CN108023620B - 应用于毫米波频段的大规模mimo系统混合预编码方法 - Google Patents

Abstract

本发明公开了一种应用于毫米波频段的大规模MIMO系统混合预编码方法，包括以下步骤：S1：基站获取信道状态信息(CSI)；S2：对下行信道进行SVD分解得到右奇异矩阵V，取V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，其中N_RF为射频链路数；S3：另取下行信道SVD分解后的右奇异矩阵V的前N_s列作为最佳预编码矩阵F_opt，根据F_opt、F_RF，并利用最小二乘解(LS)得到数字预编码器

其中N_s表示数据流个数；S4：数据流经过步骤S3中得到的F_BB进行第一次预编码，之后利用移相器对信号进行相位调整，即步骤S2中的F_RF，最终通过天线将信号发射出去。与现有的技术相比，本发明不需要任何优化方法和复杂的迭代算法，大大降低复杂度，并能够实现更高的频谱效率。

Description

应用于毫米波频段的大规模MIMO系统混合预编码方法

技术领域

本发明属于毫米波通信技术和多天线技术领域，涉及一种提升系统频谱效率的混合预编码方法，尤其涉及一种应用于毫米波频段下的大规模MIMO系统混合预编码方法。

背景技术

随着信息时代的快速发展，人们对更快速更高效的数据传输提出了更高的要求。然而，现有的低于10GHz频段的通信已经无法满足日后的通信需求，这也使得越来越多的学者将研究目标转向更高频段的毫米波通信(30GHz～300GHz)。由于毫米波频段高，波长短的特性，使得开发者可以在收发两端部署大量的天线，这也弥补了由毫米波波长短所带来的严重的路径损耗问题。而毫米波通信能够有效地改变现有通信资源稀缺的现状，且获得更高的频谱效率和功率效能，这也促使毫米波通信成为5G发展的关键技术之一。

在低于10GHz的传统通信中，消除用户间干扰所采用的预编码方法是全数字预编码。全数字预编码方法可以使系统频谱效率达到最佳。但在毫米波频段中，全数字预编码方法是很难实现的，这是因为在毫米波通信过程中，需要在发射机部署大量的天线以对抗路径损耗，而每根天线都需要一个精确的射频链路，因此，若在毫米波通信中依旧采用全数字的预编码方法，那么在部署大规模天线的情况下，发射机则需要大量的射频链路，此时每一根天线都需要精确的射频链路，这是很难精确把握的，并且会造成严重的资源浪费和功率损耗。这使得毫米波通信失去了意义。因此，学者们逐渐把目光转向混合预编码的设计方法。混合预编码方法是指发射机组合采用数字(基带)预编码器和模拟(射频)预编码器。在毫米波系统中，发送数据首先经过数字预编码器进行预处理，之后经过模拟预编码器进行第二次预处理，处理过的信号经过天线发送出去，经过信道在接收机处接收，然后接收机利用模拟组合器对信号进行第一次解码，之后利用数字组合器进行第二次解码，两次解码后的信号为终端最终的接收信号。

在文献[3]中表明，在混合预编码设计中，只需要少量的射频链路数(4、5根)就能够达到较高的频谱效率。换句话说，混合方法带来的优点在于有效减少了部署过多射频链路所带来的花销和功率损耗问题。因此，混合模拟和数字预编码设计方法成为了毫米波通信的主要设计目标。

文献[1]提出利用OMP算法对毫米波SU-MIMO系统下的发射机模拟预编码器进行设计。文献[2]介绍了基于OFDM的频率选择性信道下的混合预编码设计方法，文中利用了复杂的MSE迭代算法。因为复杂的算法会影响系统的时效性，因此这些方法在实际操作过程中，并不是最佳的预编码方法。

针对目前现有技术中存在的缺陷，实有必要进行研究，以提供一种方法，解决现有技术中存在的缺陷。

参考文献：

[1]Ayach O E,Rajagopal S,Abu-Surra S,et al.Spatially Sparse Precodingin Millimeter Wave MIMO Systems[J].IEEE Transactions on WirelessCommunications,2014,13(3):1499-1513.

[2]González-Coma J P,González-Prelcic N,Castedo L,et al.Frequencyselective multiuser hybrid precoding for mmWave systems with imperfectchannel knowledge[C].Signals,Systems and Computers,2016,Asilomar Conferenceon.IEEE,2017:291-295.

