CN116232391A - 超大规模天线阵列的波束训练方法、电子设备及存储介质 - Google Patents

超大规模天线阵列的波束训练方法、电子设备及存储介质 Download PDF

Info

Publication number
CN116232391A
CN116232391A CN202310182870.4A CN202310182870A CN116232391A CN 116232391 A CN116232391 A CN 116232391A CN 202310182870 A CN202310182870 A CN 202310182870A CN 116232391 A CN116232391 A CN 116232391A
Authority
CN
China
Prior art keywords
beam training
codebook
user
layer
hierarchical
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
CN202310182870.4A
Other languages
English (en)
Inventor
游昌盛
吴尘雨
袁伟杰
武楠
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.)
Southern University of Science and Technology
Original Assignee
Southern University of Science and Technology
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 Southern University of Science and Technology filed Critical Southern University of Science and Technology
Priority to CN202310182870.4A priority Critical patent/CN116232391A/zh
Publication of CN116232391A publication Critical patent/CN116232391A/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
    • H04B7/0408—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas using two or more beams, i.e. beam diversity
    • 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
    • H04B7/0404—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas the mobile station comprising multiple antennas, e.g. to provide uplink diversity
    • 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
    • H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
    • H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明实施例提供了一种超大规模天线阵列的波束训练方法、装置、电子设备及计算机可读存储介质。方法包括：获取角度域上层分层码本和极域下层分层码本；激活若干个中心天线阵列，并且基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；基于极域下层分层码本和用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。根据本发明实施例的方案，能够显著降低波束训练的训练开销，从而提高数据传输的效率。

Description

超大规模天线阵列的波束训练方法、电子设备及存储介质
技术领域
本发明涉及通信技术领域，特别涉及一种超大规模天线阵列的波束训练方法、装置、电子设备及计算机可读存储介质。
背景技术
超大规模阵列/表面已成为未来第六代通信系统中实现超高频谱效率和极高空间分辨率的一项有前途的技术。具体而言，随着无线通信迁移到更高的频带，例如毫米波甚至太赫兹，超大规模阵列将被广泛部署在基站处，以通过高度定向波束来补偿严重的路径损耗。
随着载波频率和天线数量的急剧增加，“瑞利距离”将延展到几十甚至几百米，这意味着用户更可能位于超大规模阵列的近场区域。与传统的远场通信的平面波假设不同，近场通信的电磁场应该被精确地建模为球面波传输。这种独特的信道特性可以被巧妙地利用，以实现灵活的波束聚焦功能，即波束能量可以聚焦在特定的空间位置，而不是传统远场通信中的特定方向。
为了充分利用超大规模阵列带来的显著波束赋形增益，在进行信道估计和数据传输之前，必须在基站处执行有效的波束训练，以建立高质量的初始链路。具体而言，基站通过码本中预定义的多个定向波束进行波束扫描，同时每个用户识别最佳波束并将其索引反馈给基站。由于近场用户信道不仅与空间的出发角/到达角相关，而且与基站到用户距离相关，目前已有的远场波束训练方法不再适用于近场情况。特别是，当远场波束被应用于近场波束训练的时候，可能会出现能量扩散效应，即聚焦于特定方向的波束能量将扩散到多个方向。因此，将远场波束训练方法直接应用于近场场景将导致严重的性能退化。
