CN110212959A - 一种毫米波mimo-ofdm通信系统的混合预编码能效优化方法 - Google Patents

Abstract

本发明公开了一种毫米波MIMO‑OFDM通信系统的混合预编码能效优化方法，包括：获取毫米波MIMO‑OFDM通信系统基站的最大发射功率及每个子载波对应的信道矩阵；基于最大发射功率和每个信道矩阵，以基站的能效最优为目标，求解得到每个子载波下每个数据流对应的功率分配值，构成子载波功率分配方案；基于子载波功率分配方案和能效最优目标，得到每个子载波的数字预编码矩阵及适用于所有子载波的模拟预编码矩阵。本发明在基站发射功率有限的情况下，提出使能效最优的功率分配方案和混合预编码方案，解决了宽带毫米波下混合预编码的联合设计问题，最大限度地提高能效，且与现有全数字迫零预编码方案相比，在兼顾网络容量性能的同时有效地提高了毫米波MIMO‑OFDM通信系统的能效。

Description

一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法

技术领域

本发明属于无线通信技术领域，特别是涉及一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法。

背景技术

移动通信网络发展的目标是更高的传输速率、更大的容量。毫米波、大规模MIMO(Multiple Input Multiple Output，多输入多输出)、OFDM(Orthogonal Frequency-Division Multiplexing，正交频分复用)、超密集网络等技术被认为是5G网络中采用的关键技术，这些技术的引入，能使得网络的容量、传输速率以及可利用的频谱资源等性能都有极大的提升。

然而，与此同时，整个系统的能量消耗也急剧增加，无线通信系统的高能耗会对通信设备成本、自然环境甚至人类健康都有不可忽视的负面影响。因此，基站在宽带背景下进行数据传输时，如何减少宽带通信中能量消耗、提升能量利用率是业界所亟需解决的问题。

发明内容

本发明提供一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，用以解决现有毫米波MIMO-OFDM通信系统以能效最优为目标的混合预编码方案难以求解的技术问题。

本发明解决上述技术问题的技术方案如下：一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，包括：

步骤1、获取毫米波MIMO-OFDM通信系统基站的最大发射功率及每个子载波对应的信道矩阵；

步骤2、基于所述最大发射功率和每个所述信道矩阵，以所述基站的能效最优为目标，求解得到每个所述子载波下每个数据流对应的功率分配值，构成子载波功率分配方案；

步骤3、基于所述子载波功率分配方案和所述目标，求解混合预编码矩阵，得到每个所述子载波的数字预编码矩阵及适用于所有所述子载波的模拟预编码矩阵。

本发明的有益效果是：本发明提供的毫米波MIMO-OFDM通信系统下行链路的混合预编码能效优化方法，在基站的发射功率有限的情况下，提出了使能效最优的功率分配方案和混合预编码方案，解决了宽带毫米波下混合预编码的联合设计问题，最大限度地提高了能效，且与现有的技术全数字迫零预编码方案相比较，在兼顾网络容量性能的同时有效地提高了毫米波MIMO-OFDM通信系统的能效。

上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述步骤2包括：

步骤2.1、构建所述基站的以子载波功率分配方案为自变量的能效表达式，所述子载波功率分配方案包括每个所述子载波下每个数据流对应的功率分配值；

步骤2.2、基于所述能效表达式和每个所述信道矩阵，以最大化能效为目标，并以各所述功率分配值加和不大于所述最大发射功率为约束条件，求解得到各所述功率分配值。

本发明的进一步有益效果是：混合预编码矩阵的求解以能效最优为前提，基站的发射功率是有限的，在确定基站的最大发射功率下，优化混合预编码矩阵，使得基站能效最优，因此建立以各子载波功率分配为自变量的能效表达式，便于分析功率分配与能效两者的关系。

进一步，所述步骤2.2具体包括：

将所述能效表达式进行倒数转换，并采用分式规划理论，将所述倒数转换后的分式表达式转换为整式表达式；

基于每个所述信道矩阵，以最小化所述整式表达式的函数值为目标，并以各所述功率分配值加和不大于所述最大发射功率为约束条件，采用KKT条件优化方法和Dinkelbach迭代算法，求解得到各所述功率分配值。

本发明的进一步有益效果是：由于以各子载波功率分配为自变量的能效表达式是一个分式形式的多元函数，分式形式的多元函数对各个变量求偏导以及联合求解的计算量较大，因此，引入分式规划理论，将分式规划问题转换为整式规划问题，便于采用KKT条件优化方法和Dinkelbach迭代算法进行优化求解，计算过程简单。

