CN113131981B - 一种混合波束成形方法、装置及存储介质 - Google Patents
一种混合波束成形方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113131981B CN113131981B CN202110304618.7A CN202110304618A CN113131981B CN 113131981 B CN113131981 B CN 113131981B CN 202110304618 A CN202110304618 A CN 202110304618A CN 113131981 B CN113131981 B CN 113131981B
- Authority
- CN
- China
- Prior art keywords
- matrix
- digital
- solving
- beam matrix
- variables
- 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
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
- H04B7/06—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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种混合波束成形方法、装置及存储介质,其中方法包括:以模拟波束矩阵、数字波束矩阵和数字合并矩阵为变量,依据最小平方准则分别建立通信和雷达的波束成形目标函数;设置权重因子,组合得到联合目标函数;对于三个变量通过交替最小化准则分解为三个变量求解子问题并分别求解;基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解。基于最优解可实现同时兼顾通信与雷达性能的混合波束成形的联合设计。该方案可用于未来基于毫米波大规模MIMO的6G移动通信基站,在有效提升基站下行通信速率和信道容量的同时,通过集中波束主瓣功率来增强雷达感知能力。
Description
技术领域
本发明涉及未来6G移动通信系统中的感知通信一体化技术领域,尤其涉及一种同时兼顾雷达与通信性能的混合波束成形方法、装置及存储介质。
背景技术
在通信领域,具体针对MIMO(multiple-in multiple-out)多天线多用户系统,基站端对用户的波束赋型能将MIMO信道正交化从而对信道进行空间分集提升信道容量达到成倍增加通信传输速率的目的,波束赋型多在基带数字端加一个预编码(波束)矩阵来实现。然而在射频端天线空口,基带数字流要映射到发射天线中间还需要射频链来过渡,当天线维数比较大时,需要射频链会达到很大数量级,这在通信系统中是很大的开销,因此,还需要增加一个模拟波束矩阵处理射频链到天线的映射,数字与模拟相乘结合才构成整体的波束成型(预编码)矩阵将信道正交化。传统信道正交化的方法一般是先获取信道响应矩阵估计,然后对信道矩阵做奇异值分解得到奇异值左右向量,预编码矩阵即为奇异值向量的组合。另外对于目标函数,传统方法也有基于香农定理的最大信干噪比(SINR,signaltointerferencenoiseratio)准则的目标函数,从而获取最大下行通信速率和信道容量。在该准则下目标函数的求解方法,国内外已经有很多文献研究进行阐述,如纳什均衡算法、子空间重构算法、邻近最优子问题分解法等等。
在雷达领域,波束赋型目的是为了增强感知目标的接收灵敏度,将发射波束在某一特定方向(主瓣)的功率集中,而在杂散方向(副瓣)进行抑制。传统雷达波束赋型方法一般采用传统矩阵信号处理手段,如最小二乘(LS,leastsquare)准则,最小均方误差准则(MMSE,minimummeansquareerror)以及一些自适应迭代信号处理手段,如最小均方(LMS)迭代算法,递推最小平方(RLS,Recursive Least Square)算法等。相对而言,只有LS算法复杂度最低,而上述几种算法复杂度有的需要矩阵求逆,有的需要迭代,因此算法复杂度很高。
然而到目前为止,还没有文献研究将两者联合研究统一在一个波束成型框架下,雷达感知与移动通信的深度融合,可提供比5G移动通信系统更好的系统容量、频谱效率和空间信息感知能力。混合波束形成如何在未来6G感知通信一体化中最大限度地发挥其优势,即进一步兼顾移动通信与雷达感知的性能,成为急需解决的问题。
发明内容
本发明提供了一种混合波束成形方法、装置及存储介质,以解决现有技术中移动通信与雷达感知性能兼顾效果不佳的问题。
第一方面,提供了一种混合波束成形方法,包括:
以模拟波束矩阵、数字波束矩阵和数字合并矩阵为变量,依据最小平方准则分别建立通信和雷达的波束成形目标函数;
对通信和雷达的波束成形目标函数设置权重因子,组合得到联合目标函数;
对于模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解;
基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解;
基于模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解对通信与雷达混合波束成形。
进一步地,所述对于模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解,具体包括:
对于模拟波束矩阵,固定数字波束矩阵和数字合并矩阵,采用黎曼流形优化法求解;
对于数字波束矩阵,固定模拟波束矩阵和数字合并矩阵,采用最小梯度法求出闭合表达式;
对于数字合并矩阵,固定模拟波束矩阵、数字波束矩阵,采用奇异值分解法求解。
进一步地,所述联合目标函数如下式所示:
其中,为已知信道矩阵,U代表用户数目,N TX 、N RX
分别为发射阵列天线数目和所有用户接收阵列天线数目;s为发射数据流,满足,表示统计期望,I表示单位矩阵,N S 为数据流数目;为
已知目标方向矩阵;ρ为权重因子;变量分别表
示模拟波束矩阵、数字波束矩阵,N RF 为射频链数目;表示数字合并
矩阵,表示FA可行解集合,P为常量,表示向量范数,表示矩阵范数。
