CN112468202A - 低复杂度毫米波大规模mimo混合预编码方法 - Google Patents
低复杂度毫米波大规模mimo混合预编码方法 Download PDFInfo
- Publication number
- CN112468202A CN112468202A CN202011485103.3A CN202011485103A CN112468202A CN 112468202 A CN112468202 A CN 112468202A CN 202011485103 A CN202011485103 A CN 202011485103A CN 112468202 A CN112468202 A CN 112468202A
- Authority
- CN
- China
- Prior art keywords
- matrix
- precoding matrix
- millimeter wave
- precoding
- complexity
- 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.)
- Granted
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
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
Abstract
本发明的目的在于提供低复杂度毫米波大规模MIMO混合预编码方法,包括以下步骤:已知毫米波大规模MIMO系统信道矩阵H与天线阵列响应矩阵At,通过A′t的奇异值分解(SVD)获取At的一组基向量,用来作为生成模拟预编码矩阵FRF的候选矢量集合;通过信道矩阵H的SVD获取最优数字预编码矩阵Fopt,构造Fopt与基向量相关的相关矩阵,并根据相关值大小对基向量排序;根据相关值大小,选取前NRF个基向量生成模拟预编码矩阵FRF,并对FRF进行归一化处理;确定模拟预编码矩阵FRF之后,根据混合预编码矩阵设计的目标函数求解最佳的数字预编码矩阵FBB。对数字预编码矩阵FBB进行功率约束处理,完成混合预编码矩阵的构建。本发明能够达到逼近OMP算法的系统性能,而算法计算复杂度却大大降低。
Description
技术领域
本发明涉及的是一种无线通信方法。
背景技术
毫米波通信技术与大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术是第五代移动通信中两种相辅相成的关键技术。一方面毫米波较小的波长,相比于传统微波,在相同空间内可以配置更多数量的天线阵列;另一方面大规模MIMO系统提供的大规模天线增益能够有效地克服毫米波信号传输的衰减与损耗。毫米波频段(30-300GHz)可利用频谱带宽,信息容量大,是未来无线通信研究的重点方向之一。相比于低频段微波,毫米波载频增加了十倍,这意味着自由空间路径损耗增加了十倍,同时雨水天气还会加剧毫米波信号的衰减。大规模MIMO技术是通过增加传统MIMO系统中基站端天线的数量而演进的技术,能够在不增加系统频谱带宽的前提下显著提升系统的信道容量及频谱效率。随着基站端天线数量的增加,可以充分发挥系统的空间自由度,提升系统的鲁棒性,同时不同用户间的信道会呈现渐进正交特性,表现为简单的线性预编码就能够实现非线性预编码的系统性能。
混合预编码技术是毫米波大规模MIMO系统中主要的研究方向之一。传统预编码技术需要为每根天线配置射频(Radio Frequency,RF)链。在毫米波大规模MIMO系统中,随着基站端天线数量的增加,RF链路带来的系统功耗及硬件成本将呈线性增长,导致传统预编码技术不再适用于毫米波大规模MIMO系统。混合预编码技术采用数字和模拟结合的预编码方法,用少量的RF链路驱动,能够实现逼近数字预编码的系统性能,同时显著降低系统功耗及硬件成本,是毫米波大规模MIMO系统中最优前景的信号处理方法。
目前混合预编码技术的研究主要集中在系统性能上的提升,其中OMP混合预编码算法是最为主流的。OMP算法能够实现逼近全数字预编码算法的系统性能,但是由于该算法涉及到迭代搜索的计算过程,随着RF链路数的增加,算法的计算复杂度将呈指数增长。
发明内容
本发明的目的在于提供系统频谱效率相近、而计算复杂度显著下降的低复杂度毫米波大规模MIMO混合预编码方法。
本发明的目的是这样实现的:
本发明低复杂度毫米波大规模MIMO混合预编码方法,其特征是:
(1)已知毫米波大规模MIMO系统信道矩阵H与天线阵列响应矩阵At,通过A′t的奇异值分解SVD获取At的一组基向量,用来作为生成模拟预编码矩阵FRF的候选矢量集合;
(2)通过信道矩阵H的SVD获取最优数字预编码矩阵Fopt,构造Fopt与基向量相关的相关矩阵,并根据相关值大小对基向量排序;
(3)根据相关值大小,选取前NRF个基向量生成模拟预编码矩阵FRF,并对FRF进行归一化处理;
(4)确定模拟预编码矩阵FRF之后,根据混合预编码矩阵的目标函数求解最佳的数字预编码矩阵FBB;
(5)对数字预编码矩阵FBB进行功率约束处理,完成混合预编码矩阵的构建。
本发明还可以包括:
1、所述信道矩阵H由Ncl个分散的簇作用之和构成,每个分散的簇都有Nray个传输路径,离散时间窄带信道H写作:
2、所述混合预编码矩阵的目标函数为:
