CN112821925A

CN112821925A - 一种基于大规模mimo天线阵列的混合波束赋形算法

Info

Publication number: CN112821925A
Application number: CN202110083009.3A
Authority: CN
Inventors: 郑文逸; 李云; 吴广富
Original assignee: Chongqing University of Post and Telecommunications
Current assignee: Chongqing University of Post and Telecommunications
Priority date: 2021-01-21
Filing date: 2021-01-21
Publication date: 2021-05-18

Abstract

本发明属于移动通信技术领域，具体涉及一种基于大规模MIMO天线阵列的混合波束赋形算法，包括：设置混合波束赋形系统的参数，同时初始化模拟波束赋与数字波束赋形的矩阵；在数字波束赋形矩阵中对模拟波束赋形的矩阵进行迭代寻优，经过轮盘赌策略的选择，交叉以及变异操作后得到当次迭代最优的模拟波束赋形矩阵，将当次迭代模拟波束赋形矩阵进行固定，对数字波束赋形矩阵进行选择、交叉以及变异操作后得到当次迭代最优数字波束赋形矩阵，不断重复上述的步骤，当迭代次数达到预设值时输出当前最优解；本发明采用改进的遗传算法对模拟波束形矩阵和数字波束赋形矩阵进行处理，得到最优的混合波束赋形矩阵，提高了混合波束赋形的性能。

Description

一种基于大规模MIMO天线阵列的混合波束赋形算法

技术领域

本发明属于移动通信技术领域，具体涉及一种基于大规模MIMO天线阵列的混合波束赋形算法。

背景技术

现阶段地球可通信地区仅占50％左右，而北极、南极、沙漠等地区，还有一些气候条件恶劣、地形险峻复杂的山区、航母、军舰作业的海洋航路沿途以及正在受到自然灾害的地区，这些地区仍有人类活动，基本的通信显得格外重要，建立地面通信将会受到地区政策以及经济方面的限制。卫星通信具有灵活性强、适应性强，不受地理条件限制，因此发展卫星通信系统成了必要的趋势。

卫星通信主要分为静止轨道(Geostationary Earth Orbit，GEO)卫星；中轨道(Medium Earth Orbit，MEO)卫星；低轨道(Low Earth Orbit，LEO)卫星。其中LEO系统，拥有链路损耗小、通信时延短、终端更小、发射难度低，被认为是最具潜力的卫星通信系统。但是即使是在LEO通信过程中仍然面临着路径损耗、能量损耗、多径效应、雨衰以及高硬件复杂度等问题，如附图一所示。第五代通信关键技术之一的波束赋形技术能较好的解决当前面临的问题。

波束赋形是一种基于大规模MIMO(Multiple input multiple output)天线阵列的信号预处理技术。通过调整天线阵列中每个天线阵列的加权系数，相长干涉某些角度的信号，相干涉另外一些角度的信号，这样能够产生指向性明确的信号波束。通过波束赋形技术能够补偿无线传播中信号的衰落与失真，可以获得更有效的期望信号，抑制其它信号，从而得到明显的阵列增益。

在现有的低轨卫星通信系统多采用数字波束赋形技术(Digital beamforming，DBF)，由功率放大器、数模转换器、射频链路以及天线组成。DBF能同时调整符号的相位与幅度，因此更容易获得良好的性能，但同时需要每一根天线与射频(Radio frequency，RF)链一对一的链接起来如附图三DBF结构图所示，由于大规模MIMO的发展，其天线数量呈指数倍的增长，这就导致了RF射频链路的硬件复杂度的偏大。模拟波束赋形(Analogbeamforming，ABF)由数模转换器、功率放大器、射频链路、移相器以及天线构成。相较于DBF结构图而言，该结构大大的减少了RF链路。但是ABF仅能通过移相器改变波束的方向，无法控制信号的幅度，所以性能差于DBF。基于此将DBF与ABF结合采用图二的混合波束赋形结构图，在RF链和天线元件之间插入一个额外的信号处理层，称为ABF部分。

在算法方面传统的DBF多采用迫零(Zero-forcing，ZF)算法，可以消除信号与信号之间的干扰，使用户间的干扰被显著克服。混合波束赋形结构除了需要对DBF矩阵进行处理之外，需要额外对ABF矩阵进行处理，正交匹配追踪算法(Orthogonal matching pursuitalgorithm，OMP)虽然能解决该问题但是其性能会受到影响。

