适于5G多用户大规模MIMO混合波束赋形算法及系统的制作方法

本发明涉及通信技术领域，尤其涉及适于5g多用户大规模mimo混合波束赋形算法及系统。

背景技术：

毫米波因为频谱资源较丰富和传输速率高的特征，成为了5g无线通信的关键技术之一。虽然毫米波易被空气吸收，存在路径损耗、降雨损耗和穿透衰减等缺点，但是单位面积上的毫米波天线数量增加和天线尺寸的缩小，使得它能够与5g大规模mimo技术完美结合起来，通过二者相互结合形成波束赋形技术，能够提高信号的传输质量，改善系统的信道容量。

从理论上来说，纯数字波束赋形技术是效益最高的波束赋形技术，但是在5g空间大规模mimo系统中，由于天线数量大大增加，能够达到传统mimo系统的几十至上百倍，因此若要系统能够提供与天线数相当的射频链路，将会大大增加系统成本，系统实现的复杂度也因此提升。所以在5g的大规模mimo系统中通过模拟与数字波束赋形技术二者结合，形成的混合波束赋形技术能够减少射频链路，而且基带的数字波束赋形技术也能维持通信系统的性能。

目前的多用户混合波束赋形技术系统模型是在单用户波束赋形算法的基础之上进行处理得出的，也就是通过事先对各个并行信道的处理，然后使用与单用户波束赋形相类似的算法得出各波束赋形矩阵。而这样的系统模型中较传统的预编码算法比较典型的有迫零算法、块对角化算法、用户信号泄露最小算法等。

传统的多用户mimo系统能让许多用户同时享用一样的时、频资源，但是也将带来不同用户间的同道干扰问题。迫零算法能够在发送端对不同用户分别加权，然后将不同的用户信号叠加发送，但是该系统有个条件，即需要发送天线数量大于接收天线，否则算法性能较低，因此用户的数量会受到限制。块对角化算法需要对各信道矩阵进行处理，得到每个用户的最优纯数字波束赋形矩阵后使用基于正交匹配追踪算法得到多用户波束赋形矩阵，算法复杂度相对较高。而传统的用户信号泄露最小的干扰消除技术的思路是在用户进行波束赋形时，目标用户的波束信号大于其他用户，这种算法虽然没有收、发天线数量限制，但是系统吞吐量一般。

技术实现要素：

本发明的目的在于提供适于5g多用户大规模mimo混合波束赋形算法及系统。

本发明采用的技术方案是：

适于5g多用户大规模mimo混合波束赋形算法，其包括以下步骤：

步骤1，基站检测各个用户发送的探测导频信号进而获取对应用户的上行信道hu；

步骤2，基站根据上行信道hu计算获取各个用户的下行信道的等效信道hi；

步骤3，基站基于用户信号泄露最小准则计算获取各个用户最优的赋形矩阵fi；

步骤4，根据预先设定的发送端和接收端所共知的码本矩阵pi，基站得到所有用户最优的赋形矩阵fi，将发送信号yi乘以fi后通过控制信道发送；

步骤5，用户接收基站发送的信号，根据控制信息解出各自对应的fi，并用最小均方误差检测算法恢复信号y。

进一步地，步骤1中各个用户选择不同码发送探测导频信号。

进一步地，步骤2中下行信道的等效信道hi等于上行信道hu与变量δ的和，δ值很小可忽略，即hi≈hu。

进一步地，步骤3中用户i的最优的赋形矩阵fi的计算步骤如下：

步骤3-1，计算用户i分别对应码本矩阵p的所有n个预编码矩阵的信漏噪声比slnr，获得对应用户i的n个slnr，slnr计算公式如下：

其中，hi为用户i的下行信道的等效信道；pk为预先设定的码本矩阵p的第k个预编码矩阵，k∈{1,2,...,n}；mi为用户i接收到的独立数据流，为噪声功率；

步骤3-2，从用户i的n个slnr中选择最大值slnrm，找到slnrm对应的pm码本矩阵，记录其fm作为该用户最优的赋形矩阵fi。

进一步地，步骤5中用户接收基站发送的信号为zi：

其中，si为基站对应用户i的发送信号，pi为用户i的码本矩阵索引，pi看做fi的量化值；sj为基站对应用户j的发送信号，pj为用户j的码本矩阵索引，ni为用户i的高斯噪声。

