CN114900210B - 一种大规模mimo通感共存系统中通信波束和雷达波形的设计方法 - Google Patents

Abstract

本发明公开了一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法。其系统是基于统计CSI辅助的大规模MIMO通感共存系统，包括工作在同频段上的通信子系统和雷达子系统。其通信波束和雷达波形的设计方法包括：初始化雷达波形、通信波束的值均为单位阵，等效信道参数的初始值均为1；基于统计CSI分别设计通信波束和雷达波形；最后判断等效信道参数是否收敛，如果收敛，则获得最优的通信波束和雷达波形；如不收敛，则跳到设计通信波束和雷达波形的步骤。本发明基于统计CSI推导出通信波束和雷达波形，在不需要获取准确的瞬时CSI前提下能够消除雷达对通信系统的干扰，可有效降低系统的开销和实现复杂度，大大提高了实用性。

Description

一种大规模MIMO通感共存系统中通信波束和雷达波形的设计 方法

技术领域

本发明属于雷达与通信系统的频谱共享(Radar and Communication SpectrumSharing,RCSS)技术领域，涉及MIMO(Multiple Input Multiple Output，多输入多输出)雷达系统与MIMO通信系统共存情况下，统计CSI(Channel State Information，信道状态信息)辅助通信波束与雷达波形联合设计方法，尤其是一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法。

背景技术

随着第五代移动通信系统(The 5th Generation Mobile Networks,5G)应用的范围逐渐扩大，无线通信系统对频谱资源的需求不断增加，这使得无线频谱资源变得异常紧缺。现有研究表明，可以使用雷达系统的工作频段进行通信，但是雷达系统会对通信系统造成很强的干扰，所以消除通信系统与雷达系统频谱共享的互干扰是亟待解决的问题。

解决MIMO雷达系统与MIMO通信系统频谱共享时存在同频干扰问题的传统方案是使用瞬时CSI对通信信道进行建模，然后基于凸优化的方法来完成发送波形的设计。但是实际情况下，MIMO通信系统获取准确的瞬时CSI时会占用较多的时频资源，并且基于凸优化的方法来进行波形的设计往往具有很高的计算复杂度，这都会使得实际情况下的通信波束和雷达波形设计变得困难。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法，充分考虑了MIMO通信系统中的发送和接收相关性，使用稳定缓慢变化且更容易获取的统计CSI对MIMO通信系统的信道进行建模，采用低复杂度的方法推导计算出通信波束和雷达波形的封闭表达式，可显著提升MIMO雷达系统与MIMO通信系统共存时的通信速率，大大降低系统的开销和实现复杂度，从而节省功耗，提升系统的整体性能。

为解决上述技术问题，本发明采用以下技术方案。

一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法，首先建立一种大规模MIMO通感共存系统，该系统是一个基于统计CSI辅助的MIMO雷达通信共存系统，包括工作在相同频段上的一个MIMO通信子系统和一个MIMO雷达子系统；MIMO通信子系统包括一个配备N根天线的通信基站和一个配备n根天线的多天线用户；MIMO雷达子系统包括一个配备M根天线雷达基站；

所述的通信波束和雷达波形的设计方法，包括以下步骤：

步骤1.将雷达波形R_s、通信波束Q的值均初始化为单位阵，将等效信道参数t和

的值均初始化为1，将参数L设置为50；

步骤2.采用统计CSI设计MIMO通信基站的通信波束Q；

步骤3.利用统计CSI设计MIMO雷达波形R_s，包括：设计MIMO雷达波形的非秩一解R′_s，再使用高斯随机化方法从R′_s中恢复出MIMO雷达波形R_s；

步骤4.判断等效信道参数t是否收敛，如果收敛，则获得最优的通信波束Q和雷达波形R_s；如果不收敛，则跳到步骤2，重新设计通信波束Q和雷达波形R_s。

在步骤2中，设计MIMO通信基站的通信波束Q，其表达式为：

其中，V_A、Σ_A分别是对矩阵A进行特征值分解得到的特征向量矩阵与特征值矩阵，μ是令Q满足基站发送功率限制的归一化参数，I_N为N×N的单位矩阵，(·)⁺表示取括号中数据与0相比的最大值。