[3]Yu X,Shen J C,Zhang J,et al.Alternating Minimization Algorithmsfor Hybrid Precoding in Millimeter Wave MIMO Systems[J].IEEE Journal ofSelected Topics in Signal Processing,2016,10(3):485-500.

发明内容

有鉴于此，确有必要提供一种应用于毫米波频段下的大规模MIMO系统混合预编码方法，只需少量的射频链路数(4、5个)就可保证系统良好的性能，从而有效降低计算复杂度，并取得较好的性能。

为了解决现有技术存在的技术问题，本发明的技术方法如下：

一种应用于毫米波频段下的大规模MIMO系统混合预编码方法，包括以下步骤：

步骤S1：基站获取信道状态信息(CSI)；对于TDD系统来说，根据信道互易性，可将上行信道的估计结果作为下行信道的信道状态信息；对FDD系统可利用反馈得到下行信道。

步骤S2：对下行信道进行SVD分解得到右奇异矩阵V，取V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，其中N_RF为射频链路数。由于模拟预编码器带有移相器，因此F_RF中每个元素具有单位模的约束，即|F_RF(i,j)|²＝1。

步骤S3：利用最小二乘解(LS)，得到数字预编码器F_BB。

步骤S4：数据流经过步骤S3中得到的F_BB进行第一次预编码，之后利用移相器对信号进行相位调整，即步骤S2中的F_RF，最终通过天线发射信号。

优选地，在步骤S2中进一步包括以下步骤：

信道可以表示为

α_il为信道复增益，N_cl、N_ray分别为散射簇数和每个簇中的散射体数，

为归一化因子，

为发射端阵列响应向量，

为接收机阵列响应向量，其中

为接收机(发射机)的方位角，

d表示天线间隔，N为ULA阵列天线个数，λ表示信号波长。对信道H进行奇异值分解(SVD)得到H＝UDV^H，其中D是矩阵H特征值降序排列的矩阵，维数为N_r×N_t，其中N_r为接收机天线数，N_t为发射机天线数。U、V是特征值所对应的特征向量组成的酉矩阵，维数分别为N_r×N_r、N_t×N_t。取右奇异矩阵V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，即

其中

表示N_t×N_RF维矩阵中的第ij个元素的相位。

优选地，在步骤S3中进一步包括以下步骤：

对信道SVD分解后的右奇异矩阵V取前N_s列作为最佳预编码矩阵F_opt，即

并根据已经得到的F_opt、F_RF，利用最小二乘解(LS)，得到数字预编码器

由于混合预编码的选取是为了让最终的频谱效率接近在采用最佳预编码情况下的系统性能，而最佳预编码的获取都需要对信道H做SVD分解。但在现有文献中，混合预编码的获取还需要在SVD的基础上进行其它优化操作，比如在文献[1]中，预编码F_RF、F_BB的获取需要进行多次优化操作来找到最佳的F_RF、F_BB，且在优化过程中数字预编码矩阵F_BB的获取需要进行多次取逆运算，这无疑又增加了计算的复杂度，而本专利提出的方法在第一步都需要进行的SVD分解操作基础上，不再需要进行其余的优化操作，只需要简单的取出SVD分解后右奇异矩阵V中前N_RF列的相角即可作为模拟预编码器F_RF，并且F_BB的获得只需要进行一次取逆运算。因此，与现有技术相比，本发明采用的预编码方法，能够有效降低计算复杂度，并取得更好的系统性能。

附图说明

图1为本发明所涉及到的毫米波信道模型。

图2为本发明所涉及到的模拟预编码器结构示意图。

图3为本发明应用于毫米波频段下的大规模MIMO系统混合预编码方法的流程框图。

图4为本发明方法中得到模拟预编码的系统框图。

图5为本发明方法中得到数字预编码的系统框图。

图6为本发明实施例1中三种预编码方法的性能比较。

图7为本发明实施例2中三种预编码方法的性能比较。

如下具体实施例将结合上述附图进一步说明本发明。

具体实施方式

以下将结合附图对本发明提供的技术方法作进一步说明。

在描述本发明的具体技术方法前，先对部分缩写及符号进行定义和系统模型介绍。上标H表示求共轭转置操作，上标T表示求转置操作，上标-1表示取逆操作。大写加粗字母A表示矩阵，小写加粗字母a表示向量，常规字母a表示标量，

表示矩阵2-范数。

为了便于说明本发明的技术方法，参见图1，所示为本发明所涉及到的毫米波信道模型。考虑一个下行MIMO系统，基站配置N_t根发送天线，同时服务于具有N_r根接收天线的单用户。发射机有N_RF个射频链以支持N_s个数据流的传输，其中N_s≤N_RF≤N_t。发射机已知完整的信道状态信息(CSI)。本发明表示

