CN108880633A - 一种波束成形天线选择分组算法联合设计优化方法 - Google Patents

Abstract

本发明涉及一种波束成形天线选择分组算法联合设计优化方法，属于无线通信技术领域，该方法包含如下步骤：S1：对该应用场景下的各节点接收端和发送端的表达式进行一一列举，找出与吞吐量表达式直接相关的元素；S2：假定天线分组已固定，采用最大广义特征值分别求出对于源节点A、B的最优波束成形矢量，并利用矢量映射定理，得到整个系统最优波束成形矢量；S3：根据最优波束成形矢量进行天线分组方案计算，得出最优的系统和吞吐量。本发明方法考虑了基于全双工双向MIMO中继系统的天线选择和波束成形联合优化方案研究，最大限度地提高系统和吞吐量。

Description

一种波束成形天线选择分组算法联合设计优化方法

技术领域

本发明属于无线通信技术领域，涉及一种波束成形天线选择分组算法联合设计优化方法。

背景技术

目前，全双工技术与无线信息与能量同传技术都是刚兴起的新型通信技术，有很好的应 用前景，但涉及全双工信息与能量同传研究的大多数研究所选取的系统模型应用场景都是点 到点传输或单向中继传输，现实中信息传输是一个交换的过程，所以双向中继系统更符合实 际运用；然而，在针对FD-SWIPT双向中继系统的研究中，业界着重研究TS协议和PS协议。

文献[Liu H,Kyeong J,Kyung S,et al.Power Splitting-Based SWIPT WithDecode-and-Forward Full-Duplex Relaying[J].IEEE Transactions WirelessCommunications,2016, 15(11):7561-7577]提出一种基于译码转发的单向中继PS优化算法，在场景中加入中继节点， 更加符合实际通信环境，且通过优化PS因子达到增大吞吐量的目的。文献[Wang W,Wang R, Duan W,et al.Optimal Transceiver Designs forWireless-Powered Full-Duplex Two-Way Relay Networks With SWIPT[J].IEEEAccess,2017,5:2329-2343]提出了PS协议与波束成形的联合 优化方案，由于联合优化的运用，所以全双工和无线信息与能量同传技术的优越性更加突出。 但该方案对接收器硬件要求高，且在功率分裂过程中引入格外噪声，导致信干噪比受到影响。 对天线选择的算法研究很少，且虽然遍历的天线选择算法有较好性能，但随着天线数的增多， 计算复杂度呈指数增长。

发明内容

有鉴于此，本发明的目的在于提供一种波束成形天线选择分组算法联合设计优化方法， 考虑了基于全双工双向MIMO中继系统的天线选择和波束成形联合优化方案研究，最大限度 地提高系统和吞吐量。

为达到上述目的，本发明提供如下技术方案：

一种波束成形天线选择分组算法联合设计优化方法，该方法包含如下步骤：

S1：对该应用场景下的各节点接收端和发送端的表达式进行一一列举，找出与吞吐量表 达式直接相关的元素；

S2：假定天线分组已固定，采用最大广义特征值分别求出对于源节点A、B的最优波束 成形矢量，并利用矢量映射定理，得到整个系统最优波束成形矢量；

S3：根据最优波束成形矢量进行天线分组方案计算，得出最优的系统和吞吐量。

进一步，所述步骤S1中与吞吐量表达式直接相关的元如下：

中继端发送信号R：

其中，ω＝[ω₁,ω₂,…,ω_M]^T为波束成形矢量，P_A、PB、PR分别表示源节点A、B以及中继 节点R的发送功率，表示天线合集Φ中中继R与源节点A天线间的信道系数矢量，表 示天线合集Φ中中继端R与源节点B天线间的信道系数矢量，S_A表示源节点A的发送信号， S_B表示源节点B的发送信号，Φ表示天线传输子集，表示中继端自干扰消除后残余干 扰的加性高斯白噪声，表示自干扰消除系数，u_R～CN(0,σ_uR ²)，表示天线子集Ф接收到 的噪声；

节点A接收信号：

其中，h_AR表示源节点S_A到中继节R接收天线之间的信道矢量，n_A表示源节点A的加性 高斯白噪声，表示节点A自干扰消除后残余干扰的加性高斯白噪声，且u_A～CN(0,σ_uA ²)；

