CN110071747A - 一种大规模mimo系统上行链路低复杂度量化比特选择方法 - Google Patents

Abstract

本发明公开一种大规模MIMO系统上行链路低复杂度量化比特选择方法，首先，输入信号带宽、天线数目、用户数目、移相器网络功耗、射频链路功耗、采样速率和用户发送功率等相关参数以及量化比特数上下限参数信息；其次，选取上下限中两个中间值量化比特数，并算出两个量化比特数所对应的系统能效；然后，通过多次数值比较，迭代搜索能效最优的量化比特；最后，输出经过若干次计算后的最优量化比特数。本发明能够解决用户数目较多的低精度ADC毫米波大规模MIMO系统上行链路的低复杂度量化比特选择问题，适用于混合波束赋形和全数字波束赋形两种算法，具有低复杂度、易于硬件实现以及能量效率高等优点。

Description

一种大规模MIMO系统上行链路低复杂度量化比特选择方法

技术领域

本发明涉及一种适用于使用线性天线阵列的低精度ADC毫米波大规模MIMO(Multiple-Input-Multiple-Output)系统上行链路的低复杂度最佳量化比特选择算法，属于移动通信领域。

背景技术

当前5G通信技术的研究，如非正交多址接入方式、大规模MIMO技术、毫米波通信、D2D通信等引起了业界的广泛关注。其中，毫米波通信和大规模MIMO技术是未来5G无线通信系统研究中富有发展前景的两个研究方向。

通过在基站侧使用大量的收发天线，大规模MIMO系统可以利用额外的自由度，并行传输多个数据流，同时提高分集增益，从而可以极大的增加频谱利用率、提高传输可靠性并改善系统的能量效率。当前，无线通信在载波频段的层面，由于6GHz以下蜂窝频段频谱资源的短缺，利用毫米波频段实施无线通信也吸引了众多学者的目光，对之产生广泛的研究兴趣。由于毫米波频段电波传播损耗严重，毫米波无线传输技术的早期研究大多侧重于短距离通信场景，相关的技术无法直接应用于大范围覆盖的移动通信场景。考虑到毫米波频段电磁波波长相对较短，大规模天线阵列可以同时装配到基站与用户侧。进而，通过大规模天线阵列所提供的较高波束赋形增益能够补偿毫米波频段上相对较高的传播损耗。因此，探索毫米波大规模MIMO无线传输技术在大覆盖移动通信场景中的应用，成为研究者们关注的重要研究方向。

长期以来，无线通信领域的许多研究工作都致力于提高系统的频谱利用率。近年来，人们在研究如何提高系统频谱效率的同时，系统的能效也逐渐成为了另一个关注重点。在毫米波大规模MIMO系统中，由于基站配备了大量的天线，带来的后果是海量的基带数据，这极大的提高了基带处理和射频处理的复杂度，给系统部署成本的降低带来了巨大的挑战。系统功耗主要由信号的辐射功耗和处理功耗这两个部分组成，毫米波大规模MIMO系统功耗与采用的器件以及算法复杂度密切相关。

以上行链路中接收机功耗为例，其功耗主要来自ADC(Analog-to-DigitalConverter:ADC)处理部分和基带数字处理部分。文献“Walden R H.Analog-to-digitalconverter technology comparison[C].In:Gallium Arsenide Integrated Circuit(GaAs IC)Symposium,1994.Technical Digest 1994,16th Annual.1994.217-219.”中提出，ADC的功耗正比于采样速率和量化间隔，而ADC的采样速率往往受输入信号的带宽影响，功耗与量化精度、信号带宽近似存在P_ADC≈2^b×B的关系，其中b表示量化比特数，B表示信号带宽。系统功耗的另一组成部分来自基带数字处理部分，一般而言，信号经过模数转换器的采样频率和量化比特数已经决定了后续基带数字处理的数据量，因此也直接决定了接收机基带处理功耗。文献“Patterson D A,Hennessy J L,Goldberg D.Computerarchitecture:a quantitative approach[M]//Computer Architecture:A QuantitativeApproach.Morgan Kaufmann Publishers Inc.2008.”发现基带处理功耗与b²近似成线性关系。由此可见，接收机功耗很大程度上由量化精度决定，并且功耗与量化精度成指数关系。这也意味着在毫米波大规模MIMO系统中配置高精度ADC接收机将带来不可忽视的系统功耗。因此，对于毫米波大规模MIMO系统，采用低精度ADC可以有效降低系统功耗。然而，使用低精度ADC会造成系统可达速率损耗。因此，存在最优的量化比特使得系统能效最优。

