CN114172763A - 一种混合大规模mimo系统导频优化设计方法和装置 - Google Patents
一种混合大规模mimo系统导频优化设计方法和装置 Download PDFInfo
- Publication number
- CN114172763A CN114172763A CN202111356025.1A CN202111356025A CN114172763A CN 114172763 A CN114172763 A CN 114172763A CN 202111356025 A CN202111356025 A CN 202111356025A CN 114172763 A CN114172763 A CN 114172763A
- Authority
- CN
- China
- Prior art keywords
- matrix
- base station
- optimization
- optimization problem
- sub
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000013461 design Methods 0.000 title claims abstract description 17
- 238000013139 quantization Methods 0.000 claims abstract description 54
- 238000011480 coordinate descent method Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 153
- 239000013598 vector Substances 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000005562 fading Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 239000000654 additive Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000996 additive effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0204—Channel estimation of multiple channels
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
- H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及无线通信技术领域,尤其涉及一种混合大规模MIMO系统导频优化设计方法和装置。其中,一种混合大规模MIMO系统导频优化设计方法,包括确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;基于分式规划方法,对优化问题进行等价表示得到转换后的等价优化问题;基于块坐标下降方法,将等价优化问题分解为至少两个子问题,通过子问题的迭代求解,确定等价优化问题的优化结果。采用上述方案的本申请以信道估计均方误差最小化为目标,联合优化导频,ADC量化精度以及混合波束成形器,控制干扰,以低成本、低功耗,低复杂度的方式有效地提高多用户大规模MIMO系统信道估计质量,从而提高多用户大规模MIMO系统的传输效率,改善通信质量。
Description
技术领域
本申请涉及无线通信技术领域,尤其涉及一种混合大规模MIMO系统导频优化设计方法和装置。
背景技术
信息技术的不断进步以及智能移动终端的无限普及使人们对未来无线通信网络的系统容量、传输速率以及传输的可靠性、稳定性提出了更高的要求。大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术作为下一代无线通信系统的关键技术之一,利用空间分集与空间复用深度挖掘空间无线资源,在没有额外增加物理带宽资源和发射功率且保证通信质量的情况下实现了频谱效率和能量效率的显著提高。
但随着天线数的增多,导频资源有限、硬件成本昂贵、系统总消耗功率过大等问题亟待解决。模数混合波束成形技术通过数字域和模拟域的双重预处理,优化模拟和数字波束成形器,有效地降低了电磁频率(RadioFrequency,RF)链路的数目,减少了硬件成本,被广泛地应用于大规模MIMO系统中。此外,低功耗的精度自适应模数转化器(Analog toDigital Converter,ADC)弥补了低精度ADC粗量化的缺陷,通过量化比特的自适应分配显著地提升了通信性能,成为大规模MIMO系统革新性技术。
引入精度自适应ADC和混合波束成形技术的大规模MIMO系统以高能效低成本的方式改善了通信质量。然而现有的工作大多基于完美信道状态信息(Channel StateInformation,CSI)的假设,忽略了大规模MIMO系统正交导频资源不足,信道估计质量差,完美CSI获取困难等实际问题。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种混合大规模MIMO系统导频优化设计方法,以解决现有的改善通信质量的方法过于理想化,不够成熟的技术问题。
