CN110518944B - 一种毫米波mimo通信系统中天线选择方法和系统 - Google Patents

一种毫米波mimo通信系统中天线选择方法和系统 Download PDF

Info

Publication number
CN110518944B
CN110518944B CN201910726071.2A CN201910726071A CN110518944B CN 110518944 B CN110518944 B CN 110518944B CN 201910726071 A CN201910726071 A CN 201910726071A CN 110518944 B CN110518944 B CN 110518944B
Authority
CN
China
Prior art keywords
mimo channel
principal component
antenna array
channel matrix
data point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910726071.2A
Other languages
English (en)
Other versions
CN110518944A (zh
Inventor
朱江
姜南
杨虎
杨军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Guoke Ruicheng Electronic Technology Co ltd
Original Assignee
Hunan Guoke Ruicheng Electronic Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Guoke Ruicheng Electronic Technology Co ltd filed Critical Hunan Guoke Ruicheng Electronic Technology Co ltd
Priority to CN201910726071.2A priority Critical patent/CN110518944B/zh
Publication of CN110518944A publication Critical patent/CN110518944A/zh
Application granted granted Critical
Publication of CN110518944B publication Critical patent/CN110518944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0602—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using antenna switching
    • H04B7/0608—Antenna selection according to transmission parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0802—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using antenna selection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明涉及一种毫米波MIMO通信系统中天线选择方法和系统。方法包括：获取MIMO信道的天线阵列信息；根据天线阵列信息建立MIMO信道矩阵；对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分；根据主成分确定最终主成分；计算MIMO信道矩阵的列向量数据点集在最终主成分上的方差值；选择出方差值最大的数据点；根据数据点确定MIMO信道的天线。上述的方法采用主成分分析法，该算法复杂度低，大大减少了计算过程，提高了计算速度，且计算过程非常精确。