所述的矩阵A以及等效信道参数t和

具体表达式为：

其中，

表示多天线用户接收到的干扰加噪声的协方差矩阵，I_n表示n×n的单位矩阵，/>

是多天线用户接收到的高斯白噪声的方差；

均表示等效统计CSI矩阵，tr(·)表示对矩阵求迹，(·)^-1表示矩阵的逆运算。

在步骤3中，所述的设计MIMO雷达波形的非秩一解R′_s包括：

基于通信波束Q，设计出MIMO雷达波形的非秩一解R′_s：

其中，V_K、Σ_K分别是对矩阵

进行特征值分解得到的特征向量矩阵与特征值矩阵，辅助变量K的定义如下：

其中，R_s0是给定的理想雷达波形，

为优化前的R′_s，λ、ν均为构建的辅助变量。

所述的使用高斯随机化方法从R′_s中恢复出MIMO雷达波形R_s，其表达式为：

其中，

U_R和Σ_R分别是对矩阵R′_s进行特征值分解得到的特征向量矩阵与特征值矩阵，B₁＝R_s0，B₂＝I_M，v_l是服从均值为零，方差为单位阵的高斯分布。

与现有技术相比，本发明具有以下优点和有益效果：

1.本发明考虑到实际情况下通信基站获取准确实时的CSI会消耗较多的时频资源，所以利用统计CSI平稳缓慢改变且易获取的特性对通信信道进行建模，建立了更加贴合实际情况的大规模MIMO通感共存系统。

2.本发明考虑了采用低复杂度的方法推导计算出通信波束和雷达波形的封闭表达式，有效地消除了雷达对通信系统的干扰。在实现上，只需要按照所设计的表达式即可计算出具体的雷达波形和通信波束，大大减少数据运算量，使得系统开销和实现复杂度显著降低。

附图说明

图1为本发明大规模MIMO通感共存系统中通信波束和雷达波形设计方法的一种实施例的流程图。

图2为本发明一种实施例的大规模MIMO通感共存系统模型示意图。

图3为本发明的一种实施例方法的仿真效果图。

具体实施方式

本发明的一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法，包括：首先初始化雷达波形、通信波束的值均为单位阵，等效信道参数的初始值均为1；然后基于统计CSI分别设计通信波束和雷达波形；最后判断等效信道参数是否收敛，如果收敛，则获得最优的通信波束和雷达波形；如果不收敛，则跳到设计通信波束和雷达波形的步骤。本发明基于统计CSI推导出通信波束和雷达波形，在不需要获取准确的瞬时CSI前提下能够消除雷达对通信系统的干扰，并且可以有效的降低系统的开销和实现复杂度，具有更强的实用性。

下面结合附图对本发明做进一步详细说明。

本发明的一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法，首先构建一个基于统计CSI辅助的MIMO雷达通信共存系统，即大规模MIMO通感共存系统。如图2所示，所述系统中包括一个MIMO通信子系统和一个MIMO雷达子系统。其中MIMO通信子系统包括一个配备N根天线的通信基站和一个配备n根天线的多天线用户；雷达子系统包括一个配备M根天线雷达基站，并且两个子系统工作在相同的频段上。通信基站与多天线用户之间的信道模型

雷达基站与多天线用户之间的信道模型/>

分别为：

其中，R_H、T_H和

分别是n×n、N×N、n×N的矩阵，均表示统计CSI矩阵，H_iid表示信道的随机分量部分，服从均值为0，方差为/>

的复高斯分布，/>

表示矩阵的平方根运算，(·)^*、(·)^H分别表示矩阵的共轭和共轭转置运算。β(p)，p＝1,2,...,P表示第p条信道的衰落系数，且满足/>

和v_t(θ)分别表示接收和发送导向矢量，定义如下：

其中，e表示自然常数，d_1r、d_2t分别表示接收和发射天线的线性排列间距，

θ分别表示天线接收角和发射角，λ表示光的波长，(·)^T表示矩阵的转置运算，j是虚数单位。

上述基于统计CSI对MIMO通信系统的信道进行建模的说明中，考虑了天线的发送相关性矩阵、接收相关性矩阵以及信道的视距链路，不仅能够较为准确的反映信道的真实信息，而且相比于瞬时CSI来说具有平稳缓慢改变且更容易获取的优点。

如图1所示，在大规模MIMO通感共存系统中通信波束和雷达波形的设计包括以下步骤：

步骤1.将雷达波形R_s、通信波束Q的值均初始化为单位阵，将等效信道参数t和

的值均初始化为1，将参数L设置为50。

步骤2.利用统计CSI设计MIMO通信基站的通信波束Q。

设计出MIMO通信基站的通信波束Q的表达式如下：

其中，V_A、Σ_A分别是对矩阵A进行特征值分解得到的特征向量矩阵与特征值矩阵，μ是令Q满足基站发送功率限制的归一化参数，I_N为N×N的单位矩阵，(·)⁺表示取括号中数据与0相比的最大值，矩阵A以及等效信道参数t和

