CN109067446A - 一种多天线多用户大规模天线的混合预编码方法 - Google Patents

Abstract

本发明提供一种多天线多用户大规模天线的混合预编码方法，能够降低成本和损耗。所述方法包括：建立基于多天线多用户大规模天线系统的接收信号与基站发射信号间的最小化均方误差优化模型，其中，发射信号经过发射端基带与射频混合预编码发射出去；根据建立的最小化均方误差优化模型，确定接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解；根据得到的接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解，利用粒子群算法计算发射端的射频预编码矩阵，并迭代优化接收端的预编码合成矩阵、发射端的基带预编码矩阵及发射端的射频预编码矩阵，直到均方误差收敛，得到优化的基带与射频混合预编码。本发明涉及无线通信技术领域。

Description

一种多天线多用户大规模天线的混合预编码方法

技术领域

本发明涉及无线通信技术领域，特别是指一种多天线多用户大规模天线的混合预编码方法。

背景技术

大规模多输入多输出(massive multiple-input multiple-output,massiveMIMO)系统通过在基站端配置大量收发天线，利用高的空间自由度消除干扰和调度更多用户而提升系统频谱效率、能量效率及传输可靠性等性能，满足用户日益增长的海量数据需求，是第五代移动通信的关键技术之一。

预编码技术是指在信号发射前，对将要发射的信号进行的一系列信号预处理操作。传统预编码技术大多采用全数字预编码，每根发射天线需要连接一条射频链路。在大规模天线系统中应用这种预编码技术会带来过高的硬件成本和功率损耗。

发明内容

本发明要解决的技术问题是提供一种多天线多用户大规模天线的混合预编码方法，以解决现有技术所存在的基站侧硬件成本高和功率损耗大的问题。

为解决上述技术问题，本发明实施例提供一种多天线多用户大规模天线的混合预编码方法，包括：

建立基于多天线多用户大规模天线系统的接收信号与基站发射信号间的最小化均方误差优化模型，其中，发射信号经过发射端基带与射频混合预编码发射出去；

根据建立的最小化均方误差优化模型，确定接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解；

根据得到的接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解，利用粒子群算法计算发射端的射频预编码矩阵，并迭代优化接收端的预编码合成矩阵、发射端的基带预编码矩阵及发射端的射频预编码矩阵，直到均方误差收敛，得到优化的基带与射频混合预编码。

进一步地，建立的最小化均方误差优化模型表示为：

其中，

其中，MSE_i表示第i个用户收发信号间的均方误差，i∈{1,2,…,K}，K表示接收端的用户数，tr(·)表示矩阵的迹运算，F_B表示发射端基带预编码矩阵，F_B,i表示F_B的第i个列向量，F_RF表示发射端射频预编码矩阵，w_i表示第i个用户接收端的预编码合成矩阵，H_i表示基站与第i个用户终端间的频域信道，(·)^H表示矩阵的共轭转置，I表示单位矩阵，σ²表示接收端噪声的方差。

进一步地，所述根据建立的最小化均方误差优化模型，确定接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解包括：

对均方误差求偏导，确定所述最小化均方误差优化模型中第i个用户接收端的预编码合成矩阵闭式解；

根据所述最小化均方误差优化模型构造拉格朗日函数求发射端基带预编码的偏导，确定发射端基带预编码矩阵闭式解。

进一步地，所述对均方误差求偏导，确定所述最小化均方误差优化模型中第i个用户接收端的预编码合成矩阵闭式解包括：

对求w_i的偏导，令导数为零，得到所述最小化均方误差优化模型中第i个用户接收端的预编码合成矩阵闭式解，表示为：

进一步地，所述根据所述最小化均方误差优化模型构造拉格朗日函数求发射端基带预编码的偏导，确定发射端基带预编码矩阵闭式解包括：

根据所述最小化均方误差优化模型及所述最小化均方误差优化模型的第一约束条件，构造拉格朗日函数，所述拉格朗日函数表示为：

对L(F_B,λ)求F_B的偏导，并令导数为零，得到F_B的闭式解：

其中，λ表示拉格朗日乘子，H_eq表示等效信道，

进一步地，所述最小化均方误差优化模型的第一约束条件表示为：

其中，表示基站端总发射功率，P_T表示预设的发射功率阈值。

进一步地，所述根据得到的接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解，利用粒子群算法计算发射端的射频预编码矩阵，并迭代优化接收端的预编码合成矩阵、发射端的基带预编码矩阵及发射端的射频预编码矩阵，直到均方误差收敛，得到优化的基带与射频混合预编码包括：

