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 PDF

Info

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
Application number
CN202110146689.9A
Other languages
English (en)
Inventor
程龙
傅裕钦
岳光荣
王志强
熊心宇
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110146689.9A priority Critical patent/CN112910524A/zh
Publication of CN112910524A publication Critical patent/CN112910524A/zh
Pending legal-status Critical Current

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
    • H04B7/06—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

基于概率模型的毫米波波束跟踪方法
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：
设m时刻基站端导频符号为
Figure BDA0002930741530000021
LBS表示基站端射频链个数，用户端的接收信号为：
Figure BDA0002930741530000022
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：
Figure BDA0002930741530000023
其中，maxPk表示第k个用户接收功率的最大值，
Figure BDA0002930741530000024
则
Figure BDA0002930741530000025
的主特征向量
Figure BDA0002930741530000026
即为最佳的Wk,m；
通过码本计算公式获得初始码本：
AUE＝[aUE(θ1),…,aUE(θGUE)]
Figure BDA0002930741530000027
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：
根据获得的最佳编码和初始码本，计算最佳编码与码本中的每一项的内积，即
Figure BDA0002930741530000031
并找出Σ中的最大项所对应的码本项
Figure BDA0002930741530000032
以及该码本项所对应的角度
Figure BDA0002930741530000033
和下标
Figure BDA0002930741530000034
在完成了当前时刻用户端的波束训练操作之后，根据选出的码本项
Figure BDA0002930741530000035
作为下一时刻上行链路的预编码向基站发送导频信号，令用户发送的导频符号为Sm+1＝1，则基站端在未进行组合编码操作前收到的信号为
Figure BDA0002930741530000036
其中，
Figure BDA0002930741530000037
表示基站端第k个用户在m时刻角度
Figure BDA0002930741530000038
所对应的天线阵列矢量，αk,1表示第k条径的复增益，n为高斯噪声；
采用格点匹配的波束训练方式，将每一个用户的角度信息迭代出来，令用户端角度量化的格点数为GBS，基站端每个用户的初始角度范围为
Figure BDA0002930741530000039
根据码本公式计算基站端的初始码本ABS，以同样的方法用于基站端波束训练；
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：
Figure BDA00029307415300000310
运用梯度下降法来获得最佳实时角度，其中，
Figure BDA00029307415300000311
为偏导符号，σ2为噪声功率，Θ＝yk[m]-aUE(θk,m)Xk,m，
Figure BDA0002930741530000041
Figure BDA0002930741530000042
且对
Figure BDA0002930741530000043
有ad(nd)＝nd-1，NUE表示用户端接收天线数量，符号
Figure BDA0002930741530000047
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
Figure BDA0002930741530000044
来获得最佳编码，令矩阵
Figure BDA0002930741530000045
求得该矩阵主特征向量，该特征向量即为最佳编码。具体是：
下行信道，忽略噪声影响，m时刻基站端导频符号
Figure BDA0002930741530000046
经过预编码，信道，组合编码后在用户端的接收信号为
Figure BDA0002930741530000051
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
Figure BDA0002930741530000052
其中，maxPk表示第k个用户接收功率的最大值，
Figure BDA0002930741530000053
则
Figure BDA0002930741530000054
的主特征向量
Figure BDA0002930741530000055
即为最佳的Wk,m。
通过码本计算公式获得初始码本：
AUE＝[aUE(θ1),…,aUE(θGUE)]
Figure BDA0002930741530000056
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
S1、初始化：令
Figure BDA0002930741530000057
和
Figure BDA0002930741530000058
表示当前用户的初始角度范围，并根据码本计算公式计算出初始的码本
Figure BDA0002930741530000059
然后令迭代系数i＝1，作为波束训练的起点，最后假设初始的角度为
Figure BDA00029307415300000510
和误差门限ε0作为后续循环的跳出条件。
S2、计算最佳编码与码本中的每一项的内积，即
Figure BDA00029307415300000511
并找出Σ中的最大项所对应的码本项
Figure BDA00029307415300000512
以及该码本项所对应的角度
Figure BDA00029307415300000513
和下标
Figure BDA00029307415300000514
计算
Figure BDA00029307415300000515
如果△θ<ε0，则将
Figure BDA0002930741530000061
作为下一次上行信道的预编码，将
Figure BDA0002930741530000062
作为当前用户的AoA，然后跳出循环。否则，进入步骤3。
S3、根据择选出的角度，进一步增加量化精度，重新计算码本所对应的角度范围
Figure BDA0002930741530000063
和
Figure BDA0002930741530000064
其中η为迭代步长。计算出新的训练码本
Figure BDA0002930741530000065
然后令i＝i+1重新进入下一次循环操作。
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。
S2、本步为外围循环，用于获取每个用户的波束信息。令
Figure BDA0002930741530000066
和
Figure BDA0002930741530000067
表示当前用户的初始角度范围，令初始码本
Figure BDA0002930741530000068
i＝1为内层循环迭代参数，令当前用户的初始角度为
Figure BDA0002930741530000069
为内层循环的跳出条件。
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：
1)计算残差与码本中每一项的内积，即
Figure BDA00029307415300000610
并找出Σ中最大项所对应的码本项
Figure BDA00029307415300000611
以及该项所对应的角度
Figure BDA00029307415300000612
和下标
Figure BDA00029307415300000613
计算
Figure BDA00029307415300000614
如果
Figure BDA00029307415300000615
则进入步骤4。
2)为了提高量化精度，重新计算码本所对应的角度范围
Figure BDA00029307415300000616
和
Figure BDA00029307415300000617
并根据公式(4-5)计算出下一次迭代的训练码本
Figure BDA00029307415300000618
然后令i＝i+1进入下一次循环操作。
S4、将
Figure BDA00029307415300000619
作为下一次下行信道的预编码，
Figure BDA00029307415300000620
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
