一种基于训练序列的宽带混合波束赋形方法
阅读说明：本技术 一种基于训练序列的宽带混合波束赋形方法 (Broadband mixed beam forming method based on training sequence ) 是由 王�华 孙艺玮 何东轩 袁明浩 朱田野 于 2021-07-26 设计创作，主要内容包括：本发明针对多用户大规模MIMO-OFDM时分双工系统,提出一种基于训练序列的宽带混合波束赋形方法。首先基于最小均方误差准则,利用接收信号的自相关以及发送和接收信号的互相关,通过上行和下行的迭代过程,分别设计下行和上行用户端全数字波束赋形器；其次,利用主成分分析法提取频率平坦的射频波束赋形器；然后在所述射频波束赋形器基础上对其上行等效基带信道进行信道估计；最后根据所述信道估计结果采用块对角化的方法对基带波束进行赋形。(The invention provides a broadband mixed beam forming method based on a training sequence aiming at a multi-user large-scale MIMO-OFDM time division duplex system. Firstly, based on the minimum mean square error criterion, respectively designing downlink and uplink user end all-digital beam formers by utilizing autocorrelation of received signals and cross-correlation of transmitted and received signals and through uplink and downlink iterative processes; secondly, extracting a radio frequency beam former with flat frequency by using a principal component analysis method; then, channel estimation is carried out on the uplink equivalent baseband channel of the radio frequency beam former on the basis of the radio frequency beam former; and finally, forming a baseband beam by adopting a block diagonalization method according to the channel estimation result.)
技术领域
本发明涉及无线通信中的波束赋形领域，主要考虑在多用户时分双工(time-division duplexing，TDD)毫米波大规模MIMO正交频分多址(orthogonal frequencydivision multiplexing，OFDM)通信系统中，结合低复杂度信道估计技术，基站和用户分别消除用户间的干扰和同一用户不同数据流之间的干扰来提高通信容量。
背景技术
随着物联网和移动互联网等技术的迅猛发展，社会生活对无线数据传输的速率和可靠性的要求大大提高，而毫米波大规模MIMO技术是实现大速率数据传输的关键技术之一。同时，毫米波频段波长极短，易于实现大规模天线阵列的集成化、小型化。故毫米波大规模MIMO技术也是满足无人机和卫星等飞行器通信需求的关键技术之一。在毫米波大规模MIMO通信系统中，混合波束赋形可以在降低能量消耗的基础上显著提高频谱效率。多用户环境下高效的混合波束赋形方案高度依赖于准确的信道状态信息。然而，对于具有数十个或数百个天线单元的多用户大规模MIMO来说，高精度低复杂度的信道估计方法具有挑战性。因此，在不完美信道状态信息下工作或与信道估计相结合的混合波束赋形方案是一个值得探讨的问题。