节点B接收信号：

其中，h_BR表示源节点S_B到中继节R接收天线之间的信道矢量，n_B表示源节点B的加性 高斯白噪声，表示节点B自干扰消除后残余干扰的加性噪声，其中u_B～CN(0,σ_uB ²)；

系统和吞吐量：

C＝log(1+r_A)+log(1+r_B)

其中，r_A表示源节点A的信噪比，r_B表示源节点B的信噪比。

进一步，步骤S2中采用最大广义特征值分别求出对于源节点A、B的最优波束成形矢量， 并利用矢量映射定理，得到整个系统最优波束成形矢量，满足：

其中， 表示共轭转置，*表示转置。

进一步，步骤S3具体包含如下步骤：

S31：初始化矩阵h_AR和h_BR，初始化天线传输子集Ф、天线能量子集Ψ；

S32：搜索信道矩阵所有行，将同根天线的信道矢量取范数并相加；

S33：比较每根天线的范数和大小，并对天线进行编号，找出使得范数和最大的天线，并 将其移入天线传输子集Ф，其余天线归入天线能量子集Ψ；

S34：计算此时的系统和吞吐量C₁，并令系统最大吞吐量C_max＝C₁；

S35：将天线能量子集Ψ中范数和最大的天线移入天线传输子集Ф中，计算此时的系统和 吞吐量C₂，并令系统最大吞吐量C_max＝max(C₁,C₂)；

S36：判断天线能量子集Ψ中的剩余天线数是否为1，若是则结束，并得出C_max，若否则 执行S35。

本发明的有益效果在于：

1、本发明针对当前绿色通信热点话题，考虑了基于全双工双向MIMO中继系统的天线 选择和波束成形联合优化方案研究，最大限度地提高系统和吞吐量。

2、根据信道状态特征，提出了一种低复杂度次优天线分组方案，在系统的和吞吐量和计 算复杂度方面有了较大改进。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明中全双工信息与能量同传双向中继网络场景；

图2为本发明低复杂度的次优天线分组方案流程图；

图3为系统和吞吐量与中继天线M的曲线图；

图4为系统和吞吐量与各节点距离的曲线图；

图5为系统和吞吐量与源节点发射功率的曲线图；

图6为系统和吞吐量和自干扰消除系数的曲线图；

图7为系统能量效率与中继天线数的曲线图；

图8为系统能量效率与源节点到中继距离的曲线图；

图9为系统能量效率与源节点发射功率的曲线图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

一种波束成形设计和低复杂度的天线选择分组算法设计进行联合优化系统性能，其步骤 如下：

101、首先，对该应用场景下的各节点接收端和发送端的表达式进行一一列举，找出与吞 吐量表达式直接相关的元素；

102、其次，设天线分组已固定，采用最大广义特征值分别求出对于源节点A、B的最优 波束成形矢量，并利用矢量映射定理，得到整个系统最优波束成形矢量ω^max；

103、最后，将求得的最优波束成形矢量ω^max进行天线分组方案计算，得出最优的系统和 吞吐量C_max

进一步的，所述步骤101中的相关表达式及元素设定如下：

中继节点R接收信号为：

n_R是M×1的加性高斯白噪声，n_R～CN(0,σ_R ²)。表示自干扰消除后残余干扰的加 性高斯白噪声，其中为自干扰消除系数，u_R～CN(0,σ_uR ²)，PA、P_B和P_R分别为源节点A、B以及中继节点R的发送功率。

中继R的接收天线分为两组(优化的分组方案在后续给出)，即天线集合Ф和天线集合 Ψ，且满足|Φ|＝N、|Ψ|＝M-N。其中将天线集合Ф所接收到的信号用最大比合并(MRC) 的方式合并为单一信号流后等待进行下一跳传输，天线集合Ψ所接收到的信号用于能量采集 转换为能量，为下一跳中继转发信号提供能量。接着在中继R的发送端采用波束成形技术， 以增强源节点A、B的接收性能。