进一步，所述整式表达式表示为：

其中，p_s,k为第k个所述子载波下第s个数据流对应的所述功率分配值，K为所述基站中所述子载波的总个数，N_S为每个所述子载波下所有数据流的个数，μ为所述基站的功率放大器效率常数，p_cod为所述基站的信道编码效率常数，W_k为第k个所述子载波的带宽，σ为信道干扰噪声常数，λ_s,k为第k个子载波下第s个数据流对应的特征值，F为基站射频功率、基站信道估计功率、基站数字基带预编码功率和基站固定功率的加和，A为所述基站在求解混合预编码矩阵时引入的计算功率，β为所述Dinkelbach算法对应的迭代参数变量。

本发明的进一步有益效果是：该整式表达式为一个在不等式约束条件下的线性多元实数函数，可以在KKT条件下求出解析解，且所求解经验证是最优解，减少了计算量，提高了计算精度。

进一步，各所述功率分配值表示为：

其中，β_m为所述Dinkelbach算法约束时的迭代参数值。

进一步，所述步骤2.2中，在求解得到各所述功率分配值的同时，还求解得到每个所述子载波的最优全数字预编码矩阵，则所述步骤3具体为：

采用单子载波混合预编码算法，进行混合预编码，得到模拟预编码矩阵和各子载波的数字预编码矩阵，使得在能效最优条件下所述模拟预编码矩阵与每个子载波对应的数字预编码矩阵的乘积与该子载波的所述最优全数字预编码矩阵的欧氏距离最小。

本发明的进一步有益效果是：由于经过功率分配方案的确定，会得到能效的最优值以及每个子载波的最优全数字预编码矩阵，若采用全数字预编码，会极大地降低系统能效，本申请为提高能效，对每个子载波采用混合预编码，即需要将每个子载波的最优全数字预编码矩阵进行分解，分解的目标还是能效最优，即在能效最优条件下使得模拟预编码矩阵与每个子载波对应的数字预编码矩阵的乘积与该子载波的最优全数字预编码矩阵的欧氏距离最小，以使混合预编码尽可能地达到最优全数字预编码的效果，尽可能地提高能效。

进一步，所述步骤3包括：

步骤3.1、从所有所述子载波中确定一个子载波；

步骤3.2、基于该子载波的所述最优全数字预编码矩阵，采用单子载波混合预编码算法，计算该子载波的候选数字预编码矩阵和适用于所有所述子载波的候选模拟预编码矩阵；

步骤3.3、基于所述候选模拟预编码矩阵以及该子载波以外的其它每个所述子载波的所述最优全数字预编码矩阵，得到其它每个所述子载波的候选数字预编码；

步骤3.4、基于所述候选模拟预编码矩阵、所有所述候选数字预编码和所述能效表达式，计算得到一个能效值；

步骤3.5、从所有所述子载波中确定另一个子载波，并重复执行步骤3.2，直至所有所述子载波均用于执行步骤3.2，得到K个所述能效值，将最大能效值对应的所述候选模拟预编码矩阵和所有所述候选数字预编码，确定为所述通信系统的混合预编码结果。

本发明的进一步有益效果是：采用每个子载波的最优全数字预编码矩阵，得到每个子载波的数字预编码矩阵以及一个适用于所有子载波的模拟预编码矩阵，构成一组结果，以能效最优为选择标准，得到最高能效对应的一组混合编码结果，高效、准确地完成混合预编码能效优化。

进一步，所述通信系统包括：相互连接的数字基带预编码模块、OFDM调制模块、RF链路模拟预编码模块和天线发送模块。

本发明还提供一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述任一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法。

附图说明

图1为本发明一个实施例提供的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法的流程框图；

图2为本发明一个实施例提供的一种毫米波MIMO-OFDM通信系统基站传输模型；

图3为本发明一个实施例提供的混合预编码能效优化方法与全数字迫零预编码方法的能效仿真对比图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

