一种毫米波大规模MIMO系统混合预编码方法与流程

本发明涉及无线通信技术领域，特别涉及一种适用于毫米波mimo系统的混合预编码器设计方法。

背景技术：

毫米波(mmwave)和大规模多输入多输出(mimo)的结合被认为是未来5g无线通信系统的一种有前景的方法，因为它在可用频谱方面提供数量级的增加。但由于天线数量的增加，数字预编码器的总体硬件复杂性和能量消耗成为严重的问题。为了解决这个问题，混合数字预编码和模拟预编码被用来减少射频链的数量。在此方案中，发射端的基带源信号首先被送入数字基带处理器，数字基带处理器输出联接到若干条rf链通道处理，然后再送入由相位转换器组成的模拟移相单元，最终转换成基带发射信号。接收端的数据流程与发射端的流程是一一对应的。由于相位转换器只能改变输入信号的相位，并不能调整输入信号的幅度，因此被称为模拟波束成形器。另一方面，数字收发通道不再与阵列天线对应相连，相比于全数字的波束成形方案,其数量可以大幅降低。

对大规模mimo信道模型和信道特征的进一步研究发现，基于毫米波波束空间具有很强稀疏性，可以通过将容量优化问题作为近似逼近问题，逼近最优容量。同时为了进一步简化rf链路结构，每个rf链可以仅连接一个天线子阵列，即采用子阵列结构实现混合预编码,每个天线子阵列为一个相控阵天线，通过rf模拟调相实现每个子阵列发送波束指向特定用户。基于上述研究，在具有子阵列结构的毫米波大规模mimo混合预编码系统中，本专利提出了一种基于迭代混合预编码器设计方案，以实现低复杂度的近似最优性能。

本发明的基本思路就是将复杂的毫米波mimo混合预编码系统容量优化问题，分解为每个天线子阵列系统容量逐一优化处理的问题，这意味着连接到特定rf链的每个天线子阵列的预编码将可以分开考虑。对于第一个天线子阵列，先使用数字预编码器来控制幅度，然后使用模拟预编码器来调整相位。在优化第一个天线子阵列的可实现容量之后，利用逐次干扰消除的思想来消除第一个天线子阵列对总容量的贡献，然后优化第二个天线子阵列的容量，重复这样的过程，直到最后的天线子阵列，完成整个系统的容量优化问题求解，也即完成了混合预编码器的设计和求解。

技术实现要素：

本发明提供了一种毫米波大规模mimo系统混合预编码方法，旨在最大化可达的系统容量。为了解决上述问题，本发明提供了如下技术方案。

一种毫米波大规模mimo系统混合预编码方法，包括以下步骤：

步骤【1】：根据本发明所采用的毫米波mimo混合预编码系统技术方案，建立毫米波mimo系统预编码器设计问题模型。本发明毫米波mimo系统的信道容量表达式为：预编码器设计问题最终转化为最大化信道容量的优化求解问题，其数学表达式为：

步骤【2】：采用串行干扰相消(sic)的思想，先打开第1个天线子阵列，在等幅约束条件下，求p的第1列近似最优取值p1,opt。p1,opt的求解过程为：先给定初始模拟预编码，基于所述初始模拟预编码，屏蔽各个用户之间的干扰，然后通过从基站向多个用户提取聚合下行链路信道的相位，模拟预编码器仅进行相位调节和控制，最后根据zf迫零预编码算法来求解数字预编码器。

步骤【3】：打开第2个天线子阵列，在等幅约束条件下，求解p的第2列近似最优取值p2,opt，与此类推，顺序打开第m+1(1≤m＜n)个天线子阵列，求解p的第m+1列近似最优取值pm+1,opt，求解过程与步骤【2】类似，具体描述为：设定初始模拟预编码器，根据连续干扰消除的思想求解出最接近理想的模拟预编码器第m+1列幅值和相位，然后根据zf迫零预编码算法来求解数字预编码矩阵。

步骤【4】：将预编码矩阵所有列近似最优解组合在一起，得到完整混合预编码矩阵p的近似最优解popt＝[p1,opt,p2,opt,...,pn,opt]。

本发明步骤【1】所采用的毫米波mimo混合预编码系统技术方案为：基站拥有n×m根天线，分成n个天线子阵列，仅用n个独立rf链同时传送k个用户数据流，每用户仅有单根接收天线，其中n≥k，且k是动态变化的。毫米波基带信号数据流处理具体过程为：

1)首先，基站侧k个数据流被n×n个数字预编码器的预编码；

2)数字预编码器输出连接到n个rf链路；

3)每路rf输出经模拟预编码器ai再次预编码，输出m路相位不同射频信号，其中模拟预编码器由移相器组成，ai(i＝1，...，n)是一个m×1列向量，具有相同幅度,但相位不同的；

4)最后，每个子阵列模拟预编码之后的m个数据流最终发送到子阵列的m根天线上，向空间输出无线信号。

根据上述方案，用户侧接收到的k×1信号列矢量y可表示为：

y＝ρhads+n＝ρhps+n(1)