进一步地，本发明还公开了适于5g多用户大规模mimo混合波束赋形的系统，其包括基站端和用户端，

基站端包括依次连接的基带数字预编码模块、数模转换模块、射频模拟预编码模块和基站天线阵列，

基带数字预编码模块用于基于用户信号泄露最小准则计算获取各个用户最优的赋形矩阵以生成基站的数字预编码；

数模转换模块用于将数字信号转换为模拟信号；

射频模拟预编码模块用于计算生成基站的射频模拟预编码和线性功率放大；

基站天线阵列用于与用户端通信连接；

用户端包括基带数字组合模块、模数转换模块、射频模拟组合模块和用户天线阵列；

基带数字组合模块用于计算生成用户端的数字预编码；

模数转换模块用于将模拟信号转换为数字信号；

射频模拟组合模块用于计算生成用户端的射频模拟预编码和滤波功能；

用户天线阵列用于与基站端通信连接。

进一步地，数模转换模块包括n个数模转换器，射频模拟预编码模块包括n条基站射频链路，每个数模转换器与基站射频链路一一对应连接。

进一步地，模数转换模块包括n个模数转换器，射频模拟组合模块包括n条用户射频链路，每个模数转换器与用户射频链路一一对应连接。

本发明采用以上技术方案，基于用户泄露信号最小准则，并结合码本进行多用户波束赋形，能够消除用户间的同道干扰。基站通过控制信道广播从用户码本中选取合适向量，用户接收之后利用码本恢复码字向量，作为波束赋形的权重。其他用户还能利用收到的其他波束向量通过最小均方误差算法消除干扰。本发明系统总体的算法复杂度有所下降，并且当不增加额外资源的前提条件下，系统吞吐量有所提高。

附图说明

以下结合附图和具体实施方式对本发明做进一步详细说明；

图1为本发明适于5g多用户大规模mimo混合波束赋形算法流程示意图；

图2为本发明适于5g多用户大规模mimo混合波束赋形系统的结构示意图。

具体实施方式

如图1或2所示，本发明公开了适于5g多用户大规模mimo混合波束赋形算法及系统，本发明针对5g通信领域大规模收发天线进行的混合波束赋形设计。算法考虑了码本加权向量的搭建过程和特征，根据无线信号在空间信道中的传播特点，提出一种根据码本选择并将波束赋形加权向量量化的算法。算法依据基站收到的用户信息，计算用户发送信号的波束赋形权重，并为其他用户搜索临近波束。用户接收到基站发送的码字并从码本中找到权向量，即可完成最佳波束接收。该算法相比传统的用户信号泄露最小算法在接收端增加了用户干扰码本矩阵获取，能够较在控制信道中消除干扰，获得较纯净的信号，因此能够改善信道吞吐率。

如图1所示，本发明公开了适于5g多用户大规模mimo混合波束赋形算法，其包括以下步骤：

步骤1，基站检测各个用户发送的探测导频信号进而获取对应用户的上行信道hu；进一步地，步骤1中各个用户选择不同码发送探测导频信号。

步骤2，基站根据上行信道hu计算获取各个用户的下行信道的等效信道hi；进一步地，下行信道的等效信道hi等于上行信道hu与变量δ的和，δ值很小可忽略，即hi≈hu。