实施例一

一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法100，如图1所示，包括：

步骤110、获取毫米波MIMO-OFDM通信系统基站的最大发射功率及每个子载波对应的信道矩阵；

步骤120、基于最大发射功率和每个信道矩阵，以基站的能效最优为目标，求解得到每个子载波下每个数据流对应的功率分配值，构成子载波功率分配方案；

步骤130、基于子载波功率分配方案和目标，求解混合预编码矩阵，得到每个子载波的数字预编码矩阵及适用于所有子载波的模拟预编码矩阵。

基于数字基带和射频链路联合编码的混合预编码技术，通过将一部分信号处理的工作放到模拟域中，以牺牲一部分系统性能为代价大大减小了射频通道数，可以有效地降低硬件复杂度和传输能耗，是降低MIMO-OFDM通信系统中能耗、提高能量利用效率的关键手段。

需要说明的是，由于以最大发射功率为约束条件，本实施例是用于毫米波MIMO-OFDM通信系统的下行链路。

本实施例提供的毫米波MIMO-OFDM通信系统下行链路的混合预编码能效优化方法，在基站的发射功率有限的情况下，提出了使能效最优的功率分配方案和混合预编码方案，解决了宽带毫米波下混合预编码的联合设计问题，最大限度地提高了能效，且与现有的技术全数字迫零预编码方案相比较，在兼顾网络容量性能的同时有效地提高了毫米波MIMO-OFDM通信系统的能效。

优选的，步骤120包括：

步骤121、构建基站的以子载波功率分配方案为自变量的能效表达式，子载波功率分配方案包括每个子载波下每个数据流对应的功率分配值；

步骤122、基于能效表达式和每个信道矩阵，以最大化能效为目标，并以各功率分配值加和不大于最大发射功率为约束条件，求解得到各功率分配值。

混合预编码矩阵的求解以能效最优为前提，基站的发射功率是有限的，在确定基站的最大发射功率下，优化混合预编码矩阵，使得基站能效最优，因此建立以各子载波功率分配为自变量的能效表达式，便于分析功率分配与能效两者的关系。

优选的，步骤122具体包括：

将能效表达式进行倒数转换，并采用分式规划理论，将倒数转换后的分式表达式转换为整式表达式；

基于每个信道矩阵，以最小化整式表达式的函数值为目标，并以各功率分配值加和不大于最大发射功率为约束条件，采用KKT条件优化方法和Dinkelbach迭代算法，求解得到各功率分配值。

由于以各子载波功率分配为自变量的能效表达式是一个分式形式的多元函数，分式形式的多元函数对各个变量求偏导以及联合求解的计算量较大，因此，引入分式规划理论，将分式规划问题转换为整式规划问题，便于采用KKT条件优化方法和Dinkelbach迭代算法进行优化求解，计算过程简单。

优选的，整式表达式表示为：

其中，p_s,k为第k个子载波下第s个数据流对应的功率分配值，K为基站中子载波的总个数，N_S为每个子载波下所有数据流的个数，μ为基站的功率放大器效率常数，p_cod为基站的信道编码效率常数，W_k为第k个子载波的带宽，σ为信道干扰噪声常数，λ_s,k为第k个子载波下第s个数据流对应的特征值，F为基站射频功率、基站信道估计功率、基站数字基带预编码功率和基站固定功率的加和，A为基站在求解混合预编码矩阵时引入的计算功率，β为Dinkelbach算法对应的迭代参数变量。

该整式表达式为一个在不等式约束条件下的线性多元实数函数，可以在KKT条件下求出解析解，且所求解经验证是最优解，减少了计算量，提高了计算精度。

优选的，各功率分配值表示为：

其中，β_m为Dinkelbach算法约束时的迭代参数值。

图2所示，是实施例中采用混合预编码的毫米波MIMO-OFDM通信系统基站传输模型：在宽带毫米波MIMO-OFDM通信系统下行链路通信中，一个基站配备N_RF个射频链路，N_T个天线，射频链路与天线之间的采用全连接结构，与配备N_r根天线的一个用户，通过K个子载波进行通信。基站传输N_S路数据流，每一个子载波信号为在信号发送前，子载波信号s_k首先经过与之唯一对应的进行数字预编码，再通过N_RF个K-point逆快速傅里叶变换，达到子载波之间相互正交的目的，然后添加循环前缀，形成OFDM符号。添加了循环前缀的OFDM符号通过RF链路，进行RF链路模拟预编码完成RF链路预编码之后，从而产生最终传输的信号。可以得到，子载波k上传输的信号可以表示为x_k＝F_RFB_ks_k。

