CN112910524A - 基于概率模型的毫米波波束跟踪方法 - Google Patents
基于概率模型的毫米波波束跟踪方法 Download PDFInfo
- Publication number
- CN112910524A CN112910524A CN202110146689.9A CN202110146689A CN112910524A CN 112910524 A CN112910524 A CN 112910524A CN 202110146689 A CN202110146689 A CN 202110146689A CN 112910524 A CN112910524 A CN 112910524A
- Authority
- CN
- China
- Prior art keywords
- user
- base station
- codebook
- angle
- millimeter wave
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000013139 quantization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 16
- 230000005540 biological transmission Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—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 simultaneous transmission
- H04B7/0615—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 simultaneous transmission of weighted versions of same signal
- H04B7/0617—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 simultaneous transmission of weighted versions of same signal for beam forming
-
- 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
- H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
- H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本发明通信技术领域,具体涉及一种基于概率模型的毫米波波束跟踪方法。本发明主要运用了信道角度变化连续特性,构建了一种基于马尔可夫概率模型的毫米波波束训练与波束跟踪方法,由于在该模型下当前时刻波束角度值φk,l,m只与上一时刻波束角度值φk,l,m‑1的状态有关,因此该方法可用于在快时变信道下以较低的导频开销获得波束最佳角度,提升波束训练与波束跟踪算法性能。
Description
技术领域
本发明属于通信技术领域,具体涉及一种基于概率模型的毫米波波束跟踪方法。
背景技术
如今移动通信系统的工作频率为300MHz~6GHz,该频段通常被认为是无线通信的最佳频段,能够制造较为有利的传播条件。随着用户数量的增加以及数据业务的多样化,6GHz以下频段的业务量趋于过载,难以满足日益增加的通信速率需求,而6GHz以上频段(超高频、甚高频)尚未得到充分使用,因此极具开发潜力[1-2]。当工作频率为6~300GHz时,载波波长通常在毫米波甚至以下,这种传输方式称为毫米波传输。由于具有高数据速率和丰富的频谱资源,目前毫米波通信被认为是未来5G(the fifth generation mobilecommunication technology)发展的关键技术之一。
毫米波在自由空间中传播时路径损耗较大,穿透力不及当前无线通信系统所使用的低频段电磁波,导致在毫米波传输系统中,存在的传播路径主要为视距(Line of Sight,LoS)径,而非视距(Non Line of Sight,NLoS)径,由于经过了障碍物的反射与折射等作用,能量严重损失。然而当大规模MIMO系统采用毫米波传输时,由于天线阵列阵元之间的间距为载波波长量级,而毫米波的波长较小,因此可以在相同空间范围内容纳数目庞大的天线单元,并且大规模天线阵列通过形成强指向性波束,能够产生巨大的阵列增益,以弥补毫米波在空间传输时严重的路径损耗。
到目前为止,许多关于毫米波信道的研究都是基于静态非时变信道进行的,并没有将用户移动产生的多普勒频移对系统的影响考虑进去。当用户快速移动时,由于信道相干时间与载波频率呈线性关系,因此毫米波信道的变化速度会比目前的蜂窝系统快得多。这表明时变毫米波信道的状态信息需要频繁更新,因此会产生大量的导频开销,造成频谱利用率的降低。通常对于移动态下的毫米波信道来说,最新技术的工作重点是两种类型的波束成形技术,称为波束训练和波束跟踪。这两种技术拥有一个共同的核心,即只需获取收发端之间最强信号的角度方向,而无需显示的信道估计。波束训练可以将波束从当前的模式切换到更佳的波束模式,且复杂度较低。波束跟踪可以调节波束方向,跟踪特定的传播路径,具有高容量和充分的灵活性。为了确保移动过程中的高数据速率通信,通常采用波束跟踪的方式进行方法研究。