Description

一种毫米波MIMO通信系统中天线选择方法和系统
技术领域
本发明涉及通信信号处理技术领域，特别是涉及一种毫米波MIMO通信系统中天线选择方法、系统、计算机设备和存储介质。
背景技术
随着通信技术不断发展，6GHz以下的微波频段已经无法满足高速通信网络的需求，毫米波技术已成为第五代通信（即5G）的核心技术。毫米波是指频段在26.5~300GHz的电磁波，目前国际电信联盟采用E波段（71GHz~76GHz，81GHz~86GHz）电磁波来提供宽带无线服务，与其他毫米波相比E波段在自由空间的大气吸收明显减小，非常适用于远距离的点对点无线传输。因此，E波段已成为点对点无线传输技术中的核心波段。
多输入多输出技术(Multiple-Input Multiple-Output，MIMO)指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，即可以通过空间复用来同时发送和接收多个独立的数据流，这样可以在不增加发送功率和带宽的情况下提高传输速率。目前大多MIMO技术是在微波瑞利衰落信道下进行的。而点对点E波段MIMO信道主要由视距(line-of-sight，LoS)分量组成。可见，E波段LoS MIMO信道的复用增益则主要由发射端和接收端的天线阵列分布所决定。对于均匀线性阵列来说，如果天线阵列参数满足瑞利距离准则(ayleigh distance criterion)，那么毫米波LoSMIMO信道就可以取得最大复用增益。但是在实际的通信系统中，收发端之间的距离远大于天线阵列的尺寸，因此天线阵列参数就无法满足瑞利距离准则。此时，天线之间的相关性会变大，毫米波LoS MIMO信道矩阵的部分奇异值会变小，即MIMO的部分子信道质量变差无法支持数据流的传输。在这种情况下，没有必要使用全部的发射天线。进一步说，在E波段LoSMIMO信道下进行发射天线选择可以在不减少系统容量的前提下降低信号处理的复杂度和信道状态信息反馈的开销。
目前常用的天线选择算法有贪婪搜索、穷尽搜索算法。然而，贪婪搜索、穷尽搜索算法复杂度高、计算过程非常复杂。
发明内容
基于此，有必要针对目前的天线选择算法复杂度高、计算过程复杂的问题，提供一种毫米波MIMO通信系统中天线选择方法、系统、计算机设备和存储介质。
一种毫米波MIMO通信系统中天线选择方法，所述方法包括：
获取MIMO信道的天线阵列信息；
根据所述天线阵列信息建立MIMO信道矩阵；
对所述MIMO信道矩阵采用主成分分析算法计算得到所述MIMO信道矩阵的列向量数据点集的主成分；
根据所述主成分确定最终主成分；
计算所述MIMO信道矩阵的列向量数据点集在所述最终主成分上的方差值；
选择出所述方差值最大的数据点；
根据所述数据点确定MIMO信道的天线。
在其中一个实施例中，所述建立MIMO信道矩阵的方法包括：
根据天线阵列信息并采用瑞利距离准则方法建立所述MIMO信道矩阵。
在其中一个实施例中，所述天线阵列信号包括MIMO信道中接收天线阵列、MIMO信道中发射天线阵列和MIMO信道中发射端与接收端之间的距离；
根据天线阵列信息并采用瑞利距离准则方法建立所述MIMO信道矩阵的步骤中，包括：
采用以下公式来建立所述MIMO信道矩阵：
Figure 6222DEST_PATH_IMAGE001
其中，H表示MIMO信道矩阵，是
Figure 861045DEST_PATH_IMAGE002
的矩阵，M表示MIMO信道中接收天线阵列，N表示MIMO信道中发射天线阵列，发送天线阵列N由N1列N2行天线元素组成，N=N1×N2，沿着y轴相邻天线间距为dt1，沿着x轴相邻天线间距为dt2；接收天线阵列M由M1列M2行天线元素组成，M=M1×M2，沿着y轴相邻天线间距为dr1，沿着x轴相邻天线间距为dr2；
Figure 312887DEST_PATH_IMAGE003
，
Figure 645779DEST_PATH_IMAGE004
表示H的第m行第n列元素，
Figure 256889DEST_PATH_IMAGE005
，
Figure 249990DEST_PATH_IMAGE006
；
Figure 189128DEST_PATH_IMAGE007
表示信号波长，D表示MIMO信道中发射端与接收端之间的距离；第m个接收天线的坐标表示为
Figure 60132DEST_PATH_IMAGE008
，第n个发射天线的坐标表示为
Figure 525748DEST_PATH_IMAGE009
，则：
Figure 191216DEST_PATH_IMAGE010
Figure 119114DEST_PATH_IMAGE011
Figure 528229DEST_PATH_IMAGE012
Figure 848352DEST_PATH_IMAGE013
在其中一个实施例中，对所述MIMO信道矩阵采用主成分分析算法计算得到所述MIMO信道矩阵的列向量数据点集的主成分的步骤中，包括：
根据所述MIMO信道矩阵确定列向量数据点集；
根据所述列向量数据点集计算数据点集的均值向量；
对所述列向量数据点集和所述均值向量的差值进行奇异值分解，得到所述列向量数据点集的主成分。
在其中一个实施例中，对所述MIMO信道矩阵采用主成分分析算法计算得到所述MIMO信道矩阵的列向量数据点集的主成分的步骤中，还包括：
根据所述均值向量确定数据点集的协方差矩阵；
计算所述协方差矩阵的特征值，并根据所述特征值确定各主成分的方差贡献率。
在其中一个实施例中，在根据所述均值向量确定数据点集的协方差矩阵之后，还包括：
根据所述协方差矩阵确定计算MIMO信道的容量。
在其中一个实施例中，根据所述主成分确定最终主成分的步骤中，包括：
计算各主成分的方差贡献率的和值；
当所述和值大于等于重构门限值时，选择所述和值对应的各主成分记为所述最终主成分。
一种毫米波MIMO通信系统中天线选择系统，所述系统包括：
信息获取模块，用于获取MIMO信道的天线阵列信息；
MIMO信道矩阵建立模块，用于根据所述天线阵列信息建立MIMO信道矩阵；
主成分获得模块，用于对所述MIMO信道矩阵采用主成分分析算法计算得到所述MIMO信道矩阵的列向量数据点集的主成分；
最终主成分确定模块，用于根据所述主成分确定最终主成分；
方差值确定模块，用于计算所述MIMO信道矩阵的列向量数据点集在所述最终主成分上的方差值；
数据点选择模块，用于选择出所述方差值最大的数据点；
天线确定模块，用于根据所述数据点确定MIMO信道的天线。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取MIMO信道的天线阵列信息；
根据所述天线阵列信息建立MIMO信道矩阵；