为了解决这个问题，目前已经设计了有效的超大规模天线阵列的波束训练方法；然而，基于穷举搜索的超大规模天线阵列的波束训练方法和快速超大规模天线阵列的波束训练方法均存在波束训练开销较大的问题，从而影响后续数据传输的效率。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
为此，本发明提出一种超大规模天线阵列的波束训练方法，能够显著降低波束训练的训练开销，从而提高数据传输的效率。
本发明还提出一种应用上述超大规模天线阵列的波束训练方法的装置。
本发明还提出一种应用上述超大规模天线阵列的波束训练方法的电子设备。
本发明还提出一种应用上述超大规模天线阵列的波束训练方法的计算机可读存储介质。
根据本发明第一方面实施例的超大规模天线阵列的波束训练方法，所述超大规模天线阵列包括多个中心天线阵列，所述方法包括：
获取角度域上层分层码本和极域下层分层码本；
激活若干个中心天线阵列，并且基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；
基于所述极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。
根据本发明的一些实施例，所述基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息，包括：
从所述角度域上层分层码本确定第一阶段最佳码字；
根据所述第一阶段最佳码字确定第一阶段最佳码字索引；
根据所述第一阶段最佳码字索引和预设的粗略方向计算公式得到所述用户粗略方向信息。
根据本发明的一些实施例，所述基于极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息，包括：
在所述极域下层分层码本中的码字为非最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行二叉树角度域距离域波束搜索得到所述精细化用户方向距离信息；
在所述极域下层分层码本中的码字为最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行精细化波束训练处理得到所述精细化用户方向距离信息。
根据本发明的一些实施例，所述精细化用户方向距离信息包括精细化用户方向信息和精细化用户距离信息，所述在所述极域下层分层码本中的码字为最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行精细化波束训练处理得到所述精细化用户方向距离信息，包括：
从所述极域下层分层码本的最后一层码字筛选出第二阶段最佳码字；
根据所述第二阶段最佳码字确定第二阶段最佳码字索引；
根据所述第二阶段最佳码字索引和预设的精细方向计算公式得到所述精细化用户方向信息；以及通过所述第二阶段最佳码字索引确定所述精细化用户距离信息。
根据本发明的一些实施例，所述角度域上层分层码本满足以下条件：所述角度域上层分层码本中每层的每个码字覆盖特定的角度域和整个距离域，并且等分整个空间角度域；所述角度域上层分层码本的任意一层内任意码字的角度覆盖范围被其下一层中两个码字所联合覆盖。
根据本发明的一些实施例，所述极域下层分层码本满足以下条件：所述极域下层分层码本中每层的每个码字覆盖极域中的特定的角度区域和距离区域，并且每层中的所有码字共同覆盖整个角度域和距离域；所述极域下层分层码本的任意一层内任意码字的波束覆盖范围被其下一层中两个码字所联合覆盖。
根据本发明的一些实施例，所述粗略方向计算公式表示为：
Figure BDA0004102877460000031
其中，L表示所述角度域上层分层码本的第L层，i*表示所述第一阶段最佳码字索引，θ*表示所述用户粗略方向信息。
根据本发明第二方面实施例的超大规模天线阵列的波束训练装置，所述超大规模天线阵列包括多个中心天线阵列，所述装置包括：
第一处理模块，用于获取角度域上层分层码本和极域下层分层码本；
第二处理模块，用于激活若干个中心天线阵列，并且基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；
第三处理模块，用于基于所述极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。
根据本发明第三方面实施例的电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的超大规模天线阵列的波束训练方法。
根据本发明第四方面实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令被控制处理器执行时实现如上所述的超大规模天线阵列的波束训练方法。
根据本发明实施例的超大规模天线阵列的波束训练方法，至少具有如下有益效果：在进行超大规模天线阵列的波束训练的过程中，首先获取角度域上层分层码本和极域下层分层码本；接着激活若干个中心天线阵列，以避免近场能量扩散效应，接着基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理就可以得到用户粗略方向信息；然后基于极域下层分层码本和用户粗略方向信息进行第二阶段分层波束训练处理就可以得到精细化用户方向距离信息；通过上述技术方案，能够显著降低波束训练的训练开销，从而提高数据传输的效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本公开技术方案的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开的技术方案，并不构成对本公开技术方案的限制。