本申请的第二个目的在于提出一种混合大规模MIMO系统导频优化设计装置。
为达到上述目的,本申请第一方面实施例提出的一种混合大规模MIMO系统导频优化设计方法,包括:
确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;
基于分式规划方法,对所述优化问题进行等价表示得到转换后的等价优化问题;
基于块坐标下降法方法,将所述等价优化问题分解为至少两个子问题,通过所述子问题的迭代求解,确定所述等价优化问题的优化结果。
可选地,在本申请的一个实施例中,所述确定信道估计均方误差表达式,包括:
确定混合大规模多输入多输出(MIMO)系统,初始化所述混合大规模MIMO系统的系统参数,所述系统参数包括:基站天线数,射频链路数,用户数,每个用户最大发射功率上限,每个模数转化器ADC量化比特数的下限值,每个ADC量化比特数的上限值,系统ADC平均量化比特数以及噪声方差;
根据所述系统参数确定信道估计均方误差,其中,根据下式确定信道估计均方误差:
其中,MSE为信道估计均方误差,Rk为用户k与基站间的信道协方差矩阵,sk为用户k发送的长度为τ的导频信号,vk为基站端的数字波束成形矢量,Qα为对角形式的量化增益矩阵,满足Qα=diag(α1,…,αN),且αn与ADC量化比特数呈指数关系,Qβ满足Qβ=1-Qα,U为基站端的模拟波束成形矩阵,σ2为噪声方差,Iτ为维度为τ×τ的单位矩阵,Ak为第一中间矩阵,Bk为第二中间矩阵。
可选地,在本申请的一个实施例中,所述构建令信道估计均方误差最小化的优化问题,包括:
在保证用户发射功率和系统硬件结构约束的条件下,确定所述优化问题为其中,b为比特分配向量,U为基站端的模拟波束成形矩阵,为基站端的数字波束成形矩阵,S=[s1,…,sK]为导频矩阵;b、U、V、S均为优化变量;
根据下式确定所述优化问题的约束条件:
其中,C1-C4为优化问题的约束条件,sk为用户k发送的长度为τ的导频信号,为每个用户最大发射功率上限,U为基站端的模拟波束成形矩阵,M为基站天线数,N为射频链路数,为每个ADC量化比特数的下限值,为每个ADC量化比特数的上限值,bn为ADCn的量化比特数,为系统ADC平均量化比特数。
可选地,在本申请的一个实施例中,所述基于分式规划方法,对所述优化问题进行等价表示得到转换后的等价优化问题,包括:
去掉所述优化问题中的无关变量,根据下式确定去掉无关变量后的优化问题:
其中,b为比特分配向量,U为基站端的模拟波束成形矩阵,V为基站端的数字波束成形矩阵,S为导频矩阵,Ak为第一中间矩阵,Bk为第二中间矩阵;
基于分式规划方法,引入辅助变量将所述去掉无关变量后的优化问题中的分子分母解耦,从而得到转换后的等价优化问题。
可选地,在本申请的一个实施例中,根据下式确定所述等价优化问题:
其中,Γk为辅助变量,b为比特分配向量,U为基站端的模拟波束成形矩阵,V为基站端的数字波束成形矩阵,S为导频矩阵,Ak为第一中间矩阵,Bk为第二中间矩阵;
所述等价优化问题的约束条件包括优化问题的约束条件C1-C4以及第五约束条件,根据下式确定第五约束条件:
其中,Γk为辅助变量,Cτ×M为复数域上维度为τ×M的矩阵。
可选地,在本申请的一个实施例中,所述基于块坐标下降方法,将所述等价优化问题分解为至少两个子问题,通过所述子问题的迭代求解,确定所述等价优化问题的优化结果,包括:
所述子问题包括:辅助变量子问题,ADC量化比特数子问题,模拟波束成形矩阵子问题,数字波束成形矩阵子问题,导频信号子问题;
利用迭代算法确定满足迭代条件的所有子问题的优化结果。
可选地,在本申请的一个实施例中,所述利用迭代算法确定满足迭代条件的所有子问题的优化结果,包括:
确定最大迭代次数以及辅助变量,初始化优化变量以及累计迭代次数,所述优化变量包括比特分配向量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵;
利用迭代算法迭代更新所述优化变量以及辅助变量;
判断累计迭代次数与最大迭代次数的大小,若累计迭代次数小于最大迭代次数,则设定累计迭代次数加一,并基于更新后的优化变量以及更新后的辅助变量重新更新优化变量以及辅助变量;若累计迭代次数不小于最大迭代次数,则输出更新后的优化变量以及更新后的辅助变量。
可选地,在本申请的一个实施例中,所述利用迭代算法迭代更新优化变量和辅助变量,包括:
固定比特分配向量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵,求解辅助变量子问题,得到更新后的辅助变量;
固定更新后的辅助变量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵,求解ADC量化比特数子问题,得到更新后的比特分配向量;
固定更新后的辅助变量、更新后的比特分配向量、基站端的数字波束成形矩阵以及导频矩阵,求解模拟波束成形矩阵子问题,得到更新后的基站端的模拟波束成形矩阵;