对所述MIMO信道矩阵采用主成分分析算法计算得到所述MIMO信道矩阵的列向量数据点集的主成分；
根据所述主成分确定最终主成分；
计算所述MIMO信道矩阵的列向量数据点集在所述最终主成分上的方差值；
选择出所述方差值最大的数据点；
根据所述数据点确定MIMO信道的天线。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取MIMO信道的天线阵列信息；
根据所述天线阵列信息建立MIMO信道矩阵；
对所述MIMO信道矩阵采用主成分分析算法计算得到所述MIMO信道矩阵的列向量数据点集的主成分；
根据所述主成分确定最终主成分；
计算所述MIMO信道矩阵的列向量数据点集在所述最终主成分上的方差值；
选择出所述方差值最大的数据点；
根据所述数据点确定MIMO信道的天线。
上述毫米波MIMO通信系统中天线选择方法、系统、计算机设备和存储介质，首先获取MIMO信道的天线阵列信息，根据天线阵列信息建立MIMO信道矩阵，并采用主成分分析法对MIMO信道矩阵进行分析得到列向量数据点集的主成分，然后根据主成分确定最终主成分，并选择出数据点集在最终主成分上的方差值最大的数据点即为选择的天线。上述的方法采用主成分分析法，该算法复杂度低，大大减少了计算过程，提高了计算速度，且计算过程非常精确。
附图说明
图1为一个实施例中毫米波MIMO通信系统中天线选择方法的流程示意图；
图2为一个实施例中MIMO通信系统的流程示意图；
图3为一个实施例中MINO的发射天线阵列和接受天线阵列图；
图4为一个实施例中毫米波MIMO通信系统中天线选；择方法的流程示意图
图5为另一实施例中二维坐标中进行天线选择的示意图；
图6为一个实施例中在不同可重构门限η下，基于主成分分析的自适应发射天线选择的E波段LoS MIMO信道容量；
图7为在不同可重构门限η下，基于主成分分析的自适应发射天线选择的天线数目；
图8基于主成分分析、贪婪搜索以及穷尽搜索的发射天线选择的性能比较，(a)D=1000m，选择的天线数目为5，(b)D=1800m，选择的天线数目为4；
图9基于主成分分析和贪婪搜索天线选择算法的复杂度图；
图10为一个实施例中毫米波MIMO通信系统中天线选择系统的结构示意图；
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的毫米波MIMO通信系统中天线选择方法。本方法运用于终端中，终端可以是MIMO的接收机、计算机、笔记本电脑等。
在一个实施例中，如图1所示，提供了一种毫米波MIMO通信系统中天线选择方法，以该方法应用于接收机为例行说明，包括以下步骤：
步骤S102，获取MIMO信道的天线阵列信息；
步骤S104，根据天线阵列信息建立MIMO信道矩阵；
具体的，如图2所示，MIMO是指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端（即发射机）与接收端（即接收机）的多个天线传送和接收；将MIMO发射端的发射天线和接收端的接收天线记为天线阵列；在本实施例中，MIMO信道由N个元素的发射天线阵列和M个元素的接收天线阵列组成，并且发射端和接收端之间有距离间隔，该距离记为D，因此天线阵列信息通常包括发射天线阵列、接收天线阵列以及发射端和接收端距离。
另外，根据天线阵列信息建立MIMO信道矩阵通常是通过射线追踪准则建立信道的模型。在本实施例中，建立MIMO信道矩阵就是建立矩阵H，其中H=N×M的天线阵列矩阵。
步骤S106，对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分；
具体的，主成分分析也称主分量分析旨在利用降维的思想，把多指标转化为少数几个综合指标（即主成分），其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。这种方法在引进多方面变量的同时将复杂因素归结为几个主成分，使问题简单化，同时得到的结果更加科学有效的数据信息。
另外，H是N×M的矩阵，H矩阵的列向量
Figure 950301DEST_PATH_IMAGE014
是信道矩阵H的第n列，代表第n根发射天线到所有M根接收天线的接收向量，那么选择发射天线（本实施例中所述的选择天线其实质就是选择发射天线）即就是选择信道矩阵
Figure 864030DEST_PATH_IMAGE015
的列。因此，在本实施例中选择主成分分析法对MIMO信道矩阵的列向量点集进行分析，先筛选出MIMO信道矩阵的列向量数据点集的主成分，然后对主成分进行分析从而确定天线。采用主成分分析法能对数据进行，快速找出最关键（或主要）的数据，排除不重要的数据，从而大大减少了计算量。
步骤S108，根据主成分确定最终主成分；
步骤S110，计算MIMO信道矩阵的列向量数据点集在最终主成分上的方差值；
步骤S112，选择出方差值最大的数据点；
步骤S114，根据数据点确定MIMO信道的天线。
具体地，在确定最终主成分是指从所有主成分中筛选出一部分主成分，其中筛选出的那部分主成分能重构MIMO信道信息，那么最终主成分通常是根据重构门限来确定的。在确定了最终主成分之后，发射天线选择就是在这个选出来的最终主成分上进行的。在每个最终主成分上能够形成最大方差的两个数据点将会被选出来，由于这两个数据点在对应的主成分上有最大的欧几里得距离，所以这两个数据点所代表的发射天线之间具有较弱的相关性，这两个数据点所代表的天线也就是选择出来的天线。
在一种可选的实施方式中，计算MIMO信道矩阵的列向量数据点集在最终主成分上的方差值，选择出方差值最大的数据点的具体过程为：首先将数据点集向最终主成分进行投影，然后对投影进行排序，选择出其中投影最大和最小的数据点，该数据点所代表的天线就是要选择的天线。
在其中一个实施例中，建立MIMO信道矩阵的方法包括：根据天线阵列信息并采用瑞利距离准则方法建立MIMO信道矩阵。
采用瑞利距离准则（rayleigh distance criterion）方法构建MIMO信道矩阵，MIMO信道就可以取得最大复用增益。
在其中一个实施例中，天线阵列信号包括MIMO信道中接收天线阵列、MIMO信道中发射天线阵列和MIMO信道中发射端与接收端之间的距离；
根据天线阵列信息并采用瑞利距离准则方法建立MIMO信道矩阵的步骤中，包括：
采用以下公式来建立MIMO信道矩阵：
Figure 309793DEST_PATH_IMAGE001
其中，H表示MIMO信道矩阵，是
Figure 750001DEST_PATH_IMAGE002
