用于毫米波MIMO系统的预编码方法与流程

本发明属于无线通信技术领域，涉及一种用于毫米波mimo系统的预编码方法。

背景技术：

随着通信资源的日益紧张，近年来人们投注了很多精力于毫米波段通信的研究，事实上，关于毫米波的研究从无线伊始就已经开始了，至今已经有近百年的历史，早期的毫米波段实验早在1890年代就由bose和lebedev等人进行了，但毫米波段的通信是通信中一个较新的领域。相对于目前商业使用的无线系统，毫米波可以提供更高的带宽，应用也十分广泛，例如开放频带的无线局域网和个人网、5g蜂窝系统、车载网络、组网和可穿戴设备等。由于使用的天线矩阵很大，加上无线电频率和混合信号能量的约束，mimo信号处理技术也是十分需要的。并且由于毫米波的带宽很宽，低复杂度的收发算法显得尤为重要，针对信道估计和波束赋形研究压缩感知也很有机遇。

目前毫米波预编码的研究虽然很多，但大多数研究都集中在理想硬件条件下，这与实际应用不符，因为大尺度mimo由于天线阵列太大等原因，往往会产生很多硬件约束，可见非理想硬件也是影响毫米波预编码的重要因素。

目前国内外已有的一些毫米波通信收发器硬件非理想因素建模的研究，但收发器硬件非理想因素存在很多方面，大多数文献仅仅研究了其中一方面的影响。基于这些单方面的收发器硬件非理想因素研究，

目前已有文献对这三种硬件做出研究：基站端不同的天线部署方式会引起不同的相位噪声。当基站有足够的功率时，基站端使用分立本振会比采用协同本振得到更好的性能。分别在分立本振和协同本振情况下以系统容量为质量指标，研究了相位噪声对如何损坏通信质量，得到子载波的瞬时信噪比后分析遍历容量，然后基于卡尔曼滤波提出了相位噪声跟踪算法，减轻了相位噪声对通信质量的损坏。与不考虑本地振荡非理想的情景相比，本地振荡对sinr的损害可以量化为基站端获得信道状态信息的减少,并且发现，当振荡器增加时，sinr随着干扰能量增加而降低。

在非理想硬件条件下，低噪放的非理想对系统性能的影响也不容忽视，基于常数等高线对毫米波通信中的低噪放进行了优化，使其产生更低的噪声。但是通过优化低噪放来提升系统性能会带来较大的开销，因此需要研究低噪放对系统性能的影响方式，然后通过适当的预编码方法来减小低噪放的影响。以品质因数为指标，结合噪声放大系数给出了低噪放对系统性能影响的建模。

虽然目前关于毫米波预编码和硬件非理想因素各自的研究已有很多，但将二者结合的研究几乎没有。在控制成本的前提下，通过优化硬件来减小硬件对系统容量的损害面临很多难题，因此在非理想硬件条件下设计合理的预编码矩阵十分重要。

器件非理想因素对预编码性的性能造成了明显的影响，其频谱利用率明显低于理想硬件条件下的预编码。

技术实现要素：

本发明的目的，就是针对上述情况，利用凸优化的思想，以提升系统容量为目标，在基站总发射功率受到限制的条件下对预编码矩阵进行优化，力求提高系统容量。其中考察指标为频谱利用率，在窄带传输中，系统容量可以近似为频谱利用率。

为解决上述问题，本发明的技术方案为：

用于毫米波mimo系统的预编码方法，该方法用于在器件非理想条件下，其特征在于，包括以下步骤：

s1、建立在硬件非理想条件下目标函数：

设定硬件非理想因素包括本地参考源相噪、低噪放引起的热噪、以及adc量化噪声，则建立用户k的接收信号yk和信干噪比sinrk的模型为：

其中，表示基站发送给用户k的信号，向量表示相应的信道，n为天线数；表示用户1到用户k对应的预编码矩阵；nk表示均值为0，方差为σ²的加性接收噪声；记等效信道b为adc量化位数；信号经过adc转换器后，能量减少至(1-ρadc)|dkrhkdtwkxk|²；增加了能量为ρadc|dkrhkdtwkxk|²的加性量化噪声；nf为低噪放的噪声放大因子；

