1的信号可以乘以s^T以获得对

和

的估计，表示为：

和

操作0.2可包括从设备B到设备A的初始传输。

设有表示为s_i的I个正交训练序列以单独地跟踪每个信道系数的特征向量，设备B发送I个向量的向量序列：向量

前面有I-1个等于0(无传输)的向量。

设备B可以发送L个这样的序列，每个序列包含不同的训练符号。设备A处相应的接收的信号可被写为：

在延迟0和延迟1的信号可以乘以

和

以获得

和

的估计

和

操作k+1可包括从设备A到设备B的传输。

假设设备A已经估计了

和

设备A可以发送I个向量的向量序列：向量

前面有I-1个等于0(无传输)的向量。设备A可以发送L个这样的序列，每个序列包含不同的训练符号。在设备B处相应的接收的信号可被写为：

在延迟0和延迟1的信号可乘以

和

以获得

和

的估计

和

在数据模式中的收敛处，波束成形向量可被表示为

i＝0，...2，并且在发送器或接收器处对H_i的最大特征值的估计可被表示为λ_i。

一种预处理和后处理如下所示：

需要指出的是

i≠j，

i≠j。

因此：

符号间干扰被抑制并且所得的信道保留了总能量。

在针对单用户情形的准盲(quasi-blind)PPB中，仅在第一往返期间使用训练的PPB的实现方式是可取的。

为提高归因于盲传输的模糊性(此处为相位模糊性)，一个具有训练的初始传输可能是必要的。可能需要另一传输来改善数据解码性能。

可以使用如前所述的决策引导模式来改善对权重向量的估计。

现在可以关于各个实施例来评价数值结果。

假设富散射环境，每个信道系数可被建模为中心、单位方差高斯随机变量(圆对称复数)并且跨天线不相关。每链路平均SNR被定义为

想到发送功率P_T被设置为1。考虑-5dB、0dB、5dB以及10dB的低到中范围SNRρ，除非另有说明，两端的大规模阵列具有M＝N＝200个天线。所示出的度量是信道和噪声二者的蒙特卡罗(Monte-Carlo)运行的平均的结果。训练序列的长度被设置为等于4。

首先可以考虑单用户性能。

在图7中，所示出的度量是根据一些实施例的波束成形增益相对于迭代次数。图7绘出了针对下列情形的

以及

中的性能：(a)最大波束成形增益等于

(被标注为“最优”)并且当信道在发送器和接收器处均为已知时被获得；(b)无噪声情形；以及(c)有噪声情形。

从平均意义上来看，即使是在有噪声的情况下，该过程也是收敛的。在数十次迭代之后达到收敛。针对选定参数，十次迭代对于合理的性能可能是足够的。注意到最大波束成形增益

接近4M。在那些仿真中，信道在发送器和接收器处均为高斯且不相关的。对于相关信道，波束成形增益更大(由于能量集中在最大奇异值中)并且我们预期收敛速度更快。

这些示例示出了当信道是时变的时PPB的行为。信道是块衰落的(block fading)：根据相关领域所示的克拉克(Clarke)模型，它在一个时隙(包括一个训练时段和数据传输)期间保持不变，并随时隙改变。不存在加性噪声(在每次迭代完美地估计BF权重)，从而仅考虑信道时间变化的影响。在时间n从天线i到天线j的每个信道系数被写为：

其中，N_s为散射体的数目并且等于20，f_d为最大多普勒频移，α_q和φ_q分别为来自第q个散射体的波的到达角度和初始相位。α_q和φ_q二者在区间[-π，π)内为i.i.d的并且

其中，v为UE的速度，c为光速，并且f_c为载波频率。f_c被设置为60GHz并且训练间时间为t_s＝0.01ms。

在图8中，根据一些实施例，在1s的时间跨度上、针对一个给定信道实现的1m/s的速度将波束成形增益绘制为时间的函数。为评估PPB的跟踪能力，我们还绘制了

的瞬时值。观察到来自PPB的非常好的跟踪。

为进一步分析跟踪背后的机制，图9示出了根据一些实施例的随着速度增长在许多信道实现上进行平均的波束成形增益。该过程平均收敛，但是存在随着速度增长而增加的损耗。此外，随着速度增长更快地达到稳态。在时不变信道中，PPB建立包含关于信道的当前状态的信息的过去采样的存储器。当信道是时变的时，可用信息的数量减少并且不足以达到时不变信道的稳态。