的矩阵，M表示MIMO信道中接收天线阵列，N表示MIMO信道中发射天线阵列，发送天线阵列N由N1列N2行天线元素组成，N=N1×N2，沿着y轴相邻天线间距为dt1，沿着x轴相邻天线间距为dt2；接收天线阵列M由M1列M2行天线元素组成，M=M1×M2，沿着y轴相邻天线间距为dr1，沿着x轴相邻天线间距为dr2；
Figure 757271DEST_PATH_IMAGE003
，
Figure 158297DEST_PATH_IMAGE004
表示H的第m行第n列元素，
Figure 909215DEST_PATH_IMAGE005
，
Figure 203930DEST_PATH_IMAGE006
；
Figure 160865DEST_PATH_IMAGE007
表示信号波长，D表示MIMO信道中发射端与接收端之间的距离；第m个接收天线的坐标表示为
Figure 783607DEST_PATH_IMAGE008
，第n个发射天线的坐标表示为
Figure 338216DEST_PATH_IMAGE009
，则：
Figure 487438DEST_PATH_IMAGE016
Figure 102090DEST_PATH_IMAGE017
Figure 710664DEST_PATH_IMAGE018
Figure 662439DEST_PATH_IMAGE019
具体的，图3表示基于均匀平面天线阵列的MIMO的信道模型，在图中发射均匀平面天线阵列位于x-y平面内，它的中心作为坐标轴原点。收发端之间的距离为D，远大于天线阵列的尺寸。发送天线阵列由N1列N2行天线元素组成，沿着y轴和x轴的相邻天线间距分别为dt1和dt2。接收天线阵列由M1列M2行天线元素组成，沿着y轴和x轴的相邻天线间距分别为dr1和dr2。发射端和接收端天线总数分别为N（N=N1×N2）和M（M=M1×M2）。根据瑞利距离准则，信道矩阵
Figure 72692DEST_PATH_IMAGE021
的第m行第n列元素可以表示为：
Figure 592666DEST_PATH_IMAGE022
其中
Figure 190001DEST_PATH_IMAGE023
，
Figure 211046DEST_PATH_IMAGE024
。因此，第m个接收天线元素的坐标可以表示为
Figure 446112DEST_PATH_IMAGE025
，第n个发射天线元素的坐标可以表示为
Figure 668146DEST_PATH_IMAGE026
，上述式可以写成
Figure 487197DEST_PATH_IMAGE027
Figure 452879DEST_PATH_IMAGE028
Figure 431199DEST_PATH_IMAGE029
Figure 525932DEST_PATH_IMAGE030
近似等式（a）来自于当
Figure 97859DEST_PATH_IMAGE031
足够小的时候，
Figure 460707DEST_PATH_IMAGE032
。因此，通过上述建模方法就可以得到基于均匀平面天线阵列的MIMO信道矩阵
Figure 434479DEST_PATH_IMAGE033
。
在其中一个实施例中，如图4所示，对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分的步骤中，包括：
步骤S402，根据MIMO信道矩阵确定列向量数据点集；
步骤S404，根据列向量数据点集计算数据点集的均值向量；
步骤S406，对列向量数据点集和均值向量的差值进行奇异值分解，得到列向量数据点集的主成分。
在其中一个实施例中，对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分的步骤中，还包括：
根据均值向量确定数据点集的协方差矩阵；
计算协方差矩阵的特征值，并根据特征值确定各主成分的方差贡献率。
在其中一个实施例中，在根据均值向量确定数据点集的协方差矩阵之后，还包括：
根据协方差矩阵确定计算MIMO信道的容量。
在其中一个实施例中，根据主成分确定最终主成分的步骤中，包括：
计算各主成分的方差贡献率的和值；
当和值大于等于重构门限值时，选择和值对应的各主成分记为最终主成分。
为了便于理解本方案，给出一个详细的实施例。具体的，MIMO通信系统采用均匀平面天线阵列，其中发射天线阵列包含N根发射天线，接收天线阵列包含M根接收天线。
Figure 467157DEST_PATH_IMAGE034
。列向量
Figure 27845DEST_PATH_IMAGE035
是信道矩阵H的第n列，它代表第n根发射天线到所有M根接收天线的接收向量。因此，进行发射天线选择就意味着选择信道矩阵
Figure 194384DEST_PATH_IMAGE036
的列。如果将列向量
Figure 757084DEST_PATH_IMAGE037
看作是M维的数据点，那么信道矩阵
Figure 226242DEST_PATH_IMAGE036
的列向量可以被看作是散落在M维复值超平面的N个数据点，可以被表示为
Figure 507182DEST_PATH_IMAGE038
。数据点集的均值向量为
Figure 477412DEST_PATH_IMAGE039
，那么数据点集的协方差矩阵可以写为
Figure 393153DEST_PATH_IMAGE040
Figure 33213DEST_PATH_IMAGE041
Figure 926083DEST_PATH_IMAGE042
Figure 575370DEST_PATH_IMAGE044
（1）
其中信道增益矩阵
Figure 112662DEST_PATH_IMAGE045
可以表示为
Figure 425088DEST_PATH_IMAGE046
。
令
Figure 680620DEST_PATH_IMAGE047
，对
Figure 727073DEST_PATH_IMAGE048
进行奇异值分解
Figure 384451DEST_PATH_IMAGE049
，其中
Figure 366313DEST_PATH_IMAGE050
是
Figure 607676DEST_PATH_IMAGE051
酉矩阵，
Figure 457821DEST_PATH_IMAGE052
是
Figure 969705DEST_PATH_IMAGE053
酉矩阵。因此
Figure 122468DEST_PATH_IMAGE054
可以表示为
Figure 87013DEST_PATH_IMAGE055
Figure 740849DEST_PATH_IMAGE056
Figure 596985DEST_PATH_IMAGE057
Figure 920650DEST_PATH_IMAGE059
（2）
Figure 638070DEST_PATH_IMAGE061
