CN116418375B - 超大规模mimo中基于动态子阵列的混合预编码方法 - Google Patents

Abstract

超大规模MIMO中基于动态子阵列的混合预编码方法，包括以下步骤：步骤1.根据下行信道矩阵H设计动态子阵列并计算模拟预编码矩阵F_RF；步骤2：根据下行信道矩阵H和模拟预编码矩阵F_RF计算数字预编码矩阵F_BB；步骤3：根据模拟预编码矩阵F_RF和数字预编码矩阵F_BB对输入的多路数据流进行混合预编码并输出。本发明充分利用超大规模MIMO系统信道矩阵的块稀疏特性，能获得超大规模MIMO混合预编码系统接近最优的频谱效率；并兼顾不同用户终端的公平性，使不同用户终端的频谱效率差异控制在合理范围；同时本发明可不改变基站天线的物理形态和阵列结构，仅对子阵列作动态调整，为系统设计提供了较大灵活性。

Description

超大规模MIMO中基于动态子阵列的混合预编码方法

技术领域

本发明属于无线通信技术领域，涉及一种超大规模MIMO中基于动态子阵列的混合预编码方法。

背景技术

贝尔实验室提出的大规模MIMO(massive multiple-input multiple-output)通过在基站配置大量天线，并结合发射和接收处理，能极大提升系统频谱效率和功率效率，已成为第五代移动通信系统(5G)等无线通信系统的关键技术。随着5G的大规模商用，包括中国在内的多个国家和地区已开启了面向第六代移动通信系统(6G)的前期研究。为满足6G在频谱效率、连接密度等方面的更高需求，必须深入挖掘可用通信资源。目前学术界和产业界的主流观点是：为充分利用空间资源，可在5G大规模MIMO的基础上，在基站端进一步增加天线数量，即所谓超大规模MIMO(extra-large scale massive MIMO,XL-MIMO)。

超大规模MIMO可视为传统大规模MIMO向更高空间维度的拓展。由于阵列维度的进一步增加和新部署形态的涌现(如将阵列集成于大型建筑表面或内部)，阵列尺寸也急剧扩张，某些情形下可达数十米。这些因素使得超大规模MIMO的信道沿阵列方向出现了明显的空间非平稳特性，如不同位置分布的用户终端将在阵列上具有不同的可视区域(visibleregion,VR)，导致基站端部分天线到不同用户终端的信道系数出现大量的零元素，从而使整体信道矩阵呈现一定的块稀疏特性。

与传统大规模MIMO类似，预编码是超大规模MIMO下行链路的主要传输方式。在传统大规模MIMO系统中，为克服全数字预编码巨大的成本和功耗，一般采用射频链路数小于基站天线数的模数混合预编码方案，即将预编码分解为基带低维数字预编码和射频高维模拟预编码两个部分，且后者通常使用简单的移相器实现，从而以较小性能损失达到大幅降低成本和功耗的目的。参阅图2，现有技术中大规模MIMO的混合预编码器主要包括全连接和部分连接两种结构：全连接结构中，每个射频链路通过移相器与所有天线相连，所需移相器数等于射频链路数与天线数之积；部分连接结构中，每个射频链路仅与某个天线子阵列相连，且不同子阵列的天线互不交叠，故所需移相器数等于天线数。已有研究表明，相较于全连接结构，部分连接结构的性能有一定损失，但成本和功耗更低。

然而，上述针对传统大规模MIMO的混合预编码方案，无论是全连接结构还是部分连接结构，几乎都固化了射频链路和天线阵列(子阵列)之间的连接关系。这种固化模式不能完全适用于信道矩阵具有块稀疏特性的超大规模MIMO系统。