本发明基于三分查找方法，提出一种适用于低精度ADC毫米波大规模MIMO上行链路的低复杂度量化比特选择算法，适用于混合波束赋形与全数字波束赋形两种算法中，可以有效降低毫米波大规模MIMO系统的能效。

发明内容

发明目的：针对低精度ADC毫米波大规模MIMO系统上行链路的量化比特选择问题，本发明提出一种基于三分查找方法的低复杂度选择算法，该方法简单可行，尤其适用于Rayleigh衰落信道下用户数目较多的毫米波大规模MIMO系统。

技术方案：一种低精度ADC毫米波大规模MIMO系统上行链路低复杂度量化比特选择算法，设小区内用户数目为K，每个用户仅配备1根收发天线，基站侧配置N根接收天线，N＞＞K。令y＝[y₁,y₂,...,y_N]^T表示上行链路基站接收的信号矢量，其中y_n(n＝1,2,...,N)表示基站第n根天线接收的信号。y可以表示为

其中表示每个用户的平均传输功率；H是基站和用户之间的N×K维信道矩阵，H的第(i,j)个元素H_ij表示第j个用户到基站第i根天线的信道增益，H_ij(1≤i≤M,1≤j≤K)相互独立，服从均值为0、方差为1的循环对称复高斯分布；s＝[s₁,s₂,...,s_K]^T，其中s_k(k＝1,2,...,K)表示第k个用户发送的信号，s_k(k＝1,2,...,K)相互独立，均值为0，方差为1；n＝[n₁,n₂,...,n_N]^T表示基站处的接收噪声矢量，其中n_N表示基站第n根天线处的接收噪声，n_n(n＝1,2,...,N)相互独立，服从均值为0、方差为1的加性白高斯分布。

考虑毫米波的传播环境，采用多径信道模型。基站和用户之间的每个传播路径与传播环境中的散射体相关。假设不同用户信号传播路径中的散射体是独立的，第k个用户的信道矢量可以表示为

其中，L_k是基站和用户间传播路径的数目；是第l条路径的复增益，且表示第l条路径的到达角(Angle of Arrival：AOA)。基站处配备了均匀线性阵列(Uniform Linear Array：ULA)，则阵列响应a_N(θ)为

其中，Δ表示由载波波长λ归一化的天线间距。

考虑混合波束赋形和全数字波束赋形，并分别计算系统的可达和速率与能效公式。首先根据b计算量化功耗因子α＝1-ρ，其中ρ是信量噪比的倒数。当b＝1时，ρ＝0.3634；当b＝2时，ρ＝0.1175；当b＝3时，ρ＝0.03454；当b＝4时，ρ＝0.009497；当b＝5时，ρ＝0.002499；当b＞5时，计算

对于混合波束赋形,其能效按照下式计算:

其中，混合波束赋形的可达和速率R(b)＝Klog₂(1+SINR)，混合波束赋形的信干噪比

对于全数字波束赋形,其能效按照下式计算:

其中，全数字波束赋形的可达和速率R(b)＝Klog₂(1+SINR)，全数字波束赋形的信干噪比

该选择算法包含以下两个步骤：

第一步：输入信号的带宽B、接收天线数目N、用户数目K、移相器网络功耗P_PS、射频链路功耗P_RF、ADC功耗因子C、采样速率W和用户功耗P_u，以及量化比特上下限参数b_min、b_max；

第二步：如果b_min＜b_max-1，迭代搜索能效最优的量化比特；否则，如果b_min对应的系统能效η_EE(b_min)大于b_max对应的系统能效η_EE(b_max)，则输出最优量化比特数为b_min，否则输出最优量化比特数为b_max。