步骤3，基站基于用户信号泄露最小准则计算获取各个用户最优的赋形矩阵fi；单个用户i的最优的赋形矩阵fi的计算步骤如下：

步骤3-1，计算用户i分别对应码本矩阵p的所有n个预编码矩阵的信漏噪声比slnr，获得对应用户i的n个slnr，slnr计算公式如下：

其中，hi为用户i的下行信道的等效信道；pk为预先设定的码本矩阵p的第k个预编码矩阵，k∈{1,2,...,n}；mi为用户i接收到的独立数据流，为噪声功率；

步骤3-2，从用户i的n个slnr中选择最大值slnrm，找到slnrm对应的pm码本矩阵，记录其fm作为该用户最优的赋形矩阵fi。

步骤4，重复步骤1至步骤3直到基站得到所有用户对应的最优的赋形矩阵fi，将发送信号yi乘以fi后通过控制信道发送；

步骤5，用户接收基站发送的信号，根据控制信息解出各自对应的fi，并用最小均方误差检测算法恢复信号y。进一步地，用户接收基站发送的信号为zi：

其中，si为基站对应用户i的发送信号，pi为用户i的码本矩阵索引，pi看做fi的量化值；sj为基站对应用户j的发送信号，pj为用户j的码本矩阵索引，ni为用户i的高斯噪声。

进一步地，如图2所示，本发明还公开了适于5g多用户大规模mimo混合波束赋形的系统，其包括基站端和用户端，

基站端包括依次连接的基带数字预编码模块、数模转换模块、射频模拟预编码模块和基站天线阵列，

基带数字预编码模块用于基于用户信号泄露最小准则计算获取各个用户最优的赋形矩阵以生成基站的数字预编码；

数模转换模块用于将数字信号转换为模拟信号；

射频模拟预编码模块用于计算生成基站的射频模拟预编码和线性功率放大；

基站天线阵列用于与用户端通信连接；

用户端包括基带数字组合模块、模数转换模块、射频模拟组合模块和用户天线阵列；

基带数字组合模块用于计算生成用户端的数字预编码；

模数转换模块用于将模拟信号转换为数字信号；

射频模拟组合模块用于计算生成用户端的射频模拟预编码和滤波功能；

用户天线阵列用于与基站端通信连接。

进一步地，数模转换模块包括n个数模转换器，射频模拟预编码模块包括n条基站射频链路，每个数模转换器与基站射频链路一一对应连接。

进一步地，模数转换模块包括n个模数转换器，射频模拟组合模块包括n条用户射频链路，每个模数转换器与用户射频链路一一对应连接。

下面就本发明算法具体原理做详细说明：

本发明算法基于传统最小泄露准则算法，并在算法上进行了改进，当用户i接收到基站发出的信号时，将接收信号与线性矩阵wi的共轭转置wi^h相乘得到信号y，信号y为检测信号，如下式1：

用户通过下行导频信号估计出等效信道hi，各用户接收采用的波束赋形矩阵为fi，si为第i个用户发送信息符号，线性接收矩阵wi^h则可看做匹配滤波器，wi^hhifisi为用户期望接收到的信号，为用户收到的同道干扰，ni为高斯噪声，||·||f是frobenius范数；

将等效信道估计值带入y，得到

根据上式可知，选择适当的赋形矩阵fi，可以降低信号间的同道干扰。

当噪声功率为时，各用户发送信号功率归一化e(sisi^h＝1)后。接收端用户的信干噪比sinr(signaltointerferenceplusnoiseratio)为：

mi为用户i接收到的独立数据流，可以看出，其他用户泄露到用户i的干扰信号为换个角度而言，也可以定义它泄露到其他用户的信号则用户i的信号与其泄露干扰和噪声之比slnr(signalleakagenoiseratio)为

当噪声功率一定时，信号泄露噪声越小，则slnr功率比值越大，所以若选择一个最好的波束赋形矩阵fi，使得slnr取得最大，则f为基于slnr的最佳波束赋形矩阵。

基于上述的用户信号泄露最小准则，需要如何求得最佳波束赋形矩阵f，针对这个问题，在5g大规模用户的天线阵列系统中，对于时分双工情况下的上行信道用户发送信息时，不同用户选择不同码发送探测导频信号。基站端通过检测导频信号估算出用户上行信道hu，根据系统中上下行信道的互惠性可得出下行信道估计值hd约等于上行信道hu与某个变量δ的和，δ值很小可以忽略。所以若预先设定码本矩阵p＝[p1,p2,p3...pn]，而p被发送和接收端所知。码本矩阵p是通过豪斯霍尔德变换(householdertransformation)的酉矩阵码本，pn是码本的第n个预编码矩阵。设pi是用户信息流码本矩阵中的值，且满足slnrm为slnr波束赋形矩阵中的最大值，则由式5可以推导slnrm值为：