Figure BDA00029307415300000621
并更新系统残差
Figure BDA00029307415300000622
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
Figure BDA0002930741530000071
其中，Pr表示马尔科夫概率，N表示高斯分布，
Figure BDA0002930741530000072
为信道中高斯分布的均方误差。参数
Figure BDA0002930741530000073
的大小表示用户相对于基站的移动程度，
Figure BDA0002930741530000074
越大用户的移动性越强。
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
其中，n～CN(0,2σ2I)为均匀独立分布的高斯白噪声矢量，导频符号Sm与波束训练阶段一致。转化为寻找
Figure BDA0002930741530000075
的最大化问题，即
Figure BDA0002930741530000076
在上式中
Figure BDA0002930741530000077
为最佳角度
Figure BDA0002930741530000078
的先验概率，得到以下
Figure BDA0002930741530000079
计算公式
Figure BDA00029307415300000710
其中
Figure BDA00029307415300000711
为常数，
Figure BDA00029307415300000712
为角度均值。
Figure BDA00029307415300000713
为测量目标函数，进一步获得
Figure BDA00029307415300000714
计算公式
Figure BDA00029307415300000715
其中，
Figure BDA0002930741530000081
Figure BDA0002930741530000082
为常数，||||F为矩阵F范数。
最后得到下式
Figure BDA0002930741530000083
其中，
Figure BDA0002930741530000086
为偏导符号，Θ＝yk[m]-aUE(θk,m)Xk,m，
Figure BDA0002930741530000084
且对
Figure BDA0002930741530000085
有ad(nd)＝nd-1，NUE表示用户端接收天线数量，符号
Figure BDA0002930741530000087
代表Hadamard乘积。
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：
设m时刻基站端导频符号为
Figure FDA0002930741520000011
LBS表示基站端射频链个数，用户端的接收信号为：
Figure FDA0002930741520000012
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：
Figure FDA0002930741520000013
其中，maxPk表示第k个用户接收功率的最大值，
Figure FDA0002930741520000014
则
Figure FDA0002930741520000015
的主特征向量
Figure FDA0002930741520000016
即为最佳的Wk,m；
通过码本计算公式获得初始码本：
Figure FDA0002930741520000017
Figure FDA0002930741520000018
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]，
Figure FDA0002930741520000019
表示用户端角度
Figure FDA00029307415200000110
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：
根据获得的最佳编码和初始码本，计算最佳编码与码本中的每一项的内积，即
Figure FDA00029307415200000111
并找出Σ中的最大项所对应的码本项
Figure FDA00029307415200000112
以及该码本项所对应的角度
Figure FDA0002930741520000021
和下标
Figure FDA0002930741520000022
在完成了当前时刻用户端的波束训练操作之后，根据选出的码本项
Figure FDA0002930741520000023
作为下一时刻上行链路的预编码向基站发送导频信号，令用户发送的导频符号为Sm+1＝1，则基站端在未进行组合编码操作前收到的信号为
Figure FDA0002930741520000024
其中，
Figure FDA0002930741520000025
表示基站端第k个用户在m时刻角度
Figure FDA0002930741520000026
所对应的天线阵列矢量，αk,1表示第k条径的复增益，n为高斯噪声；
采用格点匹配的波束训练方式，将每一个用户的角度信息迭代出来，令用户端角度量化的格点数为GBS，基站端每个用户的初始角度范围为
Figure FDA0002930741520000027
根据码本公式计算基站端的初始码本ABS，以同样的方法用于基站端波束训练；
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：
Figure FDA0002930741520000028
运用梯度下降法来获得最佳实时角度
Figure FDA0002930741520000029
其中，
Figure FDA00029307415200000210
为偏导符号，σ2为噪声功率，Θ＝yk[m]-aUE(θk,m)Xk,m，
Figure FDA00029307415200000211
且对
Figure FDA00029307415200000212
有ad(nd)＝nd-1，NUE表示用户端接收天线数量，符号
Figure FDA00029307415200000213
代表Hadamard乘积。
CN202110146689.9A 2021-02-03 2021-02-03 基于概率模型的毫米波波束跟踪方法 Pending CN112910524A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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
Zhou et al. Efficient codebook-based MIMO beamforming for millimeter-wave WLANs
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
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
CN107809275B (zh) 一种基于毫米波mimo系统的有限反馈混合预编码方法
CN105471775B (zh) 一种大规模mimo系统中低复杂度的信道估计方法
CN109067446B (zh) 一种多天线多用户大规模天线的混合预编码方法
KR20210128841A (ko) Mimo를 지원하는 무선 통신 시스템에서 채널 추정 방법 및 장치
CN105680965A (zh) 无线携能通信收发机模型获得方法和装置
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
CN112910524A (zh) 基于概率模型的毫米波波束跟踪方法
EP3343795B1 (en) Adaptive parameter adjustment method for hybrid precoding millimeter-wave transmission system
CN102651661B (zh) Td-lte系统中的干扰对齐方法
CN110719127B (zh) 一种具有恒模约束的毫米波mimo系统波束成形方法
Ebrahiem et al. A deep learning approach for channel estimation in 5G wireless communications
Liu et al. Hybrid beamforming based on minimum mean square error for multi-user multi-data stream system
Boby et al. A wireless precoding technique for millimetre-wave MIMO system based on SIC-MMSE
US20240063858A1 (en) Transceiver method between receiver (Rx) and transmitter (Tx) in an overloaded communication channel
Fedosov et al. Adaptive algorithm for MIMO-system of the wireless access for the receiver of the mobile station

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