定义h_AR∈C^M×1和h_BR∈C^M×1表示源节点S_A和S_B到中继R接收天线之间的信道矢量，考虑 到上下行信道具有互易性，则有中继R发送天线分别到S_A和S_B的信道矢量为和且所有信道都是平坦瑞利衰落信道。P_A、P_B、P_R分别表示源节点A、B以及中继 节点R的发送功率，Φ表示天线传输子集，定义分别为中继天线集合Ф(Ψ)中中继R与源节点A、B天线间的信道系数矢量。 表示天线子集Ф接收到的噪声；表示共轭转置，*表示转置。

中继端天线子集Ф接收的信号表达式为：

其中，是天线子集Ф接收到的噪声，是N×1的加性高斯白噪声，

中继R用于能量采集的天线分组子集Ψ所接收的信号为：

其中，是天线子集Ψ接收到的噪声，是(M-N)×1的加性高斯白噪声，

则中继端采集并转换后得到能量为：

其中，η为能量转换效率，η∈(0,1]。

中继R的发送功率为：

在此本发明实施例假设中继端是无源的，且收集到的能量全部用于后续转发信号，则 P_R＝Q。

经过最大比合并之后，中继R发送信号：

其中ω＝[ω₁,ω₂,…,ω_M]T为波束成形矢量。

节点A端接收信号为：

表示自干扰消除后残余干扰的加性高斯白噪声，且u_A～CN(0,σ_uA ²)。

节点B端接收信号：

表示自干扰消除后残余干扰的加性噪声，其中u_B～CN(0,σ_uB ²)。

在此，假设节点A,B能识别自己上一时刻所发送信号,则

由此可以得出：节点A的信噪比：

节点B的信噪比：

系统和吞吐量：

C＝log(1+r_A)+log(1+r_B) (13)

从上面分析过程可以看出，系统和吞吐量与波束成形矢量ω以及天线分组方案(即为天 线子集Ф和天线子集Ψ的划分策略)有关，通过联合优化波束成形矢量ω和天线分组能够达 到提高系统和吞吐量的目的。

进一步的，设计波束成形方案，使得log(1+r_A)和log(1+r_B)最大，即得到最大的系统和吞 吐量。利用最大广义特征值定理和映射定理即可得出，中继R的最优发送波束成形矢量表示 为：

进一步的，设计低复杂度的次优天线分组方案，提出了一种基于范数的递增天线选择算 法，通过比较中继R接收端每根天线所对应的信道矩阵范数，将信道矩阵范数大的天线接收 到的信号用于信号传输，剩余的天线所接收到的信号用于能量采集，并采用递增的方式将天 线子集Ψ中范数较大的天线移入子集Ф。进行计算得出使得系统吞吐量最大的C_max。

具体算法执行过程如下：

1)首先，初始化矩阵h_AR和h_BR，初始化天线子集空间Ф、Ψ。

2)然后，搜索信道矩阵所有行，将同根天线的信道矢量取范数并相加，比较每根天线的 范数和大小，并对天线进行编号；找到使得范数最大的天线，将其移入用于信号传输的子集 Ф，其余天线归入用于能量采集的子集Ψ。

3)计算此时的系统和吞吐量C₁，并令系统最大吞吐量C_max＝C₁。

4)将子集Ψ中范数最大的天线移入子集Ф中，得到新的天线子集Ф和子集Ψ，进行3) 操作，得到C₂，C_max＝max(C₁,C₂)；

5)继续执行上一步操作，直到子集Ψ剩余天线数为1。最后，得到C_max。

由此可以看出，与最优天线选择算法相比，本算法降低了其重复搜索比较天线的次数和 矩阵的运算量，在牺牲了一定性能的情况下，使得整个天线算法的计算复杂度明显降低。

具体实施例

本发明考虑在一个FD-SWIPT双向中继系统中，中继具有多个发送和接收天线，通过天 线选择与波束成形进行联合优化，以达到最大系统的和吞吐量，并提升能量效率。为此，提 出了一种低复杂度的中继接收端的天线分组策略，将信道条件好的天线接收信号进行下一步 转发，而剩余信道条件略差的接收信号进行能量采集，为中继端转发信息提供能量；同时， 设计了中继发送端的波束成形矢量，用于优化中继端到目的端接收信噪比。