进一步地,对于数字波束矩阵FD采用最小梯度法求出闭合表达式,具体包括:
FA、W固定时,推导出联合目标函数关于FD是凸函数,得到:
对联合目标函数求关于FD的梯度并令之等于0,得到:
进而得到:
进一步地,对于数字合并矩阵W采用奇异值分解法求解,具体包括:
进一步地,所述基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到数字波束矩阵FA、模拟波束矩阵FD及数字合并矩阵W的最优解,具体包括:
联合目标函数由于FA的非凸约束导致整体都是非凸的,传统的OMP算法基于发射阵列有限集搜索,这限制了可行模拟波束形成矩阵方案的空间,不可避免地会造成一些性能损失相比,基于黎曼流形优化的交替优化算法根据黎曼梯度下降方向可以有效地迭代到模拟波束形成矩阵的最优解,并且交替过程中另外两个变量都是闭环解,保证目标函数单调下降,这避免了陷入局部最优解的情况。
进一步地,求解模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解交替迭代优化结束,归一化FD满足功率约束条件:
第二方面,提供了一种混合波束成形装置,包括:
目标函数构建模块:用于以模拟波束矩阵、数字波束矩阵和数字合并矩阵为变量,依据最小平方准则分别建立通信和雷达的波束成形目标函数;对通信和雷达的波束成形目标函数设置权重因子,组合得到联合目标函数;
变量求解模块:用于对模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解;
迭代模块,用于基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解;
波束成形模块,用于基于模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解对通信与雷达混合波束成形。
第三方面,提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序适于被处理器加载并执行如上所述的混合波束成形方法。
有益效果
本发明提出了一种混合波束成形方法、装置及存储介质,通过求解模拟波束矩阵、数字波束矩阵和数字合并矩阵这三个变量,并通过求解的最优解对通信与雷达混合波束成形,将雷达感知与移动通信的深度融合,可提供比5G移动通信系统更好的系统容量、频谱效率和空间信息感知能力。本发明提供的混合波束成形能够在复杂电磁环境下,聚焦电磁波能量以获得特定方向高增益的同时,有效降低系统硬件成本,且该兼顾雷达感知与移动通信性能的混合波束成形方案可用于未来基于毫米波大规模MIMO的6G移动通信基站,在有效提升基站下行通信速率和信道容量的同时,进一步增强雷达感知主瓣功率,即最大限度地增强基站的空间信息感知能力。本发明首次将雷达和通信联合在一个框架下研究,通过调节权重因子可以使得通信与雷达波束成形性能达到设定的效果,极端情况下,可以完全追求通信波束成形性能或者雷达波束成形性能,若某一种体制性能达到最低门限,可最大化另外一种体制性能。
附图说明
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种混合波束成形方法流程示意图;
图2是本发明实施例提供的黎曼流形优化原理示意图;
图3是本发明实施例提供的通过计算机迭代法求联合解的流程示意图;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅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没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
实施例1
如图1所示,本实施例提供了一种混合波束成形方法,包括:
S1:以模拟波束矩阵、数字波束矩阵和数字合并矩阵为变量,依据最小平方准则分别建立通信和雷达的波束成形目标函数;
S2:对通信和雷达的波束成形目标函数设置权重因子,组合得到联合目标函数;
S3:对于模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解;
S4:基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解;
S5:基于模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解对通信与雷达混合波束成形。
具体地,所述联合目标函数如下式所示:
其中,为已知信道矩阵,U代表用户数目,N TX 、N RX
分别为发射阵列天线数目和所有用户接收阵列天线数目,表示复矢量空间;s为发射数据
流,满足,表示统计期望,I表示单位矩阵,N S 为数据流数目;为已知目标方向矩阵;ρ为权重因子;变量分别表示模拟波束矩阵、数字波束矩阵,N RF 为
射频链数目;表示数字合并矩阵,表示FA可行解集合,P为常量,表示向量范数,表示矩阵范数。
本实施例中,所述对于模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解,具体过程如下。
(1)求解模拟波束矩阵问题
1)黎曼梯度
2)黎曼流形回溯retraction
其中,步长可以通过经典的Armijo规则计算,为Polak-Ribière参数。对
于黎曼流形,用黎曼梯度代替欧几里德梯度。然而,由于和属于不
同的切空间和,式(5)不能直接组合,因此,我们通过(3)中使用的“投影”
将这个映射关系表示为“transport”,下降方向d的transport为:
因此,式(6)可以重新表述为:
(2)求解数字波束矩阵问题
求解数字波束矩阵FD时,固定模拟波束矩阵FA和数字合并矩阵W,采用最小梯度法求出闭合表达式;具体包括:
FA、W固定时,推导出联合目标函数关于FD是凸函数,得到:
对联合目标函数求关于FD的梯度并令之等于0,得到:
进而得到:
(3)求解数字合并矩阵问题
求解数字合并矩阵W时,固定模拟波束矩阵FA、数字波束矩阵FD,采用奇异值分解法求解。具体包括:
本实施例中,所述基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到数字波束矩阵FA、模拟波束矩阵FD及数字合并矩阵W的最优解,具体包括:
并且,求解模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解交替迭代优化结束,归一化FD满足功率约束条件:
实施例2
本实施例提供了一种混合波束成形装置,包括:
目标函数构建模块:用于以模拟波束矩阵、数字波束矩阵和数字合并矩阵为变量,依据最小平方准则分别建立通信和雷达的波束成形目标函数;对通信和雷达的波束成形目标函数设置权重因子,组合得到联合目标函数;
变量求解模块:用于对模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解;
迭代模块,用于基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解;
波束成形模块,用于基于模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解对通信与雷达混合波束成形。
实施例3
本实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序适于被处理器加载并执行如上述实施例所述的混合波束成形方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
为进一步对理解本发明,现以具体实例对本方案作进一步说明。
分别选取通信频谱效率(SE,spectrumefficiency)和雷达方向图作为基准来衡量通信和雷达的性能。
通信场景下,设定发射端总功率为8,信噪比的范围为。
设置个用户且每个用户的数据流为,即。每个用户配备根
天线,由于用户端采用全数字组合器,即用户接收端的射频链路数为。设置
发射端的射频链数目为,发射天线数目为。设置全数字波束形成方法与
OMP- HBF(orthogonalmatchpursuinghybridbeam forming,正交匹配追踪混合波束形成)
方法进行比对。雷达场景下,假设三个待探测雷达目标的位置角为,目标方向图
采用传统LS方法计算得出,同样设置OMP- HBF方法进行比对。
以上实例说明本发明波束成形方法可以很好地实现雷达与通信性能的折衷,即使
在半通信雷达场景下,性能依然优于传统方法。实际中,对于本发明通信与雷达联合
波束成型方法,可以权衡,当某一系统性能达到最低门限要求时,可使得另一系统性能达到
最大化。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种混合波束成形方法,其特征在于,包括:
以模拟波束矩阵、数字波束矩阵和数字合并矩阵为变量,依据最小平方准则分别建立通信和雷达的波束成形目标函数;
对通信和雷达的波束成形目标函数设置权重因子,组合得到联合目标函数;
对于模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解;
基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解;
基于模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解对通信与雷达混合波束成形;
所述基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵FA、数字波束矩阵FD及数字合并矩阵W的最优解,具体包括:
输入预设的目标方向矩阵Frad,信道矩阵H,权重因子ρ∈[0,1],迭代精度ε>0,常量P,最大迭代次数Imax>0;
计算初始联合目标函数f(0),并令i=0;
迭代过程:令i=i+1;分别对模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量进行求解;计算目标函数f(i+1);
当|f(i+1)-f(i)|≤ε或i=Imax时,输出模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解FA、FD、W;否则,重复上述迭代过程。
2.根据权利要求1所述的混合波束成形方法,其特征在于,所述对于模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解,具体包括:
对于模拟波束矩阵,固定数字波束矩阵和数字合并矩阵,采用黎曼流形优化法求解;
对于数字波束矩阵,固定模拟波束矩阵和数字合并矩阵,采用最小梯度法求出闭合表达式;
对于数字合并矩阵,固定模拟波束矩阵、数字波束矩阵,采用奇异值分解法求解。
4.根据权利要求3所述的混合波束成形方法,其特征在于,对于模拟波束矩阵FA采用黎曼流形优化法求解的过程包括:
使用retraction来更新x(i+1),复斜线上x的retraction从i更新到i+1的公式为:
其中,步长δ(i)可以通过经典的Armijo规则计算,μ(i+1)为Polak-Ribière参数,d为x的下降方向;
最后通过式FA=Inverse-vectorize(x)得到模拟波束矩阵FA。
8.一种混合波束成形装置,其特征在于,包括:
目标函数构建模块:用于以模拟波束矩阵、数字波束矩阵和数字合并矩阵为变量,依据最小平方准则分别建立通信和雷达的波束成形目标函数;对通信和雷达的波束成形目标函数设置权重因子,组合得到联合目标函数;
变量求解模块:用于对模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量,通过交替最小化准则分解为三个变量求解子问题并分别求解;
迭代模块,用于基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解;
波束成形模块,用于基于模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解对通信与雷达混合波束成形;
所述基于联合目标函数,采用交替迭代法迭代三个变量求解子问题求解过程,得到模拟波束矩阵FA、数字波束矩阵FD及数字合并矩阵W的最优解,具体包括:
输入预设的目标方向矩阵Frad,信道矩阵H,权重因子ρ∈[0,1],迭代精度ε>0,常量P,最大迭代次数Imax>0;