在接收端，单个用户配备天线数量为N_r，假设采用的OFDM同步技术可以完美消除符号定时偏差和载波频率偏差，实现载波频率和偏移同步，并且可以完美估计信道，则用户通过子载波k接收的信号为y_k＝H_kF_RFB_ks_k+n_k，其中，n_k是对子载波k传输过程中高斯噪声，表示n_k的元素服从均值为0、方差为σ²的复高斯分布，其中，为维度为N_r的单位矩阵。能效可以表示为：

其中，F表示基站射频功率、基站信道估计功率、基站数字基带预编码功率、基站固定功率之和，A表示基站求解混合预编码方案的计算功率，这两部分功率在给定通信系统初始化后，是可以确定定值，H_k为第k个子载波的信道矩阵。

令J_k＝F_RFB_k，(1)可以表示为

本质上来讲(2)是不等式约束条件下K元函数求解极值问题，可以用KKT(KarushKuhn Tucker)条件进行求解。

因为要优化的函数自变量是{J_k,k＝1...K}以及q({J_k,k＝1...K})涉及的均是多维矩阵之间的计算，为了便于求解以及使用KKT条件，进行下面变换。首先对H_k进行特征值分解(SVD)，有：

H_k＝U_kΛ_kV_k ^H (3)

其中，为由特征值降序排列组成的对角矩阵。

J_k＝V_k(:,1:N_S)P_k (4)

其中，为子载波K的功率分配方案。

则(2)可以表示为：

至此，将一个多个多维矩阵的函数优化问题转变为KN_S个自变量的实数函数优化问题。如果直接使用KKT条件进行优化，分式形式的多元函数对各个变量求偏导以及联合求解，计算量是十分大的。这里，本文引入分式规划理论，将分式规划问题转化为整式问题，结合(5)可以表示为：

可以看到，(6)是一个在不等式约束提下的线性多元实数函数，是可以在KKT条件下面求出解析解的。

另外，所求解是最优解的证明，如下：

函数u({p_s,k,k＝1...K,s＝1,2..N_S},β)是可微的，构造其Hessian矩阵。

函数u({p_s,k,k＝1...K,s＝1,2..N_S},β)的Hessian矩阵内每个元素满(7)式。可以看到，函数u({p_s,k,k＝1...K,s＝1,2..N_S},β)的Hessian矩阵是对角线元素大于0，其余元素均为0的矩阵，属于正定矩阵，因此，通过KKT条件求得的极小值是最优解。

证明了求得的解是最优解后，结合KKT条件，经过推导，给出p_s,k解析解如下

此时，β_m为最大发射功率约束时，Dinkelbach算法约束时的解。

对每个子载波信道矩阵H_k进行特征值分解，得到λ_s,k，采用KKT条件和Dinkelbach算法，进行功率分配求解，如下：

输入：{λ_v,k,k＝1,2,...,K},F,A，μ，{W_k,k＝1,2...K}，ε，其中，ε为设置的迭代算法约束的判断标准，是一个常数。

输出：{p_s,k,k＝1...K,s＝1,2..N_S}。

初始化：β，{p_s,k,k＝1...K,s＝1,2..N_S}。

步骤1：结合KKT条件方法，对

进行计算，得到在此时β下的最优解{p_s,k,k＝1...K,s＝1,2..N_S}；

步骤2：将求得的最优解{p_s,k,k＝1...K,s＝1,2..N_S}代入u({p_s,k,k＝1...K,s＝1,2..N_S},β)，判断|u(β)|≤ε是否成立，若成立，跳至步骤4，如不成立，进入步骤3；

步骤3：令β＝p({p_s,k,k＝1...K,s＝1,2..N_S})，返回步骤1；

步骤4：输出最优解{p_s,k,k＝1...K,s＝1,2..N_S}。

优选的，步骤2.2中，在求解得到各所述功率分配值的同时，还求解得到每个所述子载波的最优全数字预编码矩阵，则步骤130具体为：

采用单子载波混合预编码算法，进行混合预编码，得到模拟预编码矩阵和各子载波的数字预编码矩阵，使得在能效最优条件下所述模拟预编码矩阵与每个子载波对应的数字预编码矩阵的乘积与该子载波的所述最优全数字预编码矩阵的欧氏距离最小。