发明内容
本发明主要目的在于设计一种波束跟踪算法以此来降低毫米波通信系统中产生的导频开销和由于反复使用波束训练所带来的算法复杂度。本发明提出了一种利用信道在连续时刻的相关性,并以此采用概率模型对波束进行跟踪的算法模型。
本发明的技术方案是,基于概率模型的毫米波波束跟踪方法,用于毫米波通信系统,其特征在于,包括以下步骤:
S1、用户端获取最佳编码与初始码本:
其中,Wk,m表示第k个用户m时刻接收端编码矩阵,Hk[m]表示第k个用户在m时刻的信道矢量,Fm表示基站端编码矩阵,H表示矩阵求共轭转置;
以满足用户端的最大接收功率为目的获得最佳编码:
通过码本计算公式获得初始码本:
AUE=[aUE(θ1),…,aUE(θGUE)]
θgUE∈ΓUE,gUE=1,2,…,GUE
其中,GUE为用户端的量化格点数,用户端的初始角度范围为[θmin,θmax],aUE(θGUE)表示用户端角度θGUE所对应的天线阵列矢量,Γ为集合符号;
S2、用户端与基站端通过波束训练获得精确角度信息:
基于上述方法,通过基站和用户两端反复发送导频信号进行训练,直至收敛,获得精确的角度信息;
S3、采用马尔可夫随机过程来模拟AoAs/AoDs的时间动态特性,实现波束跟踪:
当获取到精确的角度信息后,通过公式:
运用梯度下降法来获得最佳实时角度,其中,为偏导符号,σ2为噪声功率,Θ=yk[m]-aUE(θk,m)Xk,m, 且对有ad(nd)=nd-1,NUE表示用户端接收天线数量,符号代表Hadamard乘积。
本发明的有益效果是:
1)利用毫米波信道矩阵的特征,对信道矩阵进行分解获得LoS径的波束信息,并在此基础上,结合概率模型和梯度下降法对多用户信道的角度信息进行跟踪,相对于传统的跟踪算法,会获得更优的性能。
2)本方法经过仿真测试最多4次迭代即可收敛,获得较准确信息,由此造成的导频开销较小,可以在极短的时间内建立稳定且高效的链路,对于快时变场景中的波束训练非常关键。
3)本发明所提方法是无码本的,采用梯度下降法可以较好地逼近真实角度值,相较于其他基于角度网格的算法,本发明所得角度量化精度高,因此本发明所提方法性能优于其他波束跟踪方法。
附图说明
图1为本发明波束训练迭代构成图
图2为波束跟踪算法性能随SNR变化曲线图
图3为本发明所提跟踪方法对用户端时变角度的跟踪情况
具体实施方式
下面结合附图,详细描述本发明的技术方案。
本发明的方案,首先由用户端信息获得最佳编码,即通过用户端接收功率
其中LBS表示基站端射频链个数,Wk,m表示第k个用户m时刻收端编码矩阵,Hk[m]表示第k个用户在m时刻的信道矢量,Fm表示基站端编码矩阵,H表示矩阵求共轭转置。
问题转化为寻找最优的Wk,m满足用户端的最大接收功率
通过码本计算公式获得初始码本:
AUE=[aUE(θ1),…,aUE(θGUE)]
θgUE∈ΓUE,gUE=1,2,…,GUE
其中,GUE为用户端的量化格点数,用户端的初始角度范围为[θmin,θmax],aUE(θGUE)表示用户端角度θGUE所对应的天线阵列矢量,Γ为集合符号。
获得最佳编码和初始码本后,用户端与基站端通过波束训练获得精确角度信息。如图1所示,本发明采用了一种改进波束训练方法来获得信道LoS径的最优波束角度,具体包括:
用户端
S2、计算最佳编码与码本中的每一项的内积,即并找出Σ中的最大项所对应的码本项以及该码本项所对应的角度和下标计算如果△θ<ε0,则将作为下一次上行信道的预编码,将作为当前用户的AoA,然后跳出循环。否则,进入步骤3。
基站端
S1、初始化令系统残差γ=y[m+1],角度误差门限为ε0,并令k=1作为外围循环迭代参数,表示当前训练的用户。
S3、本步为内层循环,用于迭代获取当前用户的波束信息。迭代步骤如下:
S4、将作为下一次下行信道的预编码,作为基站端对应当前用户的AoA,计算择选出的码本在接收信号上的投影,即并更新系统残差然后令k=k+1,如果k>K,跳出外层循环,结束本次训练过程,否则进入下一次外层循环。
用上述波束训练算法获取角度信息需要基站和用户两端反复发送导频信号进行训练,直至算法收敛,获得精确的角度信息。
当获取到最佳角度值后,采用马尔可夫随机过程来模拟AoAs/AoDs的时间动态特性。在该模型中当前波束角度值φk,l,m的分布仅依赖于前一时刻φk,l,m-1的状态而与上一时刻之前的时刻无关,即φk,l,m的分布满足
m时刻用户k在未经组合编码处理时的接收信号为
yk[m]=Hk[m]FmSm+n
最后得到下式
如图2所示,为波束跟踪算法性能随SNR变化曲线图,其中Algorithm1为J.Palacios,D.Donno,和J.Widmer在文章“Tracking mm-Wave channel dynamics:fastbeam training strategies under mobility”中所提出的波束跟踪算法。Algorithm2为Z.Xiao,P.Xia和X.G.Xia在文章“New Beam Tracking Technique for Millimeter Wave-band Communications”中所提出的一种波束跟踪算法。