发明内容

为解决以上现有技术存在的问题，本发明提出了一种基于大规模MIMO天线阵列的混合波束赋形算法，该算法包括：

S1：获取基站端的天线数和RF射频链路数；根据基站端的天线数构建天线阵列；

S2：基站的天线阵列接收卫星发送的混合波束信号，采用RF射频链路将获取的混合波束信号输入到DBF模块中，转换为DBF矩阵；

S3：采用数字模拟转换器DAC将经过DBF模块的数字信号转换为模拟信号，模拟信号通过RF射频链路传输到ABF模块中，得到ABF矩阵；

S4：采用改进的遗传算法对ABF矩阵和DBF矩阵进行迭代处理，得到最优的混合波束赋形矩阵；

S5：根据混合波束赋形矩阵得到混合波束赋形。

优选的，RF射频链路包括第一RF射频链路和第二RF射频链路；第一RF射频链路与基站的天线连接，用于传输天线获取的混合波束信号；第一RF射频链路的数量与基站天线数相同；第二RF射频链路分别与数字模拟转换器DAC和ABF模块连接，且基站端的天线数比第二RF射频链路数少。

优选的，DBF模块对数据进行处理的过程包括：根据第一RF射频链路的数量和发射数据流数的数量生成一组随机的DBF矩阵，DBF矩阵的每一个随机阵元为z×e^iθ的复数形式，θ∈[0,2π]，z∈[1,10]；共生成M组随机的DBF矩阵；其中，z表示，i表示，θ表示。

优选的，ABF模块对数据进行处理的过程包括：根据第二RF射频链路的数量和发射天线的数量生成一组ABF矩阵，ABF矩阵的每一个随机阵元表示为θ的角度，θ∈[0,2π]；共生成M组随机的ABF矩阵，θ表示。

优选的，采用改进的遗传算法对ABF矩阵和DBF矩阵进行迭代处理过程中优先对模拟波束赋形部分进行迭代处理，再对数字波束赋形部分进行迭代处理，得到最优的混合波束赋形矩阵。

进一步的，采用改进的遗传算法对DBF矩阵和ABF矩阵进行处理的过程包括：

步骤1：确定遗传算法的交叉概率、变异概率、终止代数以及种群大小M；种群为M组DBF矩阵和ABF矩阵；

步骤2：在对ABF矩阵进行迭代过程中，优先选取一组DBF矩阵进行固定；并对ABF矩阵进行初始化；

步骤3：根据初始化的ABF矩阵计算当次迭代矩阵F_RF；

步骤4：计算当次迭代矩阵F_RF的适应度值；采用概率统计公式计算出每个个体遗传到下一代群体中的概率，根据累积概率公式计算出每个个体的累积概率；根据适应度值、遗传概率以及累积概率得到新生群体；

步骤5：采用交叉函数和变异函数对新生群体进行处理，得到子一代，将子一代与父代进行组合，得到新的群体，重新计算新群体的适应度；

步骤6：根据新群体的适应度值选取最优的个体，该个体为最优模拟波束形矩阵；

步骤7：固定当前最优模拟波束形矩阵，对数字波束赋形矩阵进行迭代；

步骤8：采用适应度函数、概率统计公式以及累积概率公式分别对群体进行选取，产生新的群体；

步骤9：采用交叉函数和变异函数对新生群体进行处理，得到子一代，将子一代与父代进行组合，得到新的群体，计算新群体的适应度；

步骤10：根据新群体的适应度值选取最优的个体，该个体为最优数字波束赋形矩阵；

步骤11：判断当前的迭代次数是否达到终止代数，若达到，则输出最优模拟波束形矩阵和最优数字波束赋形矩阵；否则迭代次数加1，并返回步骤4。

进一步的，概率统计公式和累积概率公式为：

进一步的，计算种群的适应度值的公式为：

E＝||F_RFF_BBk[f]||²

本发明采用改进的遗传算法对模拟波束形矩阵和数字波束赋形矩阵进行处理，得到最优的混合波束赋形矩阵，提高了混合波束赋形的性能。

附图说明

图1为本发明的卫星通信通信场景图；

图2为本发明的混合波束赋形结构图；

图3为本发明的数字波束赋形结构图；

图4为本发明的统计概率与累积概率图；

图5为本发明的算法性能对比图；

图6为本发明的遗传算法对DBF矩阵和ABF矩阵进行迭代处理的流程图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在不付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，在低轨卫星通信系统中，包括低轨卫星和接收机；所述低轨卫星在向接收机发送信号时，由于受到障碍物、环境因素、天气因素等的影响，使得接收机接收的信号与低轨卫星发射的信号不同，因此，急需一种能对信号进行混合波束赋形的算法。

一种基于大规模MIMO天线阵列的混合波束赋形算法，该方法包括：

S5：根据混合波束赋形矩阵得到混合波束赋形。

如图2所示，系统中有N_t个RF射频，M_t为发射天线的数量，M_r接收天线数量，其中N_t≤M_t，相对于图3中的DBF结构减少了RF链路。接收端与发送端之间的信道矩阵