现在将评估多用户性能。

在整个部分中，我们将用户数目限制为P＝2。在图10中，根据一些实施例，如先前的部分所述的，将多用户MF解与针对0dB的SNRρ的ZF2进行比较。假设权重估计是完美的，因此仅测量MF和ZF2之间的性能的差异。示出了后处理SNR，其中，MF中的残留用户间干扰被视为噪声。如较早所预测的，观察到MF相比于ZF2的降低。接着，仅关注ZF1和ZF2。

针对不同的SNRρ值比较ZF1和ZF2，导致波束成形权重上不同等级的估计误差。为了具有与噪声等级无关的性能度量，示出了乘积

在图11中，根据一些实施例显示了当M和N较大时的性能。当在没有估计误差或ρ＝10dB的情况下比较ZF1和ZF2时，对于ZF2用户处的性能稍差。然而，在较小的SNR，对于ZF1在用户侧看到强性能下降，而ZF2表现出对于噪声的存在更加稳健。原因在于基站处的预处理涉及ZF1的ZF滤波器，与ZF2中所执行的MF相比，ZF滤波器对于估计误差更为敏感。

在图11中，根据一些实施例显示了当M较大但N较小时的性能。如所预测的，在高SNR处，在用户侧ZF1的性能优于ZF2。然而，在较低的SNR处，ZF2仍对于噪声更稳健。

最后，图13根据一些实施例示出了两端都有少量天线时的性能。尽管不是最优的，但收发器表现出可接受的增益并可被用在实践中。观察到ZF2在UL和DL完美训练性能之间的较大间隔。

总之，对于M和N均较大的主要情况ZF1表现为最佳收发器。ZF1还是对于估计误差最稳健的收发器。当M较大但N较小时，ZF2在估计误差等级较低时表现得更好。

在两端处都涉及大规模天线阵列的通信中，估计所有信道系数是非常低效率的过程，特别是当发送针对每用户的单个数据流时。较好的选择是如本文所描述的估计运载数据的权重向量。该描述将乒乓波束成形的原理示出为在假设信道互易性的情况下估计单用户设置和多用户设置中的MIMO信道的最大特征向量的有效方法。当设备配备有非常大量的天线时，PPB在毫米波频率显示出较大益处。与直接信道估计相比，显著降低了训练要求，并且由于其自适应性质，PPB适于跟随无线信道的变化。此外，PPB可通过最小化模拟前端的数目来减轻成本和功耗。当通信的两端均涉及非常大量的天线时，PPB可被应用于具有根据信道的最大特征向量建立的期望的收发器的多用户设置。

因此，如所示出的，本公开的实施例涉及估计处于时分双工模式的MIMO信道的最大特征向量的有效训练过程。假设信道互易性，我们描述了依赖于两个天线阵列之间的乒乓传输的迭代过程，其中，在每次迭代时，设备仅返回它刚刚被供应的信号的共轭。乒乓波束成形(PPB)收敛于每个通信端的最优波束成形权重，例如，信道矩阵的最大(左和右)特征向量。PPB可能仅需要数十次迭代并且对于接收器端的加性噪声可能是稳健的。PPB可显著减轻两个阵列均配备有非常大量的天线时的训练要求，因此在期望有这样的大规模阵列的毫米波通信中有明显的好处。PPB可被扩展到多用户MIMO通信设置，其中每用户被发送单个流。设计了跟踪每个用户的信道的特征向量的训练过程。当通信链路的两端均涉及大规模天线阵列时，可以根据信道的最大特征向量来构建最优收发器。

图14示出了根据一些实施例的设备1400。设备1400可以是上面讨论的设备A或设备B。

设备1400可包括与控制电路1408相耦合的收发器电路1404。

收发器电路1404可被配置为使用适当的网络通信协议经由各种接口与其他网络实体进行通信。例如，在一些实施例中，收发器电路1404可被配置为使用大天线阵列经由无线电接口利用例如毫米波信号进行通信。收发器电路1404可包括与上面关于图1、图3和图4所描述的那些组件类似的组件。

