一种基于量化感知的接收天线贪婪选择方法
阅读说明：本技术 一种基于量化感知的接收天线贪婪选择方法 (Receiving antenna greedy selection method based on quantization perception ) 是由 王仕果 朱敏 李琳至 刘鸿东 张文杰 于 2021-09-01 设计创作，主要内容包括：本发明公开了一种基于量化感知的接收天线贪婪选择方法,在上行链路接收端采用两轮天线选择,首先使用SMV算法,先随机选择N-(B)根天线,再通过迭代交换不断地增大被选天线矩阵的体积,进而全局优化第一轮选择的N-(B)根天线,第一轮天线选择不仅有效提高了系统的安全容量同时还缩小了第二轮天线选择的候选天线集合的大小从而减少了计算复杂度,在第二轮天线选择中综合考虑信道增益和量化误差影响来选择N-(r)-N-(B)根天线,进一步提高了系统的安全容量。(The invention discloses a receiving antenna greedy selection method based on quantization perception, which adopts two-wheel antenna selection at an uplink receiving end, firstly uses an SMV algorithm, and firstly randomly selects N B The volume of the selected antenna matrix is continuously increased through iterative exchange by the root antenna, and N selected in the first round is globally optimized B The first round of antenna selection not only effectively improves the safety capacity of the system, but also reduces the size of a candidate antenna set selected by the second round of antenna selection so as to reduce the computational complexity, and N is selected by comprehensively considering the influence of channel gain and quantization error in the second round of antenna selection r ‑N B The safety capacity of the system is further improved by the root antenna.)
技术领域
本发明涉及天线的选择技术领域，尤其涉及一种基于量化感知的接收天线贪婪选择方法。
背景技术
大规模多输入多输出(Multiple-Input Multiple-Output，MIMO)作为第五代移动通信系统的核心技术之一，其通过在基站(Base Station，BS)端配置大量天线(几十甚至上百个)以实现更高的系统容量和频谱效率。研究发现，大规模MIMO技术具有如下优势：(1)当天线数量足够大时可消除热噪声和用户间干扰的影响，从而提高系统的可靠性和有效性；(2)增加基站端的天线数量可提升空间复用增益和分集增益，从而提高系统容量和频谱效率；(3)基站增加天线数量而发射功率不变时，可提高系统的能量效率，更加符合绿色通信的需求。然而，大规模MIMO技术也面临着一些挑战，由于基站天线数的大量增加，若每一根天线都配备一个射频链路(Radio Frequency，RF)和一对高分辨率的模数转换器/数模转换器(ADC/DAC)将使系统的硬件成本，复杂度以及功率消耗大幅增加，从而极大地增加了大规模MIMO系统实际部署和后期维护的困难。
目前，几乎所有的研究都是假设基站采用高分辨率ADC/DAC，然而在实际的大规模MIMO部署中是不可能全部使用高分辨率ADC/DAC。在基站使用低分辨率ADC/DAC势必会带来量化误差，然而几乎所有现有的天线选择技术都没有考虑量化误差进行天线选择，这必然会造成一些性能损失，且部分现有的天线选择技术具有复杂度高，实用性不强等缺点。
因此，如何更加简单有效的对贪婪接收天线进行选择，以降低系统的硬件复杂度、成本以及功耗，是一项亟待解决的问题。
发明内容
有鉴于此，本发明提供了一种基于量化感知的接收天线贪婪选择方法，能够有效的降低系统的硬件复杂度、成本以及功耗。
本发明提供了一种基于量化感知的接收天线贪婪选择方法，包括：