其中ρ是平均接收功率，s＝[s1,...,sn]^t表示n×1列基带发射信号矢量，当n>k时，空闲信道sk+1,...,sn用随机扰码作为输入，并且假定p＝ad表示nm×n的混合预编码矩阵,它包括数字预编码和模拟预编码。为了减少硬件的复杂性，可以将数字预编码矩阵d设计为对角矩阵，并且第i个对角元素di,i可以是实常数。这意味着数字预编码器可以通过简单放大器实现。a表示nm×n模拟预解码矩阵，如下所示：

式中矩阵元素0代表m×1列的0向量。所以有：p＝ad＝[p1,p2,...,pn]，其中pi是nm×1列向量，且仅有m个元素不为0。

优选地，在所述步骤【2】中，采用sic串行干扰相消思想求解步骤【1】中的非凸约束优化问题，其中第1个天线子阵列的容量优化问题，其数学模型表示为：等价于采用svd分解求解，该优化方程的解为：

上述解p1再经过(3)式所表示的mse最小优化后，即可得到符合等幅约束条件的最优模拟预编码器p1,opt。

优选地，在所述步骤【3】中，利用连续干扰消除的思想,依次从总信道容量中消除前m(m＝1,2,…,n-1)个天线子阵列的贡献，然后集中求解第m+1个天线子阵列的最优预编码矢量。通过利用sherman-morrison判定方式，当获得了前m个天线子阵列的预编码矢量时，在添加第(m+1)个天线子阵列的贡献之后，信道总容量r函数表达是为：

其中p(1:m)表示p的前m列，p的第(m+1)列为pm+1，对应于(m+1)个天线子阵列。可以观察到容量等式右边的第一项与pm+1无关，令因此最大化容量函数表达式，等于最大化容量表达式右侧第二项，即：

在步骤【3】的求解过程中，m(m＝1,2,…,n-1)分步求解得到pm+1,opt，与步骤【2】所求得的p1,opt组合，可得到步骤【4】所述完整整混合预编码矩阵为popt＝[p1,opt,p2,opt,...,pn,opt]。

因为一次性直接求解步骤【1】所述非凸约束优化问题是困难的，所以如步骤【2】、步骤【3】所述，本发明采用串行干扰相消(sic)的思想，顺序打开第m(m＝1,2,…,n)个天线子阵列，求p的第m列近似最优取值pm,opt。

步骤【2】所述采用svd分解所求得的最优解因为不符合模拟预编码器天线子阵列中每根天线等幅约束条件，p1不能作为最终解，所以必须选择p1,opt作为最终解。其中p1,opt满足等幅值、相位可变约束条件，且与p1的mse均方误差达到最小化。

利用本专利所所述方法设计的预编码器，可以支持多个数据流的同时传输，硬件复杂度大大降低，其中仅需要k个rf链，所设计预编码器信道容量(和速率)性能，接近最优空间稀疏混合预编码器，但计算复杂度和硬件复杂度都大为降低。

附图说明

图1本发明实施例的毫米波mimo系统的混合预编码器设计流程图；

图2本发明实施例所采用的混合预编码系统结构图；

图3本发明实施例的采用连续干扰消除求解混合预编码流程图；

图4本发明实施例的仿真结果对比示意图(a)：低信噪比条件下各预编码器信道容量对比；

图5本发明实施例的仿真结果对比示意图(b)：高信噪比条件下各预编码器信道容量对比；

图6本发明实施例的仿真结果对比示意图(c)：低信噪比条件下含zf预编编码与本专利预编码器信道容量对比。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明实施例的毫米波大规模mimo系统混合预编码方法针对现有技术存在的问题，将整体容量优化问题分解为单独的天线子阵列来处理，在已知信道状态信息的情况下，首先利用连续干扰消除算法的思想，用模拟预编码器对相位进行控制，然后在数字预编码器上运用迫零(zf)预编码，对每个天线子阵列逐一进行优化，最后实现并行化迭代的过程。

具体地，请参阅说明书附图1，是本发明实施例的所设计的毫米波mimo系统混合预编码器的设计流程图。本发明实施例的毫米波大规模mimo系统混合预编码方法，包括以下列步骤：

步骤[1]：参见如附图2，本说明书所述本专利所采用的毫米波mimo系统的混合预编码技术方案，建立了预编码问题模型，即毫米波mimo系统信道容量(和速率)表达式为：则预编码器设计问题最终转化为最大化信道容量优化问题：

步骤[2]：根据问题模型和前面分析，第一个天线子阵列的可实现容量(和速率)为：

其中p1＝d1,1b1是混合预编码矩阵p的第一列,b1是模拟预编码矩阵a的第一列，包含1个含有m个非零元素的矢量a1和(n-1)个长度为m零矢量，令g1＝h^hh，因为只有p1的前m个元素是非标记，所以在(7)中需要最大化的项可以重写为:

将s1、g1简写为s、g，s是g的子矩阵，它只将g的行和列从1保留到m。定义hermitian矩阵s的有序奇异值分解(svd)为s＝v∑v^h，其中∑是包含奇异值的m×m对角矩阵s的值降序排列，v是m×m的酉矩阵。在无约束条件下，最大化(8)式目标函数的最优解为(9)式:

其中m×1向量v1是v的第一列。由于本文在上面提到的约束，不能直接选择p1作为近似最优解p1,opt，因为p1,opt的元素不遵守约束恒定的幅度。由于这个原因，将探索一个p1的选择，它与p1非常接近，可以通过在恒定幅度的约束下最小化p1和p1,opt之间的均方误差(mse)，其mse表示为：

根据推理，m×1非零矢量a1的元素只有不同的相位，而d1,1是一个实数标量，所以a1的一个可行且直观的选择是

其中angle(v1)表示v1需要传输的相位向量，这意味着v1将与v1的对应元素有相同相位，且幅度为1。将(11)代入(10)，得到本专利分步求解第1天线子阵列近似最优预编码矩阵的数学表达式：

观察到mse函数，(12)将被简化为仅依赖于d1,1。式中a1可行且直观的选择是d1,1的最好选择为

在步骤【2】的求解过程中，根据(13)式可得出单个天线子阵列的等效子信道矩阵为：其中下标eq代表降维后的天线子阵列等效矩阵，按照zf预编码原则，则得到低维zf数字预编码为：

其中ψ为单位矩阵用于屏蔽噪声，根据d1,1求得足够接近p1的第一个天线子阵的预编码矢量p1,opt为：

步骤【3】:本发明例需要求解问题数学表达式为：

(16)式中，依据步骤【2】求得的结果p1，可以由(16)式获得第2个天线子阵列近似最优预编码矢量p2，与此类推，根据pm和(16)式可获得pm+1(m＝1,2,…,n-1)的最优解pm+1,opt。求解(16)式过程与步骤【2】非常类似，下面是本实施例的详细求解过程。

根据rf链的实际约束，提出通过提取聚合链路信道的共轭转置的相位来设计模拟预编码器，以获得大规模mimo系统中的大阵列增益。所以令：

将ai,j表示为a的(i,j)个元素，并根据上式执行模拟预编码，其中i,j是合成下行信道的共轭转置的第(i,j)个元素的相位。

为了简化书写，下面把m+1(m＝1,2,…,n-1)改写为m(m＝2,…,n)。假设在基站可以获得完美的信道信息h，打开前m个天线子阵列条件下，基带处观察到的等效信道表示为heq，若将多流基带预编码应用于h，则等效数字zf预编码矩阵表示为：

其中ψ是一个对角矩阵，用于归一化列信号功率。

如附图3所示，归纳起来,步骤【3】求解近似最优pm(m＝2,3,…,n)流程详细描述如下：

1)根据每数据帧动态信道估计结果h，对每个接收端k(k＝1,2,…，k)，计算出信道所有的增益、离开角和到达角；

2)计算得到矩阵其中(m＝2,3,…,n)；

3)对矩阵gm进行奇异值分解，可求解得到vm；

4)计算得到第m列模拟预编码器am＝ejangle(vm),

5)计算得到数字预编码增益系数

6)计算得到混合预编码列向量pm＝dm,m*bm。

步骤[4]：将所有混合预编码列向量pm(m＝1,2,…,n)组合得到混合预编码矩阵p，混合预编码器设计完成。注意，所得到结果p，仅能用于特定时刻的数据帧预编码处理，且与该时刻的信道估计结果h相匹配，信道变化了要从新根据步骤【3】计算新的p。

为了对本发明验证本发明实施例的可行性，并对其性能进行评估，对所设计预编码器性能进行了仿真实验，图4-6为本发明实施例的性能仿真实验结果对比示意图。

从仿真实验看出，本发明预编方案，可使毫米波mimo系统在总和速率(或通信容量)性能接近最优性能，与基于空间稀疏等技术的理想预编器相比，本专利预编码算法复杂度大大简化，仅通过迭代就可实现理想性能。在结果中提供了可实现的信道容量的模拟结果，对比实验中提供了全模拟预编码，空间稀疏预编码和基于子阵列结构的pm＝v1作为比较基准的最优预编码器。模拟参数描述如下。载波频率设置为28ghz，分别考虑两种典型的毫米波质量mimo配置，其中nm×k＝64×16(m＝16)和nm×k＝128×32(m＝32)，nm代表天线总数，k代表数据流，m则为rf链的数量，并且接收天线阵列采用ula型阵列，天线间距d＝λ/2。我们根据第二节所描述的信道模型生成信道矩阵。假定aoas/aods遵循均匀分布[0,2π]。散射传播路径的数量设为l＝10。

本发明实施例的毫米波大规模mimo系统混合预编码方法利用连续干扰消除的思想，将复杂的容量优化问题分解为一系列的子问题，使得其更加容易解决。仿真结果验证了该方案的性能接近于最优容量。与全数字预编码方案相比，zf混合预编码只用了少量的rf链路，能有效地降低数字基带处理的复杂度。该算法比理想数字预编码、纯模拟预编码和空间稀疏预编码的性能有所提高，且接近理想预编码的性能。

对所公开实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。