A1，初始化粒子位置矩阵、速度矩阵、个体最优位置、全局最优位置和F_B，其中，F_B满足第一约束条件：并令为适应值函数；

A2，根据接收端的预编码合成矩阵闭式解计算w_i；

A3，根据发射端的基带预编码矩阵闭式解计算F_B；

A4，确定每个粒子的位置矢量；

A5，根据确定的w_i、F_B、每个粒子的位置矢量，计算所有粒子的适应值并进行比较，将最小适应值对应的粒子的个体最优位置作为本次迭代的全局最优位置，并将全局最优位置对应到F_RF中的相位值，其中，F_RF满足第二约束条件：|F_RF(a,b)|表示F_RF矩阵中第a行第b列元素的幅值；

A6，更新粒子位置和速度；

A7，返回继续执行步骤A2，迭代优化w_i、F_B、F_RF，直至均方误差收敛并达到预设精度，得到优化的混合预编码矩阵F_B和F_RF。

本发明的上述技术方案的有益效果如下：

上述方案中，建立基于多天线多用户大规模天线系统的接收信号与基站发射信号间的最小化均方误差优化模型，其中，发射信号经过发射端基带与射频混合预编码发射出去；根据建立的最小化均方误差优化模型，确定接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解；根据得到的接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解，利用粒子群算法计算发射端的射频预编码矩阵，并迭代优化接收端的预编码合成矩阵、发射端的基带预编码矩阵及发射端的射频预编码矩阵，直到均方误差收敛，得到优化的基带与射频混合预编码。这样，通过将预编码解耦到基带与射频，能够有效降低射频链路的数目，在减少基站侧硬件成本的同时，能够有效降低功耗。

附图说明

图1为本发明实施例提供的多天线多用户大规模天线的混合预编码方法的流程示意图；

图2为本发明实施例提供的多天线多用户大规模天线的混合预编码方法的原理示意图；

图3为本发明实施例提供的多天线多用户大规模天线的混合预编码方法相比其他预编码方法的误比特率性能比较；

图4为本发明实施例提供的多天线多用户大规模天线的混合预编码方法相比其他预编码方法的系统可实现速率性能比较。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有的基站侧硬件成本高和功率损耗大的问题，提供一种多天线多用户大规模天线的混合预编码方法。

如图1所示，本发明实施例提供的多天线多用户大规模天线的混合预编码方法，包括：

S101，建立基于多天线多用户大规模天线系统的接收信号与基站发射信号间的最小化均方误差优化模型，其中，发射信号经过发射端基带与射频混合预编码发射出去；

S102，根据建立的最小化均方误差优化模型，确定接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解；

S103，根据得到的接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解，利用粒子群算法计算发射端的射频预编码矩阵，并迭代优化接收端的预编码合成矩阵、发射端的基带预编码矩阵及发射端的射频预编码矩阵，直到均方误差收敛，得到优化的基带与射频混合预编码。

本发明实施例所述的多天线多用户大规模天线的混合预编码方法，建立基于多天线多用户大规模天线系统的接收信号与基站发射信号间的最小化均方误差优化模型，其中，发射信号经过发射端基带与射频混合预编码发射出去；根据建立的最小化均方误差优化模型，确定接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解；根据得到的接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解，利用粒子群算法计算发射端的射频预编码矩阵，并迭代优化接收端的预编码合成矩阵、发射端的基带预编码矩阵及发射端的射频预编码矩阵，直到均方误差收敛，得到优化的基带与射频混合预编码。这样，通过将预编码解耦到基带与射频，能够有效降低射频链路的数目，在减少基站侧硬件成本的同时，能够有效降低功耗。

为了更好地理解本发明，先对本实施例所述的多天线多用户大规模天线的混合预编码方法的技术原理进行简要说明：

在大规模天线系统基站端配置大规模均匀线性阵列，假设，发射端已知完整的信道状态信息，并利用该信道状态信息进行发送预编码与接收合并设计；在发射端采用基带与射频混合预编码，在接收端只需进行合并处理。

具体地，本发明实施例可以以一个下行多天线多用户大规模天线系统为例，发射端采用基带与射频混合预编码，接收端仅考虑接收合并处理。发射端的射频链路数为R，接收端有K个用户，每个用户均配置有N根天线，基站侧配置有M根天线。本实施例中，所述多天线多用户大规模天线的混合预编码方法具体可以包括：