图1是本发明一个实施例提供的超大规模天线阵列的波束训练方法流程图；
图2是本发明一个实施例提供的超大规模天线阵列的波束训练方法的二叉树波束搜索分层波束训练处理的具体流程图；
图3是本发明一个实施例提供的超大规模天线阵列的波束训练方法的第二分层波束训练的具体流程图；
图4是本发明一个实施例提供的超大规模天线阵列的波束训练方法的精细化波束训练处理的具体流程图；
图5是本发明一个实施例提供的窄带超大规模阵列通信系统；
图6是本发明一个实施例提供的整个阵列和中心子阵列进行波束训练分别的归一化波束增益的示意图；
图7是本发明一个实施例提供的两阶段分层波束训练方法的示意图；
图8是本发明一个实施例提供的采样距离选取方法示意图；
图9是本发明一个实施例提供的超大规模天线阵列的波束训练装置的构造示意图；
图10是本发明一个实施例提供的电子设备的构造示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明提供了一种超大规模天线阵列的波束训练方法、装置、电子设备及计算机可读存储介质，方法包括：在进行超大规模天线阵列的波束训练的过程中，首先获取角度域上层分层码本和极域下层分层码本；接着激活若干个中心天线阵列，以避免近场能量扩散效应，并且基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理就可以得到用户粗略方向信息；接着然后基于极域下层分层码本和用户粗略方向信息进行第二阶段分层波束训练处理就可以得到精细化用户方向距离信息；通过上述技术方案，能够显著降低波束训练的训练开销，从而提高数据传输的效率。
下面结合附图，对本发明实施例作进一步阐述。
如图1所示，图1是本发明一个实施例提供的超大规模天线阵列的波束训练方法的流程图。超大规模天线阵列包括多个中心天线阵列，该方法包括但不限于有步骤S100、步骤S200和步骤S300：
步骤S100，获取角度域上层分层码本和极域下层分层码本；
步骤S200，激活若干个中心天线阵列，并且基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；
步骤S300，基于极域下层分层码本和用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。
需要说明的是，在进行超大规模天线阵列的波束训练的过程中，首先获取角度域上层分层码本和极域下层分层码本；接着激活若干个中心天线阵列，以避免近场能量扩散效应，并且基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理就可以得到用户粗略方向信息；然后基于极域下层分层码本和用户粗略方向信息进行第二阶段分层波束训练处理就可以得到精细化用户方向距离信息；通过上述技术方案，能够显著降低波束训练的训练开销，从而提高数据传输的效率。
值得注意的是，超大规模天线阵列可以被等分为多个子阵列，这样用户位于每个子阵列的远程区域，而位于整个阵列的近场区域，因此，这样导致每个单独的子阵列到用户的到达角不同，所以当在真实方向附近应用整个阵列进行波束扫描的过程中，中心子阵列的波束方向将与其他子阵列的波束方向对齐，从而产生具有强波束增益的宽角度区域，可以预想到如果使用整个超大规模天线阵列进行分层波束训练，用户将无法通过找到最大接收信号功率来确定所有波束中最佳波束的方向，以上即为近场通信的能量扩散效应的解释。选择相对较少数量的天线进行波束训练，用户就可以被视为位于子阵列的远场区域中，因此，基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理依据于传统的远场分层波束训练。激活超大规模天线阵列中的若干个中心天线阵列，就能够使得用户位于中心天线阵列的远场区域，进而可以利用传统的远场区域波束训练方式进行波束训练，很好地避免了近场能量扩散效应。
值得注意的是，获取角度域上层分层码本和极域下层分层码本，接着基于角度域上层分层码本进行第一阶段的波束训练，即为基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理，就可以得到用户粗略方向信息；接着基于极域下层分层码本和用户粗略方向信息进行第二阶段的波束训练，即为进行第二阶段分层波束训练处理就可以得到精细化用户方向距离信息；通过上述技术方案，利用两阶段的分层波束训练处理，能够很好地减少波束训练的开销，进而有利于进行后续的数据传输处理。
另外，在一实施例中，如图2所示，上述步骤S200可以包括但不限于步骤S210、步骤S220和步骤S230。
步骤S210，从角度域上层分层码本确定第一阶段最佳码字；
步骤S220，根据第一阶段最佳码字确定第一阶段最佳码字索引；
步骤S230，根据第一阶段最佳码字索引和预设的粗略方向计算公式得到用户粗略方向信息。
需要说明的是，在进行二叉树波束搜索分层波束训练处理的过程中，首先从角度域上层分层码本确定第一阶段最佳码字，接着根据第一阶段最佳码字确定第一阶段最佳码字索引，最后就可以根据第一阶段最佳码字索引和预设的粗略方向计算公式计算得到用户粗略方向信息。