固定更新后的辅助变量、更新后的比特分配向量、更新后的基站端的模拟波束成形矩阵以及导频矩阵,求解数字波束成形矩阵子问题,得到更新后的基站端的数字波束成形矩阵;
固定更新后的辅助变量、更新后的比特分配向量、更新后的基站端的模拟波束成形矩阵以及更新后的基站端的数字波束成形矩阵,求解导频信号子问题,得到更新后的导频矩阵。
可选地,在本申请的一个实施例中,还包括:
利用连续凸近似(SCA)方法求解ADC量化比特数子问题;
利用one-iteration块坐标下降(BCD)方法求解模拟波束成形矩阵子问题;
利用拉格朗日乘子法求解导频信号子问题。
综上,本申请第一方面实施例提出的方法,通过确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;基于分式规划方法,对所述优化问题进行等价表示得到转换后的等价优化问题;基于块坐标下降方法,将所述等价优化问题分解为至少两个子问题,通过所述子问题的迭代求解,确定所述等价优化问题的优化结果。本申请以信道估计均方误差最小化为目标,联合优化导频,ADC量化精度以及波束成形器,控制干扰,以低成本、低功耗,低复杂度的方式有效地提高多用户大规模MIMO系统信道估计质量,从而提高系统的传输效率,改善通信质量。
为达到上述目的,本申请第二方面实施例提出的一种混合大规模MIMO系统导频优化设计装置,包括:
问题确定模块,用于确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;
问题转换模块,用于基于分式规划方法,对所述优化问题进行等价表示得到转换后的等价优化问题;
结果确定模块,用于基于块坐标下降方法,将所述等价优化问题分解为至少两个子问题,通过所述子问题的迭代求解,确定所述等价优化问题的优化结果。
综上,本申请实施例提供的技术方案至少带来以下有益效果:
1)利用信道统计特性实现导频序列,波束成形矩阵和量化比特数的联合优化,从而最小化信道估计均方误差,同时,有效控制了多用户干扰,降低了系统开销,改善了信道估计中正交导频资源不足的瓶颈问题;
2)利用高效迭代算法求解构建的系统信道估计均方误差最小化问题,所述高效迭代算法具有较好的收敛性,在满足硬件条件约束和发射功率约束的前提下能显著降低优化问题求解和物理层实现的复杂度;
3)以提升信道估计质量为目的,适用于全连接模/数混合波束成形架构下大规模MIMO系统。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例所提供的一种混合大规模MIMO系统导频优化设计方法的流程图;
图2为本申请实施例所提供的混合大规模MIMO系统的模型结构示意图;
图3为本申请实施例所提供的信道估计均方误差随迭代次数变化的示意图;
图4为本申请实施例所提供的不同方法下信道估计均方误差与平均量化比特数的关系图;
图5为本申请实施例所提供的不同方法下信道估计均方误差与导频序列长度的关系图;
图6为本申请实施例所提供的不同方法下信道估计均方误差与基站天线数的关系图;
图7为本申请实施例所提供的一种混合大规模MIMO系统导频优化设计装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。相反,本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
实施例1
图1为本申请实施例所提供的一种混合大规模MIMO系统导频优化设计方法的流程图。
如图1所示,本申请实施例提供的一种混合大规模MIMO系统导频优化设计方法,包括以下步骤:
步骤110,确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;
步骤120,基于分式规划方法,对优化问题进行等价表示得到转换后的等价优化问题;
步骤130,基于块坐标下降方法,将等价优化问题分解为至少两个子问题,通过子问题的迭代求解,确定等价优化问题的优化结果。
在本申请实施例中,确定信道估计均方误差,包括:
确定混合大规模多输入多输出(MIMO)系统,初始化混合大规模MIMO系统的系统参数,系统参数包括:基站天线数,射频链路数,用户数,每个用户最大发射功率上限,每个模数转化器(ADC)量化比特数的下限值,每个ADC量化比特数的上限值,系统ADC平均量化比特数以及噪声方差;
根据系统参数确定信道估计均方误差,其中,根据下式确定信道估计均方误差:
其中,MSE为信道估计均方误差,Rk为用户k与基站间的信道协方差矩阵,sk为用户k发送的长度为τ的导频信号,vk为基站端的数字波束成形矢量,Qα为对角形式的量化增益矩阵,满足Qα=diag(α1,…,αN),且αn与ADC量化比特数呈指数关系,Qβ满足Qβ=1-Qα,U为基站端的模拟波束成形矩阵,σ2为噪声方差,Iτ为维度为τ×τ的单位矩阵,Ak为第一中间矩阵,Bk为第二中间矩阵。
具体地,混合大规模MIMO系统的模型结构如图2所示,其中,在一个单小区场景中,多天线基站位于小区中心,基站周围均匀分布着准静态的单天线用户,所有用户可与基站同时进行通信,其中用户与基站间的大尺度衰落和阴影衰落等统计特性是基站已知的先验信息;上行训练阶段,各用户向基站发送导频信号,基站对接收到的信号进行处理,依次经过由移相器网络构成的模拟波束成形器,ADC模数转化器以及数字波束成形器,最终完成信道估计。