H11，建立基于多天线多用户大规模天线系统的接收信号与基站发射信号间的最小化均方误差优化模型，其中，发射信号经过发射端基带与射频混合预编码发射出去。

本实施例中，设发射端发射信号为S，其中，S＝[s₁,s₂,…,s_K]^T，s_i表示第i个用户要接收的信号，发射信号S经过发射端基带预编码和射频预编码发射出去。在发射端射频预编码部分，每个射频链路连接到所有的天线。在接收端将经过信道传输的信号与接收端的预编码合成矩阵W相乘，第i个用户得到接收端输出信号为其中，等号右侧第一项表示接收端接收到的有用信号，第二项表示用户间干扰，第三项表示噪声，H_i表示基站与第i个用户终端间的频域信道，F_B＝[F_B,1,F_B,2,…,F_B,K]表示发射端基带预编码矩阵，F_B,i表示针对第i个用户接收到的信号在发射端的基带预编码矢量，F_RF表示发射端射频预编码矩阵，F_i是F_RFF_B,i的简写形式，具体的：F_i＝F_RFF_B,i，w_i表示第i个用户终端的接收端基带合并矢量，(·)^H表示矩阵的共轭转置，n_i表示第i个用户终端的加性高斯白噪声，满足均值为0且方差为σ²的独立同分布规律。

本实施例中，发射信号s_i经过上述传输过程后，发射端发射信号s_i和第i个用户接收到的信号y_i之间的均方误差表示为：

因此，建立的基于多天线多用户大规模天线系统的接收信号与基站发射信号间的最小化均方误差优化模型可以表示为：

其中，

其中，MSE_i表示第i个用户收发信号间的均方误差，i∈{1,2,…,K}，K表示接收端的用户数，tr(·)表示矩阵的迹运算，F_B表示发射端基带预编码矩阵，F_B,_i表示F_B的第i个列向量，F_RF表示发射端射频预编码矩阵，w_i表示第i个用户接收端的预编码合成矩阵，H_i表示基站与第i个用户终端间的频域信道，(·)^H表示矩阵的共轭转置，I表示单位矩阵，σ²表示接收端噪声的方差。

在本实施例中，发射端总的发射功率表示为P_T是预设的发射功率阈值；所以，所述最小化均方误差优化模型的第一约束条件可以表示为：

本实施例使用唯相位射频预编码，即发射端射频预编码矩阵F_RF中元素的幅值相同且为1，只有相位不同，所以，所述最小化均方误差优化模型的第二约束条件可以表示为：

其中，|F_RF(a,b)|表示发射端射频预编码矩阵中第a行第b列元素的幅值。

综上，建立的最小化均方误差优化模型可以表示为：

其中，

所述最小化均方误差优化模型的约束条件可以表示为：

本实施例中，所述最小化均方误差优化模型是凸函数，假设在某两个矩阵变量给定的情况下，来实现第三个矩阵变量的计算及优化。

H12，确定接收端的预编码合成矩阵w_i

本实施例中，最小化均方误差优化模型是关于w_i的凸函数，且发射功率限制即第一约束条件中没有w_i变量，则原约束优化问题可转化为无约束优化问题，

对求w_i的偏导，令导数为零，得到所述最小化均方误差优化模型中接收端的预编码合成矩阵闭式解，表示为：

H13，确定发射端的基带预编码矩阵F_B

本实施例中，在给定w_i和F_RF的情况下，原约束优化问题可转化为

这是一个二次凸优化问题，构造拉格朗日函数，所述拉格朗日函数表示为

对L(F_B,λ)求F_B的偏导，令导数为零，得到F_B的闭式解，表示为：

其中，λ表示拉格朗日乘子，H_eq表示等效信道，应用此等效信道更便于F_B的计算，其中，

H14，确定发射端的射频预编码矩阵F_RF

本实施例中，由于F_RF矩阵形式的特殊限制：无法直接求其闭式解。因此可以利用粒子群算法(PSO)来计算射频预编码矩阵F_RF。

粒子群中的粒子的位置对应F_RF中元素对应的相角。通过适应值函数来实现相位到均方误差值的映射，再以最小均方误差为标准更新粒子的个体最优位置和全局最优位置。

利用PSO，确定发射端的射频预编码矩阵F_RF的具体步骤如下：

步骤1，初始化。

初始化PSO的粒子位置矩阵L，维度为P×MN，P为粒子个数，MN为优化问题的决策变量的个数，其中，MN表示M与N的乘积

。M是基站端天线数目，N是每个终端的天线数目，PSO中的每个粒子的MN维位置变量，对应F_RF中的MN个相移值。由于每个位置维度对应F_RF的一个相角，即初始化位置矩阵的每个元素范围在[-π,π]。则有