本发明的优势在于:本发明针对毫米波大规模MIMO系统中的混合预编码方案,提出一种低复杂度的混合预编码算法。由于经典OMP算法求解过程涉及到迭代搜索的步骤,导致算法计算复杂度过高,基于此提出根据天线阵列相应At的SVD获取生成模拟预编码矩阵FRF的候选矢量集合,然后根据与最优数字预编码矩阵Fopt的相关度大小选取基向量生成FRF,即可无需迭代完成混合预编码矩阵的构建。计算机仿真结果表明,本发明能够达到逼近OMP算法的系统性能,而算法计算复杂度却大大降低。
附图说明
图1是本发明毫米波大规模MIMO混合预编码系统框图;
图2是发送和接收天线数量为64,16的条件下,各种预编码系统频谱效率随信噪比(SNR)变化的曲线;
图3是发送和接收天线数量为256,64的条件下,各种预编码系统频谱效率随信噪比(SNR)变化的曲线;
图4是各种预编码系统频谱效率随RF链路数NRF变化的曲线;
图5是各种预编码的计算复杂度随RF链路数NRF变化的曲线。;
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1-5,由于OMP混合预编码算法求解混合预编码矩阵需要进行NRF次的迭代搜索,随着RF链路数NRF的增加,算法的计算复杂度将成倍增长。OMP算法的设计的核心思想是:在天线阵列响应矩阵At中选取NRF个最佳的列向量生成模拟预编码矩阵FRF。基于此,本发明考虑用At的基向量生成FRF,如果将At的所有非零特征值对应的向量都选择用于生成FRF,则将能够实现与OMP算法相当的系统性能。
本发明的目的是通过以下技术方案来实现的:
S1、已知毫米波大规模MIMO系统信道矩阵H与天线阵列响应矩阵At。通过A′t的奇异值分解(SVD)获取At的一组基向量,用来作为生成模拟预编码矩阵FRF的候选矢量集合;
S2、通过信道矩阵H的SVD获取最优数字预编码矩阵Fopt,构造Fopt与基向量相关的相关矩阵,并根据相关值大小对基向量排序;
S3、根据相关值大小,选取前NRF个基向量生成模拟预编码矩阵FRF,并对FRF进行归一化处理;
S4、确定模拟预编码矩阵FRF之后,根据混合预编码矩阵设计的目标函数求解最佳的数字预编码矩阵FBB。
S5、对数字预编码矩阵FBB进行功率约束处理,完成混合预编码矩阵的构建。
一、系统与信道模型:
图1是下行链路单用户毫米波大规模MIMO混合预编码系统框图。在发送端,首先Ns路数据流经过数字预编码器在基带进行信号数字预处理。为了实现多数据流通信,发送端配置了个RF链路,且满足该部分RF链路用来传输经过数字预编码器FBB处理过的信号,并将信号传送到模拟预编码器在接收端,接收信号首先将经过模拟合并器处理。接收端配置了个RF链路,且满足接收信号将通过RF链路达到数字合并器经过处理过后的接收向量可以表示
其中,是能量归一化输入信号,即满足由于模拟预编码器FRF和模拟合并器WRF不能调节幅度只能改变相位,因此它们满足恒模限制,即|FRF(i,j)|=1和|WRF(i,j)|=1。同时为了满足发射功率约束,这里设置||FBBFRF||2=Ns。n为服从CN(0,σ2)的加性复高斯白噪声。
单用户能达到系统频谱效率可以表示为
由于毫米波多径信道在角度域的稀疏性,毫米波信道传播环境常被描述为簇聚信道模型。常用的簇聚信道模型是基于统计信道建模下的Saleh-Valenzuela(S-V)信道模型。在S-V模型中,假设信道矩阵H是由Ncl个分散的簇作用之和构成,每个分散的簇都有Nray个传输路径,所以离散时间窄带信道H可以写作
对一个在yz平面的归一化平面天线(Normalized planar antenna,UPA)阵列,设y轴和z轴分别有N1和N2个天线单元,其天线阵列响应为
其中λ为波长,d表示天线阵元间隔。0≤m≤N1和0≤n≤N2分别是y轴和z轴上的天线阵元索引,天线阵列大小为N=N1N2。
二、混合预编码矩阵的设计
混合预编码矩阵设计的目标函数可以写成:
其中是天线阵列响应向量,Fopt是最优数字预编码矩阵,即H的右奇异矩阵。由式(3)可得,是H的一组正交基,同时Fopt是H的右奇异矩阵,所以也是Fopt的一组正交基。归一化天线阵列响应为单位模,所以可以用来构建模拟预编码矩阵FRF。
OMP混合预编码算法的设计思想是:通过迭代搜索的方式,在天线响应矢量集中选取NRF个最佳矢量来构建模拟预编码矩阵FRF。但是随着RF链路数的增加,该算法的计算复杂度将呈指数增长。基于此,本发明考虑求解天线阵列响应矩阵At的一组正交基来生成FRF。
考虑求解的一组正交基,可以通过A′t的SVD求得,即A′t=UΣV*,其中为了进一步说明At和V的关系,令β=UΣ,βi表示β的第i行,Ai表示A′t的第i行,Vi表示V的第i列,其中i∈[1,NclNray]可得以下关系成立
改写式(5)中的目标函数为
在模拟预编码矩阵FRF已经获取的基础上,求解数字预编码矩阵FBB的目标函数可以写成
已知下式
三、算法复杂度分析
本发明所提算法的计算复杂度集中在矩阵的SVD和矩阵相乘上。其中AtSVD的计算复杂度为Ο(32NclNray(Nt)2+64(NclNray)2Nt+72(NclNray)3),矩阵相乘的计算复杂度为矩阵SVD分解的计算复杂度为矩阵V1UH相乘的计算复杂度为计算向量与相关矩阵相关度排序的复杂度为因此本发明算法总的计算复杂度为