下面介绍第二步的具体操作步骤：

①比较b_min和b_max，如果b_min＜b_max-1，选择量化比特数范围内的中间值b₁和b₂；

②b₁和b₂的计算如下：

b₁＝round[(b_min+b_max)/2]，b₂＝round[(b₁+b_max)/2]，

其中，使用round函数对b₁和b₂取整。

③根据相关参数和系统的能效公式分别计算b₁和b₂所对应的系统能效η_EE(b₁)和η_EE(b₂)。

④比较η_EE(b₁)和_EE(b₂)，如果η_EE(b₁)＞_EE(b₂)，比较b₂和b_max是否相等，如果相等，令b_max←b_max-1；如果不等，令b_max←b₂。如果η_EE(b₁)≤η_EE(b₂)，则比较b₁和b_min是否相等，如果相等，令b_min←b_min+1；如果不等，令b_min←b₁。重复以上步骤，缩小b_min和b_max的差距。

⑤计算η_EE(b_min)和η_EE(b_max)；

⑥如果η_EE(b_min)＞η_EE(b_max)，输出最优量化比特数为b_min，否则输出最优量化比特数为b_max。

有益效果：与现有技术相比，本发明所提供的低精度ADC毫米波大规模MIMO系统上行链路量化比特选择方案，具有如下优点：

(1)应用范围广泛。本发明所提出方案既可以应用于混合波束赋形的场景，也可以应用于全数字波束赋形的场景；

(2)选择速度快。本发明通过在步骤2中对最优量化比特的迭代搜索方法，实现算法计算简单易行，复杂度低；

(3)降低系统功耗。本发明所提出的方案以较低的实现复杂度，获得较低的功耗性能；

(4)提高系统性能。本发明通过步骤2中最优量化比特数的选择，获得较好的系统传输性能。

附图说明

图1为本发明实施例的基于三分查找方法的低精度ADC毫米波大规模MIMO系统上行链路量化比特选择算法的实施流程图；

图2为本发明实施例的不同场景下最优量化比特的选择结果仿真表。仿真参数中，N＝100，L＝5，B＝20M，P_PS＝2mW，P_RF＝39mW，C＝495×10^-15J/Step，W＝30.72MHz，载频为f＝28GHz。比较了混合波束赋形与全数字波束赋形的两种场景。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

本方法包括以下步骤：

步骤1：输入信号的带宽B、接收大线数目N、用户数目K、移相器网络功耗P_PS、射频链路功耗P_RF、ADC功耗因子C、采样速率W和用户功耗p_u，以及量化比特上下限参数b_min、b_max；

步骤2：如果b_min＜b_max-1，迭代搜索能效最优的量化比特；否则，如果b_min对应的系统能效η_EE(b_min)大于b_max对应的系统能效η_EE(b_max)，则输出最优量化比特数为b_min，否则输出最优量化比特数为b_max。

如图1所示，本发明的具体实施步骤主要包含以下七个步骤：

第一步：输入信号的带宽B＝20M、接收天线数目N＝100、用户数目K＝10和K＝40两种情况、移相器网络功耗P_PS＝2mW、射频链路功耗P_RF＝39mW、ADC功耗因子C＝495×10^-15J/Step、采样速率W＝30.72MHz和用户功耗P_u＝10dB和P_u＝-10dB两种情况，以及量化比特上下限参数b_min＝1、b_max＝15；

第二步：比较第一步中输入的b_min以及b_max，如果b_min＜b_max-1，计算算法过程中需要的参数b₁和b₂，

b₁＝round[(b_min+b_max)/2]，b₂＝round[(b₁+b_max)/2]；

第三步：分别计算所对应的系统能效η_EE(b₁)和η_EE(b₂)。这一步需要利用系统的可达和速率R与能效η_EE公式。

首先根据b计算量化功耗因子α＝1-ρ，其中ρ是信量噪比的倒数。当b＝1时，ρ＝0.3634；当b＝2时，ρ＝0.1175；当b＝3时，ρ＝0.03454；当b＝4时，ρ＝0.009497；当b＝5时，ρ＝0.002499；当b＞5时，计算