具体地,当用户向基站发送导频信号时,根据下式确定基站接收到的信号:
其中,Y为基站接收到的信号,hk为用户k到基站的信道向量,sk为用户k发送的长度为τ的导频信号,Z为加性噪声且其元素服从均值为0、方差为σ2的复高斯分布。
进一步地,使用模拟波束成形器对基站接收到的信号进行处理,根据下式确定经模拟波束成形器处理后的信号:
进一步地,使用ADC对经模拟波束成形器处理后的信号进行模数转换量化操作,根据additive quantization noise model(AQNM)量化模型,量化后的信号为:
进一步地,使用数字波束成形器对量化后的信号进行进一步处理以完成信号接收,从而使基站实现信道估计,进而确定信道估计均方误差。
在本申请实施例中,根据信道估计均方误差确定令信道估计均方误差最小化的优化问题,包括:
在保证用户发射功率和系统硬件结构约束的条件下,确定优化问题为其中,b为比特分配向量,U为基站端的模拟波束成形矩阵,为基站端的数字波束成形矩阵,S=[s1,…,sk]为导频矩阵;b、U、V、S均为优化变量;
根据下式确定优化问题的约束条件:
其中,C1-C4为优化问题的约束条件,sk为用户k发送的长度为τ的导频信号,为每个用户最大发射功率上限,U为基站端的模拟波束成形矩阵,M为基站天线数,N为射频链路数,为每个ADC量化比特数的下限值,为每个ADC量化比特数的上限值,bn为ADC n的量化比特数,为系统ADC平均量化比特数。
具体地,约束条件C1为用户发射功率要求;约束条件C2为硬件实现需求即模拟波束成形矩阵元素满足恒模;约束条件C3以及C4为精度自适应ADC的量化比特数限制,控制量化比特数可以实现能耗和性能的改善。
在本申请实施例中,基于分式规划方法,对优化问题进行等价表示得到转换后的等价优化问题,包括:
去掉优化问题中的无关变量,根据下式确定去掉无关变量后的优化问题:
其中,b为比特分配向量,U为基站端的模拟波束成形矩阵,V为基站端的数字波束成形矩阵,S为导频矩阵,Ak为第一中间矩阵,Bk为第二中间矩阵;
具体地,去掉无关变量后的优化问题的约束条件为C1-C4。
具体地,去掉无关变量后的优化问题具有分式形式,优化变量高度耦合。
因此基于分式规划方法,引入辅助变量将去掉无关变量后的优化问题中的分子分母解耦,从而得到转换后的等价优化问题。
在本申请实施例中,根据下式确定等价优化问题:
其中,Γk为辅助变量,b为比特分配向量,U为基站端的模拟波束成形矩阵,V为基站端的数字波束成形矩阵,S为导频矩阵,Ak为第一中间矩阵,Bk为第二中间矩阵;
等价优化问题的约束条件包括优化问题的约束条件C1-C4以及第五约束条件,根据下式确定第五约束条件:
其中,Γk为辅助变量,Cτ×M为复数域上维度为τ×M的矩阵。
在本申请实施例中,基于块坐标下降方法,将等价优化问题分解为至少两个子问题,通过子问题的迭代求解,确定等价优化问题的优化结果,包括:
子问题包括:辅助变量子问题,ADC量化比特数子问题,模拟波束成形矩阵子问题,数字波束成形矩阵子问题,导频信号子问题;
利用迭代算法确定满足迭代条件的所有子问题的优化结果。
在本申请实施例中,利用迭代算法确定满足迭代条件的所有子问题的优化结果,包括:
确定最大迭代次数以及辅助变量,初始化优化变量以及累计迭代次数,优化变量包括比特分配向量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵;
利用迭代算法迭代更新所述优化变量以及辅助变量;
判断累计迭代次数与最大迭代次数的大小,若累计迭代次数小于最大迭代次数,则设定累计迭代次数加一,并基于更新后的优化变量以及更新后的辅助变量重新更新优化变量以及辅助变量;若累计迭代次数不小于最大迭代次数,则输出更新后的优化变量以及更新后的辅助变量。
在本申请实施例中,利用迭代算法迭代更新优化变量和辅助变量,包括:
固定比特分配向量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵,求解辅助变量子问题,得到更新后的辅助变量;
固定更新后的辅助变量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵,求解ADC量化比特数子问题,得到更新后的比特分配向量;
固定更新后的辅助变量、更新后的比特分配向量、基站端的数字波束成形矩阵以及导频矩阵,求解模拟波束成形矩阵子问题,得到更新后的基站端的模拟波束成形矩阵;
固定更新后的辅助变量、更新后的比特分配向量、更新后的基站端的模拟波束成形矩阵以及导频矩阵,求解数字波束成形矩阵子问题,得到更新后的基站端的数字波束成形矩阵;
固定更新后的辅助变量、更新后的比特分配向量、更新后的基站端的模拟波束成形矩阵以及更新后的基站端的数字波束成形矩阵,求解导频信号子问题,得到更新后的导频矩阵。
在本申请实施例中,还包括:
利用连续凸近似(Successive Concave Approximation,SCA)方法求解ADC量化比特数子问题;
利用one-iteration块坐标下降(Block Coordinate Descent,BCD)方法求解模拟波束成形矩阵子问题;