计算初始联合目标函数f(0),并令i=0;
迭代过程:令i=i+1;分别对模拟波束矩阵、数字波束矩阵和数字合并矩阵三个变量进行求解;计算目标函数f(i+1);
当|f(i+1)-f(i)|≤ε或i=Imax时,输出模拟波束矩阵、数字波束矩阵和数字合并矩阵的最优解FA、FD、W;否则,重复上述迭代过程。
9.一种计算机可读存储介质,其存储有计算机程序,其特征在于,所述计算机程序适于被处理器加载并执行如权利要求1至7任一项所述的混合波束成形方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110304618.7A CN113131981B (zh) | 2021-03-23 | 2021-03-23 | 一种混合波束成形方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110304618.7A CN113131981B (zh) | 2021-03-23 | 2021-03-23 | 一种混合波束成形方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113131981A CN113131981A (zh) | 2021-07-16 |
CN113131981B true CN113131981B (zh) | 2022-08-26 |
Family
ID=76773678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110304618.7A Active CN113131981B (zh) | 2021-03-23 | 2021-03-23 | 一种混合波束成形方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113131981B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115102585B (zh) * | 2022-05-23 | 2023-07-25 | 南京邮电大学 | Mimo雷达与多用户通信共存系统中的波束设计方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016015650A1 (en) * | 2014-07-29 | 2016-02-04 | Huawei Technologies Co., Ltd. | Device, network, and method for communications with spatial-specific sensing |
CN107181511A (zh) * | 2017-06-07 | 2017-09-19 | 深圳先进技术研究院 | 一种毫米波mimo系统的混合预编码方法及系统 |
EP3293897A1 (en) * | 2016-09-12 | 2018-03-14 | Rohde & Schwarz GmbH & Co. KG | System and method for characterization of multi-element antenna |
CN108173578A (zh) * | 2018-01-09 | 2018-06-15 | 北京航空航天大学 | 阵列天线模拟多波束赋形方法 |
CN108809397A (zh) * | 2018-06-27 | 2018-11-13 | 东南大学 | 多天线系统中高功效数模混合波束成形方法、装置及设备 |
KR20190028915A (ko) * | 2017-09-11 | 2019-03-20 | 한국과학기술원 | 5g 이동통신 및 레이더용 빔포밍 회로 |
CN110611526A (zh) * | 2019-09-20 | 2019-12-24 | 中国科学院上海微系统与信息技术研究所 | 基于改进黎曼流形优化的毫米波混合模/数波束成形方法 |
CN110719127A (zh) * | 2019-09-25 | 2020-01-21 | 东南大学 | 一种具有恒模约束的毫米波mimo系统波束成形方法 |
WO2020078547A1 (en) * | 2018-10-17 | 2020-04-23 | Nokia Solutions And Networks Oy | Position likelihood based beamformer optimization |
CN111786708A (zh) * | 2020-07-02 | 2020-10-16 | 电子科技大学 | 大规模mimo系统的联合信道信息获取方法 |
WO2020219954A1 (en) * | 2019-04-24 | 2020-10-29 | Aura Intelligent Systems, Inc. | Multi-stream mimo/beamforming radar |
CN111988073A (zh) * | 2020-08-28 | 2020-11-24 | 东南大学 | 面向宽带毫米波通信系统半动态子阵混合结构的设计方法 |
CN112422471A (zh) * | 2020-11-06 | 2021-02-26 | 南京大学 | 基于黎曼流型优化的雷达通信一体化信号设计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8223626B2 (en) * | 2008-01-11 | 2012-07-17 | Yim Tu Investments Ltd., Llc | Linear precoding for MIMO channels with outdated channel state information in multiuser space-time block coded systems with multi-packet reception |