其中i∈(1,2,...,n)。则pi可以看做fi的量化值。

当信道发送信号si时，所有n个用户码本矩阵索引pi通过控制信道发送，由之前的描述可知用户接收的信号为zi：

用户i接收到控制信息后可知其余波束赋形矩阵，在得到信道理想估计值hi后，就能够通过最小均方误差准则进行检测，并发送检测信息。

本发明的算法优势说明：

1、吞吐率更大:在接收端用户通过导频信道对信号进行估计后，从控制信息中查找到干扰的码本，恢复出干扰从而较完整的删除干扰项。

假设每个用户等功率发送，功率为p，发送端天线数量为mt，噪声功率σ²＝1，下行导频信号估计出等效信道hi，预先设定码本矩阵pi，表示接收端的下行链路信道矩阵，平均每个用户的吞吐率为：

而基于传统的用户信号泄露最小准则波束赋形算法，用户间干扰不能完全消除，则用户吞吐率如下：

与传统的用户信号泄露最小算法相比，改进的算法吞吐率更高，二者的吞吐率差值为：

因为fi用户基于slnr的最佳波束赋形权值，所以式10的前两项差小于等于零，因此

fi可以认为与下行信道的hi是相互独立的，为了推导简单，可以假设其用户接收到的数据流mi为一常数，则有：

由此可见，吞吐率改善的上限为相同时间下吞吐率改善受到发射天线和接收天线数量限制，吞吐率的大小也反应出了系统单位时间吞吐量的大小。

2、算法复杂程度更小：从算法复杂程度来看，若假设一次实数浮点运算量为e，则运算复杂度η的大小由运算量e的多少决定。假设实数之间的加法和乘法运算复杂度为e，而复数加法复杂度为2e，复数乘法运算复杂度为6e。一个a*b维度复数矩阵的frobenius范数计算需要2ab次实数乘、加运算，总共复杂度为4ab*e，复数矩阵特征值分解的计算复杂度为48a²b+24ab²+54a³倍e，矩阵相乘复杂度为8ab²e。块对角化算法和基于用户信号泄露最小改进算法相比较主要区别在于发送端波束赋形方式，其他运算量大体相同。mt为发送端天线数量，nr为接收端天线数量，对于块对角化算法而言，用户需选择信道矩阵并将其空间向量当作波束赋形向量，对于用户i在发送端的波束赋形复杂度根据复数矩阵特征值分解公式，复杂度ηbd为:

ηbd≈[48(nr-mi)²*mt+32(nr-mi)²*mt²+54(nr-mi)³+4(nr-mi)*mt]*e13

而基于用户信号泄露最小改进后波束赋形向量的算法复杂度ηi-slnr为:

其中n为预先确定子码本的数量，算法复杂度和子码本的数目成正比。当收发天线数确定时且子码本数目较小时，改进后算法复杂程度相比传统块对角化算法复杂度更小，整体性能更优。

本发明采用以上技术方案，基于用户泄露信号最小准则，并结合码本进行多用户波束赋形，能够消除用户间的同道干扰。基站通过控制信道广播从用户码本中选取合适向量，用户接收之后利用码本恢复码字向量，作为波束赋形的权重。其他用户还能利用收到的其他波束向量通过最小均方误差算法消除干扰。本发明算法上进行了改进，该算法通过码本量化预编码矩阵，基站仅需用户端反馈码本编号即可获得预编码矩阵，大大降低了信息反馈量，算法复杂度变小，并且当不增加额外资源的前提条件下，系统吞吐量有所提高，设备实现简单化。