信道矩阵是基于扩展的Saleh-Valenzudel模型的简化聚类信道模型。设N_s为输入数据流的个数，

为发送信号。首先输入信号S经过DBF模块，DBF矩阵

然后通过RF链路进入ABF模块，ABF矩阵

其中，N_t表示RF射频的数量，M_t表示发射天线的数量，M_r表示接收天线数量，H表示信道矩阵，

表示M_r×M_t维的复数空间，S表示发送的信号，

表示N_s×1维的复数空间，F_BB表示DBF矩阵，

表示N_t×N_s维的复数空间，N_s表示发射数据流数，F_RF表示ABF矩阵，

表示M_t×N_t维的复数空间。

在本发明的系统中，数字部分可以直接调整波束赋形矢量，其幅度则是随机生成的一组数字。而模拟部分则只能使用放大器和移相器来调整矢量，在此将其幅度设置为1，可以不使用放大器来实现，在一定程度上降低了开销。在单用户系统中其用户和速率可以表示为：

其中，P表示系统硬件能量消耗，I表示单位矩阵，σ²表示高斯分布的方差，H表示信道矩阵，H^H表示信道矩阵的转置共轭矩阵。在K个用户的多系统中，第k个用户的接收信号为：

其中，k表示用户，F_BBk表示第k个用户的DBF矩阵，S_k表示第k个用户的发射数据，u表示用户且u≠k，F_BBu表示第u个用户的DBF矩阵，S_u表示第u个用户的发射数据，n_k表示第k用户的噪声；第k个用户的信干噪比(signal to interference noise ratio，SINR)表示为：

其中，Γ_k表示第k个用户的信干噪比，H_k表示第k用户的信道矩阵，P表示系统硬件能量消耗，K表示总用户数，

表示第k个用户高斯分布的方差。

则用户和速率表示为：

在受到发射端功率的约束时，研究用户和发射功率，其目标函数表示为：

s.t.||F_RFF_BB||²＝N_s

首先初始化设置基站端的发射天线数M_t＝128构成天线阵列，RF射频链路N_t＝8，相对于DBF极大的减少了RF射频链路，数据流数N_s＝2，接收端为单天线用户，用户数为8。

如图6所示，采用改进的遗传算法对DBF矩阵和ABF矩阵进行迭代处理的过程包括：

步骤1：设置初始种群规模大小为M＝200，终止代数T＝30，交叉概率为0.5，变异概率为0.1。

步骤2：ABF部分中的编码模块需要初始化F_RF矩阵。初始化M个体离散相位值

为群体，其中n＝1,2,...,N_t，m＝1,2,...,M_t,θ_n,m是范围为θ_n,m∈[0,2π]中的离散相位，F_RF＝[Θ₁Θ₂......Θ_M]。DBF部分可同时对幅度与相位进调整，其波束赋形矢量为ω＝z×e^iθ，其决策变量表示为

n＝1,2,...,N_t，其中，f表示第f个子载波。在第一次ABF期间设置一组F_BBk矩阵进行固定，而其它的F_BBk矩阵则是通过DBF部分得到。

通过

计算得出当次迭代F_RF矩阵。

步骤3：根据适应度函数构建轮盘赌算法的一个非均匀的轮盘，适应度值大的则被选取的概率更大。适应度函数为：

E＝||F_RFF_BBk[f]||²

根据概率统计公式统计算出每个个体遗传到下一代群体中的概率，根据累积概率公式计算出每个个体的累积概率。然后随机生成M个随机数r∈[0,1]，若r＜q[1]则选择个体1，否则选择第m个个体，使得q[m-1]＜r≤q[m]，统计概率与累积概率展示如附图4，通过M次选择后得到新的群体。其中概率统计公式和累积概率公式如下：

其中，F_RF表示ABF矩阵，F_BBk表示第k个用户的DBF矩阵，f表示第f个子载波，F_BBk[f]表示第k个用户在第f个子载波上的DBF矩阵，k表示接收端的用户数，K表示接收端的总用户数。

步骤4：在M的范围内的选取两个随机数A和B进行交叉操作，但在选取的时候需要避免“近亲杂交”。通过交叉操作得到新的个体Θ_C和Θ_D，然后进行多次重复交叉操作，获得交叉模块后新的群体。

Θ_C＝aΘ_B+(1-b)Θ_A

Θ_D＝bΘ_A+(1-a)Θ_B

其中，Θ_C表示交叉操作后新的ABF矩阵，a表示0-1之间的随机数，Θ_B表示交叉操作前的ABF矩阵，b表示0-1之间的随机数，Θ_A表示交叉操作前的ABF矩阵，Θ_D表示交叉操作后新的ABF矩阵。