通过分析,可以得到OMP混合预编码算法的计算复杂度为
因为本发明算法没有迭代搜索的过程,所以相比OMP算法,本发明的低复杂度算法的计算复杂度将大幅度下降。
本发明的效果可以通过下面的仿真实例进一步说明。
一、仿真条件:
信道采用S-V信道模型,设置Ncl=5,Nray=10,离开角(DoA)和到达角(AoA)均服从拉普拉斯分布,角度拓展10°,相邻天线阵元间隔为半波长。天线阵列采用均匀平面阵列(UPA),基站天线数为256或64,接收天线数为64或16,发送数据流数目为4,收发端射频链路数目均为4。作为对比,全数字预编码采用SVD算法,并在相同条件下仿真了OMP混合预编码算法。仿真结果通过在1000个信道上平均获得。
二、仿真内容与结果:
图2和3是各种预编码算法的系统频谱效率随SNR变化的曲线。从仿真结果可以看出,OMP算法的频谱效率逼近无约束全数字预编码算法,而本发明所提算法的频谱效率则逼近OMP算法。随着数据流数Ns的增加,本发明所提算法的性能虽然与全数字预编码算法的性能差距增大,但依然十分接近OMP算法的性能。对比图2和图3可以发现,随着收发天线数目的增加,所有算法对应的频谱效率都有提升,同时各种算法之间的性能差距稍有增加。其中本发明所提算法与OMP算法之间的性能差距变大的原因,是由于随着天线数的增加,传输的路径数也随之增加,导致At的维度增加,进而能够完备表示At的基向量数量也将增加,然而RF链路数NRF不变,系统频谱效率将会有所下降。
图4是各种预编码算法的系统频谱效率随RF链路数NRF变化的曲线。观察图4可以看出,随着RF链路数的增加,本发明所提算法与OMP算法的性能差距在逐渐缩小。这是由于信道矩阵H由At的向量构成,因此模拟预编码矩阵与At高度相关,但是RF链数量限制了可以选择构建模拟预编码矩阵的候选矢量数量,导致不能保证完美地模拟预编码矩阵被构建。因此当RF链路数增加时,选择最相关候选矢量数将变大,系统性能也会变好。图5是本发明所提算法与OMP算法的计算复杂度随RF链路数NRF变化的曲线。可以明显看出,本发明所提算法的计算复杂度远小于OMP算法,并且随着RF链路数NRF的增加,二者的计算复杂度差距呈直线增大。
综上所述,本发明提出的低复杂度混合预编码算法,能够实现逼近经典的OMP混合预编码算法的系统频谱效率,且算法的计算复杂度远远小于OMP算法。
Claims (3)
1.低复杂度毫米波大规模MIMO混合预编码方法,其特征是:
(1)已知毫米波大规模MIMO系统信道矩阵H与天线阵列响应矩阵At,通过A′t的奇异值分解SVD获取At的一组基向量,用来作为生成模拟预编码矩阵FRF的候选矢量集合;
(2)通过信道矩阵H的SVD获取最优数字预编码矩阵Fopt,构造Fopt与基向量相关的相关矩阵,并根据相关值大小对基向量排序;
(3)根据相关值大小,选取前NRF个基向量生成模拟预编码矩阵FRF,并对FRF进行归一化处理;
(4)确定模拟预编码矩阵FRF之后,根据混合预编码矩阵的目标函数求解最佳的数字预编码矩阵FBB;
(5)对数字预编码矩阵FBB进行功率约束处理,完成混合预编码矩阵的构建。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010409544 | 2020-05-14 | ||
CN2020104095449 | 2020-05-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112468202A true CN112468202A (zh) | 2021-03-09 |
CN112468202B CN112468202B (zh) | 2021-12-21 |
Family
ID=74802969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011485103.3A Active CN112468202B (zh) | 2020-05-14 | 2020-12-16 | 低复杂度毫米波大规模mimo混合预编码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112468202B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113078931A (zh) * | 2021-03-26 | 2021-07-06 | 安徽大学 | 基于qga-omp算法的毫米波大规模mimo混合预编码方法及系统 |
CN115276728A (zh) * | 2022-07-16 | 2022-11-01 | 西安邮电大学 | 一种毫米波系统中的混合预编码方法及系统 |
CN115459820A (zh) * | 2022-08-31 | 2022-12-09 | 北京瀚景锦河科技有限公司 | 基于拟牛顿法的低复杂度流形优化混合预编码方法 |
CN114448478B (zh) * | 2022-02-25 | 2023-06-09 | 北京京东方传感技术有限公司 | 信号传输方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180131423A1 (en) * | 2016-11-09 | 2018-05-10 | Facebook, Inc. | Beamforming in antenna systems |