发明内容

为克服上述现有技术的缺点，本发明针对超大规模MIMO下行链路传输，提供一种超大规模MIMO中基于动态子阵列的混合预编码方法。

本发明所述超大规模MIMO中基于动态子阵列的混合预编码方法，包括以下步骤：

参数设置：

设所有基站天线的序号集合为

A＝{1,2,...,N_TX}，N_TX为基站天线总数；

所有用户终端的序号集合为U＝{1,2,...,K}，

定义基站天线数与用户终端数之比M＝N_TX/K，

最小次数D_min＝min(min{D₁,...,D_K},a*M),0<a≤1，

最大次数D_max＝max(min{D₁,...,D_K},b*M),b≥1

min和max分别表示取对象元素中的最小值和最大值，a,b分别表示最小次数因子和最大次数因子；D₁...D_K分别表示第1...k个用户终端能观察到的基站天线数量；

下行信道矩阵H为：

(1)式中，表示基站第n_TX个天线到第k个用户终端接收天线的信道系数，并用/>表示/>的相位；d_k为第k个用户终端所能观察到的多个连续分布的基站天线中的起点基站天线编号；N_TX

步骤1.根据下行信道矩阵H设计动态子阵列并计算模拟预编码矩阵F_RF；

步骤1-a：对基站天线n_TX＝1,2,...,N_TX，依次在下行信道矩阵H的第n_TX列所有K个信道系数中选择幅度最大的用户终端，该用户终端序号记为k^opt(n_TX)，表示第n_TX个天线对应的最大幅度用户终端，并将天线序号n_TX添加至集合/>同时记录被选中的用户终端的选中次数；

在此过程中，若某一用户终端对应的信道系数被选中达到D_max次，则在后续查找中不再选择该用户终端的信道系数；而在剩余的用户终端中继续选择最大幅度用户终端；

遍历完所有基站天线后，得到K个用户终端对应的基站天线序号初始集合A₁,A₂,...,A_K；

步骤1-b：对k＝1,2...K，若|A_k|<D_min，|A_k|表示集合A_k中的元素个数，则在集合{d_k,d_k+1,...,d_k+D_k-1}\A_k中选择第k个用户终端对应幅度最大的(D_min-|A_k|)个信道系数的基站天线序号；

{d_k,d_k+1,...,d_k+D_k-1}\A_k表示集合A_k关于集合{d_k,d_k+1,...,d_k+D_k-1}的相对补集；{d_k,d_k+1,...,d_k+D_k-1}就是第k个用户终端能观察到的全部基站天线；

并将这(D_min-|A_k|)个基站天线序号添加至集合A_k中，同时将这些基站天线序号从其原归属的其他非A_k的集合中删除；

遍历对所有基站天线序号初始集合A_k的检视，直至它们均满足上限和下限条件D_min≤|A_k|≤D_max，k∈U；从而得到所有用户终端的天线序号集合

步骤1-c：对k＝1,2...K，将中序号对应的基站天线归属为第k个动态子阵列，并与第k个射频链路相连；

当射频链路总数N_RF＝K时，进行步骤1-C1

步骤1-C1:提取中天线序号所对应信道系数的相位信息生成移相值，即若某天线/>该天线/>对应的移相值为/>即模拟预编码矩阵F_RF的第/>个元素为/>

当射频链路总数N_RF大于K时，将天线序号集合中最大的前若干集合拆分为更多的子集，使得天线序号集合拆分后的集合总数为N_RF再进行步骤1-C1；

遍历全部天线序号集合最终得到模拟预编码矩阵F_RF；

步骤2：根据下行信道矩阵H和模拟预编码矩阵F_RF计算数字预编码矩阵F_BB；

步骤3：根据模拟预编码矩阵F_RF和数字预编码矩阵F_BB对输入的多路数据流进行混合预编码后输出；

超大规模MIMO数字预编码器的输出信号y可表示为

y＝F_RF*F_BB*x

上式中，x为输入超大规模MIMO数字预编码器的数据流。

优选的：所述步骤2具体为：

先求出等效信道矩阵G＝H*F_RF，数字预编码矩阵F_BB通过匹配滤波或迫零方法计算，具体如下式：

上标H表示矩阵的Hermitian转置运算，MF,ZF表示采用匹配滤波和迫零方法，||||_F表示矩阵的Frobenius范数。

优选的，所述最小次数因子a和最大次数因子b的比为1:3至1：6。

本发明的主要优点包括：首先，能获得超大规模MIMO混合预编码系统接近最优的频谱效率；其次，能兼顾不同用户终端的公平性，使不同用户终端的频谱效率差异控制在合理范围；再次，不改变基站天线的物理形态和阵列结构，仅对子阵列作动态调整，为系统设计提供了较大灵活性；最后，与已有方法相比，本发明虽引入了查找信道系数最大幅度的处理环节，但由此增加的计算复杂度与整个混合预编码流程相比可忽略不计。

附图说明

图1是本发明所述基于动态子阵列的超大规模MIMO混合预编码器用于下行多用户终端发送的示意图；

图2是传统的大规模MIMO混合预编码器示意图；图1中(a)部分是全连接结构，(b)部分是部分连接结构；

图3是图1中基于动态子阵列的超大规模MIMO混合预编码器的一个具体实施方式详细结构示意图；

图4是比较本发明一个具体实施例和已有方法的系统频谱效率的仿真示意图；

图5是比较本发明一个具体实施例中在不同参数设置条件下的系统频谱效率的仿真示意图；

图6是比较本发明一个具体实施例中在不同参数设置条件下所有用户终端中频谱效率最大值与最小值比值的累计分布函数的仿真示意图；

图中：101基于动态子阵列的超大规模MIMO混合预编码器、301数字预编码器、302射频链路、303模拟预编码器、303-1动态子阵列生成器、303-2移相器。

具体实施方式

下面结合附图对本发明的具体实施方式进行详细说明，但并不用来限制本发明的保护范围。

首先，本发明在设计模拟预编码器时，根据超大规模MIMO信道矩阵的块稀疏特点，先以基站天线为中心，在每一基站天线到所有用户终端的信道系数中，选择具有最大幅度的信道系数的相位信息生成该基站天线的移相值；再考虑不同用户终端的相对公平性，迭代检视所有用户终端的初始基站天线序号集合并增加或删除其中元素，直至所有用户终端的基站天线序号集合的元素个数满足预先设定的上限和下限条件。

得到所有用户终端的最终基站天线序号集合之后，即可生成相应的动态子阵列和模拟预编码矩阵。然后，在设计数字预编码器时，先基于模拟预编码矩阵和实际信道矩阵的乘积获得等效信道矩阵，再通过对等效信道矩阵进行常见的匹配滤波(matched-filter,MF)、迫零(zero-forcing,ZF)等预编码处理。最后，将原始数据流顺次输入设计好的数字预编码器和模拟预编码器进行处理，并最终通过天线发射。

为实现上述目的，本发明公开了一种针对超大规模MIMO系统的基站端模数混合预编码方法。

本发明基于一个基本假设：设基站端基站天线数为N_TX，射频链路数为N_RF，每次调度K个单天线用户终端与之在同一时频资源通信，向每个用户终端发射一个数据流，且满足混合预编码基本要求K≤N_RF≤N_TX。以下为描述方便，进一步假设K＝N_RF；但本发明所提方法能自然推广至K<N_RF情形。基站端能获得其每一个基站天线到所有用户终端的信道信息。

参阅图1所示,根据本发明，针对K个单天线用户终端设计基站端基于动态子阵列的超大规模MIMO混合预编码器101，对应于这K个用户终端的K路独立数据流经混合预编码器101处理后，再通过N_TX个基站天线发送至K个用户终端。

参阅图3所示,超大规模MIMO混合预编码器主要包括数字预编码器301、射频链路302和模拟预编码器303三个模块。其中，模拟预编码器303的主要子模块为动态子阵列生成器303-1和移相器303-2。

原始的数据流1至K通过数字预编码器301，数字预编码器301生成数字预编码矩阵F_BB并作用于K个原始数据流，再输出K个基带数据流；在数字预编码器301中，不限制具体的数字预编码矩阵F_BB生成方法，可采用常见的匹配滤波(matched-filter,MF)、迫零(zero-forcing,ZF)等算法。

K个基带数据流借助射频链路302输入至模拟预编码器303，模拟预编码器303生成模拟预编码矩阵F_RF并作用于K个基带数据流，再输出N_TX个待发射信号。在模拟预编码器303中，动态子阵列生成器303-1根据相对公平最大化信道增益算法构建所有射频链路对应的动态子阵列，移相器303-2则根据相对公平最大化信道增益算法为相应基站天线生成移相值。

动态子阵列和移相值二者共同决定了模拟预编码矩阵F_RF的计算。

总体而言，在基站端，将K个用户的K路独立数据流构成的K维列向量x输入超大规模MIMO混合预编码器101做预编码，得到N_TX维列向量形式的输出信号y，即超大规模MIMO混合预编码器101建立了输入数据K维列向量x和输出信号y之间的映射关系y＝F_RF*F_RF*x，输出信号y包含的N_TX路信号最后由N_TX个天线分别发送。每个用户终端接收基站发送的预编码信号，经过简单的接收处理后即可恢复自身期望信号。

大规模MIMO的全连接结构和部分连接结构等混合预编码方案，几乎都固化了射频链路和天线阵列(子阵列)之间的连接关系。这种固化模式不仅不能适应超大规模MIMO系统信道矩阵的块稀疏特性，也难以获得足够的预编码增益。

本发明相比于上述现有技术的缺陷进行改进并具有如下有益效果:

本发明针对传统超大规模MIMO系统信道矩阵的块稀疏特性，提出了低复杂度的相对公平最大化信道增益算法，为所有用户终端生成接近最大化信道增益且满足预设上下限条件的基站天线序号集合，以构造动态子阵列。

本发明方法主要适用于基站端配备大规模天线阵列以同时服务多个用户终端的超大规模MIMO或大规模MIMO系统。下面结合具体的通信系统实例对本发明涉及超大规模MIMO或大规模MIMO混合预编码设计方法的具体实现过程作详细说明。需要说明的是本发明方法不仅适用于下面示例的具体系统模型，也同样适用于其它配置的系统模型。

如前所述，本发明的关键是设计动态子阵列生成器，其本质是一个可编程的K个输入N_TX个输出的动态连接网络，它决定了射频链路和基站天线之间的连接关系。动态子阵列生成器和移相器的相位值均取决于基站获取的下行链路信道信息。

假设基站可通过时分双工系统的上下行链路互易性或频分双工系统的用户终端反馈获取K*N_TX阶下行信道矩阵H，并将其表示为

(1)式中，中的下标分别表示基站第n_TX个天线到第k个用户终端接收天线的信道系数，后文用/>表示/>的相位。与传统大规模MIMO系统不同的是，超大规模MIMO系统中不同位置的用户终端在阵列上具有不同的可视区域，即第k个用户终端只能“观察”到第d_k,d_k+1,...,d_k+D_k-1个连续的基站天线，其他天线对应的信道系数均为0，从而使得信道矩阵H呈现一定的块稀疏特性。此处假设，对任一基站天线，至少有一个用户终端能“观察”到它。所谓观察，是指该基站天线到该用户终端的信道系数不为0,即二者能进行通信。

d_k为第k个用户终端所能观察到的多个连续分布的基站天线中的起点基站天线编号，D_k为第k个用户终端所能观察到的基站天线数量，即第k个用户终端只能“观察”到第d_k,d_k+1,...,d_k+D_k-1个连续的基站天线。例如对第一个用户终端，d_k＝1，D_k＝4，则第一个用户终端能观察到第1、2、3、4个基站天线。

基站端完成混合预编码并实施下行发射,设第k个用户终端的接收信噪比为γ_k，则其可获得频谱效率R_k＝E(log₂(1+γ_k))，E表示数学期望。

混合预编码的优化设计目标为

(2)式中，argmax表示对函数取得最大值的集合，R_K表示频谱效率，F_RF,F_BB分别为模拟预编码矩阵和数字预编码矩阵，集合中的/>分别表示使目标函数取得最大值时F_RF,F_BB对应的最优值，上标opt表示对应变量取最优值。

由于式(2)通常是一个联合非凸优化问题，几乎不能获得最优解。本发明将采用以下对模拟预编码矩阵F_RF和数字预编码矩阵F_BB解耦求解的次优方法。

步骤1：根据下行信道矩阵H设计动态子阵列并计算模拟预编码矩阵F_RF。

在基于动态子阵列的混合预编码约束条件下，利用信道系数的相位信息生成每一个天线对应移相器的移相值，本质是通过某种准则对基站端第n_TX个天线，在所有K个用户终端的候选信道系数中选择最合适的一个提取其相位。

经过发明人前期研究，发现在K个用户终端的候选信道系数中,选择幅度最大的候选信道系数,可取得低复杂度的接近最优解。但另一方面，对基站端每一个天线分别求出接近最优解，可能造成不同用户终端对应信道系数被选择的次数差异过大，导致不同用户终端的频谱效率差距过大而显著不公，因此有必要设置用户终端对应信道系数被选择次数的上限和下限，以使用户终端之间相对公平。

设所有基站天线的序号集合为

A＝{1,2,...,N_TX}，

所有用户终端的序号集合为U＝{1,2,...,K}，

定义基站天线数与用户终端数之比M＝N_TX/K，

最小次数D_min＝min(min{D₁,...,D_K},a*M),0<a≤1，

最大次数D_max＝max(min{D₁,...,D_K},b*M),b≥1

min和max分别表示取对象元素中的最小值和最大值，a,b分别表示最小次数因子和最大次数因子；D₁...D_K分别表示第1...k个用户终端能观察到的基站天线数量。

记第k个用户终端信道系数被选中时得到的基站天线序号集合为A_k。采用一种相对公平最大化信道增益算法，建立动态子阵列及相应移相器移相值之间的对应关系，以获得较大的模拟预编码增益，从而优化模拟预编码矩阵F_RF的设计并提升系统整体性能。

如前所述，在模拟预编码器303中，动态子阵列生成器303-1根据所述相对公平最大化信道增益算法构建所有射频链路对应的动态子阵列，移相器303-2则根据相对公平最大化信道增益算法为相应基站天线生成移相值。

本发明所述相对公平最大化信道增益算法的输入参数为信道矩阵H各非零元素的幅度和相位。

初始化条件为：模拟预编码矩阵F_RF＝0,基站天线序号集合为A_k为空集；k∈U。

步骤1-a：对基站天线n_TX＝1,2,...,N_TX，依次在信道矩阵H的第n_TX列所有K个信道系数中选择幅度最大的用户终端，该用户终端序号记为k^opt(n_TX)，表示第n_TX个天线对应的最大幅度用户终端，并将天线序号n_TX添加至集合/>同时记录被选中的用户终端的选中次数。

在此过程中，若某一用户终端被选中达到D_max次，则在后续查找中不再选择该用户终端；而在剩余的用户终端中继续选择最大幅度用户终端。

遍历完所有基站天线后，得到K个用户终端对应的基站天线序号初始集合A₁,A₂,...,A_K。

步骤1-b：对k＝1,2...K，若|A_k|<D_min，|A_k|表示集合A_k中的元素个数，则在集合{d_k,d_k+1,...,d_k+D_k-1}\A_k中选择第k个用户终端对应幅度最大的(D_min-|A_k|)个信道系数的基站天线序号；{d_k,d_k+1,...,d_k+D_k-1}\A_k表示集合A_k关于集合{d_k,d_k+1,...,d_k+D_k-1}的相对补集；{d_k,d_k+1,...,d_k+D_k-1}就是第k个用户终端能观察到的全部基站天线。

并将这(D_min-|A_k|)个基站天线序号添加至集合A_k中，同时将这些基站天线序号从其原归属的其他非A_k的集合中删除。重复以上对所有A_k的检视，直至它们均满足上限和下限条件D_min≤|A_k|≤D_max，k∈U；从而得到所有用户终端的最终天线序号集合

步骤1-c：对k＝1,2...K，将中序号对应的基站天线归属为第k个动态子阵列，并与第k个射频链路相连；

当射频链路总数N_RF＝K时，进行步骤1-C1

步骤1-C1:提取中天线序号所对应信道系数的相位信息生成移相值，即若某天线/>该天线/>对应的移相值为/>即模拟预编码矩阵F_RF的第/>个元素为/>

当射频链路总数N_RF大于K时，将天线序号集合中最大的前若干集合拆分为更多的子集，使得天线序号集合拆分后的集合总数为N_RF再进行步骤1-C1；

遍历全部天线序号集合最终得到模拟预编码矩阵F_RF。

例如N_RF＝6，K＝4,且则将/>拆分为两个元素个数均为6的子集，将/>拆分为两个元素个数均为5的子集，这4个子集和原有的/>和/>一共构成6个新的集合，组成新的天线序号集合，再进行步骤1-C1。

由以上算法得到的动态子阵列和模拟预编码矩阵F_RF具有如下特点：

1.不同射频链路对应的动态子阵列互不交叠，且所有基站天线均与某一射频链路相连，这表明整体所需移相器数等于基站天线数(与传统的部分连接结构相似)；F_RF为N_TX行K列的稀疏矩阵。

2.模拟预编码矩阵F_RF为N_TX行K列的稀疏矩阵，第n_TX行仅有一个非零元素，其行维和列维分别对应于基站天线的序号n_TX和与该天线相连的射频链路序号，射频链路序号具体数值取决于动态子阵列设计结果；第k列有个非零元素，这些非零元素的行维对应于与第k个射频链路连接的/>个基站天线的序号，这|A_k|个基站天线的具体序号取决于动态子阵列设计结果。

3.模拟预编码矩阵F_RF所有非零元素的模相等，这表明F_RF只涉及相位变换，即可通过移相器实现。

步骤2：根据信道矩阵H和模拟预编码矩阵F_RF计算数字预编码矩阵F_BB。

先求出等效信道矩阵G＝H*F_RF。本发明不限制数字预编码矩阵F_BB具体生成方法，可采用常见的匹配滤波(MF)、迫零(ZF)等方法，它们对应的数字预编码矩阵F_BB可通过下式计算

(3)式中，上标H表示矩阵的厄米共轭(Hermitian)转置运算，MF,ZF表示采用匹配滤波和迫零方法，||||_F表示矩阵的弗罗贝尼乌斯(Frobenius)范数。此外，(3)式中引入了功率归一化处理因子和/>以保证总的混合预编码处理不改变发射信号的功率，即‖F_RF*F_BB‖²＝K,K为用户终端总数。

步骤3：根据模拟预编码矩阵F_RF和数字预编码矩阵F_BB对输入的多路数据流进行混合预编码。

将输入超大规模MIMO数字预编码器101的多路数据流用向量表示为

x＝[x₁,x₂,...x_K]^T。在求解出模拟预编码矩阵F_RF和数字预编码矩阵F_BB之后，超大规模MIMO数字预编码器101的输出信号可表示为

y＝F_RF*F_BB*x

上式中，输出信号y是一个N_TX维列向量，分别由N_TX个天线发送。

参阅图4，通过仿真比较了本发明所述方法和已有方法的系统频谱效率性能，其中数字预编码采用迫零方法。

仿真条件和主要参数为：信道服从瑞利(Rayleigh)衰落，所有收发天线对之间的信道互相独立，且基站能获取准确的下行信道矩阵H；基站天线数N_TX＝256，用户终端数即射频链路数K＝16；D₁＝D₂＝...D₁₆＝N_TX/4，d₁＝1,d₁₆＝193，d₁，d₂，...d₁₅，在闭区间[1,193]中均匀分布；a＝0.5,b＝2。从图4中看出：全数字预编码虽性能最优，但因其成本和功耗巨大，在实际系统中并不可用；相较于成本和功耗几乎相同的部分连接结构，本发明的动态子阵列在所示信噪比区域能显著提升系统的频谱效率；相较于成本和功耗更高的全连接结构(需256*16个移相器)，本发明的动态子阵列仅需256个移相器，虽然在低信噪比区域性能略差，在中高信噪比区域则性能更优。

参阅图5，通过仿真比较了本发明所述方法在参数a,b取不同值时的系统频谱效率性能。仿真条件和主要参数为：数字预编码采用迫零方法，其他条件同图4；a,b取三组值，分别表征选择用户终端信道系数时的不同公平程度，即a＝1,b＝1，表征绝对公平；a＝0.5,b＝2，表征相对公平；a＝0.25,b＝4，表征较大差距。从图5中看出：就系统总的频谱效率而言，由于不同位置分布的用户终端具有不同的基站天线阵列可视区域，且基站到不同用户终端的信道之间存在差异，即使均采用本发明方法，不同参数a,b设置条件的性能也存在差异。具体而言，“绝对公平”的参数设置对应性能相对较差，而“较大差距”的参数设置虽较“绝对公平”性能有所改进，但正视差异并控制差距在合理范围的“相对公平”则在三者之中取得了最好的性能。

参阅图6，通过仿真比较了本发明所述方法在参数a,b取不同值时所有用户终端中频谱效率最大值与最小值的比值的累计分布函数。仿真条件和主要参数同图5，信噪比取值为10dB。从图6中看出：“绝对公平”参数设置条件即a＝1,b＝1时，不同用户终端的频谱效率差距最小，累计分布概率取0.9时对应的最大值与最小值比值约为5；“相对公平”参数设置条件下即a＝0.5,b＝2时，不同用户终端的频谱效率差距有所增加，累计分布概率取0.9时对应的最大值与最小值比值约为20；“较大差距”参数设置条件下即a＝0.25,b＝4时，不同用户终端的频谱效率差距大幅扩大，累计分布概率取0.9时对应的最大值与最小值比值约为90。

综合图5和图6表明，通过优化设置参数a,b，不仅可获得更大的系统频谱效率，也能合理控制不同用户终端的频谱效率差异而促成相对公平。当然，参数a,b的所谓合理取值与系统的仿真条件和其他参数有关，一般不存在通用的最优解。

以上所述，仅为本发明的较佳实施例，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

前文所述的为本发明的各个优选实施例，各个优选实施例中的优选实施方式如果不是明显自相矛盾或以某一优选实施方式为前提，各个优选实施方式都可以任意叠加组合使用，所述实施例以及实施例中的具体参数仅是为了清楚表述发明人的发明验证过程，并非用以限制本发明的专利保护范围，本发明的专利保护范围仍然以其权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。

Claims (3)

1.超大规模MIMO中基于动态子阵列的混合预编码方法，其特征在于：包括以下步骤：

参数设置：

设所有基站天线的序号集合为A＝{1,2,...,N_TX}，N_TX为基站天线总数；

所有用户终端的序号集合为U＝{1,2,...,K}，

定义基站天线数与用户终端数之比M＝N_TX/K，

最小次数D_min＝min(min{D₁,...,D_K},a*M),0<a≤1，

最大次数D_max＝max(min{D₁,...,D_K},b*M),b≥1

min和max分别表示取对象元素中的最小值和最大值，a,b分别表示最小次数因子和最大次数因子；D₁...D_K分别表示第1...k个用户终端能观察到的基站天线数量；

