三维大规模天线网络下的垂直波束赋形方法及装置的制造方法
【技术领域】：
[0001] 本发明涉及一种垂直波束赋形方法及装置，特别涉及一种三维大规模天线（3D MassiveMIM0)网络下基于粒子群优化的垂直波束赋形（VerticalBeamforming)的方法及 装置，属于通信技术领域。
【背景技术】
[0002] 随着智能手机的普及以及无线多媒体应用的快速增长，无线数据的需求也大幅增 加。大规模天线技术（MassiveMIM0)因为增加了空间自由度，提高了频谱效率等优点，成 为无线通信领域中研究的最广泛的技术之一。现有的大规模天线技术大多只考虑水平天线 模式或方位角分量，而忽略了垂直天线模式或下倾角，这并不符合实际的无线信道。三维大 规模天线（3DMassiveMM0)由于其更大的自由度，实现了信道和天线模型的三维化，更加 贴切地反映了实际的MIMO信道，因而成为未来无线通信系统的候选技术之一。
[0003] 与传统的波束赋形技术相比，三维波束赋形（3DBeamforming)技术可以进一步减 小小区间的干扰，并且可以通过下倾角的自适应调整减小导频信号间的干扰，因而获得了 越来越多的关注。三维波束赋形既在水平方向，又在垂直方向形成波束，充分发掘空间三维 自由度，进而提高系统吞吐量和频率效率，满足日益增长的数据业务的需求，是MMO技术 未来很有潜力的方向之一。传统的2D波束赋形技术只能改变波束的水平方位角，不能调整 天线波束的下倾角，垂直覆盖范围是固定的，从而限制了小区的吞吐量，本专利重点关注垂 直方向波束赋形方法，可以动态的调整天线波束的下倾角，扩大覆盖范围，提高小区的吞吐 量。
[0004] 粒子群优化（ParticleSwarmOptimization,PS0)算法的思想是一群鸟（粒子） 在随机搜索这个区域里的唯一一块食物（最优解），所有的鸟都不知道食物在哪里，但是他 们知道当前的位置以及距离食物还有多远。最简单有效的找到食物的最优策略就是搜寻 目前离食物最近的鸟的周围区域，每个优化问题的解都是搜索空间中的一只鸟。PSO具体 实施步骤是首先初始化一群随机粒子的速度，决定飞翔的方向和距离。然后粒子们追随当 前的最优粒子在解空间中搜索，每个粒子都有一个由被优化的函数决定的适应值（fitness value)，根据适应值来确定最终的最优解。
【发明内容】
[0005] 本发明的目的是为了解决水平波束赋形不能调整下倾角和一些现存的垂直波束 赋形方法可以调整下倾角，却不能使小区吞吐量最大化的问题，提出了一种三维大规模天 线网络下基于粒子群优化的垂直波束赋形方法，应用该方法，可以在基站功率受限和下倾 角受限的前提下，使小区吞吐量最大，进而使小区的频谱效率最大。
[0006] 本发明方法的目标是在保证两个波束的下倾角满足一定要求的情况下，最大化小 区的总吞吐量；因此本发明的思想是将两个波束（中心波束c和边缘波束e)的下倾角和功 率与粒子相匹配，根据速度和当前位置寻找当前最优值，不仅仅记录粒子的当前最优的位 置也要记录粒子的全局最优值，通过比较小区的频谱效率这个适应值，得到最优解。
[0007] 本发明是建立在以下基础上进行的：考虑一个具有L个小区的三维大规模天线网 络，每个小区有一个基站和K个均匀分布的单天线用户。基站端总的发射功率为P，发送的 两个波束将每个小区分裂成小区中心和小区边缘两个部分，功率分别为P。和Pe(Pc+Pe= P)，用户数分别为K。和Ke(Kc+Ke=K)。基站天线数为M，大规模天线网络中有M>>K，系 统模型如图1所示。
[0008] 本发明方法是通过如下技术方案实现的：
[0009] 一种三维大规模天线网络下垂直波束赋形方法，包括以下步骤：
[0010] 步骤1，初始化粒子数目、并在取值范围内随机初始化每个粒子的速度 vI(0)^1(0),4(0)1并根据下式初始化每个粒子的中心波束、边缘波束的下倾角和波 束功率 /? (0), 6^ (0),f/ (0):
【主权项】
1. 一种三维大规模天线网络下的垂直波束赋形方法，其特征在于，包括如下步骤： 步骤一、初始化粒子数目s、每个粒子的速度V^(O),(0),<(0)，并根据下式初始 化每个粒子的中心波束、边缘波束的下倾角和波束功中.6? (0),(0), G7(O):
其中，4(0)为服从均匀分布的随机数，η。，ne，nP为服从均匀分布 的随机数，0D_x为中心波束的最大下倾角，θ Dcmin为中心波束的最小下倾角，θ D_x为边缘 波束的最大下倾角，θ DMin为边缘波束的最小下倾角，p为基站的发射功率，j表示第j个粒 子； 步骤二、对每个粒子按照下式更新速度v4(r)，vi￡(r)，4(r)和当前的位置
τ = τ +1 其中，为在τ时刻下第j个粒子的中心波束的局部最优下倾角，其初 始值碎^⑴)=电(0); 6ξ0-)为τ时刻下中心波束的全局最优下倾角，初始值为 < (0) = 6^(0) ; <"'0-)为在τ时刻下第j个粒子的边缘波束的局部最优下倾角， 其初始(O) = ^i (〇); 6ξ0-)为τ时刻下边缘波束的全局最优下倾角，初始值 为= if'7'(r)为在τ时刻下第j个粒子的局部最优功率，其初始值 /^(0) = 0(0); /f 0-)为τ时刻下的全局最优功率，初始值为/f (〇) = /f】（〇); μ为 经验概率，cdP c 2代表学习因子，r JP r 2为（0, 1)范围内的随机数； 步骤三、根据<90.^ >&，〇彡p。彡p，判断粒子的位置是否在区域范围内， 如果超出取值范围，速度减半，然后转到步骤2 ;如果没有超出范围，根据下式计算第j个粒 子的适应值：
其中，j e [1，S]，L表示小区数目，K。表示小区中心用户数，K表示小区的用户总数；
其中，M表不基站天线数，P表不基站端总的发射功率，P。表不基站端中心波束的发射 nr 功率，P彦示基站端边缘波束的发射功率，Pn为噪声功率，&为第m个小区的基站的 中心波束到本小区的中心用户k。的信道的大尺度衰落，为第m个小区的基站的边缘 nr 波束到本