CN108023620A (zh) * | 2017-11-28 | 2018-05-11 | 杭州电子科技大学 | 应用于毫米波频段的大规模mimo系统混合预编码方法 |
CN109547076A (zh) * | 2019-01-07 | 2019-03-29 | 南京邮电大学 | 毫米波大规模mimo中基于dsbo的混合预编码算法 |
CN109560845A (zh) * | 2018-11-27 | 2019-04-02 | 湘潭大学 | 一种低复杂度通用混合预编码方法 |
US20190222276A1 (en) * | 2016-09-30 | 2019-07-18 | Intel IP Corporation | Beamforming for hybrid antenna arrays |
CN110138425A (zh) * | 2019-05-15 | 2019-08-16 | 西安科技大学 | 低复杂度阵列天线多输入多输出系统混合预编码算法 |
CN110233649A (zh) * | 2019-06-09 | 2019-09-13 | 杭州电子科技大学 | 一种基于毫米波mimo系统的动态子阵列设计方法 |
CN110943768A (zh) * | 2019-12-09 | 2020-03-31 | 中南大学 | 一种毫米波大规模mimo系统的混合预编码码本联合设计方法 |
-
2020
- 2020-12-16 CN CN202011485103.3A patent/CN112468202B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190222276A1 (en) * | 2016-09-30 | 2019-07-18 | Intel IP Corporation | Beamforming for hybrid antenna arrays |
US20180131423A1 (en) * | 2016-11-09 | 2018-05-10 | Facebook, Inc. | Beamforming in antenna systems |
CN108023620A (zh) * | 2017-11-28 | 2018-05-11 | 杭州电子科技大学 | 应用于毫米波频段的大规模mimo系统混合预编码方法 |
CN109560845A (zh) * | 2018-11-27 | 2019-04-02 | 湘潭大学 | 一种低复杂度通用混合预编码方法 |
CN109547076A (zh) * | 2019-01-07 | 2019-03-29 | 南京邮电大学 | 毫米波大规模mimo中基于dsbo的混合预编码算法 |
CN110138425A (zh) * | 2019-05-15 | 2019-08-16 | 西安科技大学 | 低复杂度阵列天线多输入多输出系统混合预编码算法 |
CN110233649A (zh) * | 2019-06-09 | 2019-09-13 | 杭州电子科技大学 | 一种基于毫米波mimo系统的动态子阵列设计方法 |
CN110943768A (zh) * | 2019-12-09 | 2020-03-31 | 中南大学 | 一种毫米波大规模mimo系统的混合预编码码本联合设计方法 |
Non-Patent Citations (2)
Title |
---|
AHMED NADHIM MOHAMMED: "Low computational complexity and minimizing training overhead for hybrid precoding in millimeter wave systems", 《 2018 TEXAS SYMPOSIUM ON WIRELESS AND MICROWAVE CIRCUITS AND SYSTEMS (WMCS)》 * |
向建伟: "毫米波大规模MIMO系统中低复杂度混合预编码方法", 《电信科学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113078931A (zh) * | 2021-03-26 | 2021-07-06 | 安徽大学 | 基于qga-omp算法的毫米波大规模mimo混合预编码方法及系统 |
CN113078931B (zh) * | 2021-03-26 | 2022-04-22 | 安徽大学 | 基于qga-omp算法的毫米波大规模mimo混合预编码方法及系统 |
CN114448478B (zh) * | 2022-02-25 | 2023-06-09 | 北京京东方传感技术有限公司 | 信号传输方法、装置、电子设备及存储介质 |
CN115276728A (zh) * | 2022-07-16 | 2022-11-01 | 西安邮电大学 | 一种毫米波系统中的混合预编码方法及系统 |
CN115276728B (zh) * | 2022-07-16 | 2023-12-05 | 西安邮电大学 | 一种毫米波系统中的混合预编码方法及系统 |