利用拉格朗日(Lagrange)乘子法求解导频信号子问题。
具体地,利用迭代算法确定满足迭代条件的所有子问题的优化结果的具体步骤如下:
步骤210:设定初始累计迭代次数t=0,最大迭代次数T,辅助变量{Γk},设定初始优化变量b0,U0,V0,S0分别表示t=0时的比特分配向量,基站端的模拟波束成形矩阵,基站端的数字波束成形矩阵和导频矩阵;
进一步地,根据下式确定辅助变量子问题:
Γk∈Cτ×M
其中,Ak为第一中间矩阵,Bk为第二中间矩阵,Γk为辅助变量;
当辅助变量子问题满足一阶最优性条件时,即可获得辅助变量子问题的闭式最优解。
利用SCA方法求解ADC量化比特数子问题,具体包括以下步骤:
步骤231:利用SCA近似方法构建目标函数b的替代函数,根据下式确定第r次迭代的替代函数:
步骤232:初始化迭代次数r,最大迭代次数rmax;给定各参数值;
步骤234:更新迭代次数r=r+1;并重复步骤233,直至满足条件r=rmax。
进一步地,确定模拟波束成形矩阵子问题为约束条件为C2。由于约束条件C2中U(n,m)的独立存在,可使模拟波束成形矩阵子问题简化为每次固定其他元素,只更新矩阵U中的一个元素,之后依次更新矩阵U中全部元素。由于目标函数总可以写成关于U(n,m)的二次型形式,通过求导等矩阵运算,即可得到U(n,m)的闭式解。
进一步地,求解数字波束成形矩阵子问题,包括:将数字波束成形矩阵子问题分解为K个独立子问题;其中,第K个独立子问题以vk为优化变量,是关于vk的无约束二次优化问题;检验所有独立子问题的一阶最优性条件,即得到最优解。
进一步地,利用Lagrange乘子法求解导频信号子问题,包括:
在导频信号子问题的约束条件C1中,引入Lagrange乘子λ=[λ1,…,λK]T,得到Lagrange函数:
当Lagrange函数满足一阶最优性条件时,即可得到变量sk关于λk的闭式最优解,检验约束条件C1的互补松弛条件确定λ的值,从而确定S的最优解。
以一个场景举例,在一个半径为300m的单小区场景中,配备M=64根天线的基站位于小区中心,K=12个用户均匀分布在小区的覆盖范围内,基站端有N=12个射频链、混合波束成形器以及可以自适应调节量化精度的ADC,其中混合波束成形器由低成本的移相器网络构成。
利用基于几何的空间相关信道模型,用户k的路损为30.6+36.7log10(dk),路损的单位为dB,其中,dk为用户k到基站的距离,dk的单位为米;阴影衰落服从均值为0、方差为8dB的高斯分布。设定用户k的最大发射功率为20dBm,系统带宽为10MHz,背景噪声的功率谱密度为-169dBm/Hz。为了便于实施,设定且导频序列长度τ设为10。
具体地,利用本申请实施例所提供的方法进行多次仿真实验,采用归一化均方误差(normalized MSE,NMSE)做为评价指标。
信道估计均方误差随迭代次数变化如图2所示,其中,迭代算法可以令归一化均方误差在一定的迭代更新后单调的收敛到稳定值,证明了迭代算法可以有效地处理所构建的复杂的优化问题。
具体地,利用UQ codebook-based scheme、RADC codebook-based scheme、UQcodebook-free scheme方法与本申请实施例所提供的方法进行仿真对比,其中,RADCcodebook-free scheme为本申请实施例所提供的方法,UQ codebook-based scheme中导频序列从码本中选择,码本中导频为正交导频,存在不同用户之间正交导频重用的情况,且ADC采用固定精度量化;RADC codebook-based scheme与UQ codebook-based scheme的区别在于RADC codebook-based scheme中ADC实现自适应比特分配;UQ codebook-freescheme相较于RADC codebook-free scheme没有进行量化比特分配。
进一步地,不同方法下信道估计均方误差与平均量化比特数的关系如图4所示,其中,本申请实施例所提供的方法可以实现更精准的信道估计,并且在平均量化比特数处在3-5bit时,本申请实施例所提供的方法充分利用了量化比特分配的灵活性,具有明显的性能优势。
进一步地,不同方法下信道估计均方误差与导频序列长度的关系如图5所示,其中,设定导频序列长度在7-12之间取值,系统用户数为12。当导频长度取值在7-11之间时,本申请实施例所提供的方法具有最小的信道估计误差;当导频序列长度为12时,对应正交资源刚好在12个用户之间分配,RADC codebook-based scheme方案性能更好,这进一步说明了在大规模MIMO系统中,当正交导频资源严重不足时,本申请实施例所提供的方法能有效抑制用户间的干扰,改善信道估计质量。可以预见本申请实施例所提供的方法可以很好地适应未来移动通信系统。
进一步地,不同方法下信道估计均方误差与基站天线数的关系如图6所示,其中,RP scheme为随机导频方案,即用户发送的导频序列为预先设定好的随机序列。可以发现随着基站天线数的增多,本申请实施例所提供的方法对应的信道估计NMSE越来越小,由此证明本申请实施例所提供的方法适用于大规模MIMO系统的实际部署。