，其对角线元素为
Figure 830017DEST_PATH_IMAGE062
。酉矩阵
Figure 50914DEST_PATH_IMAGE063
的列向量是数据点集
Figure 309595DEST_PATH_IMAGE064
的主成分。将
Figure 248732DEST_PATH_IMAGE065
的对角线元素按照降序排列：
Figure 244370DEST_PATH_IMAGE066
。根据式（1）可得，
Figure 319773DEST_PATH_IMAGE067
是协方差矩阵
Figure 250820DEST_PATH_IMAGE069
的特征值，代表的是N个数据点在第i个主成分上投影的方差。特征值越大，方差越大，就意味着数据点集
Figure 178718DEST_PATH_IMAGE064
在对应主成分上有更多的信息。第i个主成分的方差贡献率可以表示为
Figure 712468DEST_PATH_IMAGE070
，它反应了第i个主成分所包含的信息量。因此，前
Figure 907957DEST_PATH_IMAGE071
个主成分的累积方差贡献率可以表示为
Figure 9905DEST_PATH_IMAGE073
（3）
其中
Figure DEST_PATH_IMAGE075
是累积方差贡献率的可重构门限，它决定了选择多少主成分可以重构原来的信息。基于主成分分析的发射天线选择将会在这
Figure 454793DEST_PATH_IMAGE071
个选出来的主成分上实施。在每个主成分上能够形成最大方差的两个数据点将会被选出来，因为这两个数据点在对应的主成分上有最大的欧几里得距离，所以这两个数据点所代表的发射天线之间具有较弱的相关性。在二维坐标系中进行天线选择的示意图如图5所示。在图5中虚线代表数据点集的第一主成分和第二主成分，实心圆圈是原始的数据点，虚线圆圈和红色虚线圆圈分别代表的是数据点向第一主成分和第二主成分的投影。在天线选择的过程中，我们首先对数据点的投影进行排序，选出其中最大和最小的数据点。在图5中数据点1和2是沿第一主成分的最大和最小投影点，数据点2和4是沿第二主成分的最大和最小的投影点。那么这四个数据点就是我们要选择的发射天线。
另外，MIMO信道的容量公式可以写为
Figure DEST_PATH_IMAGE076
因此可以根据上述的公式计算出MIMO信道的容量，从而更进一步确定发射天线的选择是否合适。
应该理解的是，虽然图1和图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为了验证本发明中采用的方法的有效性，下面将通过计算机仿真实验来评估本发明所提算法的性能。假设一个E波段LoS MIMO通信系统，收发端都装备均匀平面天线阵列，天线数目
Figure DEST_PATH_IMAGE077
，相邻天线间隔
Figure DEST_PATH_IMAGE078
。收发端之间的距离
Figure DEST_PATH_IMAGE079
，该距离是E波段无线通信常用的通信距离。总发射功率
Figure DEST_PATH_IMAGE080
，加性噪声的方差
Figure DEST_PATH_IMAGE081
。图6展示了在不同的可重构门限η下，基于主成分分析的自适应发射天线选择的E波段LoS MIMO信道容量。图7展示了对应的被选择的天线数目。从图6中我们可以看出当η=0.95或者0.99时，基于主成分分析的发射天线选择的信道容量会逼近甚至超过全天线阵列的信道容量。再结合图6中被选择的天线的数目，可以说明发射天线选择用很少的天线数目就超过了全天线阵列的性能，验证了本发明所提算法的有效性。从图7中可以看出，随着距离D的变大，选择的天线数目变少。当D=1000m,1800m并且η=0.95时，所选择的发射天线数目分别为5和4。图8展示了基于主成分分析、贪婪搜索以及穷尽搜索的发射天线选择的性能比较，其中图8（a）是D=1000m，选择的天线数目为5时的性能比较，图8（b）是D=1800m，选择的天线数目为4时的性能比较。在图中，随机天线选择的信道容量作为性能下界，用带有标记‘o’的虚线表示。穷尽搜索天线选择是复杂度较高的最优天线选择，因此它的性能作为天线选择的上界，在图中用蓝色虚线表示。本发明所提出的基于主成分分析的天线选择算法则用红色实线表示。可以看出本发明所提算法性能远远优于随机选择天线的性能，可以逼近天线选择算法的上界，也要优于贪婪搜索天线选择算法。图9展示了基于主成分分析和贪婪搜索天线选择算法的复杂度。由于基于穷尽搜索的天线选择算法复杂度较高，因此，在图中没有显示。算法复杂度以浮点运算的次数来衡量，一次实数加法、减法、乘法、除法以及开方运算当做是一次浮点运算。从图8中可以看出，随着被选择的天线数目的变多，贪婪搜索算法的复杂度不断变大，而基于主成分分析的算法复杂度则几乎不变。结合图8、图9，我们发现基于主成分分析的天线选择算法可以以较低的复杂度接近最优的天线选择性能。
在一个实施例中，如图10所示，一种毫米波MIMO通信系统中天线选择系统，系统包括：
信息获取模块10，用于获取MIMO信道的天线阵列信息；
MIMO信道矩阵建立模块20，用于根据天线阵列信息建立MIMO信道矩阵；
主成分获得模块30，用于对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分；
最终主成分确定模块40，用于根据主成分确定最终主成分；
方差值确定模块50，用于计算MIMO信道矩阵的列向量数据点集在最终主成分上的方差值；
数据点选择模块60，用于选择出方差值最大的数据点；
天线确定模块70，用于根据数据点确定MIMO信道的天线。
在其中一个实施例中，所述MIMO信道矩阵建立模块20，还用于根据天线阵列信息并采用瑞利距离准则方法建立MIMO信道矩阵。
在其中一个实施例中，天线阵列信号包括MIMO信道中接收天线阵列、MIMO信道中发射天线阵列和MIMO信道中发射端与接收端之间的距离；
所述MIMO信道矩阵建立模块20，还用于采用以下公式来建立MIMO信道矩阵：
Figure 683911DEST_PATH_IMAGE001
其中，H表示MIMO信道矩阵，是
Figure 999486DEST_PATH_IMAGE002
的矩阵，M表示MIMO信道中接收天线阵列，N表示MIMO信道中发射天线阵列，发送天线阵列N由N1列N2行天线元素组成，N=N1×N2，沿着y轴相邻天线间距为dt1，沿着x轴相邻天线间距为dt2；接收天线阵列M由M1列M2行天线元素组成，M=M1×M2，沿着y轴相邻天线间距为dr1，沿着x轴相邻天线间距为dr2；