收发器电路1404可提供经由无线电接口从另一设备接收的信息/信号，并将该信息/信号提供给控制电路1408以供进一步的更高层处理。收发器电路1404还可从控制电路1408接收将经由无线电接口被发送的信息并发送这些信号。

控制电路1408可通过以下方式来驱动PPB处理：被配置为确定适当的权重向量，并使用所确定的权重向量来在训练信号(和数据)的发送和接收过程中控制收发器电路。例如，参考图4，控制电路1408可通过例如将训练期间所获取的模拟权重提供给可变移相器412或可变增益放大器416(或通过将放大器权重提供给组合器120并将权重向量提供给图1的波束成形器120)来控制收发器电路的模拟组件。作为另一示例，控制电路1408可通过将适当的权重向量提供给图1所示的波束成形元件108来控制信号的传输。

可以使用任意适当配置的硬件和/或软件来将本文描述的实施例实现为系统。针对一个实施例，图15示出了计算装置1500的示例组件，该计算装置1500可以包括上述设备A或B或可以是上述设备A或B的一部分。

计算装置1500可包括与一个或多个存储介质1508相耦合的一个或多个处理器1504。处理器1504可包括一个或多个单核或多核处理器。处理器可包括通用处理器和专用处理器(例如，包括数字信号处理器(DSP)、中央处理单元(CPU)、微处理器、存储器控制器(集成的或离散的)等)的任意组合。

存储介质1508可用于加载和存储用于处理器1504所执行的操作的数据或指令(统称为“逻辑1512”)。存储介质1508可包括适当的易失性存储器和非易失性存储器的任意组合。存储介质1508可包括各个等级的存储器/存储装置的任意组合，存储器/存储装置包括但不限于：具有嵌入式软件指令(例如，固件)的只读存储器(ROM)、随机存取存储器(例如，动态随机存取存储器(DRAM))、缓存、缓冲器等。存储介质1508可以在各个处理器间共享或专用于特定处理器。

在一些实施例中，一个或多个处理器1504可以与一个或多个存储介质1508结合，并且在一些实施例中，可能与单个芯片、单个芯片集中的或布置在同一电路板上的其它电路结合。

计算装置1500可以执行上面关于控制电路1408或关于收发器电路1404所描述的操作中的一个或多个操作。

如技术人员将清楚的，可以扩展或更改本文给出的任何范围或设备值而不失去所寻求的效果。

将理解的是，上述益处和优点可涉及一个实施例或可涉及若干实施例。还将理解的是，对“一”项的提及指那些项中的一项或多项。

将理解的是，对优选实施例的上述描述仅以示例的方式被给出并且本领域技术人员可以做出各种修改。上述说明、示例以及数据提供了本发明的示例性实施例的结构及使用的完整描述。尽管已经以一定的详细程度参考一个或多个单独的实施例在上面描述了本发明的各个实施例，但本领域技术人员可以在不脱离本发明的精神或范围的情况下对所公开的实施例做出许多更改。

下面提供一些非限制性示例。

示例1包括一个或多个计算机可读介质，具有指令，这些指令当被执行时，使得第一设备执行以下操作：使用第一权重向量将第一训练信号发送到第二设备；从第二设备接收使用第二权重向量发送的第二训练信号；基于第二训练信号估计第一经索引信号，该第一经索引信号是第二权重向量和第二信道的乘积；基于估计的复共轭确定第三权重向量；以及正规化第三权重向量。

示例2包括示例1的一个或多个计算机可读介质，其中，所述发送、接收、估计、确定、以及正规化包括乒乓波束成形处理的第一迭代，并且指令当被执行时，使得第一设备：执行乒乓波束成形处理的另外的迭代直到确定满足收敛标准。

示例3包括示例2的一个或多个计算机可读介质，其中，收敛标准基于第四权重向量的范数与预定阈值的比较。

示例4包括示例2的一个或多个计算机可读介质，其中，第一权重向量是随机选择的值，或由在第一迭代之前的乒乓波束成形处理的第二迭代所确定的值。

示例5包括示例1-4中的任一项的一个或多个计算机可读介质，其中，指令当被执行时，还使得设备：取估计的复共轭。

示例6包括示例1-5中的任一项的一个或多个计算机可读介质，其中，所述发送、接收、估计、确定、以及正规化包括乒乓波束成形处理的第一迭代，并且指令当被执行时，使得第一设备：使用第一传输协议执行乒乓波束成形处理以便与第二设备交换消息，该第一传输协议包括多个时隙，其中单独的时隙专用于一个传输方向并且具有跟随有数据时段的训练时段。