步骤5：进行变异操作，在模拟部分个体Θ的第m∈[1,N_t×M_t]个基因进行变异操作，且更改后的个体为

而

为：

其中，

表示扰动系数，θ表示相位角度，T为遗传算法初始化时设置的终止代数，t为当前寻优的迭代代数，r为0到1之间的随机数，同时随着迭代次数的增加，扰动系数也随迭代次数的增加其影响效果减小。θ_Um和θ_Lm为发生变异时所对应变量的取值范围的上界和下界，然后进行多次重复变异操作，获得变异模块后新的群体。

通过变异模块后得到当次迭代最佳F_RF矩阵时将其固定不变进入到DBF部分里面。而DBF部分和ABF部分类似，重复步骤1、2、3、4、5。但是在编码、交叉和变异方面有细微的差别。在编码模块初始化时则是对DBF矩阵进行初始化

然后同ABF的轮盘赌策略一致得到新的DBF群体。而在DBF中的交叉模块如下所示

F_BBkC[f]＝aF_BBkB[f]+(1-b)F_BBkA[f]

F_BBkD[f]＝bF_BBkA[f]+(1-a)F_BBkB[f]

其中，F_BBkA[f]，F_BBkB[f]表示交叉前的第k个用户在第f个子载波上的DBF矩阵，F_BBkC[f]，F_BBkD[f]表示交叉后的第k个用户在第f个子载波上的DBF矩阵。

在DBF的变异模块中也同ABF类似，其中ω_Um和ω_Lm分别是所有模值的最大值和最小值。

其中，

表示变异后的，ω_m表示，

表示扰动系数

t表示迭代次数，ω_Um表示决策变量中的最大值，r表示0-1之间的随机数，ω_Lm表示决策变量中的最小值。

经过第一代DBF部分后得到当次迭代最优的F_BBk[f]，然后重复ABF与DBF的选择、交叉、变异模块，当T＝t的时候结束遍历，得到当前最优F_RF、F_BB矩阵。

如图5所示，DBF结构下的ZF算法和混合波束赋形下的OMP算法以及本专利算法的用户和速率随着信噪比(signal to noise ratio，SNR)的增长而增长，同时其性能差距也逐渐拉开。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于大规模MIMO天线阵列的混合波束赋形算法，其特征在于，该方法包括：

S5：根据混合波束赋形矩阵得到混合波束赋形。

2.根据权利要求1所述的一种基于大规模MIMO天线阵列的混合波束赋形算法，其特征在于，RF射频链路包括第一RF射频链路和第二RF射频链路；第一RF射频链路与基站的天线连接，用于传输天线获取的混合波束信号；第一RF射频链路的数量与基站天线数相同；第二RF射频链路分别与数字模拟转换器DAC和ABF模块连接，且基站端的天线数比第二RF射频链路数少。

3.根据权利要求1所述的一种基于大规模MIMO天线阵列的混合波束赋形算法，其特征在于，DBF模块对数据进行处理的过程包括：根据第一RF射频链路的数量和发射数据流数的数量生成一组随机的DBF矩阵，DBF矩阵的每一个随机阵元为z×e^iθ的复数形式，θ∈[0,2π]，z∈[1,10]；共生成M组随机的DBF矩阵；其中，z表示幅度，i表示虚数，θ表示相位角度。

4.根据权利要求1所述的一种基于大规模MIMO天线阵列的混合波束赋形算法，其特征在于，ABF模块对数据进行处理的过程包括：根据第二RF射频链路的数量和发射天线的数量生成一组ABF矩阵，ABF矩阵的每一个随机阵元表示为θ的角度，θ∈[0,2π]；共生成M组随机的ABF矩阵，θ表示相位角度。

5.根据权利要求1所述的一种基于大规模MIMO天线阵列的混合波束赋形算法，其特征在于，采用改进的遗传算法对ABF矩阵和DBF矩阵进行迭代处理过程中优先对模拟波束赋形部分进行迭代处理，再对数字波束赋形部分进行迭代处理，得到最优的混合波束赋形矩阵。

6.根据权利要求5所述的一种基于大规模MIMO天线阵列的混合波束赋形算法，其特征在于，采用改进的遗传算法对DBF矩阵和ABF矩阵进行处理的过程包括：

步骤3：根据初始化的ABF矩阵计算当次迭代矩阵F_RF；

7.根据权利要求6所述的一种基于大规模MIMO天线阵列的混合波束赋形算法，其特征在于，概率统计公式和累积概率公式为：

8.根据权利要求6所述的一种基于大规模MIMO天线阵列的混合波束赋形算法，其特征在于，计算种群的适应度值的公式为：

E＝||F_RFF_BBk[f]||²

其中，E表示种群中个体的适应度的值，F_RF表示ABF矩阵，F_BBk表示第k个用户的DBF矩阵，f表示第f个子载波，F_BBk[f]表示第k个用户在第f个子载波上的DBF矩阵。