步骤一：在接收端随机选择前NB根天线作为第一轮被选天线集Hφ，其中，未被选择的天线为NB为用户数；
步骤二：计算查找Q中绝对值最大的元素|Qi，j|，并记录其位置，其中，Qi，j表示Q中的第i行，第j列元素；
步骤三：如果|Qi，j|＞1，则交换信道矩阵H中的第i行和第j行向量，返回上述步骤二，并重复执行上述步骤二和步骤三，直至|Qi，j|＝1；
步骤四：将所述未被选择的天线作为候选天线集合ω进行第二轮接收天线选择；
步骤五：分别计算候选天线集合中所有天线对应的信道增益ck和量化误差dk；
步骤六：选择使ck/dk最小的天线，并将其从候选天线集合中删除；
步骤七：更新相关参数，返回上述步骤六，并重复执行上述步骤六和步骤七，直至候选天线集合中剩余Nr-NB根天线，其中Nr为需要选择的天线数；
步骤八：合并第一轮选择中的被选天线集和第二轮选择中的候选天线集合，得到最后选择的Nr根接收天线Hsel。
优选地，所述在接收端随机选择前NB根天线作为第一轮被选天线集Hφ，其中，未被选择的天线为包括：
在接收端随机选择前NB根天线作为初始被选天线集Hφ＝H(1∶NB，：)，则未被选择的天线为Hφ和的维度分别为NB×NB，(NA-NB)×NB，其中H是一个维度为NA×NB上行链路信道矩阵，在上行链路中NA是接收天线数，NB是用户数。
优选地，所述计算Q＝HHφ 1，查找Q中绝对值最大的元素|Qi，j|，并记录其位置，包括：
基于公式计算Q，查找Q中绝对值最大的元素并记录其元素的位置[i，j]＝arg max(max|Qi，j|)，其中，Q的维度为NA×NB，|Qi，j|代表Q中第i行第j列元素的绝对值，并且i＝1，2，...，NA，j＝1，2，...，NB，是Hφ的逆矩阵。
优选地，所述如果|Qi，j|＞1，则交换信道矩阵H中的第i行和第j行向量，返回上述步骤二，并重复执行上述步骤二和步骤三，直至|Qi，j|＝1，包括：
如果|Qi，j|＞1，则交换H中的第i行和第j行向量，以获得新的体积更大的Hφ；
返回上述步骤二，并重复执行所述步骤二和步骤三直至|Qi，j|＝1，得到第一轮选择的最优天线集Hφ。
优选地，将所述未被选择的天线作为候选天线集合ω进行第二轮接收天线选择，包括：
基于公式初始化B，其中，αAD代表接收端低分辨率模数转换器的量化精度，PU代表发射功率，D代表噪声协方差矩阵，D-1代表D的逆矩阵，代表的转置共轭矩阵，将未被选择的天线作为候选天线集合ω进行第二轮天线选择，其中，ω＝{1，2，...，NA-NB}。
优选地，所述分别计算候选天线集合中所有天线对应的信道增益ck和量化误差dk，包括：
基于公式计算候选天线集合中所有天线对应的信道增益ck，基于公式计算候选天线集合中所有天线对应的量化误差dk，其中k∈ω，ck和dk分别代表第k根候选天线对应的信道增益和量化误差，代表中的第k行向量。
优选地，所述选择使ck/dk最小的天线，并将其从候选天线集合中删除，包括：
根据转换后的目标函数，选择使ck/dk最小的天线k*，其中k*满足k*＝arg min ck/dk，并将其从候选天线集合中删除ω＝ω\k*。
优选地，所述更新相关参数，返回上述步骤六，并重复执行上述步骤六和步骤七，直至候选天线集合中剩余Nr-NB根天线，包括：
基于公式更新a，基于公式B＝B+aaH更新B，基于公式更新ck，返回上述步骤六，并重复执行上述步骤六和步骤七，直至候选天线集合中剩余Nr-NB根天线，其中，表示中的第k*行向量，表示第k*根候选天线的量化误差，表示第k*根候选天线的增益，aH表示a的转置共轭。
优选地，所述合并第一轮选择中的被选天线集和第二轮选择中的候选天线集合，得到最后选择的Nr根接收天线Hsel，包括：
合并第一轮选择中的被选天线集合Hφ和第二轮选择中剩余的候选天线集得到最后选择的Nr根接收天线Hsel＝[Hφ；Hω]。
综上所述，本发明公开了一种基于量化感知的接收天线贪婪选择方法，在上行链路接收端采用两轮天线选择，首先使用SMV(square maximum-volume，方形子矩阵最大体积)算法，先随机选择NB根天线，再通过迭代交换不断地增大被选天线矩阵的体积，进而全局优化第一轮选择的NB根天线，第一轮天线选择不仅有效提高了系统的安全容量同时还缩小了第二轮天线选择的候选天线集合的大小从而减少了计算复杂度，在第二轮天线选择中综合考虑信道增益和量化误差影响来选择Nr-NB根天线，进一步提高了系统的安全容量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明公开的大规模MIMO系统的天线选择模型图；
图2为本发明公开的一种基于量化感知的接收天线贪婪选择方法实施例的方法流程图；
图3为NA＝130，NB＝10，NE＝4，PU＝3dB，αAD＝3dB时，本发明中一种基于量化感知的接收天线贪婪选择方法与已有的天线选择方法系统平均安全容量对比图；