设定目标为在基站总发射功率受到限制的条件下最大化系统容量，从而得出目标函数如下：

其中系统容量gk(sinrk)＝log2(1+sinrk)，sinr是预编码矩阵w的函数；表示用户k对应的预编码矩阵，将发射信号xk归一化，则||wk||²＝||wkxk||²，表示其对应的传输功率，p为基站总发射功率；问题f(·)利普希茨连续且单调增加，gk(·)连续且严格单调增加，因而问题转为单调优化问题，可以用brb算法搜索其最优点。

s2、采用brb搜索算法，对步骤s1提出的目标函数进行求解：

设集合表示gk的取值范围，则r中的点称为可行点，因最优解在r的边界上，采用brb算法在边界上设置很多互不相交的搜索方格m。假定搜索方格m＝[a,b]且利用曲线搜索法可求得m中最优点的上下界分别为：

fmin,m＝f(n)

其中曲线搜索用到的严格增长曲线为r(τ)，r(0)＝a，r(τ^upper)＝b，τ^upper>0。上式中ek表示单位矩阵ik的第k列，[n,m]为曲线搜索结果：

在有限次迭代中不断改变搜索方格的大小、不断缩小搜索方格中最优点的上界fmax和下界fmin来逼近边界，直到满足

fmax-fmin<ε

时，对应的解为最优点ε为可允许误差。满足最优点的预编码矩阵w即是需要求出相应的预编码矩阵。

本发明研究下行链路，考虑的几个主要硬件非理想因素为本地振荡相位噪声、低噪声放大器、以及adc量化噪声。利用凸优化的思想，将brb搜索算法应用于非理想硬件场景，在基站总发射功率受到限制的条件下对预编码矩阵进行优化，最后得到最优解。

附图说明

图1为本发明中的brb算法搜索方格过程图。

具体实施方式

下面将结合附图，给出本发明的具体实施例。

设定目标为在基站总发射功率受到限制的条件下最大化系统容量，从而得出目标函数如下：

其中系统容量gk(sinrk)＝log2(1+sinrk)，sinr是预编码矩阵w的函数；表示用户k对应的预编码矩阵，将发射信号xk归一化，则||wk||²＝||wkxk||²，表示其对应的传输功率；问题f(·)利普希茨连续且单调增加，gk(·)连续且严格单调增加，因而问题转为单调优化问题，可以用brb算法搜索其最优点。

为了实现上述目的，本发明的技术方案是：提出了基于brb算法对硬件非理想情况下的预编码进行优化：

对任意搜索方格m，设fmax＝β(m)表示m中最优点的取值上界，表示m中一个可行点。在每次迭代中，搜索方格被分割、不断缩小搜索方格中最优点的上下界来逼近边界，直到搜索出最优点。

将原始搜索方格设置为minitial＝[0,binitial]，要求取minitial中一个可行点则原始方格minitial中最优点取值的上下界分别为随后进入迭代算法，经过有限次迭代后满足约束条件时即认为找到最优点。每次迭代处理一个搜索方格，迭代的具体方法为：

s1、本次迭代的初始方格记为m0＝[a0,b0]，取m0中可行点将初始方格m0横向分割为两个小方格

其中dim＝argmaxk[b0-a0]k,d＝[a0+b0]dim/2，小方格中最优点的上界为：

取中可行点此时小方格中最优点的下界为其中：

s2、将小方格中肯定不可能包含最优点的部分去掉，即去掉取值低于下界fmin和高于上界fmax的部分，得到缩减后的方格由以下定理给出：

由于目标函数式中vik,uik取值为：

s3、确认缩小后的方格中是否存在可行解。若缩小后的方格中不存在可行解，则删除该方格，反之，最后另定义新的最优点上下界，判断是否满足条件，若不满足，则进入下一次循环s1；

s4、满足最优点的预编码矩阵w即是需要求出相应的预编码矩阵。