US20120230380A1 (en) * | 2011-03-11 | 2012-09-13 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E. V. | Method for determining beamforming parameters in a wireless communication system and to a wireless communication system |
US20150109444A1 (en) * | 2013-10-22 | 2015-04-23 | GM Global Technology Operations LLC | Vision-based object sensing and highlighting in vehicle image display systems |
DE102017217056B4 (de) * | 2017-09-26 | 2023-10-12 | Audi Ag | Verfahren und Einrichtung zum Betreiben eines Fahrerassistenzsystems sowie Fahrerassistenzsystem und Kraftfahrzeug |
-
2021
- 2021-03-23 CN CN202110304618.7A patent/CN113131981B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016015650A1 (en) * | 2014-07-29 | 2016-02-04 | Huawei Technologies Co., Ltd. | Device, network, and method for communications with spatial-specific sensing |
EP3293897A1 (en) * | 2016-09-12 | 2018-03-14 | Rohde & Schwarz GmbH & Co. KG | System and method for characterization of multi-element antenna |
CN107181511A (zh) * | 2017-06-07 | 2017-09-19 | 深圳先进技术研究院 | 一种毫米波mimo系统的混合预编码方法及系统 |
KR20190028915A (ko) * | 2017-09-11 | 2019-03-20 | 한국과학기술원 | 5g 이동통신 및 레이더용 빔포밍 회로 |
CN108173578A (zh) * | 2018-01-09 | 2018-06-15 | 北京航空航天大学 | 阵列天线模拟多波束赋形方法 |
CN108809397A (zh) * | 2018-06-27 | 2018-11-13 | 东南大学 | 多天线系统中高功效数模混合波束成形方法、装置及设备 |
WO2020078547A1 (en) * | 2018-10-17 | 2020-04-23 | Nokia Solutions And Networks Oy | Position likelihood based beamformer optimization |
WO2020219954A1 (en) * | 2019-04-24 | 2020-10-29 | Aura Intelligent Systems, Inc. | Multi-stream mimo/beamforming radar |
CN110611526A (zh) * | 2019-09-20 | 2019-12-24 | 中国科学院上海微系统与信息技术研究所 | 基于改进黎曼流形优化的毫米波混合模/数波束成形方法 |
CN110719127A (zh) * | 2019-09-25 | 2020-01-21 | 东南大学 | 一种具有恒模约束的毫米波mimo系统波束成形方法 |
CN111786708A (zh) * | 2020-07-02 | 2020-10-16 | 电子科技大学 | 大规模mimo系统的联合信道信息获取方法 |
CN111988073A (zh) * | 2020-08-28 | 2020-11-24 | 东南大学 | 面向宽带毫米波通信系统半动态子阵混合结构的设计方法 |
CN112422471A (zh) * | 2020-11-06 | 2021-02-26 | 南京大学 | 基于黎曼流型优化的雷达通信一体化信号设计方法 |
Non-Patent Citations (5)
Title |
---|
Alternating Minimization Algorithms for Hybrid Precoding in Millimeter Wave MIMO Systems;Xianghao Yu .et al;《IEEE Journal of Selected Topics in Signal Processing》;20160203;全部 * |
Optimal Waveform Design for Dual-functional MIMO Radar-Communication Systems;Longfei Zhou .et al;《2018 IEEE/CIC International Conference on Communications in China (ICCC)》;20180818;第Ⅰ-Ⅴ节 * |
基于子空间投影的波束形成算法性能分析;余小游等;《电子技术应用》;20151010;全部 * |
毫米波大规模MIMO系统中数模混合波束形成优化算法的研究;陈俊飞;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200715;全部 * |
雷达通信融合系统中基于数字波束形成的DOA估计研究;马娟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190515;全部 * |
Also Published As
Publication number | Publication date |