Figure 6756DEST_PATH_IMAGE003
，
Figure 407782DEST_PATH_IMAGE004
表示H的第m行第n列元素，
Figure 283334DEST_PATH_IMAGE005
，
Figure 217530DEST_PATH_IMAGE006
；
Figure 395701DEST_PATH_IMAGE007
表示信号波长，D表示MIMO信道中发射端与接收端之间的距离；第m个接收天线的坐标表示为
Figure 284023DEST_PATH_IMAGE008
，第n个发射天线的坐标表示为
Figure 838632DEST_PATH_IMAGE009
，则：
Figure 722274DEST_PATH_IMAGE010
Figure 103971DEST_PATH_IMAGE011
Figure 214009DEST_PATH_IMAGE012
Figure 165785DEST_PATH_IMAGE013
在其中一个实施例中，主成分获得模块包括：数量点集确定模块和均值向量确定模块；
数量点集确定模块，用于根据MIMO信道矩阵确定列向量数据点集；
均值向量确定模块，用于根据列向量数据点集计算数据点集的均值向量；
主成分获得模块，还用于对列向量数据点集和均值向量的差值进行奇异值分解，得到列向量数据点集的主成分。
在其中一个实施例中，主成分获得模块还包括：
协方差矩阵确定模块，用于根据均值向量确定数据点集的协方差矩阵；
特征值计算模块，用于计算协方差矩阵的特征值，并根据特征值确定各主成分的方差贡献率。
在其中一个实施例中，还包括：
容量计算模块，用于根据协方差矩阵确定计算MIMO信道的容量。
在其中一个实施例中，根据主成分确定最终主成分的步骤中，包括：
和值计算模块，用于计算各主成分的方差贡献率的和值；
最终主成分确定模块，还用于当和值大于等于重构门限值时，选择和值对应的各主成分记为最终主成分。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储故障事例数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种毫米波MIMO通信系统中天线选择方法。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取MIMO信道的天线阵列信息；
根据天线阵列信息建立MIMO信道矩阵；
对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分；
根据主成分确定最终主成分；
计算MIMO信道矩阵的列向量数据点集在最终主成分上的方差值；
选择出方差值最大的数据点；
根据数据点确定MIMO信道的天线。
在其中一个实施例中，处理器执行计算机程序时实现以下步骤：
建立MIMO信道矩阵的方法包括：
根据天线阵列信息并采用瑞利距离准则方法建立MIMO信道矩阵。
在其中一个实施例中，处理器执行计算机程序时实现以下步骤：
天线阵列信号包括MIMO信道中接收天线阵列、MIMO信道中发射天线阵列和MIMO信道中发射端与接收端之间的距离；
根据天线阵列信息并采用瑞利距离准则方法建立MIMO信道矩阵的步骤中，包括：
采用以下公式来建立MIMO信道矩阵：
Figure 310458DEST_PATH_IMAGE001
其中，H表示MIMO信道矩阵，是
Figure 96012DEST_PATH_IMAGE002
的矩阵，M表示MIMO信道中接收天线阵列，N表示MIMO信道中发射天线阵列，发送天线阵列N由N1列N2行天线元素组成，N=N1×N2，沿着y轴相邻天线间距为dt1，沿着x轴相邻天线间距为dt2；接收天线阵列M由M1列M2行天线元素组成，M=M1×M2，沿着y轴相邻天线间距为dr1，沿着x轴相邻天线间距为dr2；
Figure 926302DEST_PATH_IMAGE003
，
Figure 947348DEST_PATH_IMAGE004
表示H的第m行第n列元素，
Figure 212107DEST_PATH_IMAGE005
，
Figure 168562DEST_PATH_IMAGE006
；
Figure 253192DEST_PATH_IMAGE007
表示信号波长，D表示MIMO信道中发射端与接收端之间的距离；第m个接收天线的坐标表示为
Figure 546770DEST_PATH_IMAGE008
，第n个发射天线的坐标表示为
Figure 913640DEST_PATH_IMAGE009
，则：
Figure 40996DEST_PATH_IMAGE010
Figure 612923DEST_PATH_IMAGE011
Figure 975771DEST_PATH_IMAGE012
Figure 683964DEST_PATH_IMAGE013
在其中一个实施例中，处理器执行计算机程序时实现以下步骤：
对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分的步骤中，包括：
根据MIMO信道矩阵确定列向量数据点集；
根据列向量数据点集计算数据点集的均值向量；
对列向量数据点集和均值向量的差值进行奇异值分解，得到列向量数据点集的主成分。
在其中一个实施例中，处理器执行计算机程序时实现以下步骤：
对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分的步骤中，还包括：
根据均值向量确定数据点集的协方差矩阵；
计算协方差矩阵的特征值，并根据特征值确定各主成分的方差贡献率。
在其中一个实施例中，处理器执行计算机程序时实现以下步骤：
在根据均值向量确定数据点集的协方差矩阵之后，还包括：
根据协方差矩阵确定计算MIMO信道的容量。
在其中一个实施例中，根据主成分确定最终主成分的步骤中，包括：
计算各主成分的方差贡献率的和值；
当和值大于等于重构门限值时，选择和值对应的各主成分记为最终主成分。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取MIMO信道的天线阵列信息；
根据天线阵列信息建立MIMO信道矩阵；
对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分；
根据主成分确定最终主成分；
计算MIMO信道矩阵的列向量数据点集在最终主成分上的方差值；
选择出方差值最大的数据点；
根据数据点确定MIMO信道的天线。
在其中一个实施例中，计算机程序被处理器执行时实现以下步骤：建立MIMO信道矩阵的方法包括：
根据天线阵列信息并采用瑞利距离准则方法建立MIMO信道矩阵。