利用不完美信道状态信息的多用户混合波束赋形方案和与信道估计相结合的多用户混合波束赋形方案已经被广泛地研究。例如：JoséP.González-Coma提出了一种频率选择性信道中利用不完全信道信息对多用户系统进行混合波束赋形设计的方案。此方案基于接收信号的自相关及其与发送信号的互相关估计，采用迭代最小均方误差(minimum meansquare error，MMSE)算法设计混合波束赋形器。
针对射频和基带波束赋形器在时间尺度上对信道状态信息的不同要求和灵活性，Yinglei Teng提出了一种自适应部分连接射频波束赋形结构下的混合时间尺度混合波束赋形方案。为了减少反馈开销，Chunmei Xu利用给定的模拟码本和相应的有效信道状态信息设计了混合预编码方案。JoséP.González-Coma结合同步加权正交匹配追踪(simultaneous weighted orthogonal matching pursuit，SW-OMP)信道估计方法，提出了一种基于投影梯度的混合波束赋形方案。Ahmed Alkhateeb引入最先进的深度学习技术，开发了一种支持高移动毫米波应用的波束形成解决方案。另外，An-An Lu研究了在信道状态信息不完全的情况下，针对大规模MIMO下行链路的鲁棒线性波束成形器的设计。
然而，尽管有较多混合波束赋形方案提出，大多数混合波束赋形设计的研究有局限性。虽然部分文献采用不完美的信道状态信息对混合波束赋形器进行设计，但是他们都没有提出获取统计信道状态信息或有效信道状态信息的详细方法。另一方面，部分文献将信道估计与混合波束赋形设计相结合，但他们通常使用非常稀疏的多径模型，在丰富的多径情况下可能没有令人满意的性能。因此，需要探索新的方案来降低混合波束赋形的信道状态信息需求，并提供低复杂度不完全信道状态信息的估计方法。
发明内容
有鉴于此，本发明针对多用户大规模MIMO-OFDM时分双工系统，提出一种基于训练序列的宽带混合波束赋形方法。
本发明通过以下技术方案实现。
一种基于训练序列的宽带混合波束赋形方法，首先基于最小均方误差准则，利用接收信号的自相关以及发送和接收信号的互相关，通过上行和下行的迭代过程，分别设计下行和上行用户端全数字波束赋形器；其次，利用主成分分析法提取频率平坦的射频波束赋形器；然后在所述射频波束赋形器基础上对其上行等效基带信道进行信道估计；最后根据所述信道估计结果采用块对角化的方法对基带波束进行赋形。
本发明的有益效果：
(1)本发明采用接收信号的自相关及其与发送信号的互相关，通过上下行迭代设计，并使用主成分分析方法对抗宽带信道的频域选择性，使得能在未知信道状态信息的情况下设计射频波束赋形器，并且基站和用户的射频波束赋形都可以在本地完成，因而省去了射频波束赋形的反馈环节，节省了反馈开销。
(2)本发明采用数字域等效信道估计，信道估计算法能在更多的物理信道模型下使用，降低了信道估计的复杂度。
附图说明
图1为本发明基于训练序列的宽带混合波束赋形方法流程图；
图2为本发明实施例中信道通信场景系统建模示意图。
具体实施方式
下面结合附图对本发明做进一步介绍。
如图2所示，本实施例是基于TDD的多用户大规模MIMO-OFDM系统中信道通信场景系统建模，其中基站装配NBS根天线和LBS条射频链，满足射频数量远小于天线数量。此外，基站可以同时最多服务U个用户，而每个用户装配NMS根天线和LMS条射频链，同样地满足射频链数量远小于天线数量。每个用户可以支持Ns个数据流传输，则基站可以支持UNs个数据流传输，为最大程度利用每条射频链，这里假定数据流与射频链的数量满足Ns＝LMS和UNs＝LBS。OFDM系统的子载波数为K。
毫米波信道假定是由Ncl个散射簇的贡献之和，其中每个簇中包含Nray条路径且每条路径有一个对应的时延τu,l,r，因而基站到第u个用户在第d个时延的信道表达式可以写成如下形式
其中αu,l,r表示在第l个簇中的第r条路径的复增益，并且αu,l,r服从复高斯分布CN(0,1)；prc,u(τ)为成形滤波器，信号周期为Ts；aBS和aMS,u分别表示基站天线和用户天线的阵列响应矢量，考虑天线为天线间距为载波中频半波长的均匀线阵，阵列相应可以表示为
