一种基于稀疏编码的毫米波波束对准方法与流程

本发明属于毫米波通信
技术领域：
，具体一种基于稀疏编码的毫米波波束对准方法。
背景技术：
：随着未来超高清视频传输、智能车辆通信和虚拟现实技术的需求发展，全球移动通信系统容量会迎来巨大的需求。未来对于数据传输速率的需求可能是现有系统容量的1000倍。毫米波通信技术由于能够利用更大的通信带宽产生更大的传输速率，被作为满足未来高速率需求的未来无线网络关键技术。例如，ieee最新的802/11ay标准中，60ghz通信技术已经可以提供高达20gbps的传输速率。然而，毫米波频段的通信存在固有的缺点，即相对于低频段更高的路径损耗。幸运的是，大规模天线阵列可以被应用在毫米波通信系统中来补偿信号的衰减。但是，随着天线数目的增加，会导致获取毫米波信道信息更加困难，因此近期大量文献利用毫米波信道的稀疏性并且结合压缩感知技术(cs)来估计massivemimo信道。然而，这些相关技术都由于计算过程中的大型矩阵求逆运算提高了算法运行中的计算复杂度。为了减少计算复杂度和降低硬件实现的难易程度，现有的协议多利用毫米波波束较窄的性质使用波束扫描或者分层扫描的方法来实现，然而这些算法的缺点在于要么需要更长的扫描时间或者需要建立一条合适的反馈链路或者降低第一次进行波束扫描的增益。因此，为了适当的保持波束扫描的增益同时降低扫描时间和硬件实现难度，迫切的需要提出一种新型的毫米波波束对准方法。技术实现要素：本发明的目的在于提供一种基于稀疏编码技术的毫米波波束对准方法。本发明提出了一种特殊的毫米波波束对准方法，第一步，一种独特的到导频设计方案被提出，将毫米波波束对准问题转变为一个稀疏图设计和检测问题。第二步，受到低密度校验码(ldpc)和喷泉码(fountaincodes)的启发，一个多层的稀疏编码矩阵被设计来形成测量矩阵。最后，基于稀疏编码的图，提出了无噪声条件下的波束索引标识识别方法。本发明的核心思想是利用稀疏编码结构实现毫米波波束快速对准。为了方便理解，首先对本发明使用的模型和术语进行介绍：本发明主要应用在毫米波massivemimo混和架构中，其中基本的毫米波信道可以表示为其中依次表示为每条径的aoa，aod和复增益。同时，为了更有效的解释和说明，先假设移动端和基站端都使用线性阵列(ula)，表示如下在接收端(ms)，通过射频端的预编码矩阵wrf(t)和数字端整合矩阵wbb(t)，在t时刻接收到的信号为y(t)＝(wrf(t)wbb(t))hh(t)frf(t)fbb(t)s(t)+n(t)＝wh(t)h(t)f(t)+n(t)其中为基站端(bs)端的射频预编码矩阵，数字预编码矩阵，mt为发射天线数,mrf为发射端射频链路数，类似的，wrf(t)和wbb(t)表示移动端(ms)的预编码矩阵。根据相关文献中的论证，毫米波信道存在稀疏性，那么其在角度域存在一定的稀疏性，同时其可以表示为波束域表示为其中和表示离散傅里叶变换矩阵(dft)，表示虚拟波束域信道。本发明的技术方案是，一种基于稀疏编码的毫米波波束对准方法,其具体步骤如下：一种基于稀疏编码的毫米波波束对准方法，包括以下步骤：s1、基站端发射导频序列，接收端利用数字和模拟预编码矩阵整合信道，每个时刻接收端收到的信号如下：r(t)＝wh(t)hf(t)+n(t)其中，w(t)为接收端预编码矩阵，h为毫米波信道矩阵，n(t)为噪声矩阵，设定基站端每次同时发射多个波束，发射的预编码矢量为f(t)＝frf(t)fbb(t)＝fbsψ(t)，frf(t)和fbb(t)为基站端的射频预编码矩阵，mt为发射天线数，mrf为发射端射频链路数，同时接收端使用多个波束进行接收，接收数据表示为：其中，和表示离散傅里叶变换矩阵，nr是接收天线个数，是虚拟的波束空间，v(t)是接收端的波束选择矩阵，ψ(t)是发射端的波束选择矩阵；s2、将接收端的不同rf链路分别处理，分裂出第i路的数据如下：其中表示虚拟波束域信道，对接收到的t个时刻导频信号的单个链路的接收符号进行简化，简化符号ψt(t)＝ψ，r＝ri(t)获得：s3、将测量矩阵ψ分成两部分，稀疏编码矩阵和检测矩阵m是稀释编码矩阵设计的行数，n是检测矩阵对于同一个采样点重复采样次数：ψ＝g⊙s其中⊙表示行张量运算；s4、设计稀疏编码矩阵，根据边线度定义主要的校验节点类型为：zero-ton:当一个校验节点的多波束探测不到实际的信道径标识，定义该校验节点为zero-ton；single-ton:当一个校验节点的多波束探测到一个主径的信道标识，定义该校验节点为single-ton；multi-ton:当一个校验节点的多波束探测到多个主径的信道标识，定义该校验节点为multi-ton；s5、设计稀疏编码图案，用于产生图案制定最小的层数d和稀疏图的行数系数μ的对应关系为：d≥μk，k为毫米波信道中包含的径数，d≥3；s6、设计检测矩阵如下：由于检测矩阵行数为2，意味着针对同一个稀释矩阵探测的第j次数据分为两次重复采样，定义为ri[1]和ri[2]；s7、定义识别不同节点方法如下：zero-ton识别:一个测量节点当