示例7包括示例6的一个或多个计算机可读介质，其中，指令当被执行时，还使得设备：执行初始化过程以在第一时隙中获取第一权重向量；以及在跟随第一时隙的第二时隙中发送第一训练信号。

示例8包括示例1-7中的任一项的一个或多个计算机可读介质，其中，指令当被执行时，还使得第一设备执行以下操作：接收包括第一权重向量部分和第一噪声部分的训练信号矩阵；基于矩阵估计正规化匹配滤波器；以及基于所估计的正规化匹配滤波器执行噪声抑制。

示例9包括示例1-8中的任一项的一个或多个计算机可读介质，其中，第一设备是基站，第二设备是用户设备，并且指令当被执行时，还使得基站：在多用户多输入多输出(MIMO)过程中执行包括所述发送、接收、估计、确定、以及正规化的乒乓波束成形处理。

示例10包括一种装置，该装置包括：收发器电路；以及控制电路，该控制电路与收发器电路相耦合，控制电路从设备接收使用第一权重向量发送的第一训练信号；基于第一训练信号估计第一经索引信号，该第一经索引信号是第一权重向量和第一信道的乘积；基于估计的复共轭确定第二权重向量；以及正规化第二权重向量。

示例11包括示例10的装置，其中，该装置是基站并且控制电路使用第二权重向量经由收发器电路将第二训练信号发送到设备，其中，第二训练信号将在第一训练信号的接收之前被发送到设备。

示例12包括示例10的装置，其中，所述接收、估计、确定、以及正规化包括乒乓波束成形处理的第一迭代，并且控制电路还：执行乒乓波束成形处理的另外的迭代直到确定满足收敛标准。

示例13包括示例12的装置，其中，收敛标准基于第三权重向量的范数与预定阈值的比较。

示例14包括示例10-13中的任一项的装置，其中，控制电路取估计的复共轭。

示例15包括示例10-14中的任一项的装置，其中，所述发送、接收、估计、确定、以及正规化包括乒乓波束成形处理的第一迭代，并且控制电路：使用第一传输协议执行乒乓波束成形处理以与设备交换消息，该第一传输协议包括多个时隙，其中单独的时隙专用于一个传输方向并且具有跟随有数据时段的训练时段。

示例16包括示例15的装置，控制电路：执行初始化过程以在第一时隙中获取第一权重向量；以及在跟随第一时隙的第二时隙中发送第一训练信号。

示例17包括示例10-16中的任一项的装置，其中，控制电路执行以下操作：使用经正规化的第二权重向量经由收发器电路发送数据符号；经由收发器电路从设备接收数据信号；以及将经正规化的第三权重向量应用于数据信号以恢复数据符号。

示例18包括示例10-17中的任一项的装置，其中，收发器电路执行匹配的滤波。

示例19包括示例10-17中的任一项的装置，其中，收发器电路基于第一权重向量和第二权重向量执行迫零滤波。

示例20包括示例19的装置，其中，收发器电路在发送器处执行迫零滤波。

示例21包括示例19的装置，其中，收发器电路在接收器处执行迫零滤波。

示例22包括示例10-21中的任一项的装置，其中，收发器电路包括多个天线并提供毫米波通信。

示例23包括一种对第一设备进行操作的方法，包括：使用第一权重向量将第一训练信号发送到第二设备；从第二设备接收使用第二权重向量发送的第二训练信号；基于第二训练信号估计第一经索引信号，该第一经索引信号是第二权重向量和第二信道的乘积；基于估计的复共轭确定第三权重向量；以及正规化第三权重向量。

示例24包括示例23的方法，其中，所述发送、接收、估计、确定、以及正规化包括乒乓波束成形处理的第一迭代，并且方法还包括：执行乒乓波束成形处理的另外的迭代直到确定满足收敛标准。