在其中一个实施例中，计算机程序被处理器执行时实现以下步骤：天线阵列信号包括MIMO信道中接收天线阵列、MIMO信道中发射天线阵列和MIMO信道中发射端与接收端之间的距离；
根据天线阵列信息并采用瑞利距离准则方法建立MIMO信道矩阵的步骤中，包括：
采用以下公式来建立MIMO信道矩阵：
Figure 480757DEST_PATH_IMAGE001
其中，H表示MIMO信道矩阵，是
Figure 539980DEST_PATH_IMAGE002
的矩阵，M表示MIMO信道中接收天线阵列，N表示MIMO信道中发射天线阵列，发送天线阵列N由N1列N2行天线元素组成，N=N1×N2，沿着y轴相邻天线间距为dt1，沿着x轴相邻天线间距为dt2；接收天线阵列M由M1列M2行天线元素组成，M=M1×M2，沿着y轴相邻天线间距为dr1，沿着x轴相邻天线间距为dr2；
Figure 440940DEST_PATH_IMAGE003
，
Figure 269218DEST_PATH_IMAGE004
表示H的第m行第n列元素，
Figure 738377DEST_PATH_IMAGE005
，
Figure 878371DEST_PATH_IMAGE006
；
Figure 225432DEST_PATH_IMAGE007
表示信号波长，D表示MIMO信道中发射端与接收端之间的距离；第m个接收天线的坐标表示为
Figure 908218DEST_PATH_IMAGE008
，第n个发射天线的坐标表示为
Figure 548277DEST_PATH_IMAGE009
，则：
Figure 441147DEST_PATH_IMAGE010
Figure 559276DEST_PATH_IMAGE011
Figure 860682DEST_PATH_IMAGE012
Figure 671643DEST_PATH_IMAGE013
在其中一个实施例中，计算机程序被处理器执行时实现以下步骤：对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分的步骤中，包括：
根据MIMO信道矩阵确定列向量数据点集；
根据列向量数据点集计算数据点集的均值向量；
对列向量数据点集和均值向量的差值进行奇异值分解，得到列向量数据点集的主成分。
在其中一个实施例中，计算机程序被处理器执行时实现以下步骤：对MIMO信道矩阵采用主成分分析算法计算得到MIMO信道矩阵的列向量数据点集的主成分的步骤中，还包括：
根据均值向量确定数据点集的协方差矩阵；
计算协方差矩阵的特征值，并根据特征值确定各主成分的方差贡献率。
在其中一个实施例中，计算机程序被处理器执行时实现以下步骤：在根据均值向量确定数据点集的协方差矩阵之后，还包括：
根据协方差矩阵确定计算MIMO信道的容量。
在其中一个实施例中，计算机程序被处理器执行时实现以下步骤：根据主成分确定最终主成分的步骤中，包括：
计算各主成分的方差贡献率的和值；
当和值大于等于重构门限值时，选择和值对应的各主成分记为最终主成分。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种毫米波MIMO通信系统中天线选择方法，所述方法包括：
获取MIMO信道的天线阵列信息；
根据所述天线阵列信息建立MIMO信道矩阵；所述建立MIMO信道矩阵的方法包括：根据天线阵列信息并采用瑞利距离准则方法建立所述MIMO信道矩阵；所述天线阵列信号包括MIMO信道中接收天线阵列、MIMO信道中发射天线阵列和MIMO信道中发射端与接收端之间的距离；
根据天线阵列信息并采用瑞利距离准则方法建立所述MIMO信道矩阵的步骤中，包括：
采用以下公式来建立所述MIMO信道矩阵：
Figure FDA0002446082990000011
其中，H表示MIMO信道矩阵，是M×N的矩阵，M表示MIMO信道中接收天线阵列，N表示MIMO信道中发射天线阵列，发送天线阵列N由N1列N2行天线元素组成，N＝N1×N2，沿着y轴相邻天线间距为dt1，沿着x轴相邻天线间距为dt2；接收天线阵列M由M1列M2行天线元素组成，M＝M1×M2，沿着y轴相邻天线间距为dr1，沿着x轴相邻天线间距为dr2；
Figure FDA0002446082990000012
hmn表示H的第m行第n列元素，m＝(m1-1)M2+m2(m1∈{1,2,…,M1},m2∈{1,2,…,M2})，n＝(n1-1)N2+n2(n1∈{1,2,…,N1},n2∈{1,2,…,N2})；λ表示信号波长，D表示MIMO信道中发射端与接收端之间的距离；第m个接收天线的坐标表示为
Figure FDA0002446082990000013
第n个发射天线的坐标表示为
Figure FDA0002446082990000014
则：
Figure FDA0002446082990000021
对所述MIMO信道矩阵采用主成分分析算法计算得到所述MIMO信道矩阵的列向量数据点集的主成分；包括步骤：
根据所述MIMO信道矩阵确定列向量数据点集；
根据所述列向量数据点集计算数据点集的均值向量；
对所述列向量数据点集和所述均值向量的差值进行奇异值分解，得到所述列向量数据点集的主成分；
根据所述均值向量确定数据点集的协方差矩阵；
计算所述协方差矩阵的特征值，并根据所述特征值确定各主成分的方差贡献率；
根据所述协方差矩阵确定计算MIMO信道的容量；
根据所述主成分确定最终主成分；包括步骤：
计算各主成分的方差贡献率的和值；
当所述和值大于等于重构门限值时，选择所述和值对应的各主成分记为所述最终主成分；
计算所述MIMO信道矩阵的列向量数据点集在所述最终主成分上的方差值；
选择出所述方差值最大的数据点；
根据所述数据点确定MIMO信道的天线。
2.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1所述方法的步骤。
CN201910726071.2A 2019-08-07 2019-08-07 一种毫米波mimo通信系统中天线选择方法和系统 Active CN110518944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910726071.2A CN110518944B (zh) 2019-08-07 2019-08-07 一种毫米波mimo通信系统中天线选择方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910726071.2A CN110518944B (zh) 2019-08-07 2019-08-07 一种毫米波mimo通信系统中天线选择方法和系统