由于经过功率分配方案的确定，会得到能效的最优值以及每个子载波的最优全数字预编码矩阵，而本申请为提高能效，对每个子载波采用混合预编码，即需要将每个子载波的最优全数字预编码矩阵进行分解，分解的目标还是能效最优，即在能效最优条件下使得模拟预编码矩阵与每个子载波对应的数字预编码矩阵的乘积与该子载波的最优全数字预编码矩阵的欧氏距离最小，以尽可能提高能效。

优选的，步骤130包括：

步骤131、从所有子载波中确定一个子载波；

步骤132、基于该子载波的最优全数字预编码矩阵，采用单子载波混合预编码算法，计算该子载波的候选数字预编码矩阵和适用于所有子载波的候选模拟预编码矩阵；

步骤133、基于候选模拟预编码矩阵以及该子载波以外的其它每个子载波的最优全数字预编码矩阵，得到其它每个子载波的候选数字预编码；

步骤134、基于候选模拟预编码矩阵、所有候选数字预编码和能效表达式，计算得到一个能效值；

步骤135、从所有子载波中确定另一个子载波，并重复执行步骤132，直至所有子载波均用于执行步骤132，得到K个能效值，将最大能效值对应的候选模拟预编码矩阵和所有候选数字预编码，确定为通信系统的混合预编码结果。

采用每个子载波的最优全数字预编码矩阵，得到每个子载波的数字预编码矩阵以及一个适用于所有子载波的模拟预编码矩阵，构成一组结果，以能效最优为选择标准，得到最高能效对应的一组混合编码结果，高效、准确地完成混合预编码能效优化。

例如，根据子载波功率分配方案{p_s,k,k＝1...K,s＝1,2..N_S}，得到了在功率约束下能效能取得的最优解和对应的最优全数字预编码矩阵采用单子载波混合预编码算法和能效最优混合预编码算法，解决K个相关联的最小化与欧氏距离的优化问题，得到了能够使实际能效e_max最靠近能效最优解的数字预编码矩阵和模拟预编码矩阵 是J_k的优化解，同理，是F_RF的优化解，是B_k的优化解

涉及到的单子载波混合预编码算法如下：

输入：

输出：

初始化：将 初始化为空矩阵，i＝0,

步骤一：i＝i+1，计算ψ＝A_t ^HB_temp；

步骤二：计算

步骤三：计算

步骤四：计算

步骤五：计算

步骤六：如果i≠N_RF，返回步骤一；如果i＝N_RF，进入步骤七；

步骤七：通过N_RF次迭代得到的计算

其中，A_t表示天线阵列响应矩阵，N_cl、N_sc分别表示毫米波传输中的散射簇和每个散射簇中散射体的数量。

需要说明的是，采用大规模MIMO，毫米波的基站收发器势必会采用大规模天线阵列结构，采用较多的天线阵列结构有均匀线性结构(ULA,Uniform Linear Array)和均匀平面结构(UPA,Uniform Planar Array)，不同的阵列结构对应的阵列响应向量有所不同，本实施例主要考天线阵列为均匀线性结构(ULA)。

天线阵列响应向量由天线阵列的结构决定，并且这些向量的每个元素均满足一个常模范数约束。一个具有N个天线，天线间距为d的均匀线性阵列结构的响应矢量可以建模如下：

其中，此处的λ为信号波长。

能效最优混合预编码算法如下：

输入：

输出：

初始化：将设为空矩阵，i＝0，f＝0，e_max＝0

步骤一：i＝i+1,取执行单子载波混合预编码算法，得到

步骤二：计算

步骤三：计算

步骤四：判断e_max≤e_i是否成立，进入步骤五；若不成立，进入步骤六；

步骤五：计算e_max＝e_i，

步骤六：判断i≠K是否成立，若成立，返回步骤一；

步骤七：输出

优选的，通信系统包括：相互连接的数字基带预编码模块、OFDM调制模块、RF链路模拟预编码模块和天线发送模块。

对发送数据进行调制，根据求得的能效最优混合预编码矩阵，分别进行数字基带预编码、OFDM调制、RF链路模拟预编码，此时系统的能效η_EE达到实际可取的最大值，整个毫米波MIMO-OFDM通信系统也达到了能效最优的效果。

如图3所示，实施例的方法与采用全数字迫零预编码的系统能效仿真对比图，可以看到，不论最大发射功率P_max取值如何，实施例中方法在能效方面是全面优于现有技术中的全数字迫零预编码的。实施例中的方法在兼顾网络容量的同时有效地提高了毫米波MIMO-OFDM通信系统的能效。