下行信道矩阵H为：

(1)式中，表示基站第n_TX个天线到第k个用户终端接收天线的信道系数，并用/>表示/>的相位；d_k为第k个用户终端所能观察到的多个连续分布的基站天线中的起点基站天线编号；

步骤1.根据下行信道矩阵H设计动态子阵列并计算模拟预编码矩阵F_RF；

步骤1-a：对基站天线n_TX＝1,2,...,N_TX，依次在下行信道矩阵H的第n_TX列所有K个信道系数中选择幅度最大的用户终端，该用户终端序号记为k^opt(n_TX)，表示第n_TX个天线对应的最大幅度用户终端，并将天线序号n_TX添加至集合/>同时记录被选中的用户终端的选中次数；

在此过程中，若某一用户终端对应的信道系数被选中达到D_max次，则在后续查找中不再选择该用户终端的信道系数；而在剩余的用户终端中继续选择最大幅度用户终端；

遍历完所有基站天线后，得到K个用户终端对应的基站天线序号初始集合A₁,A₂,...,A_K；

步骤1-b：对k＝1,2...K，若|A_k|<D_min，|A_k|表示集合A_k中的元素个数，则在集合{d_k,d_k+1,...,d_k+D_k-1}\A_k中选择第k个用户终端对应幅度最大的(D_min-|A_k|)个信道系数的基站天线序号；

{d_k,d_k+1,...,d_k+D_k-1}\A_k表示集合A_k关于集合{d_k,d_k+1,...,d_k+D_k-1}的相对补集；{d_k,d_k+1,...,d_k+D_k-1}就是第k个用户终端能观察到的全部基站天线；

并将这(D_min-|A_k|)个基站天线序号添加至集合A_k中，同时将这些基站天线序号从其原归属的其他非A_k的集合中删除；

遍历对所有基站天线序号初始集合A_k的检视，直至它们均满足上限和下限条件D_min≤|A_k|≤D_max，k∈U；从而得到所有用户终端的天线序号集合

步骤1-c：对k＝1,2...K，将中序号对应的基站天线归属为第k个动态子阵列，并与第k个射频链路相连；

当射频链路总数N_RF＝K时，进行步骤1-C1

步骤1-C1:提取中天线序号所对应信道系数的相位信息生成移相值，即若某天线该天线/>对应的移相值为/>即模拟预编码矩阵F_RF的第/>个元素为

当射频链路总数N_RF大于K时，将天线序号集合中最大的前若干集合拆分为更多的子集，使得天线序号集合拆分后的集合总数为N_RF再进行步骤1-C1；

遍历全部天线序号集合最终得到模拟预编码矩阵F_RF；

步骤2：根据下行信道矩阵H和模拟预编码矩阵F_RF计算数字预编码矩阵F_BB；

步骤3：根据模拟预编码矩阵F_RF和数字预编码矩阵F_BB对输入的多路数据流进行混合预编码后输出；

超大规模MIMO数字预编码器的输出信号y可表示为

y＝F_RF*F_BB*x

上式中，x为输入超大规模MIMO数字预编码器的数据流。

2.根据权利要求1所述的超大规模MIMO中基于动态子阵列的混合预编码方法，其特征在于：所述步骤2具体为：

先求出等效信道矩阵G＝H*F_RF，数字预编码矩阵F_BB通过匹配滤波或迫零方法计算，具体如下式：

上标H表示矩阵的Hermitian转置运算，MF,ZF表示采用匹配滤波和迫零方法，|| ||_F表示矩阵的Frobenius范数。

3.根据权利要求1所述的超大规模MIMO中基于动态子阵列的混合预编码方法，其特征在于，所述最小次数因子a和最大次数因子b的比为1:3至1：6。