粒子的每个位置分量都有对应的速度分量来引导其飞向下一个位置，为保证算法性能，粒子不容易飞出边界，且能够在较大的解空间内搜索，要设置合适的最大速度限制。粒子速度的初始化矩阵为

个体最优位置矩阵初始化为

其初始化值与L的初始化值相同。

全局最优位置矢量为到目前位置所有粒子的最优位置，可以表示为：

g＝[g₁,g₂,…,g_M,…,g_(N-1)M+1,g_(N-1)M+2,…,g_NM]

其初始化值为第一个粒子的位置矢量。

初始化F_B，满足第一约束条件：

最小化均方误差优化模型作为PSO中的适应值函数f(θ_n,1,θ_n,2,…,θ_n,M,…,θ_n,(N-1)M+1,θ_n,(N-1)M+2,…,θ_n,NM,w_i,F_B)，决定适应值大小。

步骤2，迭代。

在每次迭代中通过闭式解表达式计算w_i、F_B。

对于每个粒子n,n＝1,2,…,P，它的位置矢量为[θ_n,1,θ_n,2,…,θ_n,M,…,θ_n,(N-1)M+1,θ_n,(N-1)M+2,…,θ_n,NM]，根据F_RF,i＝[exp(jθ_(i-1)M+1,…,exp(jθ_iM))]^T对应到F_RF，其中，F_RF,i表示F_RF的第i个列向量。

根据确定的w_i、F_B、每个粒子的位置矢量，计算所有粒子的适应值并进行比较，将最小适应值对应的粒子的个体最优位置作为本次迭代的全局最优位置，并将全局最优位置对应到F_RF中的相位值；具体的：

计算适应值函数f(θ_n,1,θ_n,2,…,θ_n,M,…,θ_n,(N-1)M+1,θ_n,(N-1)M+2,…,θ_n,NM,w_i,F_B)，如果本次的适应值小于上次的适应值，则用当前的位置矢量来更新个体最优位置，否则个体最优位置不变。将所有粒子的个体最优位置分别代入适应值函数得到个体最优适应值，进行比较，最小适应值对应的粒子的个体最优位置即为本次迭代得到的全局最优位置，并将全局最优位置对应到F_RF中的相位值。

根据位置和速度更新公式来更新位置矩阵和速度矩阵，其中，位置和速度更新公式为：

v_n(t+1)＝wv_n(t)+c₁r₁(pbest_n(t)-θ_n(t))+c₂r₂(gbest(t)-θ_n(t))

l_n(t+1)＝l_n(t)+v_n(t+1)

其中，pbest_n(t)表示个体最优位置、gbest(t)表示全局最优位置，w为惯性权重，c₁为认知因子，c₂为社会因子，r₁和r₂为(0,1)区间内均匀分布的随机数，t为迭代次数。

根据多次试验的经验值，需要用PSO迭代200-300次使均方误差收敛并达到预设精度，迭代结束后，得到优化后的发射端混合预编码矩阵(F_B和F_RF)和接收端的预编码合成矩阵(w_i)，其中，收敛指渐渐趋近某一个值，这里指均方误差不断减小向零靠近。

本实施例中，通过将预编码解耦到基带与射频，能够有效降低射频链路的数目，在减少基站侧硬件成本的同时，能够有效降低功耗，并通过运用凸优化和迭代优化求解，得到发射端基带与射频混合预编码矩阵，能够有效降低系统误码率，消除用户间干扰。

本实施例中，对多天线多用户大规模天线的混合预编码方法进行仿真，系统仿真参数为表1所示，仿真结果如图3和图4所示。

表1系统仿真参数

信道模型	Rayleigh fading channel
		场景	城区宏小区，非视距
载波频率	2GHz
		基站侧天线数	64
基站天线间隔	0.5λ
		用户端天线数	2
用户数	2
		射频链路数	2
发射功率	10W

本实施例中，从图3可看出，本发明实施例提供的多天线多用户大规模天线的混合预编码(Proposed precoding)方法的误比特率随着信噪比的增大而减小，比较接近全数字预编码(Digital precoding)性能，并且明显优于迫零混合预编码(ZF hybrid precoding)性能。