值得注意的是，从角度域上层分层码本中确定第一阶段最佳码字的过程中，首先从角度域上层分层码本的第一层码字中确定得到最佳码字；接着第二层的最佳码字根据第一层得到的最佳码字而进行确定，以此类推，直至将角度域上层分层码本的最后一层的最佳码字作为第一阶段最佳码字。
另外，在一实施例中，如图3所示，上述步骤S300可以包括但不限于步骤S310和步骤S320。
步骤S310，在极域下层分层码本中的码字为非最后一层码字的情况下，基于用户粗略方向信息和极域下层分层码本进行二叉树角度域距离域波束搜索得到精细化用户方向距离信息；
步骤S320，在极域下层分层码本中的码字为最后一层码字的情况下，基于用户粗略方向信息和极域下层分层码本进行精细化波束训练处理得到精细化用户方向距离信息。
需要说明的是，在进行第二阶段分层波束训练处理的过程中，在极域下层分层码本中的码字为非最后一层码字的情况下，就会基于用户粗略方向信息和极域下层分层码本进行二叉树角度域距离域波束搜索得到精细化用户方向距离信息；在极域下层分层码本中的码字为最后一层码字的情况下，就会基于用户粗略方向信息和极域下层分层码本进行精细化波束训练处理就可以得到精细化用户方向距离信息。
另外，在一实施例中，如图4所示，精细化用户方向距离信息包括精细化用户方向信息和精细化用户距离信息，上述步骤S320可以包括但不限于步骤S321、步骤S322和步骤S323。
步骤S321，从极域下层分层码本的最后一层码字筛选出第二阶段最佳码字；
步骤S322，根据第二阶段最佳码字确定第二阶段最佳码字索引；
步骤S323，根据第二阶段最佳码字索引和预设的精细方向计算公式得到精细化用户方向信息；以及通过第二阶段最佳码字索引确定精细化用户距离信息。
需要说明的是，在进行精细化波束训练处理的过程中，首先从极域下层分层码本的最后一层码字筛选出第二阶段最佳码字；接着根据第二阶段最佳码字确定第二阶段最佳码字索引；最后根据第二阶段最佳码字索引和预设的精细方向计算公式就可以得到精细化用户方向信息；以及通过第二阶段最佳码字索引确定对应的精细化用户距离信息。
另外，在一实施例中，角度域上层分层码本满足以下条件：角度域上层分层码本中每层的每个码字覆盖特定的角度域和整个距离域，并且等分整个空间角度域；角度域上层分层码本的任意一层内任意码字的角度覆盖范围被其下一层中两个码字所联合覆盖。
另外，在一实施例中，极域下层分层码本满足以下条件：极域下层分层码本中每层的每个码字覆盖极域中的特定的角度区域和距离区域，并且每层中的所有码字共同覆盖整个角度域和距离域；极域下层分层码本的任意一层内任意码字的波束覆盖范围被其下一层中两个码字所联合覆盖。
另外，在一实施例中，粗略方向计算公式表示为：
Figure BDA0004102877460000071
其中，L表示角度域上层分层码本的第L层，i*表示第一阶段最佳码字索引，θ*表示用户粗略方向信息。
为了更加清楚地说明本发明实施例提供的超大规模天线阵列的波束训练方法，下面以具体的示例进行说明。
如图5所示，本发明实施例提供了一个窄带超大规模阵列通信系统的下行波束训练。其中，基站配置了具有N根天线的无源均匀线性阵列与一个单天线用户进行通信。
超大规模阵列被放置在y轴，其第n根天线的坐标为(0,δnd)，其中，
Figure BDA0004102877460000072
是天线间距，λc为载波波长。基于球面波传输模型，从基站到用户的视距传输信道可以表示为
Figure BDA0004102877460000073
其中，
Figure BDA0004102877460000074
为复信道增益，ρ0表示单位距离1m的信道增益，θ为空间到达角φ的正弦值，r表示基站的几何中心到用户的距离。此外,b(θ,r)表示近场指向向量,由下式给出
Figure BDA0004102877460000081
其中，
Figure BDA0004102877460000082
代表基站的超大规模阵列第n根天线到用户的距离。注意假设用户位于基站的超大规模阵列的菲涅尔区域，即
Figure BDA0004102877460000083
其天线之间的幅度变化可忽略不计[12,13]。值得指出的是当r足够大，b(θ,r)等价于传统远场指向向量
Figure BDA0004102877460000084
这是由于当r足够大时，r(n)≈r-δndθ。
基于上式中基站到用户之间的信道，用户的接受信号为
y＝hHvx+z0
其中，x表示基站的发送符号，v代表基站发送波束赋形向量，
Figure BDA0004102877460000085
为方差为σ2的加性高斯白噪声。从上式可以得出最优的传输波束赋形向量为v*＝b(θ,r)。在实际通信系统中，通常需要在信道估计和数据传输之前进行波束训练，通过找到匹配v*的最佳波束码字来建立高质量的初始链路。
参照图6，整个阵列和中心子阵列进行波束训练分别的归一化波束增益。超大规模阵列具有N＝512天线，中心子阵列包括Nc＝128天线。载波频率f为100GHz，基站到用户距离为r＝5米。
本发明实施例提供了一种新的两阶段分层波束训练方法，以显著减少现有近场波束训练方法的开销，同时实现优异的速率性能。首先定义如下的波束增益：
定义1：定义g(b(θ,r),w)为波束赋形向量w沿信道指向向量b(θ,r)的归一化波束增益
g(b(θ,r),w)＝|b(θ,r)w|
接着，具有信道指向向量b(θ,r)的近场用户。当基于整个阵列或子阵列的远场波束分别被应用于波束扫描时，给出如下两个关键观察结果：
