本发明属于通信技术领域,尤其涉及一种基于部分连接的大规模多输入多输出混合波束赋形算法。
背景技术:
massivemimo技术能明显提升5g无线通信系统的性能和容量。massivemimo系统的收发天线数目很大,在系统中使用数字波束赋形技术,会导致系统实现成本和能耗很高,为massivemimo波束赋形技术的应用带来了阻碍。
为了克服这个问题,出现了massivemimo混合波束赋形方案(即部分连接架构),相比于数字波束赋形技术,使用混合波束赋形技术会减少系统实现成本和能耗,即在部分连接架构中,每一个射频链只与部分天线相连接,虽然系统牺牲了部分波束赋形的增益,但是大大降低了硬件的实现复杂度,但是,在部分连接架构中,基于编码器设计的一些算法,性能损失比较严重。
如图1所示,是部分连接结构下massivemimo系统下行链路通信传输模型。在这个系统中,发射端配备nt根天线,接收端配备单根天线,从发射端发送ns条数据流到接收端。为了实现多数据流传输,发射端配备
假设阵列天线模型是ula,天线的间距为波长的一半。定义维度矢量fi,并且维度矢量fi中每个元素满足
为了简化下面的描述,定义索引集ω1,由frf零元素的位置组成,则当(i,j)∈ω1时,
考虑一个窄带块平坦衰落信道,其接收信号可以表示为y=hfrffbbs+n,y是维度为nr×1的接收矢量,h是维度为nr×nt的信道矩阵,nr表示接收端的天线数量,s是发送符号矢量,满足数学期
在上述的部分连接架构中,由于模拟域预编码矩阵是恒模的,所以优化问题是非凸的,因此,求解发射端的优化问题非常复杂,需要消耗大量的时间才能解出优化问题的全局最优的预编码矩阵,这就导致增大了现有的部分连接架构系统的能量损耗,且大大提高网络延迟。
技术实现要素:
本发明的目的是提供一种基于部分连接的大规模多输入多输出混合波束赋形算法,在成本和能耗控制的前提下,提高算法的性能,使其接近全数字波束赋形系统的性能,降低了部分连接架构系统的能量损耗。
本发明采用以下技术方案:一种基于部分连接的大规模多输入多输出混合波束赋形算法,包括以下步骤:
给定部分连接架构系统的最优无约束预编码器、初始模拟预编码矩阵和收敛公差,并根据无约束预编码器和初始模拟预编码矩阵计算出初始数字预编码矩阵,进而计算出初始误差;
当初始误差小于或等于收敛公差时,将初始模拟预编码矩阵和初始数字预编码矩阵作为部分连接架构系统的最优模拟预编码矩阵和最优数字预编码矩阵;
当初始误差大于收敛公差时,以最小化误差为目标进行迭代计算,直至误差小于或等于收敛公差,或者完成最大迭代次数,将对应的模拟预编码矩阵和数字预编码矩阵作为最优模拟预编码矩阵和最优数字预编码矩阵;
部分连接架构系统根据最优模拟预编码矩阵和最优数字预编码矩阵生成并发出混合波束。
进一步的,最优无约束预编码器通过以下步骤得出:
根据部分连接架构系统的信道状态信息,得出信道矩阵
其中,nc表示群簇数目,np表示每一簇内的路径数,αil表示第i簇反射体内第l条传输路径的增益因子,服从均值为0、方差为1的复高斯分布,对于第(i,l)条子径,θr,il和
通过h=uσvh对信道矩阵h进行奇异值分解,得到单位矩阵v,从单位矩阵v中提出其前ns列得到矩阵v1;通过
进一步的,通过
进一步的,迭代计算的具体过程为:
设定目标函数
则对目标函数进行优化为
其中,tn,m表示
通过对该目标函数优化后得出模拟预编码矩阵
将误差εk和收敛公差进行比较,当
本发明的有益效果是:本发明基于massivemimo混合波束赋形系统,以提升频谱效率为目标,采用一种基于矩阵分解的交替优化算法来设计混合预编码矩阵,对信道矩阵进行奇异值分解,设计最优无约束数字预编码器和合成器,通过交替优化,设计最终预编码器,在尽量控制成本和能耗前提下,提高了算法的性能,使其接近全数字波束赋形系统的性能,解决性能损失的问题,并对算法的性能进行了有效验证。
【附图说明】
图1为现有技术中部分连接结构下massivemimo系统下行链路通信传输模型图;
图2为本发明的算法流程图;
图3为本发明的验证实施例中多种算法的频谱效率比较图;