且仅当测量值为零的时候被定义为zero-ton；single-ton识别：一个测量节点通过以下的识别方法进行识别：当且仅当为整数的时候被认定为single-ton，为实际探测到的波速幅度；multi-ton识别：一个测量节点满足以下的识别方法则被识别为multi-ton：ri[1]≠ri[2]s8根据节点识别方法进行节点识别，通过第一次计算后识别的single-ton节点，将其他采样节点出现这个波束节点的位置减去这个节点的值(即每次发射多个波束，正好对准一个径，接收的是single-ton，其他multi-ton也出现这个径，就减去)，将该过程定义为剥离single-ton的节点，然后进入下一次迭代计算，看是否有新的single-ton节点出现，若有，则继续剥离single-ton的节点后进入下一次迭代，否则，直接进入下一次迭代，直至达到最大迭代次数或者全部为zero-ton；s9、计算最后获得所有的single-ton个数和对应的信道幅度，最后判断最大的幅度是哪个波束，实现波束对准。本发明的有益处在于：1)相对于传统的基于压缩感知的信道估计方法，计算复杂度低，并且有利于硬件fpga实现。2)相对于传统的基于波束扫描的方法，本方法能够保留波束成形的增益同时降低波束扫描的次数。3)相对于传统的基于分层波束扫描方法，本方法不需要建立反馈链路的同时适当降低扫描次数。附图说明图1为本发明方法所使用的毫米波下行mimo架构；图2为本发明方法(proposed)与同样基于稀疏编码(old)对比；图3为本发明方法在不同发射天线数和不同多径个数下的对比。具体实施方式下面结合实施例和仿真示例对本发明进行详细的描述，以证明本发明的实用性和有效性。实施例本例包括以下步骤：s1：在第一阶段，bs端发送t个导频信号估计时变信道，同时bs端使用多波束接收矩阵接收。具体的话，在时刻t，bs端发送导频矢量接收端使用接收，这两个矢量都满足以下条件f(t)＝frf(t)fbb(t)＝fbsψ(t)w(t)＝wrf(t)wbb(t)＝fms(t)v(t)s2：单独截取第i个射频链路接收到的t个数据单独处理如下s3：将测量矩阵ψ分成两个部分单独设计如下ψ＝g⊙s其中⊙表示行张量运算，其中g为稀疏图样矩阵，s为节点识别矩阵。zero-ton:定义一个校验节点为zero-ton当其多波束探测(图右边节点连接线)不到实际的信道径标识。single-ton:定义一个校验节点为single-ton当其多波束探测到一个主径的信道标识。multi-ton:定义一个校验节点为multi-ton当其多波束探测多个主径的信道标识。s5、设计稀疏图样矩阵g，其中稀疏图样的行数和稀疏径的个数需要满足以下的最小条件d345678μ1.2211.2921.4251.5661.7151.864其中稀疏图的行系数是为了指示最小的行数，不小于μk，k为毫米波信道中包含的径数。这里一般选择d＝3,表示至少三层稀疏图设计，同时满足最小行数不小于kμ。s6、设计检测矩阵如下那么接收到的稀疏图节点数据分为两次采样，ri[1]和ri[2]。s7、定义识别不同节点方法如下：zero-ton识别:一个测量节点被定义为zero-ton当且仅当测量值为零的时候。single-ton识别：一个测量节点被一下的识别方法进行识别如下当且仅当为整数的时候才能把其认定为single-ton.multi-ton识别：一个测量节点被一下识别为multi-ton的识别方法如下：ri[1]≠ri[2]s8、通不停的剥离single-ton的节点，出现新的single-ton节点，最后达到最大迭代次数s或者全部zero-ton。s9、整合最后获得多径个数和对应的信道幅度。下面将其他相关算法同本发明方法的算法性能对比分析，以进一步验证本发明的性能。采用了两个方面来度量算法的有效性，一个是与传统的基于稀疏图样的算法进行对比，确定了所提到的方法能够达到一定的提高，第二个是不同发射天线不同稀疏度的仿真，确定本发明方法在不同情况下是否收到稀疏度的影响。图2为与类似的基于稀疏图样的算法进行无噪声条件下的成功概率对比，说明虽然传统算法也是利用了稀疏图样进行了波束扫描和对准，但是其并没有推导理论的下限和使用参数集指导不同图案的设计，那么其性能无法逼近理论的下限。图3为不同的稀疏度条件下不同天线下的对比，可以发现，随着天线数的变化，其成功概率并没有明显的变化，说明其不受发射天线个数的影响，具有一定的鲁棒性。综上所诉，本发明提出了一个新的基于稀疏编码技术的毫米波波束对准方法。首先，通过合理设计发射端的发射预编码矩阵和接收端的接收预编码矩阵，同时在发射端和接收端形成多个波束，然后选定单独的链路数据。这样，把波束对准问题转变为稀疏编码和解码问题。第二步，将测量矩阵分为两个部分分别设计，分别为稀疏图设计和识别矩阵设计，通过推导得出的理论下限表定义最小的图行数。实验结果表明，所提出的算法不仅比传统的基于压缩感知方法更加简单和有利于实现，还可以证明提出的算法比传统基于稀疏编码的波束对准算法优越和具有针对不同天线数的鲁邦性。当前第1页12