观察1(近场能量扩散):考虑使用整个阵列利用上述式子中给出的远场码本进行波束扫描。定义在上式中的波束增益在一定的空间方向范围内具有很大的值。这就是所谓的近场通信的能量扩散效应，解释如下：超大规模天线阵列可以被等分为多个子阵列，这样用户位于每个子阵列的远场区域，而位于整个阵列的近场区域。因此，这导致每个单独的子阵列到用户的到达角不同。因此，当在真实方向附近应用整个阵列进行波束扫描时，中心子阵列的波束方向将与其他子阵列的波束方向对齐，从而产生具有强波束增益的宽角度区域。因此，可以预想到如果使用整个大规模天线阵列进行分层波束训练，用户将无法通过找到最大接收信号功率来确定所有波束中最佳波束的方向。
观察2(子阵列波束扫描以避免能量扩散效应):考虑使用仅激活Nc＝N/4个天线的中心子阵列进行波束扫描，即
Figure BDA0004102877460000091
中心子阵列的波束增益峰值尖锐且指向用户真实方向；此外，中心子阵列最大的归一化的波束增益接近整个阵列的归一化波束增益。
观察2表明，如果选择相对较少数量的天线进行波束训练，用户可以被视为位于子阵列的远场区域中。受此启发，提出了一个新的两阶段分层波束训练方法，如图7所示。具体地，在第一阶段，通过使用子阵列激活技术来估计粗略的用户方向，该子阵列用基于角度域的上层码本来实现传统的远场分层波束训练。然后，在第二阶段，通过在角度域和距离域中设计专用的下层码本以及设计新的波束训练方法，进一步精细地估计用户方向及其有效距离。参考远场基于二叉树的分层波束训练方法，分层码本的总层数可以设置为Lt＝log2(N)，而上层和下层码本分别包括L和Lt-L层。
(1)上层一维分层码本设计
在估计用户粗略方向的过程中，对于上层一维分层码本设计应该满足以下条件：
对于第一阶段，首先在角度域中设计其上层一维分层码本，然后提出用于粗略用户方向估计的波束训练方法。
具体地，类似于传统的远场分层码本，所提出的上层码本包括L层码字，并需要满足以下两个准则。第一，上层码本中每层的每个码字应覆盖特定的角度区域以及整个距离域，即[rmin,∞]。此外，每一层中的所有码字应等分整个空间角度域[-1,1]。第二，某一层内任意码字的角度覆盖范围应该被其下一层中两个码字的联合覆盖。
为了满足上述两个准则，上层码本设计如下：对于第l层，基站大规模天线阵列的中心的Nl＝2l天线被激活，这可以生成波束宽度为2/Nl的远场波束。因此，对于第l层码本，它具有Nl个码字，每个码字指向空间方向
Figure BDA0004102877460000092
用
Figure BDA0004102877460000093
表示阶段一中第l层码字的集合。数学上，Wl中的第i个码字为
Figure BDA0004102877460000094
(2)阶段一分层波束训练
在阶段一进行分层波束训练的过程中，
基于所设计的上层码本，可以使用基于二叉树的波束搜索来实现第一阶段的角度域分层波束训练。假设
Figure BDA0004102877460000101
是阶段一中第L层中的最佳码字，其中i*表示最佳码字索引。根据提出的阶段一波束训练方法，用户粗略方向被估计为
Figure BDA0004102877460000102
而真实方向位于角度区域
Figure BDA0004102877460000103
内。
对于阶段一，每层波束训练需要两个训练波束，因此阶段一的总开销为2L，这与传统的远场情况一致。
在估计用户精细的方向和距离的过程中。
给定阶段一中估计的粗略用户方向，可以通过穷举搜索所有候选方向-距离对来找到用户的最佳近场波束向量。然而，该方法的波束训练开销是剩余候选方向的数量(即
Figure BDA00041028774600001012
)和采样距离的数量S的乘积，因此在第二阶段需要2L-t-LS的训练开销。为了进一步减少开销，设计了一个新的下层二维分层码本及其专用的波束训练方法。
(3)下层二维分层码本设计：
如图7所示，第二阶段的下层码本由Lt-L层码字组成。为便于使用二叉树搜索，下层码本需要满足以下准则。第一，下层码本的每个码字应覆盖极域中的一个特定角度区域及距离区域。此外，每层中的所有码字应共同覆盖整个角度域[-1,1]和距离域[rmin,∞]。第二，某一层中任意码字的波束覆盖范围应该被其下一层中两个码字的覆盖包含。
为了满足上述准则，设计如下的下层码本：对于第u层，u＝L+1,...,Lt，基站的大规模天线阵列中心的Nu＝2u天线被激活。将第u层码字集合表示为
Figure BDA0004102877460000104
其中每个码字
Figure BDA0004102877460000105
对应一个指向特定方向和距离的近场指向向量，即
Figure BDA0004102877460000106
Su＝2u-L是第u层中方向
Figure BDA0004102877460000107
上的采样距离数。码字
Figure BDA0004102877460000108
的设计如下：
首先，第u层的每个码字指向一个空间方向，且所有码字均匀地分割角度域[-1,1]，即
Figure BDA0004102877460000109
数学上，有
Figure BDA00041028774600001010
接下来，考虑具有每个码字在特定指向方向上的采样距离。为了覆盖整个距离域，首先定义如下的“距离索引集合”：
Figure BDA00041028774600001011
接着，对于第u层码字的每个空间指向方向，选择Su个采样距离使其索引以二等分的方式逐步划分“距离索引集合”，如图8所示。具体地，让I(u,j)表示给出第u层码字的第j个采样距离的索引的函数，具体为