综上,本申请实施例提出的方法,通过确定信道估计均方误差表达式,根据令信道估计均方误差最小化的优化问题;基于分式规划方法,对优化问题进行等价表示得到转换后的等价优化问题;基于块坐标下降方法,将等价优化问题分解为至少两个子问题,通过子问题的迭代求解,确定等价优化问题的优化结果。本申请以信道估计均方误差最小化为目标,联合优化导频,ADC量化精度以及波束成形器,控制干扰,以低成本、低功耗,低复杂度的方式有效地提高多用户大规模MIMO系统信道估计质量,从而提高系统的传输效率,改善通信质量。
为了实现上述实施例,本申请还提出一种混合大规模MIMO系统导频优化设计装置。
图7为本申请实施例提供的一种混合大规模MIMO系统导频优化设计装置的结构示意图。
如图7所示,一种混合大规模MIMO系统导频优化设计装置,包括:
问题确定模块710,用于确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;
问题转换模块720,用于基于分式规划方法,对优化问题进行等价表示得到转换后的等价优化问题;
结果确定模块730,用于基于块坐标下降方法,将等价优化问题分解为至少两个子问题,通过子问题的迭代求解,确定等价优化问题的优化结果。
综上,本申请实施例提出的装置,通过问题确定模块确定信道估计均方误差表达式,构建令信道估计均方误差最小化优化问题;问题转换模块基于分式规划方法,对优化问题进行等价表示得到转换后的等价优化问题;结果确定模块基于块坐标下降方法,将等价优化问题分解为至少两个子问题,通过子问题的迭代求解,确定等价优化问题的优化结果。本申请以信道估计均方误差最小化为目标,联合优化导频,ADC量化精度以及波束成形器,控制干扰,以低成本、低功耗,低复杂度的方式有效地提高多用户大规模MIMO系统信道估计质量,从而提高系统的传输效率,改善通信质量。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
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,并且本申请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,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种混合大规模MIMO系统导频优化设计方法,其特征在于,所述方法包括:
确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;
基于分式规划方法,对所述优化问题进行等价表示得到转换后的等价优化问题;
基于块坐标下降方法,将所述等价优化问题分解为至少两个子问题,通过所述子问题的迭代求解,确定所述等价优化问题的优化结果。
2.如权利要求1所述的方法,其特征在于,所述确定信道估计均方误差表达式,包括:
确定混合大规模多输入多输出(MIMO)系统,初始化所述混合大规模MIMO系统的系统参数,所述系统参数包括:基站天线数,射频链路数,用户数,每个用户最大发射功率上限,每个模数转化器(ADC)量化比特数的下限值,每个ADC量化比特数的上限值,系统ADC平均量化比特数以及噪声方差;
根据所述系统参数确定信道估计均方误差,其中,根据下式确定信道估计均方误差:
其中,MSE为信道估计均方误差,Rk为用户k与基站间的信道协方差矩阵,sk为用户k发送的长度为τ的导频信号,vk为基站端的数字波束成形矢量,Qα为对角形式的量化增益矩阵,满足Qα=diag(α1,…,αN),且αn与ADC量化比特数呈指数关系,Qβ满足Qβ=1-Qα,U为基站端的模拟波束成形矩阵,σ2为噪声方差,Iτ为维度为τ×τ的单位矩阵,Ak为第一中间矩阵,Bk为第二中间矩阵。
3.如权利要求2所述的方法,其特征在于,所述构建令信道估计均方误差最小化的优化问题,包括:
在保证用户发射功率和系统硬件结构约束的条件下,确定所述优化问题为其中,b为比特分配向量,U为基站端的模拟波束成形矩阵,为基站端的数字波束成形矩阵,S=[s1,…,sK]为导频矩阵;b、U、V、S均为优化变量;
根据下式确定所述优化问题的约束条件:
6.如权利要求1所述的方法,其特征在于,所述基于块坐标下降方法,将所述等价优化问题分解为至少两个子问题,通过所述子问题的迭代求解,确定所述等价优化问题的优化结果,包括:
所述子问题包括:辅助变量子问题,ADC量化比特数子问题,模拟波束成形矩阵子问题,数字波束成形矩阵子问题,导频信号子问题;
利用迭代算法确定满足迭代条件的所有子问题的优化结果。
7.如权利要求6所述的方法,其特征在于,所述利用迭代算法确定满足迭代条件的所有子问题的优化结果,包括:
确定最大迭代次数以及辅助变量,初始化优化变量以及累计迭代次数,所述优化变量包括比特分配向量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵;
利用迭代算法迭代更新所述优化变量以及辅助变量;判断累计迭代次数与最大迭代次数的大小,若累计迭代次数小于最大迭代次数,则设定累计迭代次数加一,并基于更新后的优化变量以及更新后的辅助变量重新更新优化变量以及辅助变量;若累计迭代次数不小于最大迭代次数,则输出更新后的优化变量以及更新后的辅助变量。