本发明提出的天线选择和波束成形联合优化方法包括以下步骤：

步骤一、首先，对该应用场景下的各节点接收端和发送端的表达式进行一一列举，找出 与吞吐量表达式直接相关的元素；

步骤二、其次，设天线分组已固定，采用最大广义特征值分别求出对于源节点A、B的 最优波束成形矢量，并利用矢量映射定理，得到整个系统最优波束成形矢量ω^max。

步骤三、最后，将求得的最优波束成形矢量ω^max进行天线分组方案计算，得出最优的系 统和吞吐量C_max。

为了对本发明进行验证，本发明实施例在MATLAB平台上进行仿真实验，由于每次随 机生成的信道不同，且在MIMO系统中信道的不稳定性对整个系统性能有较大影响，所以在 仿真分析中，本发明采用10000次独立的蒙特卡洛仿真实验取其平均值来实现一般性。

为了进一步突出本发明的优越性，本实施例将本发明所提联合优化方案与三种现有技术 进行了对比分析，得到如图3-9所示的仿真结果。

图3为系统和吞吐量与中继天线数的曲线图。由图可看出，四种方案的系统和吞吐量均 随着中继天线数的增加而增大，这是因为中继天线数的增加会增加天线阵列的增益，同时改 善了中继处接收信号的信噪比，增加了采集的能量，从而使中继端的发射功率增大。同样也 使得中继发射端的波束成形效果变得更好。根据图3可知，最优和次优的两种天线分组方案 的系统和吞吐量曲线都明显高于两种PS-SWIPT方案，这是由于天线分组方案是根据源节点 A、B与中继节点R间的信道情况，安排不同的天线进行信号的传输和能量采集，而PS方案 则是将所有天线所接收到的信号中的一部分进行信息传输，剩余部分进行能量采集，所以天 线分组方案下，中继处的接收信号信噪比以及转发信号的发射功率均比PS方案要好，且中继 的天线越多，天线分组的性能优势将越大。另外，本发明所提出的低复杂度的次优天线分组 方案由于并没有对所有天线分组的方案进行搜索，仅基于范数进行递增的搜索，所以与穷搜 索的最优天线分组方案的性能相比会有一定差距，但可看出其差距较小，且随着天线数量的 增长，次优天线分组方案的计算复杂度会低很多，更进一步说明了该低复杂度次优天线分组 方案在牺牲少量性能的条件下，达到计算量的减小是可行的。

由图4可以看出，四种方案的系统和吞吐量随着源节点到中继节点距离的增大而减小， 这是由于信号传输过程中受到信道的路径损耗和小尺度衰落影响所造成的，所以曲线呈非线 性的指数形式减小。本发明所提方案系统性能优于其他对比文献的性能，且在牺牲一小部分 性能的情况下，达到了较大程度降低计算复杂度的目的；由图5看出，各方案的系统和吞吐 量都是随发射功率的增大而增大的，而后逐渐趋于平稳，是由于系统的吞吐量是有一个极限 的，这是由其带宽决定的；图6显示了三种采用全双工技术的系统和吞吐量都随自干扰消除 系数的增大而迅速减小，这说明，自干扰消除系数对系统性能的影响非常明显，这也进一步 证明了自干扰消除技术的重要性。

图7为系统能量效率与中继天线数的曲线图。各节点到中继的距离为50m，源节点发射 功率为10W。中继天线数M＝3,4,…,10。前三种方案均为双向系统，其能量效率β等于系统 和吞吐量除以总发射功率，即第四种方案为单向系统，其能量效率为仿真可见，随着天线数的增加，能量效率同样增大，这说明MIMO技术的运用能增大系统能 量效率，这与事实相符。另外，可知单向系统优于另三种双向系统的能量效率，这是由于单 向系统中，只有中继端产生自干扰，而源节点和目的节点均没有自干扰影响，系统的信干噪 比会比双向系统高一些，所以能量效率更高。同时可以看出，本发明提出的天线分组方案在 中继天线数变多后，会与PS和波束成形联合优化方案的系统能效拉开差距，有更好的能量效 率值，这是由于天线分组方案能合理分配利用不同信道增益天线的原因，证明了本方案的可 行性。