Figure BDA0004102877460000111
因此，码字
Figure BDA0004102877460000112
对应的采样距离为
Figure BDA0004102877460000113
(4)阶段二分层波束训练
基于所设计的下层码本，第二阶段详细波束训练步骤分为如下两种情况：
1)对于层u＝L+1,...,Lt-1：除最后一层外，基于二叉树实现在角度域和距离域上的波束搜索，以逐步找到用户精细的方向和距离。具体而言，对于阶段二波束训练的每一层，测试四个码字，对应于两个采样方向和两个采样距离的组合。根据用户接收到的信号功率强度，可以确定第u层中的最佳波束及其指向的方向和距离。然后，进入下一层并重复此过程。
2)对于最后一层，即u＝Lt：最后一层中，的目标是找到最为精确的近场波束，以最大化波束训练准确度。以
Figure BDA0004102877460000114
表示在层Lt-1中获得的最佳码字，其中(i*,j*)表示相应的码字索引。对于最后一层Lt，两个波束方向选择为
Figure BDA0004102877460000115
和
Figure BDA0004102877460000116
对于每个波束方向，选择
Figure BDA0004102877460000117
中距离索引在[I(Lt-1,j*-1),I(Lt-1,j*+1)]内的所有距离进行采样。数学上，i＝1,2时，波束方向θi对应的采样距离为
Figure BDA0004102877460000118
基于以上设计，对于阶段二，u＝L+1,...,Lt-1的每层需要测试4个码字，最后一层u＝Lt需要测试
Figure BDA0004102877460000119
个码字。因此，第二阶段的总波束训练开销为
Figure BDA00041028774600001110
例子1：考虑大规模天线阵列具有N＝512天线。用户位于[θ,r]＝[0,40m]。系统参数设置为Lt＝9,L＝7,及SΔ＝70。根据的设计,经过阶段一的7层波束训练后，用户的粗略方向被逐步估计为-0.0078(对应第七层最佳码字
Figure BDA00041028774600001111
)。接下来，进入阶段二。在第8层测试四个码字，即
Figure BDA00041028774600001112
对应的采样距离为
Figure BDA00041028774600001113
假设
Figure BDA00041028774600001114
是第8层的最优码字。接着，在第9层(最后一层)中，对六个码字进行测试,即
Figure BDA00041028774600001115
对应采样距离r∈[∞,68,34]。最后，提出的两阶段分层波束训练方法的最优码字被识别为
Figure BDA0004102877460000121
指向用户距离[θ,r]＝[-0.0019,35m]。在这个例子中，所提波束训练方法的总开销为24。
一般情况下，所提的两阶段分层波束训练方法的总开销为
Figure BDA0004102877460000122
其中(a)中的近似源于假设最后一层类似于阶段二的前面层，同样测试四个码字。通常，方法对于阶段一的每一层，需要2个训练波束估计粗略用户方向；对于阶段二的每一个层，需要4个训练波束来联合搜索用户空间方向和距离。设计的波束训练方法的开销服从
Figure BDA0004102877460000123
这显著低于已有基准近场波束训练方法。
通过适当激活超大规模天线阵列的中心子阵列进行波束训练，可以有效缓解近场能量扩散效应。设计一种简单而高效的两阶段分层波束训练方法。具体而言，在第一阶段，通过子阵列激活技术来应用传统的远场分层波束训练，以估计粗略用户方向。然后，在第二阶段，设计专用的极域分层码本以及新的波束训练方法，进一步逐步精细化搜索用户方向及其有效距离。特别地，相比于现有基于穷举搜索的近场波束训练方法和快速近场波束训练方法，提出的二阶段分层波束训练设计可以分别减少超过99％和95％的波束训练开销，并获得与之相当的波束赋形性能。
在本发明的一些实施例中，如图9所示，本发明的一个实施例还提供了一种超大规模天线阵列的波束训练装置10，超大规模天线阵列包括多个中心天线阵列，装置包括：
第一处理模块100，用于获取角度域上层分层码本和极域下层分层码本；
第二处理模块200，用于激活若干个中心天线阵列，并且基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；
第三处理模块300，用于基于极域下层分层码本和用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。
该超大规模天线阵列的波束训练装置10的具体实施方式与上述超大规模天线阵列的波束训练方法的具体实施例基本相同，在此不再赘述。
在本发明的一些实施例中，如图10所示，本发明的一个实施例还提供了一种电子设备700，包括：存储器720、处理器710及存储在存储器720上并可在处理器710上运行的计算机程序，处理器710执行计算机程序时实现上述实施例中的超大规模天线阵列的波束训练方法，例如，执行以上描述的图1中的方法步骤S100至步骤S300、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至S320和图4中的方法步骤S321至S323。值得注意的是，本发明实施例的电子设备可以为基站。