为信道发射机数字预编码矩阵，

为信道发射机模拟预编码矩阵使得

其中(·)_i,i表示矩阵第i个对角元素，即F_RF的所有元素的模相等，且由于模拟预编码器带有移相器，因此F_RF中每个元素具有单位模的约束，即|F_RF(i,j)|²＝1。

是发送的数据符号使得

发射的信号为x＝F_RFF_BBs。所以接收机处的信号表示为：

其中，信道可以表示为

α_il为信道复增益，N_cl、N_ray分别为散射簇数和每个簇中的散射体数，

为归一化因子，

为发射端阵列响应向量，

为接收机阵列响应向量，其中

为接收机(发射机)的方位角，

d表示天线间隔，且假设

N为ULA阵列天线个数，λ表示信号波长，n是服从独立同分布

的噪声向量。

参见图2，为本发明所涉及到的模拟预编码器结构示意图。本发明采用的是全连接结构，即每一个射频(RF)链路通过移相器连接到所有的天线上。且从图2中可看出，所有移相器的数量为N_tN_RF，N_t为发射机天线数，N_RF为射频(RF)链路数。

参见图3至图5，所示为本发明应用于毫米波频段下的大规模MIMO系统混合预编码方法的流程框图，具体包括如下步骤：

步骤S1：基站获得信道状态信息(CSI)。对于TDD系统来说，根据信道互易性，可将上行信道的估计结果作为下行信道的信道状态信息；对FDD系统可利用反馈得到下行信道。

步骤S2：对下行信道进行SVD分解得到右奇异矩阵V，取V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，其中N_RF为射频链路数。由于模拟预编码器带有移相器，因此F_RF中每个元素具有单位模的约束，即|F_RF(i,j)|²＝1。具体设计步骤如下：

信道可以表示为

α_il为信道复增益，N_cl、N_ray分别为散射簇数和每个簇中的散射体数，

为归一化因子，

为发射端阵列响应向量，

为接收机阵列响应向量，其中

为接收机(发射机)的方位角，

d表示天线间隔，且假设

N为ULA阵列天线个数，λ表示信号波长。

对信道H进行奇异值分解(SVD)得到H＝UDV^H，其中D是矩阵H特征值降序排列的矩阵，维数为N_r×N_t，其中N_r为接收机天线数，N_t为发射机天线数。U、V是特征值所对应的特征向量组成的酉矩阵，维数分别为N_r×N_r、N_t×N_t。取右奇异矩阵V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，即

其中

表示N_t×N_RF维矩阵中的第ij个元素的相位。由于在毫米波系统中对F_RF有单位模的约束，因此，这样处理模拟预编码器，既能保证F_RF能够满足单位模的约束，又能在很大程度上降低使用复杂算法和大量迭代所造成的复杂度。

步骤S3：对信道SVD分解后的右奇异矩阵V取前N_s列作为最佳预编码矩阵F_opt，即

并根据已经得到的F_opt、F_RF，利用最小二乘解(LS)，得到数字预编码器

步骤S4：数据流经过步骤S3中得到的F_BB进行第一次预编码，之后利用移相器对信号进行相位调整，即步骤S2中的F_RF，最终通过天线发射信号。

下面根据具体实例对毫米波频段下的大规模MIMO系统混合预编码方法进行详细说明。

实施例1

设置毫米波单用户下行链路场景下基站天线数目为N_t＝64，N_cl＝8个散射簇，每个簇中有N_ray＝10个散射体，AOD和AOA的方位角服从拉普拉斯分布，角度扩展为10°。发送的数据流个数分别为N_s＝1,2,3。接收机有N_r＝16根接收天线，发射端链路数为N_RF＝4。假设信道采用ULA阵列。信噪比定义为

其中ρ是平均接收功率，σ²为噪声功率，假设σ²＝1。信道表示为

对信道H进行奇异值分解(SVD)得到H＝UDV^H，取右奇异矩阵V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，即

其中

表示N_t×N_RF维矩阵中的第ij个元素的相位。另取右奇异矩阵V的前N_s列的作为全数字预编码矩阵F_opt。在得到F_opt、F_RF后，利用最小二乘解(LS)得到数字预编码矩阵