其中，θBS和θMS,u分别为离开角和到达角。频域信道矩阵可以被进一步写成
其中D是循环前缀的长度，对角矩阵Δu[k]包含每个径的复增益，ABS和AMS,u是所有径的阵列相应矢量组成的矩阵。
利用TDD系统的信道互易性，假设该系统在上下行过程中共享相同的波束赋形方案。
基于上述建模分析，结合图1进一步介绍本实施例的一种基于训练序列的宽带混合波束赋形方法，具体包括以下步骤：
步骤一、射频波束赋形设计
本实施例中所述射频波束赋形设计是基于在信道状态信息未知情况下，首先基于最小均方误差准则，利用接收信号的自相关以及发送和接收信号的互相关，通过上行和下行的迭代过程，分别设计下行和上行用户端全数字波束赋形器；然后，利用主成分分析法提取频率平坦的射频波束赋形器FRF和WRF,u。具体包括以下步骤：
步骤1.1、初始化
设置基站全数字波束赋形器为最大迭代次数为I，迭代次数计数器i＝0；
步骤1.2、设计下行用户端全数字波束赋形器
根据最小均方误差准则，设计下行用户端全数字波束赋形器为：
其中，基站发射训练信号sDL[k]，第u个用户天线端的接收信号为(加性高斯白噪声σ为噪声标准差)，为接收信号的自相关矩阵，为接收信号和发送信号的互相关矩阵；
步骤1.3、设计上行基站端全数字波束赋形器
根据最小均方误差准则，设计上行基站端全数字波束赋形器为：
FMMSE[k]＝E[rUL[k]rULH[k]]-1E[rUL[k]sULH[k]]，
其中，第u个用户发射训练信号对于两个不同用户i和j有基站天线端的接收信号为(加性高斯白噪声σ为噪声标准差)，E[rUL[k]rULH[k]]为接收信号的自相关矩阵，E[rUL[k]sULH[k]]为接收信号和发送信号的互相关矩阵；
步骤1.4、判断迭代终止条件
i＝i+1，判断i≥I是否成立，若成立，进行下一步，否则回到步骤1.2；
步骤1.5、利用主成分分析法提取频率平坦的射频波束赋形器
在本实施例中，采用以下方法提取频率平坦的射频波束赋形器FRF和WRF,u：
在基站端，定义数据集矩阵F＝[FMMSE[1]…FMMSE[K]](FMMSE[k]为步骤1.3得到的各个子载波下全数字波束赋形器)，对所述数据集矩阵做奇异值分解则基站端的波束赋形器为(LBS为基站端的射频链数量，NBS为基站天线数，[A]:,1:B表示取矩阵A的前B列，∠(·)为取复数矩阵每个元素的幅角，j为虚数单位，exp(·)表示以自然常数e为底的指数函数)；在第u个用户端，定义数据集矩阵(为步骤1.2得到的各个子载波下全数字波束赋形器)，对其做奇异值分解则基站波束赋形器为(LMS为用户端的射频链数量，NMS为用户天线数)。
步骤二、对上行等效基带信道进行信道估计
本实施例中将在所述的射频波束赋形器基础上，对其上行等效基带信道进行信道估计，即在步骤一设计好的FRF和WRF,u基础上，对进行信道估计，得到信道估计结果。
具体为：令第u个用户的发射训练信号为xu[k]，则基站的接收信号为其中根据最小二乘原理，得到基带等效信道估计结果为
步骤三、基带波束赋形设计
根据所述基带等效信道估计结果Heq,u[k]，采用块对角化的方法对基带波束赋形器和进行设计。具体步骤如下：
步骤3.1、计算用户间干扰抑制矩阵
将第u个用户干扰信道的集合矩阵记为
其奇异值分解为令LMS个最小的奇异值对应的右奇异矢量组成的矩阵为矩阵即为用户间干扰抑制矩阵。
步骤3.2、消除等效信道的用户间干扰并做奇异值分解：
消除第u个用户干扰对做奇异值分解
步骤3.3、设计基带波束赋形器：
基站端服务第u个用户的基带波束赋形器为第u个用户端基带波束赋形器为
在具体实施时，对于时变信道，本实施例采取射频波束赋形持续较长的信道相干时间，基带波束赋形和基带波束赋形持续较短的信道相干时间的方式。对于有限反馈系统，本实施例的射频波束赋形设计可以分别在基站和用户端本地完成，因此不需要反馈。为了减小反馈开销，采用基带波束赋形由基站设计并将用户基带波束赋形的设计结果由基站反馈到用户的反馈方案。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种动态波束扫描透射型编码超表面阵列