8.如权利要求7所述的方法,其特征在于,所述利用迭代算法迭代更新优化变量和辅助变量,包括:
固定比特分配向量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵,求解辅助变量子问题,得到更新后的辅助变量;
固定更新后的辅助变量、基站端的模拟波束成形矩阵、基站端的数字波束成形矩阵以及导频矩阵,求解ADC量化比特数子问题,得到更新后的比特分配向量;
固定更新后的辅助变量、更新后的比特分配向量、基站端的数字波束成形矩阵以及导频矩阵,求解模拟波束成形矩阵子问题,得到更新后的基站端的模拟波束成形矩阵;
固定更新后的辅助变量、更新后的比特分配向量、更新后的基站端的模拟波束成形矩阵以及导频矩阵,求解数字波束成形矩阵子问题,得到更新后的基站端的数字波束成形矩阵;
固定更新后的辅助变量、更新后的比特分配向量、更新后的基站端的模拟波束成形矩阵以及更新后的基站端的数字波束成形矩阵,求解导频信号子问题,得到更新后的导频矩阵。
9.如权利要求8所述的方法,其特征在于,还包括:
利用连续凸近似(SCA)方法求解ADC量化比特数子问题;
利用one-iteration块坐标下降(BCD)方法求解模拟波束成形矩阵子问题;
利用拉格朗日乘子法求解导频信号子问题。
10.一种混合大规模MIMO系统导频优化设计装置,其特征在于,所述装置包括:
问题确定模块,用于确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;
问题转换模块,用于基于分式规划方法,对所述优化问题进行等价表示得到转换后的等价优化问题;
结果确定模块,用于基于块坐标下降方法,将所述等价优化问题分解为至少两个子问题,通过所述子问题的迭代求解,确定所述等价优化问题的优化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111356025.1A CN114172763B (zh) | 2021-11-16 | 2021-11-16 | 一种混合大规模mimo系统导频优化设计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111356025.1A CN114172763B (zh) | 2021-11-16 | 2021-11-16 | 一种混合大规模mimo系统导频优化设计方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114172763A true CN114172763A (zh) | 2022-03-11 |
CN114172763B CN114172763B (zh) | 2023-03-24 |
Family
ID=80479245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111356025.1A Active CN114172763B (zh) | 2021-11-16 | 2021-11-16 | 一种混合大规模mimo系统导频优化设计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114172763B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017021774A2 (en) * | 2015-08-05 | 2017-02-09 | Alcatel Lucent | Method and apparatus for hybrid beamforming |
CN108234101A (zh) * | 2018-01-11 | 2018-06-29 | 郑州航空工业管理学院 | 能效最大化导频信号设计方法及大规模多天线系统 |
CN109151975A (zh) * | 2018-07-27 | 2019-01-04 | 北京工业大学 | 一种时分双工大规模mimo系统的联合动态导频和数据功率分配方法 |
CN110190879A (zh) * | 2019-04-30 | 2019-08-30 | 杭州电子科技大学 | 基于低精度adc大规模mimo系统的能效优化方法 |
-
2021
- 2021-11-16 CN CN202111356025.1A patent/CN114172763B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017021774A2 (en) * | 2015-08-05 | 2017-02-09 | Alcatel Lucent | Method and apparatus for hybrid beamforming |
CN108234101A (zh) * | 2018-01-11 | 2018-06-29 | 郑州航空工业管理学院 | 能效最大化导频信号设计方法及大规模多天线系统 |
CN109151975A (zh) * | 2018-07-27 | 2019-01-04 | 北京工业大学 | 一种时分双工大规模mimo系统的联合动态导频和数据功率分配方法 |