CN115459820A (zh) * | 2022-08-31 | 2022-12-09 | 北京瀚景锦河科技有限公司 | 基于拟牛顿法的低复杂度流形优化混合预编码方法 |
CN115459820B (zh) * | 2022-08-31 | 2023-09-15 | 北京瀚景锦河科技有限公司 | 基于拟牛顿法的低复杂度流形优化混合预编码方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112468202B (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112468202B (zh) | 低复杂度毫米波大规模mimo混合预编码方法 | |
Mendez-Rial et al. | Dictionary-free hybrid precoders and combiners for mmWave MIMO systems | |
CN108199753B (zh) | 一种毫米波通信中基于迭代最小的预编码方法 | |
CN110557177A (zh) | 毫米波大规模MIMO系统中基于DenseNet的混合预编码方法 | |
Wei et al. | An AMP-based network with deep residual learning for mmWave beamspace channel estimation | |
CN110138425B (zh) | 低复杂度阵列天线多输入多输出系统混合预编码算法 | |
CN110611526A (zh) | 基于改进黎曼流形优化的毫米波混合模/数波束成形方法 | |
CN110943768A (zh) | 一种毫米波大规模mimo系统的混合预编码码本联合设计方法 | |
Qiao et al. | Alternating optimization based hybrid precoding strategies for millimeter wave MIMO systems | |
Li et al. | Multi-task deep learning based hybrid precoding for mmWave massive MIMO system | |
Alouzi et al. | Direct conversion of hybrid precoding and combining from full array architecture to subarray architecture for mmWave MIMO systems | |
CN109067446B (zh) | 一种多天线多用户大规模天线的混合预编码方法 | |
Peken et al. | Unsupervised mmWave beamforming via autoencoders | |
Xu et al. | Agglomerative group scheduling for mmWave massive MIMO under hybrid beamforming architecture | |
Zhang et al. | Hybrid Precoding Algorithm for Millimeter‐Wave Massive MIMO Systems with Subconnection Structures | |
Zhang et al. | Hybrid analog-digital precoding for millimeter wave MIMO Systems | |
CN113078931B (zh) | 基于qga-omp算法的毫米波大规模mimo混合预编码方法及系统 | |
CN112636800B (zh) | 基于毫米波大规模mimo多用户场景的混合预编码方法 | |
Li et al. | Hybrid precoding scheme in millimeter wave massive MIMO based on stochastic gradient descent | |
Qiao et al. | Eigen decomposition-based hybrid precoding for millimeter wave MIMO systems with low-resolution ADCs/DACs | |
CN115001545A (zh) | 一种毫米波大规模mimo系统中的混合预编码方法 | |
CN112165344B (zh) | 一种基于梯度下降法的混合预编码方法 | |
Jung et al. | Improved hybrid beamforming for mmWave multi-user massive MIMO | |
CN112564750A (zh) | 毫米波大规模mimo系统基于相位提取联合设计混合预编码 | |
Cui et al. | Joint hybrid precoding based on orthogonal codebook in millimeter wave systems |
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 |