实施例二

一种存储介质，存储介质中存储有指令，当计算机读取指令时，使计算机执行上述任一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法。

相关技术方案同实施例一，在此不再赘述。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，其特征在于，包括：

步骤1、获取毫米波MIMO-OFDM通信系统基站的最大发射功率及每个子载波的信道矩阵；

步骤2、基于所述最大发射功率和每个所述信道矩阵，以所述基站的能效最优为目标，求解得到每个所述子载波下每个数据流对应的功率分配值，构成子载波功率分配方案；

步骤3、基于所述子载波功率分配方案和所述目标，求解混合预编码矩阵，得到每个所述子载波的数字预编码矩阵及适用于所有所述子载波的模拟预编码矩阵。

2.根据权利要求1所述的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，其特征在于，所述步骤2包括：

步骤2.1、构建所述基站的以子载波功率分配方案为自变量的能效表达式，所述子载波功率分配方案包括每个所述子载波下每个数据流对应的功率分配值；

步骤2.2、基于所述能效表达式和每个所述信道矩阵，以最大化能效为目标，并以各所述功率分配值加和不大于所述最大发射功率为约束条件，求解得到各所述功率分配值。

3.根据权利要求2所述的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，其特征在于，所述步骤2.2具体包括：

将所述能效表达式进行倒数转换，并采用分式规划理论，将所述倒数转换后的分式表达式转换为整式表达式；

基于每个所述信道矩阵，以最小化所述整式表达式的函数值为目标，并以各所述功率分配值加和不大于所述最大发射功率为约束条件，采用KKT条件优化方法和Dinkelbach迭代算法，求解得到各所述功率分配值。

4.根据权利要求3所述的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，其特征在于，所述整式表达式表示为：

其中，p_s,k为第k个所述子载波下第s个数据流对应的所述功率分配值，K为所述基站中所述子载波的总个数，N_S为每个所述子载波下所有数据流的个数，μ为所述基站的功率放大器效率常数，p_cod为所述基站的信道编码效率常数，W_k为第k个所述子载波的带宽，σ为信道干扰噪声常数，λ_s,k为第k个子载波下第s个数据流对应的特征值，F为基站射频功率、基站信道估计功率、基站数字基带预编码功率和基站固定功率的加和，A为所述基站在求解混合预编码矩阵时引入的计算功率，β为所述Dinkelbach算法对应的迭代参数变量。

5.根据权利要求4所述的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，其特征在于，各所述功率分配值表示为：

其中，β_m为所述Dinkelbach算法约束时的迭代参数值。

6.根据权利要求2至5任一项所述的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，其特征在于，所述步骤2.2中，在求解得到各所述功率分配值的同时，还求解得到每个所述子载波的最优全数字预编码矩阵，则所述步骤3具体为：

采用单子载波混合预编码算法，进行混合预编码，得到模拟预编码矩阵和各子载波的数字预编码矩阵，使得在能效最优条件下所述模拟预编码矩阵与每个子载波对应的数字预编码矩阵的乘积与该子载波的所述最优全数字预编码矩阵的欧氏距离最小。

7.根据权利要求6所述的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，其特征在于，所述步骤3具体包括：

步骤3.1、从所有所述子载波中确定一个子载波；

步骤3.2、基于该子载波的所述最优全数字预编码矩阵，采用单子载波混合预编码算法，计算该子载波的候选数字预编码矩阵和适用于所有所述子载波的候选模拟预编码矩阵；

步骤3.3、基于所述候选模拟预编码矩阵以及该子载波以外的其它每个所述子载波的所述最优全数字预编码矩阵，得到其它每个所述子载波的候选数字预编码；

步骤3.4、基于所述候选模拟预编码矩阵、所有所述候选数字预编码和所述能效表达式，计算得到一个能效值；

步骤3.5、从所有所述子载波中确定另一个子载波，并重复执行步骤3.2，直至所有所述子载波均用于执行步骤3.2，得到K个所述能效值，将最大能效值对应的所述候选模拟预编码矩阵和所有所述候选数字预编码，确定为所述通信系统的混合预编码结果。

8.根据权利要求7所述的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法，其特征在于，所述通信系统包括相互连接的数字基带预编码模块、OFDM调制模块、RF链路模拟预编码模块和天线发送模块。

9.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述如权利要求1至8任一项所述的一种毫米波MIMO-OFDM通信系统的混合预编码能效优化方法。