根据F_BB、F_RF得到最终的发射信号x＝F_RFF_BBs。

参见图6，所示为实施例1的性能仿真图，分别采用三种预编码方法得到的系统容量，其中‘最佳预编码’表示采用全数字预编码时的仿真性能。‘OMP预编码’表示在论文[1]中发射机利用正交匹配追踪(OMP)算法进行预编码时的仿真性能；‘本专利所提方案’表示本专利对信道H做SVD分解后取右奇异矩阵V的前N_RF列相角作为模拟预编码器元素时的仿真性能；可以看出，不管是在数据流个数为1、2还是3的情况下，本专利所提的预编码方法都要比论文[1]中所提的OMP预编码方法要好，且随着数据流个数的增加，本专利所提的预编码方法的优势更加明显，当N_s＝3时，本专利所提的预编码方法性能比论文[1]中所提的OMP预编码方法性能提升大约1db，且更接近全数字预编码的性能。

实施例2

设置毫米波单用户下行链路场景下基站天线数目为N_t＝256，N_cl＝8个散射簇，每个簇中有N_ray＝10个散射体，AOD和AOA的方位角服从拉普拉斯分布，角度扩展为10°。发送的数据流个数分别为N_s＝1,2,3。接收机有N_r＝64根接收天线，发射端链路数为N_RF＝5。假设信道采用ULA阵列。信噪比定义为

其中ρ是平均接收功率，σ²为噪声功率，假设σ²＝1。信道表示为

对信道H进行奇异值分解(SVD)得到H＝UDV^H，取右奇异矩阵V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，即

其中

表示N_t×N_RF维矩阵中的第ij个元素的相位。另取右奇异矩阵V的前N_s列的作为全数字预编码矩阵F_opt。在得到F_opt、F_RF后，利用最小二乘解(LS)得到数字预编码矩阵

根据F_BB、F_RF得到最终的发射信号x＝F_RFF_BBs。

参见图7，所示为实施例2的性能仿真图，分别采用三种预编码方法得到的系统容量，中‘最佳预编码’表示采用全数字预编码时的仿真性能。‘OMP预编码’表示在论文[1]中发射机利用正交匹配追踪(OMP)算法进行预编码时的仿真性能；‘本专利所提方案’表示本专利对信道H做SVD分解后取右奇异矩阵V的前N_RF列相角作为模拟预编码器元素时的仿真性能；可以看出，在该种背景情况下，不管是在数据流个数为1、2还是3的情况下，本专利所提的预编码方法都要比论文[1]中所提的OMP预编码方法要好，且随着数据流个数的增加，本专利所提的预编码方法的优势更加明显，当N_s＝3时，本专利所提的预编码方法性能比论文[1]中所提的OMP预编码方法性能提升大约1db，且更接近全数字预编码的性能。

以上实施例的说明只是用于帮助理解本发明的方法及核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (2)

1.应用于毫米波频段的大规模MIMO系统混合预编码方法，其特征在于，包括以下步骤：

步骤S1：基站获得信道状态信息(CSI)；对于TDD系统，根据信道互易性，将上行信道的估计结果作为下行信道的信道状态信息；对FDD系统，利用反馈得到下行信道；

步骤S2：对下行信道进行SVD分解得到右奇异矩阵V，取V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，其中N_RF为射频链路数；F_RF中每个元素具有单位模的约束，即|F_RF(i,j)|²＝1；

步骤S3：利用最小二乘解(LS)，得到数字预编码器F_BB；

步骤S4：数据流经过步骤S3中得到的F_BB进行第一次预编码，之后利用移相器对信号进行相位调整，即步骤S2中的F_RF，最终通过天线发射信号；

在步骤S2中进一步包括以下步骤：

对信道H进行奇异值分解(SVD)得到H＝UDV^H，其中D是矩阵H特征值降序排列的矩阵，维数为N_r×N_t，其中N_r为接收机天线数，N_t为发射机天线数；U、V是特征值所对应的特征向量组成的酉矩阵，维数分别为N_r×N_r、N_t×N_t；取右奇异矩阵V的前N_RF列的相角作为模拟预编码矩阵F_RF中的每一个元素，即

其中

表示N_t×N_RF维矩阵中的第ij个元素。

2.根据权利要求1所述的应用于毫米波频段的大规模MIMO系统混合预编码方法，其特征在于，在步骤S3中进一步包括以下步骤：

对信道SVD分解后的右奇异矩阵V取前N_s列作为最佳预编码矩阵F_opt，即

并根据已经得到的F_opt、F_RF，利用最小二乘解(LS)，得到数字预编码器

Images