在本发明的一些实施例中，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的超大规模天线阵列的波束训练方法，例如，执行以上描述的图1中的方法步骤S100至步骤S300、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至S320和图4中的方法步骤S321至S323。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (10)

1.一种超大规模天线阵列的波束训练方法，其特征在于，所述超大规模天线阵列包括多个中心天线阵列，所述方法包括：
获取角度域上层分层码本和极域下层分层码本；
激活若干个中心天线阵列，并且基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；
基于所述极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。
2.根据权利要求1所述的超大规模天线阵列的波束训练方法，其特征在于，所述基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息，包括：
从所述角度域上层分层码本确定第一阶段最佳码字；
根据所述第一阶段最佳码字确定第一阶段最佳码字索引；
根据所述第一阶段最佳码字索引和预设的粗略方向计算公式得到所述用户粗略方向信息。
3.根据权利要求1所述的超大规模天线阵列的波束训练方法，其特征在于，所述基于极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息，包括：
在所述极域下层分层码本中的码字为非最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行二叉树角度域距离域波束搜索得到所述精细化用户方向距离信息；
在所述极域下层分层码本中的码字为最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行精细化波束训练处理得到所述精细化用户方向距离信息。
4.根据权利要求3所述的超大规模天线阵列的波束训练方法，其特征在于，所述精细化用户方向距离信息包括精细化用户方向信息和精细化用户距离信息，所述在所述极域下层分层码本中的码字为最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行精细化波束训练处理得到所述精细化用户方向距离信息，包括：
从所述极域下层分层码本的最后一层码字筛选出第二阶段最佳码字；
根据所述第二阶段最佳码字确定第二阶段最佳码字索引；
根据所述第二阶段最佳码字索引和预设的精细方向计算公式得到所述精细化用户方向信息；以及通过所述第二阶段最佳码字索引确定所述精细化用户距离信息。
5.根据权利要求1所述的超大规模天线阵列的波束训练方法，其特征在于，所述角度域上层分层码本满足以下条件：所述角度域上层分层码本中每层的每个码字覆盖特定的角度域和整个距离域，并且等分整个空间角度域；所述角度域上层分层码本的任意一层内任意码字的角度覆盖范围被其下一层中两个码字所联合覆盖。
6.根据权利要求1所述的超大规模天线阵列的波束训练方法，其特征在于，所述极域下层分层码本满足以下条件：所述极域下层分层码本中每层的每个码字覆盖极域中的特定的角度区域和距离区域，并且每层中的所有码字共同覆盖整个角度域和距离域；所述极域下层分层码本的任意一层内任意码字的波束覆盖范围被其下一层中两个码字所联合覆盖。
7.根据权利要求2所述的超大规模天线阵列的波束训练方法，其特征在于，所述粗略方向计算公式表示为：
Figure FDA0004102877450000021
其中，L表示所述角度域上层分层码本的第L层，i*表示所述第一阶段最佳码字索引，θ*表示所述用户粗略方向信息。
8.一种超大规模天线阵列的波束训练装置，其特征在于，所述超大规模天线阵列包括多个中心天线阵列，所述装置包括：
第一处理模块，获取角度域上层分层码本和极域下层分层码本；
第二处理模块，用于激活若干个中心天线阵列，并且基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；
第三处理模块，用于基于所述极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。
9.一种电子设备，其特征在于，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的超大规模天线阵列的波束训练方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，其特征在于，所述计算机可执行指令被控制处理器执行时实现如权利要求1至7任意一项所述的超大规模天线阵列的波束训练方法。
CN202310182870.4A 2023-02-20 2023-02-20 超大规模天线阵列的波束训练方法、电子设备及存储介质 Pending CN116232391A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310182870.4A CN116232391A (zh) 2023-02-20 2023-02-20 超大规模天线阵列的波束训练方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310182870.4A CN116232391A (zh) 2023-02-20 2023-02-20 超大规模天线阵列的波束训练方法、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116232391A true CN116232391A (zh) 2023-06-06