如图3所示,为本发明所提跟踪方法对用户端时变角度的跟踪情况,其中Algorithm1为J.Palacios,D.Donno,和J.Widmer在文章“Tracking mm-Wave channeldynamics:fast beam training strategies under mobility”中所提出的波束跟踪算法。Algorithm2为Z.Xiao,P.Xia和X.G.Xia在文章“New Beam Tracking Technique forMillimeter Wave-band Communications”中所提出的一种波束跟踪算法。
综上所述,本发明主要运用了信道角度变化连续特性,构建了一种基于马尔可夫概率模型的毫米波波束训练与波束跟踪方法,由于在该模型下当前时刻波束角度值φk,l,m只与上一时刻波束角度值φk,l,m-1的状态有关,因此该方法可用于在快时变信道下以较低的导频开销获得波束最佳角度,提升波束训练与波束跟踪算法性能。
Claims (1)
1.基于概率模型的毫米波波束跟踪方法,用于毫米波通信系统,其特征在于,包括以下步骤:
S1、用户端获取最佳编码与初始码本:
其中,Wk,m表示第k个用户m时刻接收端编码矩阵,Hk[m]表示第k个用户在m时刻的信道矢量,Fm表示基站端编码矩阵,H表示矩阵求共轭转置;
以满足用户端的最大接收功率为目的获得最佳编码:
通过码本计算公式获得初始码本:
θgUE∈ΓUE,gUE=1,2,…,GUE
S2、用户端与基站端通过波束训练获得精确角度信息:
基于上述方法,通过基站和用户两端反复发送导频信号进行训练,直至收敛,获得精确的角度信息;
S3、采用马尔可夫随机过程来模拟AoAs/AoDs的时间动态特性,实现波束跟踪:
当获取到精确的角度信息后,通过公式:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110146689.9A CN112910524A (zh) | 2021-02-03 | 2021-02-03 | 基于概率模型的毫米波波束跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110146689.9A CN112910524A (zh) | 2021-02-03 | 2021-02-03 | 基于概率模型的毫米波波束跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112910524A true CN112910524A (zh) | 2021-06-04 |
Family
ID=76121713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110146689.9A Pending CN112910524A (zh) | 2021-02-03 | 2021-02-03 | 基于概率模型的毫米波波束跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112910524A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115065981A (zh) * | 2022-08-16 | 2022-09-16 | 新华三技术有限公司 | 一种波束追踪方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108370359A (zh) * | 2015-12-03 | 2018-08-03 | Idac控股公司 | 在dft-扩展-odfm内使用循环前缀及零值尾部 |
CN109861933A (zh) * | 2018-11-28 | 2019-06-07 | 中国传媒大学 | 一种基于music算法和预编码的毫米波mimo信道估计方法 |
CN110519188A (zh) * | 2019-08-20 | 2019-11-29 | 电子科技大学 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
CN110971279A (zh) * | 2019-12-30 | 2020-04-07 | 东南大学 | 一种毫米波通信系统中智能波束训练方法及预编码系统 |
CN111865370A (zh) * | 2019-04-30 | 2020-10-30 | 华为技术有限公司 | 一种确定信号到达角的方法、装置和系统 |
-
2021
- 2021-02-03 CN CN202110146689.9A patent/CN112910524A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108370359A (zh) * | 2015-12-03 | 2018-08-03 | Idac控股公司 | 在dft-扩展-odfm内使用循环前缀及零值尾部 |
CN109861933A (zh) * | 2018-11-28 | 2019-06-07 | 中国传媒大学 | 一种基于music算法和预编码的毫米波mimo信道估计方法 |
CN111865370A (zh) * | 2019-04-30 | 2020-10-30 | 华为技术有限公司 | 一种确定信号到达角的方法、装置和系统 |