Publications (2)

Publication Number Publication Date
CN110518944A CN110518944A (zh) 2019-11-29
CN110518944B true CN110518944B (zh) 2020-07-03

Family

ID=68625346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910726071.2A Active CN110518944B (zh) 2019-08-07 2019-08-07 一种毫米波mimo通信系统中天线选择方法和系统

Country Status (1)

Country Link
CN (1) CN110518944B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110995330B (zh) * 2019-12-05 2022-05-17 电子科技大学 一种基于分组和edas算法的天线选择方法
CN112636793A (zh) * 2020-12-02 2021-04-09 江苏恒宝智能系统技术有限公司 一种mimo通信系统中天线选择方法和系统

Also Published As

Publication number Publication date
CN110518944A (zh) 2019-11-29

Similar Documents

Publication Publication Date Title
Li et al. Explore and eliminate: Optimized two-stage search for millimeter-wave beam alignment
US20130208608A1 (en) Reconfigurable antennas and configuration selection methods for ad-hoc networks
CN110545131B (zh) 毫米波视距mimo信道下的天线阵列设计方法和系统
US9344904B2 (en) Interference alignment method and device in cellular network
Amiri et al. Distributed receiver processing for extra-large MIMO arrays: A message passing approach
WO2017147662A1 (en) Systems and methods of estimating channel parameters in a wireless communication system
CN110518944B (zh) 一种毫米波mimo通信系统中天线选择方法和系统
Haghighatshoar et al. The beam alignment problem in mmwave wireless networks
JP7170863B2 (ja) アナログプリコーディング及びアナログ結合を可能にする方法
CN104506256B (zh) 一种mimo多天线系统性能评估方法及多天线系统
Sun et al. Bandwidth-efficient precoding in cell-free massive MIMO networks with rician fading channels
CN110149133B (zh) 一种基于波束空间的大规模上行传输方法
US11962436B2 (en) User detection technique, and method and apparatus for channel estimation in wireless communication system supporting massive multiple-input multiple-output
Liu et al. Overcoming the channel estimation barrier in massive MIMO communication systems
Abohamra et al. Optimum scheduling based on beamforming for the fifth generation of mobile communication systems
He et al. Learning-based joint channel prediction and antenna selection for massive mimo with partial csi
Blinn et al. mmWave Beam Steering with Hierarchical Optimal Sampling for Unimodal Bandits
KR101482925B1 (ko) MISO 브로드캐스트 채널에서의 k-정규성을 기반으로 하는 제로포싱 빔포밍 장치 및 방법
EP4367793A1 (en) Classification of csi compression quality
EP2039019B1 (en) Method and system for robustly transmitting the minimum power in multi-user and multi-antenna communications systems with imperfect channel knowledge
Tapio et al. Channel estimation algorithms for hybrid antenna arrays: Performance and complexity
Ouyang et al. Performance Analysis of Downlink NOMA-ISAC
Soltani et al. Outage Tradeoff Analysis in a Downlink Integrated Sensing and Communication Network
KR101599189B1 (ko) 대규모 mimo 시스템에서의 채널 추정 방법
US20240056142A1 (en) Base station and terminal

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant