基于波束发现信号BDS的多小区mmWave大规模MIMO波束选择方法与流程

本发明属于移动通信领域，具体涉及mmwave大规模mimo的波束赋形技术。

背景技术：

随着移动业务的快速发展和智能终端的迅速普及导致无线数据业务的爆炸式增长，相比于当前第四代移动通信系统，下一代移动通信系统被要求提供至少1000倍的容量增长。为实现这一目标，在过去几年间，各种技术被提出并广泛研究。其中在大量未充分使用的毫米波(mmwave)频段(30-300ghz)的无线通信被看作5g的一个关键技术并受到显著关注。mmwave信号更短的波长允许基站(bs)部署数十，甚至上百根天线在一个相对紧凑的空间，这项技术即为大规模mimo(multiple-inputmultiple-output多入多出技术)，大规模mimo可有效提升数据速率和链路可靠性，且在提高频谱效率1-2个数量级的同时提高能量效率3个数量级。最新成果已充分证明了mmwave大规模mimo对5g无线系统发展的潜能。

然而，由于mmwave通信的高频段，其经历了严重的传播损耗。为了补偿巨大的传播损耗，同时考虑到mmwave天线的尺寸和间距，能够改善系统效率和传输范围的波束赋形(beamforming)技术受到青睐。

因此，定向beamforming被认为是补偿mmwave频段严重路径损耗的关键技术。beamforming能够确定出最大化传输速率的最佳波束方向，为完成高度定向下行beamforming，准确的信道估计和信道状态信息(csi)反馈回bs是必要的。然而，基于估计完整csi的传统beamforming需要根据最大化准则进行遍历波束搜索，导致高的计算负担和系统开销。

为避免上述问题，对于mmwave大规模mimo传输，通信业界提出了各种新的beamforming方案，主要集中在mmwave波束码本的设计，波束选择算法以及波束间的干扰抑制问题，目的是为有效提高bf增益，降低链路复杂度，降低射频链路数以及降低用户信息反馈量。其中，用户反馈部分csi的随机beamforming，需用户遍历所有波束来选择最大信干噪比(sinr)所对应的波束，当小区内用户数达到一定数量时，其性能接近理想值，但需要较高的计算复杂度；利用波束空间的稀疏性选择捕获信道主瓣的波束来近似原始的高阶信道，从而降低用户反馈量的改进的空分多址(sdma)技术，在解决mmwave大规模多用户mimo下行链路csi获取困难的同时计算复杂度相对降低，但采用的最大量级波束选择仍涉及穷举搜索且性能易受真实多径环境影响。

针对mmwave大规模mimo现有波束选择方案主要是最大量级选择，利用mmwave信道矩阵的稀疏特性，选择能量最大的信道路径，但射频链固定可能会造成射频链浪费且在接收snr或容量方面并不能达到最优；最大sinr选择，通过每个用户反馈其最大sinr来进行用户调度及波束选择；最大容量选择，通过递增或递减波束算法来实现容量最大化。尽管，最大量级选择有相对低的计算复杂度，但其性能易受真实多径环境影响；最大sinr及最大容量选择计算复杂度相对较高，但在实际应用中更接近理想性能。因此，如何在性能和复杂度之间权衡是波束选择算法主要关注问题。

当前，mmwave大规模mimo的波束选择多集中于单小区场景，没有考虑多小区间的波束干扰。而传统小区间协调beamforming技术大多集中在3个小区及以下的简单模型，通过bs协作进行联合beamforming设计，使得信号在空间上相互隔开，让不同小区尽量在同一时间上避免干扰同一方向上的用户，从而减少小区间的同频干扰，保证用户的链路质量，提高系统性能。目前的小区间协调beamforming算法复杂度非常高，很难应用到小区大量而密集部署的mmwave异构网络。

在mmwave小区大量而密集部署的蜂窝异构网络中，波束选择算法所面临的主要问题是：

(1)大量的反馈开销和遍历波束搜索造成的高计算复杂度。

(2)小区内服务不同用户的传输波束可能有相同的路径，尤其当用户分布密集时，用户间的波束干扰将非常严重。

(3)随着mmwave小区数目的增加，用户进行波束选择时会受到相邻小区发送波束的干扰。

综上所述，在mmwave小区大量密集部署的蜂窝异构网络中，传统的beamforming技术将带来巨大的计算复杂度。因此，如何在降低计算复杂度的同时，进行小区间协作来降低波束干扰，从而完成波束选择以接近理想性能是多小区mmwave大规模mimo波束选择算法主要关注问题。

技术实现要素：

本发明提出一种基于波束发现信号bds的多小区mmwave大规模mimo波束选择方法，针对mmwave信道稀疏特性，即仅存在少数有效传输路径，解决了现有mmwave大规模mimo波束选择算法复杂度高，信息反馈量大，波束选择不及时的问题。该方法在降低波束选择计算复杂度并避免csi反馈的同时能有效抑制小区间的波束干扰。

基于波束发现信号bds的多小区mmwave大规模mimo波束选择方法，包括以下步骤：

步骤一：在波束选择周期k内，mmwave小区基站bs的各定向波束发送各自特定的波束发现信号bds，即同一小区基站bs发送用不同bds进行标识的各定向波束，不同小区之间所发送的bds以各小区的id进行加扰处理。

步骤二：用户在波束选择周期k内进行波束选择时，根据所接收的bds与本地的zc序列集合中的zc序列逐一进行相关运算，即计算出用户本地各个zc序列与接收bds相关运算对应的峰值。

步骤三：对步骤二计算的峰值进行降序排列，构成集合p^*，其中最大峰值p^*(1)所对应的本地zc序列根指数为用户最佳波束的bds索引。用户对集合p^*进行均值迭代阈值比较评估过程,获取其最佳与强干扰波束对应的集合ps。

步骤四：用户对ps中各元素所对应的bds进行解扰，获取各元素对应的小区id。

步骤五：用户将ps各元素对应的zc序列根指数即波束索引，及mmwave小区id反馈至p^*(1)对应的mmwave小区，各mmwave小区基站bs利用多点协作comp传输技术，将用户反馈的波束索引所对应的波束在发送前进行码分复用，进而完成波束的配置与发送。

具体地，每个所述mmwave小区基站bs配置相同且固定的波束码本，各小区的波束空间均包含能完全覆盖小区的各个方向的所有m个定向波束，每个mmwave小区基站bs均能同时发送m个定向波束，即波束空间中的所有波束。

定义波束空间转换矩阵为u＝[a(θ1),a(θ2),…,a(θm)]^h，包含m个正交方向的阵列导引矢量能覆盖所有方向。其中，m＝1,2,…,m，a(θm)为天线阵列导引矢量，是提前定义的空间方向。

具体地，在第k个波束选择周期内，每个所述的mmwave小区内所有所述定向波束发送其特定的bds，持续时间为t0，且该时长可确保网络中所有的用户完成波束选择过程。在t0内mmwave小区基站bs仅进行各bds的发送并不涉及数据传输过程。

具体地，所述步骤二的具体处理过程为：在波束选择周期k中对于某个用户i而言，将其接收到的各小区基站bs中各波束所发送的bds叠加的信号与用户i本地zc序列集中的序列逐一进行相关运算，具体公式如下：

其中，为用户i本地的第j个zc序列且j∈(1,2,…m)，为相关运算峰值，l1表示接收信号的长度，l2表示用户i本地zc序列长度。接着，将所有相关运算峰值保存至数组具体地，

具体地，所述步骤三的具体处理过程为：

a.用户i对中各元素进行降序排列构成集合p^*，具体地，p^*＝(p^*(1),p^*(2),…,p^*(m)),p^*(1)＞p^*(2)＞…＞p^*(m)，进而获取最大峰值p^*(1)对应的用户i本地zc序列根指数，即该用户最佳波束对应的bds索引。

b.对集合p^*进行均值迭代阈值比较评估过程,获取干扰较强的波束子集ps。具体地，利用下式对集合p^*中的元素进行逐一迭代判决，当假设此时τ＝λ成立时，其中τ为当前迭代次数或集合p^*对应的索引，获得当前用户i对应的最佳与强干扰波束集合为ps＝(p^*(1),p^*(2),…,p^*(λ))。

其中，η为系统预设的阈值比较系数。

具体地，所述步骤四的具体处理过程为：用户i对集合ps中的元素各自对应的bds进行解扰，获取各元素对应的mmwave小区id，其中p^*(1)所对应的小区id为用户i最佳波束所在的小区id。

具体地，所述步骤五的具体处理过程为：集合(p^*(2),…,p^*(λ))各元素所对应的各波束为用户i最佳波束所遭受的强干扰的波束集合。借鉴码分多址cdma通信系统根据扩频码的不同来识别用户，将正交的pn码字自适应分配给集合ps中各元素对应的波束。

具体地，为最佳与强干扰波束分配的正交的pn码字应具有如下相关特性:

a、每个pn码字序列的自相关函数是一个冲激函数，即除零时延外，其值应处处为0。

b、每组pn码字序列的互相关函数值处处为0。

本发明提出一种基于波束发现信号bds的多小区mmwave大规模mimo波束选择方法，利用bds对mmwave小区波束空间里的每个定向波束进行标识，而用户端存有本地zc序列，用户在进行波束选择时，只需将接收到的bds与本地zc序列进行相关运算，大大降低了波束选择算法的复杂度。用户在确定最佳波束索引与相应的最佳服务小区基站bs后，只需将波束索引反馈至相应的最佳服务小区基站bs即可，大幅度降低了用户的信息反馈量及波束选择的计算复杂度。针对多小区场景下的小区间的波束干扰问题，通过均值迭代阈值比较评估过程将mmwave小区所发送的波束中相互干扰强的波束确定出来，然后对其进行码分复用，有效降低小区间的波束干扰。

附图说明

图1基于bds的多小区mmwave大规模mimo波束选择方法流程图；

图2各小区基站bs波束bds配置与发送流程图；

图3a基于bds的信号传输机制图；

图3b为bds设计结构示意图；

图4基于bds的多小区mmwave大规模mimo波束选择方法示意图。

具体实施方式

下面将结合附图，对本发明的实施方式进行详细描述。

首先，用户在每个波束选择周期内将zc序列构成的bds与用户本地zc序列集进行逐一相关运算，获取该用户最佳波束所对应的zc序列根指数。然后，对所接收到的信号进行解扰，获取最佳波束所在的服务mmwave小区id。最后，用户将所确定的波束索引。同时，针对mmwave小区间的波束干扰问题，本发明设计了一种多小区部分波束干扰抑制算法，该算法本质是将mmwave小区所发送的波束中相互干扰强的波束确定出来，然后对其进行码分复用。

本发明的波束发现信号bds由不同根指数的zc(zadoff-chu)序列构成，各bds同时承载了每个波束索引与相应的mmwave小区id，同时，各mmwave小区均发送相同bds集合，因此，每个mmwave小区所发送的bds需用该小区id进行加扰。每个用户都拥有小区所有波束对应的bds集合，即相同的本地zc序列集。本发明bds的设计之所以选择zc序列，首先，因为它在时频域有恒定的幅值和零次自相关，该特性恰好迎合了本发明bds设计的需求。其次，现有的lte体系中，主同步信号pss选用的也是zc序列，它的作用是进行粗略的时频同步与小区id的确定。我们可以利用pss与小区id之间的映射方式，将每个小区的波束索引映射到相应的bds之上。用户在对bds检测时，我们同样可以仿照lte小区初始搜索的方法，对mmwave小区所发送的bds进行检测。

如图1和图4所示，基于波束发现信号bds的多小区mmwave大规模mimo波束选择方法包括以下步骤：

步骤一：在波束选择周期k内，mmwave小区基站bs的各定向波束发送各自特定的波束发现信号bds，即同一小区基站bs发送用不同bds进行标识的各定向波束，不同小区之间所发送的bds以各小区的id进行加扰处理。

如图2所示，各bs波束bds配置与发送流程图，由于不同小区之间的bds是复用的，用户还无法确定某个bds对应的波束属于哪个小区。因此，在每个波束选择周期内各小区所发送的bds需利用相应的小区id进行加扰。假设用户进行一次波束选择周期为t，bds发送时长为t0，在每个波束选择周期内，用户需在时间段t0内完成波束选择,在t0内mmwave基站仅进行各bds的发送并不涉及数据传输过程，如图3a所示。

图3b为本发明方法的bds结构，即仅有bds部分，不涉及数据传输部分的帧结构。其中，c表示小区id索引，a表示天线阵列索引，b表示波束id索引，bs端使用的发送(tx)波束数为用户的接收(rx)波束数为bs端天线阵列的个数为用户端天线阵列的个数为对某个用户而言，相邻的bs数为nc，并假设在本发明方法的某个周期内，所有相邻的bs同时发送个波束，rx波束在此周期内遍历所有发送波束，而且，个波束重复发送次直到rx波束完成一轮遍历，该时长为t0。通过改变tx波束，这个过程将重复次直到所有的tx波束都发送。如果有bs端有个天线阵列，那么在波束选择过程，rx波束仅需要进行一轮的遍历，因为所有相邻的bs同时发送所有的个波束。“ss”表示一个同步前导码，其中，波束id和小区id从bds中获取。我们假设，用户使用lte系统中的同步信号(pss和sss)及小区参考信号(crs)已完成同步和小区搜索过程。为简化分析，本发明考虑各用户均为单天线用户。

每个所述mmwave小区基站bs配置相同且固定的波束码本，各小区的波束空间均包含能完全覆盖小区的各个方向的所有m个定向波束，每个mmwave小区基站bs均能同时发送m个定向波束，即波束空间中的所有波束。

定义波束空间转换矩阵为u＝[a(θ1),a(θ2),…,a(θm)]^h，包含m个正交方向的阵列导引矢量能覆盖所有方向。其中，m＝1,2,…,m，a(θm)为天线阵列导引矢量，是提前定义的空间方向。

步骤二：用户在波束选择周期k内进行波束选择时，根据所接收的bds与本地的zc序列集合中的zc序列逐一进行相关运算，即计算出用户本地各个zc序列与接收bds相关运算对应的峰值。具体地处理过程为：在波束选择周期k中对于某个用户i而言，将其接收到的各小区基站bs中各波束所发送的bds叠加的信号与用户i本地zc序列集中的序列逐一进行相关运算，具体公式如下：

其中，为用户i本地的第j个zc序列且j∈(1,2,…m)，为相关运算峰值，l1表示接收信号的长度，l2表示用户i本地zc序列长度。接着，将所有相关运算峰值保存至数组具体地，

步骤三：对步骤二计算的峰值进行降序排列，构成集合p^*，其中最大峰值p^*(1)所对应的本地zc序列根指数为用户最佳波束的bds索引。用户对集合p^*进行均值迭代阈值比较评估过程,获取其最佳与强干扰波束对应的集合为ps。

具体地处理过程为：

a.用户i对中各元素进行降序排列构成集合p^*，具体地，p^*＝(p^*(1),p^*(2),…,p^*(m)),p^*(1)＞p^*(2)＞…＞p^*(m)，进而获取最大峰值p^*(1)对应的用户i本地zc序列根指数，即该用户最佳波束对应的bds索引。

b.对集合p^*进行均值迭代阈值比较评估过程,获取最佳与强干扰波束对应的集合ps。具体地，利用下式对集合p^*中的元素进行逐一迭代判决，当假设此时τ＝λ成立时，其中τ为当前迭代次数或集合p^*对应的索引，获得当前用户i的最佳与强干扰波束对应的集合为ps＝(p^*(1),p^*(2),…,p^*(λ))。

其中，η为系统预设的阈值比较系数。

步骤四：用户对ps中各元素所对应的bds进行解扰，获取各元素对应的小区id。具体处理过程为：用户i对集合ps中的元素各自对应的bds进行解扰，获取各元素对应的mmwave小区id，其中p^*(1)所对应的小区id为用户i最佳波束所在的小区id。

步骤五：用户将ps各元素对应的zc序列根指数即波束索引，及mmwave小区id反馈至p^*(1)对应的mmwave小区，各mmwave小区基站bs利用多点协作comp传输技术，将用户反馈的波束索引所对应的波束在发送前进行码分复用，进而完成波束的配置与发送。

具体处理过程为：集合(p^*(2),…,p^*(λ))各元素所对应的各波束为用户i最佳波束所遭受的强干扰的波束集合。借鉴码分多址cdma通信系统根据扩频码的不同来识别用户，将正交的pn码字自适应分配给集合ps中各元素对应的波束，从正交码的特征上，来抑制其他小区的波束对用户i最佳波束产生的干扰。

为最佳与强干扰波束分配的正交的pn码字应具有如下相关特性：

a、每个pn码字序列的自相关函数应该是一个冲激函数，即除零时延外，其值应处处为0。

b、每组pn码字序列的互相关函数值应该处处为0。

该步骤中，用户避免了反馈csi,而仅将波束索引反馈至相应的mmwave小区基站bs，各bs根据用户反馈信息确定需要发送的波束。此外，考虑到小区间的波束存在干扰，借鉴cdma多址技术中利用pn码的正交性来降低干扰的思想，通过对干扰波束与最佳目标波束自适应地分配pn码，以不同的pn码识别不同的波束，形成空间信道上独立的波束，来增加系统的抗干扰性，进而提高了系统性能。