图4为NA＝128，Nr＝24，NB＝12，NE＝4，αAD＝3dB，m1＝2，m2＝1时，本发明中一种基于量化感知的接收天线贪婪选择方法与已有的天线选择方法系统平均安全容量对比图；
图5为NA＝128，Nr＝20，NB＝8，NE＝3，PU＝10dB，m1＝1，m2＝2时，本发明中一种基于量化感知的接收天线贪婪选择方法与已有的天线选择方法系统平均安全容量对比图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1和图2所示，在上行链路中，一种基于量化感知的接收天线贪婪选择方法可以包括以下步骤：
步骤一：在接收端随机选择前NB根天线作为第一轮被选天线集Hφ，其中，未被选择的天线为NB为用户数；
具体的，在接收端随机选择前NB根天线作为初始被选天线集Hφ＝H(1：NB，：)，则未被选择的天线为Hφ和的维度分别为NB×NB，(NA-NB)×NB，其中H是一个维度为NA×NB上行链路信道矩阵，在上行链路中NA是接收天线数，NB是用户数。
步骤二：计算查找Q中绝对值最大的元素|Qi，j|，并记录其位置，其中，Qi，j表示Q中的第i行，第j列元素；
具体的，基于公式计算Q，查找Q中绝对值最大的元素并记录其元素的位置[i，j]＝arg max(max|Qi，j|)，其中，Q的维度为NA×NB，|Qi，j|代表Q中第i行第j列元素的绝对值，并且i＝1，2，...，NA，j＝1，2，...，NB，是Hφ的逆矩阵。
步骤三：如果|Qi，j|＞1，则交换信道矩阵H中的第i行和第j行，返回上述步骤二，并重复执行上述步骤二和步骤三，直至|Qi，j|＝1。
具体的，如果|Qi，j|＞1，则交换H中的第i行和第j行，以获得新的体积更大的Hφ；
返回上述步骤二，并重复执行所述步骤二和步骤三直至|Qi，j|＝1，得到第一轮选择的最优天线集Hφ。
步骤四：将所述未被选择的天线作为候选天线集合ω进行第二轮接收天线选择；
具体的，基于公式初始化B，其中，αAD代表接收端低分辨率模数转换器(ADC)的量化精度，PU代表总的发射功率，D代表噪声协方差矩阵(包括高斯噪声和量化噪声)，D-1代表D的逆矩阵，代表的转置共轭矩阵，将未被选择的天线作为候选天线集合ω进行第二轮天线选择，其中，ω＝{1，2，...，NA-NB}。
步骤五：分别计算候选天线集合中所有天线对应的信道增益ck和量化误差dk；
具体的，基于公式计算候选天线集合中所有天线对应的信道增益ck，基于公式计算候选天线集合中所有天线对应的量化误差dk，其中k∈ω，ck和dk分别代表第k根候选天线对应的信道增益和量化误差，代表中的第k行向量。
步骤六：选择使ck/dk最小的天线，并将其从候选天线集合中删除；
具体的，根据转换后的目标函数，选择使ck/dk最小的天线k*，其中k*满足k*＝argmin ck/dk，并将其从候选天线集合中删除ω＝ω\k*。
步骤七：更新相关参数，返回上述步骤六，并重复执行上述步骤六和步骤七，直至候选天线集合中剩余Nr-NB根天线，其中，其中Nr为需要选择的天线数；
具体的，基于公式更新a，基于公式B＝B+aaH更新B，基于公式更新ck，返回上述步骤六，并重复执行上述步骤六和步骤七，直至候选天线集合中剩余Nr-NB根天线，其中，表示中的第k*行向量，表示第k*根候选天线的量化误差，表示第k*根候选天线的增益，aH表示a的转置共轭。
步骤八：合并第一轮选择中的被选天线集和第二轮选择中的候选天线集合，得到最后选择的Nr根接收天线
具体的，合并第一轮选择中的被选天线集合Hφ和第二轮选择中剩余的候选天线集得到最后选择的Nr根接收天线Hsel＝[Hφ；Hω]。
从图3可以看出在上行链路中被选择的接收天线数增加时，本发明的基于量化感知的接收天线贪婪选择方法的系统安全容量在不同信道衰落系数情况下一直优于随机天线选择和递减天线选择方法，由于本发明的基于量化感知的接收天线贪婪选择技术是综合权衡信道增益和量化误差的影响来选择天线，相比于其他不考虑量化误差的天线选择方法进一步提高了系统的安全容量。
从图4显示无论在有窃听还是没有窃听的情况中，发射功率增加时，本发明的接收天线选择方法的系统安全容量一直优于随机天线选择和递减天线选择方法。
从图5可以看出，当ADC量化比特在1dB至8dB时，所有天线选择方法的系统安全容量都随量化比特的增加而增加，而当ADC量化比特大于8时，则各天线选择方法的系统安全容量不再增加，这说明在基站端采用低分辨率ADC是明智的，且在此过程中，本发明的基于量化感知的贪婪接收天线选择方法的系统安全容量一直优于其他天线选择方法。
综上所述，本发明能够有效的降低系统的硬件复杂度、成本以及功耗。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，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。