---|---|
CN113131981A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111953391B (zh) | 智能反射面辅助的多用户mimo上行能效谱效联合优化方法 | |
Hu et al. | Statistical CSI based design for intelligent reflecting surface assisted MISO systems | |
Saeidi et al. | Weighted sum-rate maximization for multi-IRS-assisted full-duplex systems with hardware impairments | |
US9473223B2 (en) | Methods for optimal collaborative MIMO-SDMA | |
EP2229740B1 (en) | Zero-forcing linear beamforming for coordinated cellular networks with distributed antennas | |
JP5671634B2 (ja) | 無線セルラネットワークの端末において干渉を低減する方法、無線セルラネットワーク、無線ネットワークのノード及び中央ノード | |
CN111010219A (zh) | 可重构智能表面辅助的多用户mimo上行链路传输方法 | |
CN113746578A (zh) | 一种基于智能反射表面辅助的通信系统传输方法 | |
JP6161333B2 (ja) | 干渉アラインメントに基づくプリコーディング方法、送信機およびデバイス | |
Xu et al. | Pilot reuse among D2D users in D2D underlaid massive MIMO systems | |
KR20120126572A (ko) | 다중 사용자 다중 입출력 인지 무선 통신 시스템에서 인지 무선 기지국 및 인지 무선 기지국의 통신 방법 및 장치 | |
CN114070365B (zh) | 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法 | |
Alegria et al. | Decentralized equalizer construction for large intelligent surfaces | |
Zhang et al. | Machine learning-based hybrid precoding with low-resolution analog phase shifters | |
Ang et al. | Robust design for massive CSI acquisition in analog function computation networks | |
CN113131981B (zh) | 一种混合波束成形方法、装置及存储介质 | |
Sun et al. | Weighted MMSE beamforming design for weighted sum-rate maximization in coordinated multi-cell MIMO systems | |
Liu et al. | BS-RIS-user association and beamforming designs for RIS-aided cellular networks | |
Amiri et al. | A message passing based receiver for extra-large scale MIMO | |
Mai et al. | Nonlinear hybrid precoding for coordinated multi-cell massive MIMO systems | |
Sanchez et al. | Processing distribution and architecture tradeoff for large intelligent surface implementation | |
Fang et al. | A low-complexity beamforming design for beyond-diagonal RIS aided multi-user networks | |
Xue et al. | Adaptive preconditioned iterative linear detection and architecture for massive MU-MIMO uplink | |
Dong et al. | Joint beamforming and user association scheme for full-dimension massive MIMO networks | |
Nimmagadda | Enhancement of efficiency and performance gain of massive MIMO system using trial-based rider optimization algorithm |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Yu Xiaoyou Inventor after: Zeng Shengyan Inventor after: Yu Miao Inventor after: Yang Qi Inventor after: Xiao Zhu Inventor before: Yu Xiaoyou Inventor before: Yu Miao Inventor before: Yang Qi Inventor before: Zeng Shengyan Inventor before: Xiao Zhu |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |