一种大规模mimo系统中多用户波束形成与天线选择的联合设计方法
【技术领域】
[0001] 本发明涉及一种大规模MIMO系统中低成本低复杂度的多用户波束形成与天线选 择的联合设计方法，属于无线通信技术领域。
【背景技术】
[0002] 大规模多输入多输出（MassiveMIM0,Massivemultiple-inputmultiple-output) 技术，通过在基站布有大量的天线能够显著地提高系统的频谱效率（SE，spectrum efficiency)，成为第五代（5G，fifth-generation)蜂窝系统中备受关注的技术[1]。然而，在 实际系统中，如果每一根天线配有一个射频（RF，radiofrequency)链路，就会导致很高的硬 件复杂度，信号处理复杂度以及昂贵的成本。
[0003] 基于混合结构的MassiveMIMO技术是一种解决上述问题的有效途径，通过在RF 域和基带分别进行模拟波束形成和数字波束形成，能够在较小的性能损失下，有效地减少 RF链路数。天线选择是一种特殊的混合结构传输方式，其中模拟波束形成器只是简单地将 选择的天线映射到RF链路上，与一般地模拟波束形成器相比具有更低的实现复杂度与硬 件成本。在传统MMO系统中，天线选择技术得到广泛的研究，从信道容量和可靠性最优的 角度提出了很多有效的天线选择方法 [3]。在MassiveMHTO系统中，天线选择可以实现复杂 度与性能的有效折中[4][5]。
[0004] MassiveMIMO系统中下行链路的多用户波束形成与天线选择的联合设计问题是 一个涉及二进制变量和复变量的组合优化问题。对于该问题，其最优解需要通过穷举搜索 获得[6] [7]，即当天线数为M，RF链路数为L时，
种天线选择组合，最优的天线选择策
种可能的天线选择方法中进行穷举搜索。当M和L很大时，其很高的计算复 杂度导致该方法难以实现。贪婪搜索方法是一种有效的次优天线选择方法[6]。下面举例 来分析贪婪搜索算法的计算复杂度。考虑在满足多用户信干噪比（SINR，signal-to-inte rference-plus-noiseratio)需求的前提下，以最小化基站总发射功耗为设计准则的天线 选择问题。首先，对于该问题，考虑到每个用户存在给定的SINR需求，贪婪搜索方法需要采 用自上到下（up-to-down)的实现方式，即先假设所有的天线均被选择来进行初始化，再串 序的选择需要关闭的天线；而不能采用自下到上（down-to-up)的实现方式，因为当假设所 有的天线都关闭时，用户的SINR需求不能得到满足。由此，可以得到该问题的贪婪搜索方
.设M= 128,则该算法需要〇 次迭代，其中 每次迭代中都需要进行多用户波束形成器的优化。可见，在实际的MassiveMHTO系统中， 贪婪搜索方法的复杂度仍然太高，因此有必要设计一种具有更低复杂度的天线选择方法。
[0005] [1] T. Marzetta, ''Noncooperative cellular wireless with unlimited numbers of base station antennas，" IEEE Trans. Wireless Commun. , vol. 9, no. 11,pp. 3590 - 3600, 2010.
[0006] [2]X. Zhang，A. F. Molisch，and S. -Y. Kung，"Variable-phase-shift-based rf-baseband codesign for mimo antenna selection， "Signal Processing,IEEE Transactions on, vol. 53, no. 11, pp. 4091 - 4103, 2005.
[0007][3]Molisch，Andreas F.，et al. "Capacity of MIMO systems with antenna selection.''Wireless Communications, IEEE Transactions on 4.4(2005):1759-1772.
[0008] [4] Xu, Guozhen, e t al. ''Joint user scheduling and antenna selection in distributed massive MIMO systems with limited backhaul capacity. ''Communications，China 11.5 (2014) : 17-30.
[0009] [5]Gao, Xiang，et al.''Antenna selection in measured massive MIMO channels using convex optimization. ^Globecom Workshops(GC ffkshps),2013 IEEE. IEEE, 2013.
[0010] [6] Yeh，Wan-Chen，Shang-Ho Tsai, and Pu-Hsuan Lin.''Reduced complexity multimode antenna selection with bit allocation for zero-forcing receiver. "Acoustics，Speech and Signal Processing (ICASSP)，2012 IEEE International Conference on.IEEE,2012.
[0011] [7]Lee,Gilwon, et al. new approach to beamformer design for massive MIMO systems based on k-regularity. ^Globecom Workshops (GC ffkshps),2012 IEEE. IEEE, 2012.
【发明内容】
[0012] 本发明的目的是降低Massive MIMO系统中天线选择的复杂度，提出一种低成本低 复杂度的多用户波束形成与天线选择的联合设计方法。在Massive MBTO系统中满足各用 户SINR需求的前提下，以最小化总发射功率为目标，设计一种低成本低复杂度的多用户波 束形成与天线选择的联合设计方法，和贪婪搜索方法相比具有较小的性能损失，并有效地 降低了硬件成本与实现复杂度，更有利于在实际系统中的应用。
[0013] 一种Massive MDTO系统中多用户波束形成与天线选择的联合设计方法，包括以下 几个步骤：
[0014] 步骤1:获取最小化基站总发射功率的优化模型；
[0015] 步骤2 :用数字波束形成器Wk来表示天线选择结果，得到新的优化模型；
[0016]步骤3 :引入辅助变量V1^m= 1，...，M和e，将非凸优化问题转化成一个对于 {wk}，WJ分别凸的优化问题；
[0017] 步骤4 :求得IwJ的全局最优解并得到相应的天线选择方案。
[0018] 本发明的优点在于：
[0019] (1)在Massive MDTO系统中，传统的单级预编码方法采用和天线数相同数目的RF 链路数，会带来很高的硬件复杂度与信号处理复杂度。模数混合结构可以有效的降低RF链 路数，是解决该问题的有效途径。天线选择作为一种特殊的模数混合结构，其模拟波束形成 器简单地将选择的天线映射到RF链路上，和一般地模数混合结构相比进一步降低了实现 成本与实现复杂度，本发明通过采用天线选择的模数混合结构，设计一种Massive MIMO系 统中多用户波束形成与天线选择的联合设计方法，在得到数字波束形成器的同时得到天线 选择方案，有效的降低了硬件成本和信号处理复杂度；
[0020] (2)传统的穷举搜索天线选择方法的复杂度随着天线数与RF数成指数增长，在 MassiveMIMO系统中难以实现。基于贪婪搜索的天线选择方法作为一种有效地次优方法， 其复杂度为G 相对穷举搜索法，贪婪搜索法在复杂度上有明显的降低，但在实际的 MassiveMHTO系统中其复杂度仍然很高。本发明针对MassiveMHTO系统，在满足多用户SINR需求的前提下，以最小化基站总发射功率为目标，提出一种低成本低复杂度的多用户 波束形成与天线选择的联合设计方法，和贪婪搜索方法相比具有较小的性能损失，并有效 地降低了硬件成本与实现复杂度，有利于在实际系统中的应用。
【附图说明】
[0021 ] 图1是本发明的方法流程图；
[0022] 图2(a)是当天线数为128时本发明的实施例结果曲线，（b)是当天线数为256时 本发明的实施例结果曲线；
[0023]图3是本发明的复杂度分析实施例结果柱状图。
[0024]
【具体实施方式】
[0025] 下面将结合附图和实施例对本发明作进一步的详细说明。
[0026] 本发明是一种MassiveMIMO系统中多用户波束形成与天线选择的联合设计方法， 如图1所示，包括以下几个步骤：
[0027] 步骤1:获取最小化基站总发射功率的优化模型；
[0028] 考虑MassiveMHTO系统中的单小区下行链路，基站配有M根天线，L个RF链路，月艮 务K个单天线用户，5c: {I，...，A/|是选择天线数的集合。假设基站可以获得它到所有用户 的信道状态信息，例如可采用L个射频链路依次连接L条天线，通过M/L次信道估计来获取 完整的信道状态信息。设第k个用户的SINR为SINRk，SINR需求为yk，相对应的数据率需 求为log(1+Tk)bps/Hz，数字波束形成器为％e 。基站到第k个用户的信道列向量为 \E ，基站的最大发射功率为P_，则得到给定用户的SINR需求时，最小化基站总发射 功率的优化模型为：
[0029]
[0030]
^ 表示复数域，min表示最小化，s.t表示受约束
于，{wj表示％的集合，k= 1，. . .，K，PBS为基站总发射功率，（?）9表示共辄转置，〇 2表 示用户端高斯白噪声的方差，I?I表示模值，N?II表示向量2范数 H;.=丨表示j乒k的K-I项求和。
[0031] 步骤2 :用数字波束形成器Wk来表示天线选择结果，得到新的优化模型；
[0032] 具体如