一种基于大规模mimo的单精度adc自适应门限量化方法
【专利摘要】本发明公开了一种基于大规模MIMO的单精度ADC自适应门限量化方法，包括以下步骤：对实际场景进行建模，依据建模的大规模MIMO场景得到信道数据作为训练序列，利用LBG线性分类方法对具有相关性的信道数据进行分类，得到每一类的质心和质心间的边界，并依据分类的结果找出质心与量化值、边界与自适应门限的映射关系，并在此基础上建立实际天线模型下利用相关性的自适应门限设置方法；利用已有的大规模MIMO信道模型产生用户不同发送功率下基站端接收到信号，映射出该场景下不同用户发送功率对应的量化门限和量化值；并对实际系统的上行链路进行仿真。该方法有效的提高了信道估计的准确性并降低了上行信号检测的误符号率。
【专利说明】一种基于大规模Ml MO的单精度ADC自适应门限量化方法 【技术领域】
[0001] 本发明涉及第5代移动通信技术领域中大规模MMO系统下天线射频(RF)端口配置 的单精度ADC，特别涉及一种基于大规模MM0的单精度ADC自适应门限量化方法。 【【背景技术】】
[0002] 大规模MM0系统中，由于数字化处理的需要，每个天线的射频(RF)端口需要配置 一对模数转换器(ADC)以分别用于I路和Q路的模数转换。而高精度ADC会导致功率耗散和硬 件成本上升，这在天线数以百计的大规模MM0中极大的增加了基站的部署费用和能量消 耗。而利用单精度ADC(l-bit ADC)，一方面可以最大幅度的降低成本及基站端运算的复杂 度，另一方面单精度ADC可以通过简单的比较器即可实现，不需要使用自动增益控制器 (AGC)，因而可避免大量的功率耗散。
[0003] 现有相关研究主要针对瑞利衰落信道模型下的上行链路模型，都假设了大规模 MIM0信道是独立同分布（i.i.d)的。在这一假设下，单精度ADC的量化门限均固定设置为0。 然而，在实际中由于基站处天线部署的间距受限，天线会表现出很强的相关性，天线间距越 小，相关性越强。并且单精度ADC超低量化精度对现有的信道估计及信号检测都提出了挑 战。 【
【发明内容】
】
[0004] 本发明的目的在于克服单精度ADC超低量化精度的缺陷，充分利用天线间的相关 性，提供了一种基于大规模MIM0的单精度ADC自适应门限量化方法，给出了量化门限和量化 值映射的步骤，有效的提高了信道估计的准确性并降低了上行信号检测的误符号率。
[0005] 为达到上述目的，本发明通过如下的技术方案予以实现。
[0006] 一种基于大规模MM0的单精度ADC自适应门限量化方法，包括以下步骤：
[0007] 1)对实际场景进行建模，依据建模的大规模MM0场景得到信道数据作为训练序 列，利用LBG线性分类方法对具有相关性的信道数据进行分类，得到每一类的质心和质心间 的边界，并依据分类的结果找出质心与量化值、边界与自适应门限的映射关系，并在此基础 上建立实际天线模型下利用相关性的自适应门限设置方法；
[0008] 2)针对相应的仿真场景，利用已有的大规模MM0信道模型产生用户不同发送功率 下基站端接收到信号，并用步骤1)给出的自适应门限设置方法映射出该场景下不同用户发 送功率对应的量化门限和量化值；
[0009] 3)利用相关性下自适应门限设置方法设定的量化门限和量化值，对实际系统的上 行链路进行仿真。
[0010] 作为本发明的进一步改进，步骤1)具体包括以下步骤：
[0011] 依据现实场景建立该场景下的信道模型，将模型中基站面阵上的M根天线分成G 组，每组天线数不固定，同一组内的天线到用户的信道系数具有相关性，组与组间的信道系 数独立；
[0012] 假定第i组下有n根天线，用已有的大规模mMO的信道模型产生相应场景下基站端 接收到的信号，将这N维度的信号实数部分和复数部分做绝对值变换后映射到第一象限，并 将此作为训练序列，运用LBG线性分类算法将信号分成N类，得到每一类的质心和类与类之 间的边界，结合基于天线相关性的单精度ADC自适应量化门限设置方法，得到量化值和量化 门限，量化值的表达式对应为质心：
[0013] c=[co ci ??? cn-i]
[0014] 其中，< e CV，(^对应于第i组对N根天线上的信号经过ADC量化后的值；
[0015] 第i组的量化门限为：
[0016] r = [ y0 y i ??? yN-i]
[0017] 其中，y〇 = 〇, yn为第i组第n天线的量化门限。
[0018] 作为本发明的进一步改进，步骤2)具体包括以下步骤：
[0019]根据建立的信道模型，模拟多个单天线用户以不同的发送功率时，基站端天线上 接收到的未经ADC量化的数据集合，依据基于大规模MM0的单精度ADC自适应门限量化方法 得到不同功率下基站处ADC的量化门限和量化值。
[0020] 作为本发明的进一步改进，步骤3)中对实际系统的上行链路进行仿真步骤具体包 括以下步骤：
[0021] 3.1)K个单天线用户向天线数为M的基站发送长度为L的导频信号，基站接收到的 导频信号为i>eC MxZ;
[0022] 3.2)基站处RF端口下的单精度ADC对^进行自适应量化，得到量化后的导频信号 y,C观；
[0023] 3.3)基站依据量化后的导频信号对信道系数进行估计得到H，并依据H算出线性 检测矩阵A&Gig;
[0024] 3.4)用户发送有用信号，经过基站端单精度ADC自适应量化后为 te CM，利用线性检测方法对用户发送的导频信号进行检测得到用户发送的有用导频信 号:i二 。
[0025]作为本发明的进一步改进，基站端第i组的N根天线接收到的信号r经过单精度ADC 量化后量化函数为：
[0026] yi=Qir~T)e€N,
[0027] 其中，r表示判决门限矢量，f,为经过第i组天线下的ADC判决后的量化值矢量集 合，并且r与欠矢量空间维度相同。
[0028] 作为本发明的进一步改进，对实际系统的上行链路进行仿真之后还包括对上行链 路系统性能进彳丁评估步骤。
[0029] 相对于现有技术，本发明具有如下技术效果：
[0030] 本发明一种基于大规模MM0的单精度ADC自适应门限量化方法，在Massive MM0 中，应用单精度ADC，相对于传统方案下的1-bit ADC的量化门限为0,量化值为±1，会极大 的降低功率耗散和硬件成本，并且在天线数目很大的时候减少基站运算的复杂度，提升运 算效率。与传统的单精度ADC应用方案相比，本发明考虑到了实际基站布置天线间距受限的 情况，并且充分利用了受限下天线间的相关性，从而提高了单精度量化的精度，提升了系统 的整体性能，并且该发明对门限的设置具有时间上的稳定性，不需要实时更新。
[0031] 进一步，单精度ADC自适应量化是对相关性信号线性分类后找边界和量化门限、质 心和量化值的映射关系，从而充分利用信号间的相关性。 【【附图说明】】
[0032] 图1系统场景图（主要针对上行链路）；
[0033]图2 UMI场景时用户发送功率、用户数对自适应阈值的影响；
[0034]图3 UMI场景时信道估计效果比较；
[0035]图4 UMI场景时系统检波结果比较。 【【具体实施方式】】
[0036]下面结合附图，对本发明的【具体实施方式】进行详细阐述，但在本发明的描述中，需 要理解的是，本发明所描述的实施例是示例性的，描述中所出现的具体参数仅是为了便于 描述本发明，而不能理解为对本发明的限制。
[0037]参照图1，考虑一个单小区的大规模MBTO上行多用户传输场景模型，基站端配置天线 数为M根，服务于K个单天线用户(M>>K)，这M根天线被分成了 G组，每组内天线具有很强的相 关性。在基站侧，每根天线均配置了一对单精度ADC用于I路和Q路信号的模数转换。在一次 上行传输中，基站端M根天线接收到的基带信号可表示为『二#!"" - !！，其中P表示用户的 信号发射功率；H e CMx￡为K个用户到M根天线的信道矩阵；向量X=[xp...，今，e 是所有用户的发送信号。11&€：?是1根天线上的加性噪声。
[0038]在上行信号检测之前，接收信号还需进行量化。
[0039]传统方案下的1-bit ADC的量化门限为0,量化值为±1，量化的过程如下：
[0040]定义Q( ?)为量化函数，则在使用单精度ADC的情况下，对于实数自变量定义为： Q(w) = sign(w)，《 G .狀。其中s ign(u)代表符号函数，即如果u彡0，返回值为1; u< 0返回值-1。而对于复数v = VR+jvi，则定义Q( ?)对实数部分和复数部分分开进行判别，即：Q(v)= sign(VR)+j sign(vi)〇
[0041]基站端第i组的N根天线接收到的信号r经过单精度ADC量化后量化函数表示为： y,.=Q(r-，其中r表示判决门限矢量，^为经过第i组的N根天线下的ADC判决后 的量化值矢量集合，并且r与先矢量空间维度相同。
[0042]在应用单精度ADC的大规模MBTO系统中，一次完整的上行信号检测包括两个阶段。 [0043]第一阶段:信道估计。由用户端发送导频信号，通过天线RF端口下的ADC对接收到 的信号值进行量化，基站依据量化后的导频信号对信道系数进行估计得到H。
[0044]第二阶段:基于H的信号检测。用户发送有用信号rseCM，经过基站端单精度 ADC自适应量化后为;利用线性检测方法对经过单精度ADC自适应量化后的用户发 送的导频信号进行检测得到用户发送的有用导频信号：i二JV表示检测矩阵。
[0045] 基于天线相关性的单精度自适应量化门限设置方法及具体应用为：
[0046] 1)首先，利用本发明提出的自适应量化门限设置方法对该场景下的单精度ADC进 行门限和量化值设置。
[0047]通过建立的大规模MM0信道模型模拟实际场景下基站接收到的信号，并对这些信 号进行线性分类。依然假设第i组下有N根天线，在一段较长时间里这N根天线接收到的复信 号为se GMxT,将s信号内的每一个数据的实数部分和虚数部分做绝对值变换后映射到第 一象限，得到新的矩阵瓦，其中I路信号对应的矩阵信息为$ = real(X)。以I路信号为例，运 用LBG算法对馬进行线性分类可以得到N个N维度的质心，质心的模值由小到大排列如下：
[0048] C=[co ci ??? cn-i]
[0049] 其中 cf
[0050] 依据N个N维度的质心，可以分别求得每一个质心间的边界。当信号具有较强的相 关性时，边界可以近似看成只存在于两个相邻的质心 Cn-dPCn之间，边界的数目近似为N-1 个，Cn-dPCn边界的表达式可以近似的表示为：
[0051 ] 81S1+82S2. . .+8nsn^ yn
且心的值取1。^"作为本发明的量化门限。这N根天线RF端口 下针对I路信号量化的N个ADC的量化门限的集合为r=[y0 yn]，通常yQ = 〇。
[0053]因此，经过发明提出的自适应量化门限设置方法后，第i组的量化门限为：r = [丫0 丫1…YN-1]，相应的量化值为C=[CQ Cl…CN-1]。
[0054] 2)依据1)所提的基于天线相关性的单精度ADC自适应量化门限设置方法，对基站 处的G组天线组合分别设置各组的量化门限和量化值。具体为根据建立的信道模型，模拟多 个单天线用户以不同的发送功率时（噪声功率恒定），基站端天线上接收到的未经ADC量化 的数据集合，依据基于大规模MM0的单精度ADC自适应门限量化方法得到不同功率下基站 处ADC的量化门限和量化值。
[0055] 图2表示某一特定场景下基站发送功率、用户数对自适应阈值的影响。
[0056] 3)将步骤2)得到的量化门限和量化值应用到实际场景中去。依然以某小区基站处 第i组中的N根天线上接收到的信号为例，先对第i组的信号用加法器进行整合，整合后的信 号为：
[0058] h/."e(ClxA：是K个单天线用户到基站处第i组第n根天线的信道矩阵。rn表示第i组内 第n根天线上接收到的信号，m,nS天线上的噪声信号。
[0059]自适应门限的量化过程记作Qadaptive，自适应门限Qadapt ive( ?)定义：以I路信号(记 作ymQ路原理一样)经过第i组天线上ADC量化为例，对于N根天线下自适应门限的判别的 过程如下面的伪代码： 输入量 输出量為.eG' 第一步：获得璐信号_vR. ,= real〔v;); 第二步：判定正负号 f yR. i^n do Fr =1； vpR. ,? = vR, else Fr =~l； VpR, =-vR.
[0060] eRd 第三步：量化值 far / = 1,2, ... , /V -1 do if ypR, i ^Vr (p, =c ;brcak; end end 第四步：^ K X%
[0061]本发明的仿真实验和效果分析：
[0062]仿真场景设置：
[0063]图3的仿真场景为UMI，基站天线面阵分布为水平方向2根，竖直方向16根，8个用 户，用户移动速度V = 3km/h，SNR = OdB，信道估计方案LS。
[0064]图4的仿真场景为UMI，，基站天线面阵分布为水平方向2根，竖直方向16根，10个用 户，用户移动速度V = 3km/h，仿真1个Drop，100000TTI，，QPSK调制，信道估计方案LS，检波方 案ZF。
[0065]仿真结果分析：
[0066]图3中比较的是不同相关性面阵下最小均方误差(MSE)。当只用1个ADC判别的时 候，不管天线面阵如何摆放，信道估计的MSE的值相差不大。当天线间距为5AX5A的时候利 用天线间的相关性估计信道，MSE的值会比原来的方案更大；当天线间距为0.5AX5A的时 候，利用相关性，联合ADC后的自适应门限设置会使信道估计的效果大幅度提高;尤其是当 天线间距为〇. 25AX 5A时（天线间距一般不会小于〇. 25A，此处仅仅作为相关性效果比较）， 所提方案效果会进一步提升。图3的结果表明：相关性越强，自适应门限下的信道估计效果 越好。
[0067]图4中，当采用单精度ADC量化且量化门限均为0时，天线间距为10AX 10A的情况要 远远优于天线间距为0.5AX 10A。当天线间距为l〇AX 10A，在SNRSOdB时，本发明提出的方 案效果会更差，这是因为天线间相关性很弱，随着发送功率的增大，自适应门限的精度优势 可以适当降低系统的误符号率。当天线间距为〇. 5AX 10A时，基于天线联合的自适应门限设 置方案能够充分利用相关性的优势，系统的SER大幅度减小设置已经低于单精度ADC量化时 理想信道。
[0068]上述仿真结果表明，本发明所提出的自适应量化门限具有时间上的稳定性，不需 要实时更新(如图3和图4所示）；所得的信道估计结果在不同的导频长度下相比已有工作均 具有较小的均方误差（如图3);上行信号检测的误符号率性能相比理想信道下单精度量化 的情况都有显著的性能提升(如图4)。
[0069]以上，仅为本发明的较佳实施例，并非仅限于本发明的实施范围，凡依本发明专利 范围的内容所做的等效变化和修饰，都应为本发明的技术范畴。
【主权项】
1. 一种基于大规模ΜΙΜΟ的单精度ADC自适应门限量化方法，其特征在于，包括以下步 骤： 1) 对实际场景进行建模，依据建模的大规模ΜΙΜΟ场景得到信道数据作为训练序列，利 用LBG线性分类方法对具有相关性的信道数据进行分类，得到每一类的质心和质心间的边 界，并依据分类的结果找出质心与量化值、边界与自适应门限的映射关系，并在此基础上建 立实际天线模型下利用相关性的自适应门限设置方法； 2) 针对相应的仿真场景，利用已有的大规模MBTO信道模型产生用户不同发送功率下基 站端接收到信号，并用步骤1)给出的自适应门限设置方法映射出该场景下不同用户发送功 率对应的量化门限和量化值； 3) 利用相关性下自适应门限设置方法设定的量化门限和量化值，对实际系统的上行链 路进行仿真。2. 根据权利要求1所述一种基于大规模ΜΜ0的单精度ADC自适应门限量化方法，其特征 在于，步骤1)具体包括以下步骤： 依据现实场景建立该场景下的信道模型，将模型中基站面阵上的Μ根天线分成G组，每 组天线数不固定，同一组内的天线到用户的信道系数具有相关性，组与组间的信道系数独 立； 假定第i组下有Ν根天线，用已有的大规模ΜΜ0的信道模型产生相应场景下基站端接收 到的信号，将这N维度的信号实数部分和复数部分做绝对值变换后映射到第一象限，并将此 作为训练序列，运用LBG线性分类算法将信号分成N类，得到每一类的质心和类与类之间的 边界，结合基于天线相关性的单精度ADC自适应量化门限设置方法，得到量化值和量化门 限，量化值的表达式对应为质心： C=[c〇 Cl ··· CN-l] 其中，ci € CA%c^应于第i组对N根天线上的信号经过ADC量化后的值； 第i组的量化门限为： r = [ γ 〇 γ 1 ··· γν-l] 其中，γ〇 = 0, γη为第i组第η天线的量化门限。3. 根据权利要求1所述一种基于大规模ΜΜ0的单精度ADC自适应门限量化方法，其特征 在于，步骤2)具体包括以下步骤： 根据建立的信道模型，模拟多个单天线用户以不同的发送功率时，基站端天线上接收 到的未经ADC量化的数据集合，依据基于大规模Μ頂0的单精度ADC自适应门限量化方法得到 不同功率下基站处ADC的量化门限和量化值。4. 根据权利要求1所述的一种基于大规模ΜΜ0的单精度ADC自适应门限量化方法，其特 征在于，步骤3)中对实际系统的上行链路进行仿真步骤具体包括以下步骤： 3.1) Κ个单天线用户向天线数为Μ的基站发送长度为L的导频信号，基站接收到的导频 信号为; 3.2) 基站处RF端口下的单精度ADC对^进行自适应量化，得到量化后的导频信号 yp^CM*L, 3.3) 基站依据量化后的导频信号对信道系数进行估计得到t,并依据Η算出线性检测 矩阵 Ag_：D_V/x/：: 3.4) 用户发送有用信号1^,€([：￥,经过基站端单精度4〇(：自适应量化后为免€€^，利 用线性检测方法对用户发送的导频信号进行检测得到用户发送的有用导频信号： i = s。5. 根据权利要求4所述一种基于大规模mMO的单精度ADC自适应门限量化方法，其特征 在于，基站端第i组的N根天线接收到的信号r经过单精度ADC量化后量化函数为：其中，Γ表示判决门限矢量，免为经过第i组天线下的ADC判决后的量化值矢量集合，并 且「与免矢量空间维度相同。6. 根据权利要求1所述一种基于大规模MMO的单精度ADC自适应门限量化方法，其特征 在于，对实际系统的上行链路进行仿真之后还包括对上行链路系统性能进行评估步骤。
【文档编号】H03M1/10GK105959004SQ201610237140
【公开日】2016年9月21日
【申请日】2016年4月15日
【发明人】李国兵, 严飞, 吕刚明, 张国梅, 任品毅
【申请人】西安交通大学