具体表达式如下：

其中，

表示多天线用户接收到的干扰加噪声的协方差矩阵，I_n表示n×n的单位矩阵，/>

是多天线用户接收到的高斯白噪声的方差。

均表示等效统计CSI矩阵，tr(·)表示对矩阵求迹，(·)^-1表示矩阵的逆运算。

步骤3.利用统计CSI设计MIMO雷达波形R_s，包括：设计出MIMO雷达波形的非秩一解R′_s，再使用高斯随机化方法从R′_s中恢复出MIMO雷达波形R_s。

步骤3.1.基于步骤2得到的通信波束Q，设计出MIMO雷达波形的非秩一解R′_s的表达式如下：

其中，V_K、Σ_K分别是对矩阵

进行特征值分解得到的特征向量矩阵与特征值矩阵，辅助变量K的定义如下：

其中，R_s0是给定的理想雷达波形，

为优化前的R′_s，λ、ν均为构建的辅助变量。

步骤3.2.使用高斯随机化方法从步骤3.1得到的MIMO雷达波形的非秩一解R′_s中恢复出MIMO雷达波形R_s的表达式如下：

其中，

其中，

U_R和Σ_R分别是对矩阵R′_s进行特征值分解得到的特征向量矩阵与特征值矩阵，B₁＝R_s0，B₂＝I_M，v_l是服从均值为零，方差为单位阵的高斯分布。

步骤4.判断等效信道参数t是否收敛，如果收敛，则获得最优的通信波束Q和雷达波形R_s；如果不收敛，则跳到步骤2，重新设计通信波束Q和雷达波形R_s。

上述设计大规模MIMO通感共存系统中雷达波形和通信波束步骤中，基于统计CSI分别推导出雷达波形R_s和通信波束Q的表达式。在实际应用中，只需要按照对应的公式实现即可，避免了基于凸优化的设计方法所需大量数据运算，显著降低了雷达波形和通信波束的设计复杂度，大大提升了系统的效率。如图3所示，仿真表明，所提出的大规模MIMO通感共存系统中通信波束和雷达波形设计方法能够有效提升MIMO通信系统的通信速率。仿真的参数设置为：N＝6，n＝5，M＝6，

干扰噪声比为40dB，通信基站到多天线用户的距离为10米，从图中可以看出，对于不同的通信基站发送功率，同时设计通信波束和雷达波形所对应的通信速率曲线的数值明显高于通信波束和雷达波形不做设计时的通信速率曲线。

Claims (2)

1.一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法，其特征在于：

首先建立一种大规模MIMO通感共存系统，该系统是一个基于统计CSI辅助的MIMO雷达通信共存系统，包括工作在相同频段上的一个MIMO通信子系统和一个MIMO雷达子系统；MIMO通信子系统包括一个配备N根天线的通信基站和一个配备n根天线的多天线用户；MIMO雷达子系统包括一个配备M根天线雷达基站；

所述的通信波束和雷达波形的设计方法，包括以下步骤：

步骤1.将雷达波形R_s、通信波束Q的值均初始化为单位阵，将等效信道参数t和

的值均初始化为1，将参数L设置为50；

步骤2.采用统计CSI设计MIMO通信基站的通信波束Q；

步骤3.利用统计CSI设计MIMO雷达波形R_s，包括：设计MIMO雷达波形的非秩一解R′_s，再使用高斯随机化方法从R′_s中恢复出MIMO雷达波形R_s；

步骤4.判断等效信道参数t是否收敛，如果收敛，则获得最优的通信波束Q和雷达波形R_s；如果不收敛，则跳到步骤2，重新设计通信波束Q和雷达波形R_s；

所述步骤2中的设计MIMO通信基站的通信波束Q，其表达式为：

其中，V_A、Σ_A分别是对矩阵A进行特征值分解得到的特征向量矩阵与特征值矩阵，μ是令Q满足基站发送功率限制的归一化参数，I_N为N×N的单位矩阵，(·)⁺表示取括号中数据与0相比的最大值；

在步骤3中，所述的设计MIMO雷达波形的非秩一解R′_s包括：

基于通信波束Q，设计出MIMO雷达波形的非秩一解R′_s：

其中，V_K、Σ_K分别是对矩阵

进行特征值分解得到的特征向量矩阵与特征值矩阵，辅助变量K的定义如下：

其中，R_s0是给定的理想雷达波形，

为优化前的R′_s，λ、ν均为构建的辅助变量；

所述的使用高斯随机化方法从R′_s中恢复出MIMO雷达波形R_s，其表达式为：

其中，

U_R和Σ_R分别是对矩阵R′_s进行特征值分解得到的特征向量矩阵与特征值矩阵，B₁＝R_s0，B₂＝I_M，v_l是服从均值为零，方差为单位阵的高斯分布。

2.根据权利要求1所述的一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法，其特征在于，所述的矩阵A以及等效信道参数t和

具体表达式为：

其中，

表示多天线用户接收到的干扰加噪声的协方差矩阵，I_n表示n×n的单位矩阵，/>

是多天线用户接收到的高斯白噪声的方差；

均表示等效统计CSI矩阵，tr(·)表示对矩阵求迹，(·)^-1表示矩阵的逆运算。

Images