对于混合波束赋形，其能效按照下式计算：

其中，混合波束赋形的可达和速率R(b)＝Klog₂(1+SINR)，混合波束赋形的信干噪比

对于全数字波束赋形，其能效按照下式计算：

其中，全数字波束赋形的可达和速率R(b)＝Klog₂(1+SINR)，全数字波束赋形的信干噪比

第四步：如果η_EE(b₁)＞η_EE(b₂)，且b₂＝b_max，令b_max←b_max-1，否则令b_max←b₂，并且重新执行第二步；

第五步：如果η_EE(b₁)≤η_EE(b₂)，且b₁＝b_min，令b_min←b_min+1，否则令b_min←b₁，并且重新执行第二步；

第六步：如果b_min≥b_max-1，计算系统能效η_EE(b_min)和η_EE(b_max)；

第七步：如果η_EE(b_min)＞η_EE(b_max)，输出最优量化比特数为b_min，否则输出最优量化比特数为b_max。

综上，本发明的一种适用于使用均匀线性阵列的低精度ADC毫米波大规模MIMO系统上行链路低复杂度量化比特选择算法，首先，输入信号带宽、天线数目、用户数目、移相器网络功耗、射频链路功耗、采样速率和用户发送功率等相关参数以及量化比特数上下限参数信息；其次，选取上下限中两个中间值量化比特数，并算出两个量化比特数所对应的系统能效；然后，通过多次数值比较，迭代搜索能效最优的量化比特；最后，输出经过若干次计算后的最优量化比特数。本发明能够解决用户数目较多的低精度ADC毫米波大规模MIMO系统上行链路的低复杂度量化比特选择问题，适用于混合波束赋形和全数字波束赋形两种算法，具有低复杂度、易于硬件实现以及能量效率高等优点。

Claims (4)

1.一种低精度ADC毫米波大规模MIMO系统上行链路低复杂度量化比特选择方法，其特征在于，包含以下步骤：

步骤1：输入信号的带宽B、接收天线数目N、用户数目K、移相器网络功耗P_PS、射频链路功耗P_RF、ADC功耗因子C、采样速率W和用户功耗p_u，以及量化比特上下限参数b_min、b_max。

步骤2：如果b_min＜b_max-1，迭代搜索能效最优的量化比特；否则，如果b_min对应的系统能效η_EE(b_min)大于b_max对应的系统能效η_EE(b_max)，则输出最优量化比特数为b_min，否则输出最优量化比特数为b_max。

2.如权利要求1所述的一种低精度ADC毫米波大规模MIMO系统上行链路低复杂度量化比特选择方法，其特征在于，步骤2的计算方法如下：

步骤201：当b_min＜b_max-1时，选择量化比特数范围内的中间值b₁和b₂；

步骤202：计算系统能效η_EE(b₁)和η_EE(b₂)；

步骤203：如果η_EE(b₁)＞η_EE(b₂)，且b₂＝b_max，令b_max←b_max-1，否则令b_max←b₂，并且重新执行步骤201；

步骤204：如果η_EE(b₁)≤η_EE(b₂)，且b₁＝b_min，令b_min←b_min+1，否则b_min←b₁，并且重新执行步骤201；

步骤205：计算系统能效η_EE(b_min)和η_EE(b_max)；

步骤206：如果η_EE(b_min)＞η_EE(b_max)，输出最优量化比特数为b_min，否则输出最优量化比特数为b_max。

3.如权利要求2所述的一种低精度ADC毫米波大规模MIMO系统上行链路低复杂度量化比特选择方法，其特征在于，步骤201中b₁和b₂的计算方法如下：

b₁＝round[(b_min+b_max)/2]，b₂＝round[(b₁+b_max)/2]，

其中，使用round函数对b₁和b₂进行四舍五入。

4.如权利要求1所述的一种低精度ADC毫米波大规模MIMO系统上行链路低复杂度量化比特选择方法，其特征在于，步骤202和步骤205中系统能效计算方法如下：

首先，根据b计算量化功耗因子α＝1-ρ，其中ρ是信量噪比的倒数，当b＝1时，ρ＝0.3634；当b＝2时，ρ＝0.1175；当b＝3时，ρ＝0.03454；当b＝4时，ρ＝0.009497；当b＝5时，ρ＝0.002499；当b＞5时，计算

b 1 2 3 4 5 ρ 0.3634 0.1175 0.03454 0.009497 0.002499

然后，对于混合波束赋形，其能效按照下式计算:

其中，混合波束赋形的可达和速率R(b)＝Klog₂(1+SINR)，混合波束赋形的信干噪比

最后，对于全数字波束赋形，其能效按照下式计算:

其中，全数字波束赋形的可达和速率R(b)＝Klog₂(1+SINR)，全数字波束赋形的信干噪比