CN110190879A (zh) * | 2019-04-30 | 2019-08-30 | 杭州电子科技大学 | 基于低精度adc大规模mimo系统的能效优化方法 |
Non-Patent Citations (1)
Title |
---|
ZHE HUANG等: "Deep Stochastic Optimization for Algorithm-Specific Pilot Design in Massive MIMO", 《2021 IEEE STATISTICAL SIGNAL PROCESSING WORKSHOP (SSP)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114172763B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113179109B (zh) | 一种去蜂窝大规模mimo上行频谱效率优化方法 | |
CN111953391A (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 | |
CN111010219A (zh) | 可重构智能表面辅助的多用户mimo上行链路传输方法 | |
CN113613273A (zh) | 一种智能超表面辅助无线供电网络的稳健能效优化方法 | |
KR20090023879A (ko) | 다중 사용자 다중 입출력 무선통신 시스템에서 간섭 제거를위한 신호 처리 장치 및 방법 | |
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 | |
CN106603133B (zh) | 基于迫零预编码的非匹配信道功率分配方法及系统 | |
US7940690B2 (en) | Apparatus and method for determining transmission mode in wireless communication system | |
CN115021779B (zh) | Ris辅助的mimo系统的离散相移设计方法和装置 | |
US9635572B2 (en) | Method for coordinating interference in an uplink interference channel for a terminal in a wireless communication system | |
CN102291727B (zh) | 一种分布式协作波束成形设计方法 | |
Pi et al. | Multiuser communications with movable-antenna base station via antenna position optimization | |
Van Chien et al. | Downlink power control for massive MIMO cellular systems with optimal user association | |
CN114302487B (zh) | 基于自适应粒子群功率分配的能效优化方法、装置及设备 | |
Taghavi et al. | Joint active-passive beamforming and user association in IRS-assisted mmWave cellular networks | |
Wang et al. | Joint optimization of spectral efficiency and energy efficiency with low-precision ADCs in cell-free massive MIMO systems | |
CN112564748B (zh) | 一种考虑硬件损伤的mimo异构无线网络波束成形方法 | |
CN107087279B (zh) | 一种基于稳定接入关系的基站激活和波束成形方法 | |
CN112312569A (zh) | 一种基于透镜阵列的预编码和波束选择矩阵联合设计方法 | |
CN115941010B (zh) | 基于分支界定的irs辅助去蜂窝大规模mimo系统波束赋形方法 | |
CN114172763B (zh) | 一种混合大规模mimo系统导频优化设计方法和装置 | |
EP2112771A1 (en) | Adaptive MIMO mode selection method and apparatus thereof | |
CN115379478B (zh) | 一种基于ris辅助数能同传网络鲁棒能耗优化方法 | |
CN106851833A (zh) | 基于最大比传输预编码的mimo功率分配方法及系统 | |
CN115865159A (zh) | 适用于无蜂窝毫米波mimo系统的角度域混合波束成形方法 |
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 |