示例25包括示例24的方法，其中，收敛标准基于第四权重向量的范数与预定阈值的比较。

示例26包括示例24的方法，其中，第一权重向量是随机选择的值，或由在第一迭代之前的乒乓波束成形处理的第二迭代所确定的值。

示例27包括示例23的方法，还包括：取估计的复共轭。

示例28包括示例23的方法，其中，所述发送、接收、估计、确定、以及正规化包括乒乓波束成形处理的第一迭代，并且方法还包括：使用第一传输协议执行乒乓波束成形处理以便与第二设备交换消息，该第一传输协议包括多个时隙，其中单独的时隙专用于一个传输方向并且具有跟随有数据时段的训练时段。

示例29包括示例28的方法，其中，指令还包括：执行初始化过程以在第一时隙中获取第一权重向量；以及在跟随第一时隙的第二时隙中发送第一训练信号。

示例30包括示例23的方法，还包括：接收包括第一权重向量部分和第一噪声部分的训练信号矩阵；基于矩阵估计正规化匹配滤波器；以及基于所估计的正规化匹配滤波器执行噪声抑制。

示例31包括示例23-30中的任一项的方法，其中，第一设备是基站，第二设备是用户设备，并且该方法还包括：在多用户多输入多输出(MIMO)过程中执行包括所述发送、接收、估计、确定、以及正规化的乒乓波束成形处理。

示例32包括一种对装置进行操作的方法，包括：从设备接收使用第一权重向量发送的第一训练信号；基于第一训练信号估计第一经索引信号，该第一经索引信号是第一权重向量和第一信道的乘积；基于估计的复共轭确定第二权重向量；以及正规化第二权重向量。

示例33包括示例32的方法，其中，装置为基站，并且方法还包括使用第二权重向量发送第二训练信号，其中，第二训练信号将在第一训练信号的接收之前被发送到设备。

示例34包括示例32的方法，其中，所述接收、估计、确定、以及正规化包括乒乓波束成形处理的第一迭代，并且该方法还包括：执行乒乓波束成形处理的另外的迭代直到确定满足收敛标准。

示例35包括示例34的方法，其中，收敛标准基于第三权重向量的范数与预定阈值的比较。

示例36包括示例32-35中的任一项的方法，还包括：取估计的复共轭。

示例37包括示例32-36中的任一项的方法，其中，所述接收、估计、确定、以及正规化包括乒乓波束成形处理的第一迭代，并且方法还包括：使用第一传输协议执行乒乓波束成形处理以与设备交换消息，该第一传输协议包括多个时隙，其中单独的时隙专用于一个传输方向并且具有跟随有数据时段的训练时段。

示例38包括示例37的方法，还包括：执行初始化过程以在第一时隙中获取第一权重向量；以及在跟随第一时隙的第二时隙中发送第一训练信号。

示例39包括示例32-38中的任一项的方法，还包括：使用经正规化的第二权重向量发送数据符号；从设备接收数据信号；以及将经正规化的第三权重向量应用于数据信号以恢复数据符号。

示例40包括一种设备，该设备包括执行根据示例23-39中的任一项的方法的装置。

Claims (36)

1.一种操作第一设备的方法，包括：

执行乒乓波束成形处理，包括：

使用第一权重向量将第一训练信号发送到第二设备；

从所述第二设备接收使用第二权重向量发送的第二训练信号；

基于所述第二训练信号估计经索引信号，其中所述经索引信号的估计包括所述第二权重向量和信道的乘积；

基于所述经索引信号的估计的复共轭确定第三权重向量；以及

正规化所述第三权重向量；以及

使用传输协议执行所述乒乓波束成形处理的第一迭代以与所述第二设备交换一个或多个消息，所述传输协议包括多个时隙，并且从所述多个时隙中选出的个体时隙专用于一个传输方向并且包括跟随有数据时段的训练时段，其中所述乒乓波束成形处理的所述第一迭代包括所述发送、接收、估计、确定、以及正规化步骤。

2.如权利要求1所述的方法，还包括：

执行所述乒乓波束成形处理的另外的迭代直到收敛标准得以满足为止。

3.如权利要求2所述的方法，其中，所述收敛标准基于第四权重向量的范数与预定阈值的比较。

4.如权利要求2所述的方法，其中，用于所述乒乓波束成形处理的所述第一迭代的所述第一权重向量是随机选择的值，或由在所述第一迭代之前的所述乒乓波束成形处理的第二迭代所确定的值。

5.如权利要求1所述的方法，还包括：

确定所述经索引信号的估计的复共轭。

6.如权利要求1所述的方法，还包括：

执行初始化过程以在第一时隙中获取所述第一权重向量；以及

在跟随所述第一时隙的第二时隙中发送所述第一训练信号。

7.如权利要求1所述的方法，还包括：

接收包括第一权重向量部分和第一噪声部分的训练信号矩阵；

估计正规化匹配滤波器，其中所述正规化匹配滤波器的估计是基于所述训练信号矩阵的；以及

基于所估计的正规化匹配滤波器执行噪声抑制。

8.如权利要求1-7中的任一项所述的方法，其中，所述第一设备是基站，所述第二设备是用户设备，并且所述方法还包括：

在多用户多输入多输出MIMO处理中执行所述乒乓波束成形处理。

9.一种计算机可读存储介质，其上存储有指令，所述指令当被执行时，使得第一设备执行以下步骤：

执行乒乓波束成形处理，其中所述乒乓波束成形处理包括以下步骤：

使用第一权重向量将第一训练信号发送到第二设备；

从所述第二设备接收使用第二权重向量发送的第二训练信号；

基于所述第二训练信号估计经索引信号，其中所述经索引信号的估计包括所述第二权重向量和信道的乘积；

基于所述经索引信号的估计的复共轭确定第三权重向量；以及

正规化所述第三权重向量；以及

使用传输协议执行所述乒乓波束成形处理的第一迭代以与所述第二设备交换一个或多个消息，所述传输协议包括多个时隙，并且从所述多个时隙中选出的个体时隙专用于一个传输方向并且包括跟随有数据时段的训练时段，其中所述乒乓波束成形处理的所述第一迭代包括所述发送、接收、估计、确定、以及正规化步骤。

10.如权利要求9所述的计算机可读存储介质，其中，所述指令还包括另外的指令，所述另外的指令当被执行时，使得所述第一设备：

执行所述乒乓波束成形处理的另外的迭代直到收敛标准得以满足为止。

11.如权利要求10所述的计算机可读存储介质，其中，所述收敛标准基于第四权重向量的范数与预定阈值的比较。

12.如权利要求10所述的计算机可读存储介质，其中，用于所述乒乓波束成形处理的所述第一迭代的所述第一权重向量是随机选择的值，或由在所述第一迭代之前的所述乒乓波束成形处理的第二迭代所确定的值。

13.如权利要求9所述的计算机可读存储介质，其中，所述指令还包括另外的指令，所述另外的指令当被执行时，还使得所述设备：

确定所述经索引信号的估计的复共轭。

14.如权利要求9所述的计算机可读存储介质，其中，所述指令还包括另外的指令，所述另外的指令当被执行时，还使得所述设备：

执行初始化过程以在第一时隙中获取所述第一权重向量；以及

在跟随所述第一时隙的第二时隙中发送所述第一训练信号。

15.如权利要求9所述的计算机可读存储介质，其中，所述指令还包括另外的指令，所述另外的指令当被执行时，还使得所述第一设备：

接收包括第一权重向量部分和第一噪声部分的训练信号矩阵；

估计正规化匹配滤波器，其中所述正规化匹配滤波器的估计是基于所述训练信号矩阵的；以及

基于所估计的正规化匹配滤波器执行噪声抑制。

16.如权利要求9-15中的任一项所述的计算机可读存储介质，其中，所述第一设备是基站，所述第二设备是用户设备，并且所述指令还包括另外的指令，所述另外的指令当被执行时，还使得所述基站：

在多用户多输入多输出MIMO处理中执行所述乒乓波束成形处理。

17.一种装置，包括：

收发器电路；以及

与所述收发器电路相耦合的控制电路，所述控制电路被配置为执行乒乓波束成形处理，其中为执行所述乒乓波束成形处理，所述控制电路被配置为执行以下步骤：

从设备接收使用第一权重向量发送的训练信号；

基于所述训练信号估计经索引信号，其中所述经索引信号的估计包括所述第一权重向量和信道的乘积；

基于所述经索引信号的估计的复共轭确定第二权重向量；以及

正规化所述第二权重向量；

其中所述控制电路被配置为执行所述乒乓波束成形处理的一个或多个迭代，其中所述一个或多个迭代中的至少一个迭代是使用传输协议执行的以与所述设备交换一个或多个消息，所述传输协议包括多个时隙，并且从所述多个时隙中选出的个体时隙专用于一个传输方向并且包括跟随有数据时段的训练时段。

18.如权利要求17所述的装置，其中，所述装置是基站，并且所述控制电路使用第二权重向量经由所述收发器电路将第二训练信号发送到所述设备，其中，所述第二训练信号在所述训练信号的接收之前被发送到所述设备。

19.如权利要求17所述的装置，其中，所述控制电路还：

执行所述乒乓波束成形处理的另外的迭代直到收敛标准得以满足为止。

20.如权利要求19所述的装置，其中，所述收敛标准基于第三权重向量的范数与预定阈值的比较。

21.如权利要求17-20中的任一项所述的装置，其中，所述控制电路：

确定所述经索引信号的估计的复共轭。

22.如权利要求17所述的装置，所述控制电路：

执行初始化过程以在第一时隙中获取第三权重向量；以及

在跟随所述第一时隙的第二时隙中经由所述收发器电路向所述设备发送另一训练信号。

23.如权利要求17到20以及22中的任一项所述的装置，其中，所述控制电路：

使用经正规化的第二权重向量经由所述收发器电路发送数据符号；

经由所述收发器电路接收来自所述设备的数据信号；以及

将经正规化的第三权重向量应用于所述数据信号以恢复所述数据符号。

24.如权利要求17到20以及22中的任一项所述的装置，其中，所述收发器电路执行匹配的滤波。

25.如权利要求17到20以及22中的任一项所述的装置，其中，所述收发器电路基于所述第一权重向量和所述第二权重向量执行迫零滤波。

26.如权利要求25所述的装置，其中，所述收发器电路在发送器处执行所述迫零滤波。

27.如权利要求25所述的装置，其中，所述收发器电路在接收器处执行所述迫零滤波。

28.如权利要求17到20、22以及26-27中的任一项所述的装置，其中，所述收发器电路包括多个天线并提供毫米波通信。

29.一种设备，包括：

用于执行乒乓波束成形处理的装置，其中所述乒乓波束成形处理包括以下步骤：

使用第一权重向量将第一训练信号发送到第二设备；

从所述第二设备接收使用第二权重向量发送的第二训练信号；

基于所述第二训练信号估计经索引信号，其中所述经索引信号的估计包括所述第二权重向量和信道的乘积；

基于所述经索引信号的估计的复共轭确定第三权重向量；以及

正规化所述第三权重向量；以及

用于使用传输协议执行所述乒乓波束成形处理的第一迭代以与所述第二设备交换一个或多个消息的装置，所述传输协议包括多个时隙，并且从所述多个时隙中选出的个体时隙专用于一个传输方向并且包括跟随有数据时段的训练时段，其中所述乒乓波束成形处理的所述第一迭代包括所述发送、接收、估计、确定、以及正规化步骤。

30.如权利要求29所述的设备，还包括：

用于执行所述乒乓波束成形处理的另外的迭代直到收敛标准得以满足为止的装置。

31.如权利要求30所述的设备，其中，所述收敛标准基于第四权重向量的范数与预定阈值的比较。

32.如权利要求30所述的设备，其中，用于所述乒乓波束成形处理的所述第一迭代的所述第一权重向量是随机选择的值，或由在所述第一迭代之前的所述乒乓波束成形处理的第二迭代所确定的值。

33.如权利要求29所述的设备，还包括：

用于确定所述经索引信号的估计的复共轭的装置。

34.如权利要求29所述的设备，还包括：

用于执行初始化过程以在第一时隙中获取所述第一权重向量的装置；以及

用于在跟随所述第一时隙的第二时隙中发送所述第一训练信号的装置。

35.如权利要求29所述的设备，还包括：

用于接收包括第一权重向量部分和第一噪声部分的训练信号矩阵的装置；

用于估计正规化匹配滤波器的装置，其中所述正规化匹配滤波器的估计是基于所述训练信号矩阵的；以及

用于基于所估计的正规化匹配滤波器执行噪声抑制的装置。

36.如权利要求29-35中的任一项所述的设备，其中，所述设备是基站，所述第二设备是用户设备，并且所述设备还包括：

用于在多用户多输入多输出MIMO处理中执行所述乒乓波束成形处理的装置。

Images