从图4可看出，本发明实施例提供的多天线多用户大规模天线的混合预编码(Proposed precoding)方法，可实现速率随着信噪比的增加而增大，但是优于迫零混合预编码(ZF hybrid precoding)性能。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种多天线多用户大规模天线的混合预编码方法，其特征在于，包括：

建立基于多天线多用户大规模天线系统的接收信号与基站发射信号间的最小化均方误差优化模型，其中，发射信号经过发射端基带与射频混合预编码发射出去；

根据建立的最小化均方误差优化模型，确定接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解；

根据得到的接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解，利用粒子群算法计算发射端的射频预编码矩阵，并迭代优化接收端的预编码合成矩阵、发射端的基带预编码矩阵及发射端的射频预编码矩阵，直到均方误差收敛，得到优化的基带与射频混合预编码。

2.根据权利要求1所述的多天线多用户大规模天线的混合预编码方法，其特征在于，建立的最小化均方误差优化模型表示为：

其中，

其中，MSE_i表示第i个用户收发信号间的均方误差，i∈{1,2,…,K}，K表示接收端的用户数，tr(·)表示矩阵的迹运算，F_B表示发射端基带预编码矩阵，F_B,i表示F_B的第i个列向量，F_RF表示发射端射频预编码矩阵，w_i表示第i个用户接收端的预编码合成矩阵，H_i表示基站与第i个用户终端间的频域信道，(·)^H表示矩阵的共轭转置，I表示单位矩阵，σ²表示接收端噪声的方差。

3.根据权利要求2所述的多天线多用户大规模天线的混合预编码方法，其特征在于，所述根据建立的最小化均方误差优化模型，确定接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解包括：

对均方误差求偏导，确定所述最小化均方误差优化模型中第i个用户接收端的预编码合成矩阵闭式解；

根据所述最小化均方误差优化模型构造拉格朗日函数求发射端基带预编码的偏导，确定发射端基带预编码矩阵闭式解。

4.根据权利要求3所述的多天线多用户大规模天线的混合预编码方法，其特征在于，所述对均方误差求偏导，确定所述最小化均方误差优化模型中第i个用户接收端的预编码合成矩阵闭式解包括：

对求w_i的偏导，令导数为零，得到所述最小化均方误差优化模型中第i个用户接收端的预编码合成矩阵闭式解，表示为：

5.根据权利要求4所述的多天线多用户大规模天线的混合预编码方法，其特征在于，所述根据所述最小化均方误差优化模型构造拉格朗日函数求发射端基带预编码的偏导，确定发射端基带预编码矩阵闭式解包括：

根据所述最小化均方误差优化模型及所述最小化均方误差优化模型的第一约束条件，构造拉格朗日函数，所述拉格朗日函数表示为：

对L(F_B,λ)求F_B的偏导，并令导数为零，得到F_B的闭式解：

其中，λ表示拉格朗日乘子，H_eq表示等效信道，

6.根据权利要求5所述的多天线多用户大规模天线的混合预编码方法，其特征在于，所述最小化均方误差优化模型的第一约束条件表示为：

其中，表示基站端总发射功率，P_T表示预设的发射功率阈值。

7.根据权利要求5所述的多天线多用户大规模天线的混合预编码方法，其特征在于，所述根据得到的接收端预编码合成矩阵闭式解和发射端基带预编码矩阵闭式解，利用粒子群算法计算发射端的射频预编码矩阵，并迭代优化接收端的预编码合成矩阵、发射端的基带预编码矩阵及发射端的射频预编码矩阵，直到均方误差收敛，得到优化的基带与射频混合预编码包括：

A1，初始化粒子位置矩阵、速度矩阵、个体最优位置、全局最优位置和F_B，其中，F_B满足第一约束条件：并令为适应值函数；

A2，根据接收端的预编码合成矩阵闭式解计算w_i；

A3，根据发射端的基带预编码矩阵闭式解计算F_B；

A4，确定每个粒子的位置矢量；

A5，根据确定的w_i、F_B、每个粒子的位置矢量，计算所有粒子的适应值并进行比较，将最小适应值对应的粒子的个体最优位置作为本次迭代的全局最优位置，并将全局最优位置对应到F_RF中的相位值，其中，F_RF满足第二约束条件：|F_RF(a,b)|表示F_RF矩阵中第a行第b列元素的幅值；

A6，更新粒子位置和速度；

A7，返回继续执行步骤A2，迭代优化w_i、F_B、F_RF，直至均方误差收敛并达到预设精度，得到优化的混合预编码矩阵F_B和F_RF。