图4为本发明的验证实施例中不同数据流目对算法频谱效率的影响图。
【具体实施方式】
下面结合附图和具体实施方式对本发明进行详细说明。
本发明中公开了一种基于部分连接的大规模多输入多输出混合波束赋形算法,获取基站到所有用户终端之间的信道状态信息
如图2所示,本发明的方法具体为:
给定部分连接架构系统的最优无约束预编码器、初始模拟预编码矩阵和收敛公差,并根据无约束预编码器和初始模拟预编码矩阵计算出初始数字预编码矩阵,进而计算出初始误差。
最优无约束预编码器通过以下步骤得出:
根据部分连接架构系统的信道状态信息,得出信道矩阵
其中,nc表示群簇数目,np表示每一簇内的路径数,αil表示第i簇反射体内第l条传输路径的增益因子,服从均值为0、方差为1的复高斯分布,对于第(i,l)条子径,θr,il和
通过h=uσvh对信道矩阵h进行奇异值分解,得到单位矩阵v,从单位矩阵v中提出其前ns列得到矩阵v1;通过
通过
当初始误差小于或等于收敛公差时,将初始模拟预编码矩阵和初始数字预编码矩阵作为部分连接架构系统的最优模拟预编码矩阵和最优数字预编码矩阵。
当初始误差大于收敛公差时,以最小化误差为目标进行迭代计算,直至误差小于或等于收敛公差,或者完成最大迭代次数,将对应的模拟预编码矩阵和数字预编码矩阵作为最优模拟预编码矩阵和最优数字预编码矩阵。
迭代计算的具体过程为:
设定目标函数
转化||f*-frffbb||f可得
则对目标函数进行优化时,由于该系统中应满足
简化后的优化问题为:
定义混合预编码的第k次迭代为
在更新
其中,tn是f*的第n个块矩阵,维度为lt×ns。
则上述优化问题可以转化成
为了解决优化问题,假设在
其中,
其中,
上式优化问题是一个凸二次目标函数,且已经考虑过恒模约束,上式是基于近似
此时是一个凸优化问题,一旦获得
进一步定义
优化问题可以转化为解决lt个子问题,其中第m个子问题为
通过对该目标函数优化后得出模拟预编码矩阵
将误差εk和收敛公差进行比较,当
部分连接架构系统根据最优模拟预编码矩阵和最优数字预编码矩阵生成并发出混合波束。
验证实施例一:
对于本发明的部分连接架构系统,相应的频谱效率为
其中,
当在信道中发送的是高斯符号,那么频谱效率为
其中,
混合预编码设计可以通过求解一个发射端的优化问题的最优解来得到,这个优化问题的目标是频谱效率最大化,即
其中,
系统采用几何的saleh-valenzuela窄带群簇信道模型。基站和用户端的天线阵列均采用均匀直线阵,它的阵列响应矢量为
若使用均匀直线阵,将上式的信道矩阵中的接收阵列响应和发射阵列响应替换为αula(θ),其中,n表示直线阵中阵元数,λ表示载波波长,d表示天线间的间距,θ表示离开角/到达角的偏位角。
在仿真部分,不仅考虑毫米波簇信道模型,还考虑了瑞利信道模型。在瑞利衰落信道模型中,归一化信道矩阵h中的每个元素都服从独立同分布的均值为0、方差为σ2的复高斯分布。
数值结果显示,本发明的混合预编码方法的性能可以接近于高维度全数字波束赋形系统的性能,并且远高于模拟波束赋形系统的性能。本发明模拟预编码设计基于等增益传输,数字预编码矩阵设计基于奇异值分解。最终混合预编码器设计基于交替优化,使其接近最优无约束矩阵,使得系统性能接近全数字波束赋形算法的性能。
验证实施例二:
本实施例中通过matlab仿真来验证基于矩阵分解的交替优化算法的频谱效率与其他算法性能的优势。
该实施例中收发端分别配备的天线数是128和1,射频链的数目都为4,数据流数目为2,使用ula阵列模型的毫米波信道模型,该模型中各参数具体值如表1所述。
表1实施例中的参数赋值
如图3所示,其显示了多种算法的频谱效率比较结果。模拟波束赋形系统的性能最差,数字波束赋形系统的性能最佳。本发明所提出的算法的性能明显优于模拟波束赋形的性能,且优于与现有技术中的算法性能,最接近于全数字波束赋形系统的性能。
如图4所示,显示了数据流数目对算法频谱效率的影响。比较的是数据流数目为1、2、4和8下所提出的算法的频谱效率,随着数据流数目增加,系统的频谱效率增大,系统性能越来越好。