Family

ID=86590707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310182870.4A Pending CN116232391A (zh) 2023-02-20 2023-02-20 超大规模天线阵列的波束训练方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116232391A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117335848A (zh) * 2023-11-06 2024-01-02 国家工业信息安全发展研究中心 一种超大规模mimo空间非平稳信道的波束训练方法
CN118018081A (zh) * 2024-02-29 2024-05-10 国家工业信息安全发展研究中心 一种面向数据安全通信的环形天线系统分层波束训练方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117335848A (zh) * 2023-11-06 2024-01-02 国家工业信息安全发展研究中心 一种超大规模mimo空间非平稳信道的波束训练方法
CN117335848B (zh) * 2023-11-06 2024-04-16 国家工业信息安全发展研究中心 一种超大规模mimo空间非平稳信道的波束训练方法
CN118018081A (zh) * 2024-02-29 2024-05-10 国家工业信息安全发展研究中心 一种面向数据安全通信的环形天线系统分层波束训练方法
CN118018081B (zh) * 2024-02-29 2024-08-09 国家工业信息安全发展研究中心 一种环形天线系统分层波束训练方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN116232391A (zh) 超大规模天线阵列的波束训练方法、电子设备及存储介质
CN104935366B (zh) 毫米波通信中的波束搜索方法
Morais et al. Position-aided beam prediction in the real world: How useful GPS locations actually are?
CN108650200B (zh) 高低频混合组网系统的低频辅助信道估计方法
CN103178881B (zh) 主瓣干扰抑制方法及装置
CN110113088B (zh) 一种分离型数模混合天线系统波达角智能化估计方法
Cousik et al. Deep learning for fast and reliable initial access in AI-driven 6G mm wave networks
CN114640381B (zh) 一种智能超表面的反射系数计算方法及系统
CN105790811A (zh) 一种高分辨率模拟波束快速训练方法及装置
CN114844545A (zh) 基于sub6GHz信道以及部分毫米波导频的通信波束选择方法
CN115085774A (zh) 一种基于克拉美罗界的通感融合混合波束赋形方法
WO2023103356A1 (zh) 近场宽带波束赋形方法、装置、电子设备及存储介质
Shi et al. Hierarchical codebook-based beam training for extremely large-scale massive mimo
CN110868734A (zh) 一种基于频谱数据分析的无人机集群动态拓扑挖掘方法
US7304608B2 (en) Wireless network apparatus and adaptive digital beamforming method thereof
CN117062228A (zh) 一种基于近场无线通信码本的多臂波束训练方法
CN116488747A (zh) 信息交互方法、装置及通信设备
CN117394895A (zh) 一种用于超大规模通信系统的混合近远场波束训练方法
US12101169B2 (en) Carrier acquisition in satellite communications
CN115622602A (zh) 近场波束训练方法、电子设备及计算机可读存储介质
Kutty et al. An improved numerical optimization method for efficient beam search in 60 GHz indoor millimeter wave wireless networks
CN111239682A (zh) 一种电磁发射源定位系统及方法
CN115996094A (zh) 一种基于栅瓣的太赫兹近场多波束扫描方法
CN107181517B (zh) 波束搜索方法及装置
US11963149B2 (en) Carrier acquisition in satellite communications

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