由图8可以看出四种方案的系统能量效率都是随各节点距离的增大而减小的，这是由于 距离会影响系统吞吐量的大小，距离越远，吞吐量越小，所以能量效率也随之减小，单向系 统由于源节点和目的节点均没有自干扰，其能量效率依然最高，在相同系统中，本发明提出 的天线分组方案比PS方案性能更优；图9得出四种方案的能量效率都是随总发射功率的增大 而减小，且本发明的次优天线分组方案取得了接近与最优天线分组方案的性能，并随着总功 率的增大，性能差距在逐渐减小，且在计算复杂度上优于最优方案，更说明了次优方案具有 整体上优势。

最后说明的是，以上优选实施例仅用以说明发明的技术方案而非限制，尽管通过上述优 选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细 节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (4)

1.一种波束成形天线选择分组算法联合设计优化方法，其特征在于：该方法包含如下步骤：

S1：对该应用场景下的各节点接收端和发送端的表达式进行一一列举，找出与吞吐量表达式直接相关的元素；

S2：假定天线分组已固定，采用最大广义特征值分别求出对于源节点A、B的最优波束成形矢量，并利用矢量映射定理，得到整个系统最优波束成形矢量；

S3：根据最优波束成形矢量进行天线分组方案计算，得出最优的系统和吞吐量。

2.根据权利要求1所述的一种波束成形天线选择分组算法联合设计优化方法，其特征在于：所述步骤S1中与吞吐量表达式直接相关的元如下：

中继端发送信号R：

其中，ω＝[ω₁，ω₂，…，ω_M]^T为波束成形矢量，P_A、P_B、P_R分别表示源节点A、B以及中继节点R的发送功率，表示天线合集Φ中中继R与源节点A天线间的信道系数矢量，表示天线合集Φ中中继端R与源节点B天线间的信道系数矢量，S_A表示源节点A的发送信号，S_B表示源节点B的发送信号，Φ表示天线传输子集，表示中继端自干扰消除后残余干扰的加性高斯白噪声，表示自干扰消除系数，u_R～CN(0，σ_uR ²)，表示天线子集Φ接收到的噪声；

节点A接收信号：

其中，h_AR表示源节点S_A到中继节R接收天线之间的信道矢量，n_A表示源节点A的加性高斯白噪声，表示节点A自干扰消除后残余干扰的加性高斯白噪声，且u_A～CN(0，σ_uA ²)；

节点B接收信号：

其中，h_BR表示源节点S_B到中继节R接收天线之间的信道矢量，n_B表示源节点B的加性高斯白噪声，表示节点B自干扰消除后残余干扰的加性噪声，其中u_B～CN(0，σ_uB ²)；

系统和吞吐量：

C＝log(1+r_A)+log(1+r_B)

其中，r_A表示源节点A的信噪比，r_B表示源节点B的信噪比。

3.根据权利要求2所述的一种波束成形天线选择分组算法联合设计优化方法，其特征在于：步骤S2中采用最大广义特征值分别求出对于源节点A、B的最优波束成形矢量，并利用矢量映射定理，得到整个系统最优波束成形矢量，满足：

其中，表示共轭转置，*表示转置。

4.根据权利要求2所述的一种波束成形天线选择分组算法联合设计优化方法，其特征在于：步骤S3具体包含如下步骤：

S31：初始化矩阵h_AR和h_BR，初始化天线传输子集Φ、天线能量子集Ψ；

S32：搜索信道矩阵所有行，将同根天线的信道矢量取范数并相加；

S33：比较每根天线的范数和大小，并对天线进行编号，找出使得范数和最大的天线，并将其移入天线传输子集Φ，其余天线归入天线能量子集Ψ；

S34：计算此时的系统和吞吐量C1，并令系统最大吞吐量C_max＝C₁；

S35：将天线能量子集Ψ中范数和最大的天线移入天线传输子集Φ中，计算此时的系统和吞吐量C₂，并令系统最大吞吐量C_max＝max(C₁，C₂)；

S36：判断天线能量子集Ψ中的剩余天线数是否为1，若是则结束，并得出C_max，若否则执行S35。