CN110519188A (zh) * | 2019-08-20 | 2019-11-29 | 电子科技大学 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
CN110971279A (zh) * | 2019-12-30 | 2020-04-07 | 东南大学 | 一种毫米波通信系统中智能波束训练方法及预编码系统 |
Non-Patent Citations (1)
Title |
---|
熊心宇: ""毫米波通信中的移动性研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115065981A (zh) * | 2022-08-16 | 2022-09-16 | 新华三技术有限公司 | 一种波束追踪方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Robust transmission for reconfigurable intelligent surface aided millimeter wave vehicular communications with statistical CSI | |
CN109617583B (zh) | 一种预编码与功率分配联合优化方法 | |
JP6539503B2 (ja) | 大規模mimoシステムにおいて情報を送信するのに使用するための送受信機及び方法 | |
US8140024B2 (en) | Fast convergence to optimal beam patterns | |
KR102154481B1 (ko) | 딥러닝을 이용한 대규모 mimo 시스템의 빔포밍 장치 및 방법 | |
CN111835406B (zh) | 适用于多波束卫星通信的能效谱效权衡的鲁棒预编码方法 | |
CN110519189A (zh) | 高度移动场景下基于压缩感知的毫米波信道估计方法 | |
WO2020088489A1 (en) | Channel Prediction for Adaptive Channel State Information (CSI) Feedback Overhead Reduction | |
CN108667493B (zh) | 一种面向大规模mimo中nlos场景下的波束赋形方法 | |
CN102158312A (zh) | 基于信号空间对齐的共信道多用户干扰抑制方法 | |
CN105680965A (zh) | 无线携能通信收发机模型获得方法和装置 | |
KR20210128841A (ko) | Mimo를 지원하는 무선 통신 시스템에서 채널 추정 방법 및 장치 | |
KR20210115526A (ko) | 무선 통신 시스템에서 적응적으로 빔 폭을 제어하기 위한 장치 및 방법 | |
CN109361434B (zh) | 基站协作传输的毫米波mimo混合预编码方法 | |
CN110719127A (zh) | 一种具有恒模约束的毫米波mimo系统波束成形方法 | |
CN112910524A (zh) | 基于概率模型的毫米波波束跟踪方法 | |
CN109067446A (zh) | 一种多天线多用户大规模天线的混合预编码方法 | |
CN104617998A (zh) | 一种闭环mimo非合作接收方法及其装置 | |
Ebrahiem et al. | A deep learning approach for channel estimation in 5G wireless communications | |
Boby et al. | A wireless precoding technique for millimetre-wave MIMO system based on SIC-MMSE | |
Liu et al. | Hybrid beamforming based on minimum mean square error for multi-user multi-data stream system | |
Fedosov et al. | Adaptive algorithm for MIMO-system of the wireless access for the receiver of the mobile station | |
CN111277313B (zh) | 基于二分图的蜂窝车联网大规模mimo波束选择与传输方法 | |
EP4264849A1 (en) | Transceiver method between receiver (rx) and transmitter (tx) in an overloaded communication channel | |
Alevizos et al. | Non-uniform directional dictionary-based limited feedback for massive MIMO 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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210604 |