[发明专利]一种基于上行训练的数模混合波束赋形方法

说明书

本发明属于无线通信技术领域，涉及一种基于上行训练的数模混合波束赋形方法。本发明的方法主要为：用户端发送一定长度的训练序列，基站端接收经过自由空间传播和噪声干扰的训练信号，形成对训练序列的最优估计，通过假设BS已知训练序列，建立目标函数，其解即为最佳的波束赋形矩阵。利用上下行自由空间传播信道的互易性，可将上行训练解出的最佳波束赋形矩阵视为下行传输的最佳波束赋形矩阵，再通过矩阵分解即可得到模拟域和数字域的波束赋形矩阵。本发明提出的技术方案，在模拟域消除一定的干扰，利用和改进了正交匹配追踪的思想，在码本集合中搜索出模拟域波束赋形矩阵，最后通过最小二乘法即可解得数字域波束赋形矩阵。

技术领域

本发明属于无线通信技术领域，涉及一种基于上行训练的数模混合波束赋形方法。

背景技术

毫米波(millimeter wave，mmWave)通信技术已经成为5G无线通信领域新的研究关键技术，在毫米波段存在大量未被利用的频段，为进一步提升系统容量提供了极大的潜在性。并且由于波长较小，能够将大量的天线阵元以较小的物理形式封装，使其在大规模多输入多输出(Multiple Input Multiple Output，MIMO)系统中具有完美适应性。大规模天线阵列能提供足够的赋形增益来克服毫米波通信中较高的路径损耗，实现较好的链路性能。因此，毫米波大规模MIMO系统将受到5G研究越来越多的关注。

对于传统的MIMO系统，近年来有许多数字波束赋形的方法被提出，但是应用场景多限于较少的天线数，以此保证能够充分利用信道的自由度，从而传输多流数据。在全数字波束赋形的结构中，每个天线阵元都对应一条专门的射频(radio frequency，RF)链。对于大规模天线阵列的情形，所需的RF链数是巨大的，从而急剧地增加了系统的复杂度、硬件代价和功耗。显然，全数字波束赋形的结构在大规模天线阵列的场景下是不适用的。因此，混合波束赋形(Hybrid Beamforming，HB)技术作为性能和代价之间的一种折中，在大规模MIMO的场景下具有较高的实用前景。混合波束赋形指在传统的数字域波束赋形基础上，在靠近天线的前端的射频信号上增加模拟域波束赋形，两者之间通过少量的RF链连接，可以大大降低系统复杂度，模拟域波束赋形能消除一定的干扰，并在基带的数字域做进一步处理，消除残余干扰，从而保证传输质量。

MIMO技术中，获得的信道状态信息精度将直接决定预编码的精度与调度算法的效能，从而影响到整体系统性能。在现有的大规模MIMO系统中，根据如何获取波束赋形的权值向量，常用的毫米波混合波束赋形技术主要分成两类：第一类是基于码本搜索的混合波束赋形，一般来说，这类方法的码本是针对模拟域波束赋形设计的，目的是为了降低天线阵列实现的硬件复杂度，牺牲了一定的系统性能。通过在预先给定的码本集合中，基于某种优化性能的搜索准则进行迭代搜索，找到最优的模拟波束赋形矩阵，然后利用传统的预编码技术对等效信道进行处理得到数字域波束赋形矩阵，从而完成混合波束赋形的设计；第二类是基于信道矩阵分解的混合波束赋形，一般会假设完美的信道状态信息(Channel StateInformation，CSI)，并考虑模拟域和数字域波束赋形的联合设计。首先通过对信道矩阵进行分解(奇异值、特征值、QR等等)，根据矩阵分析的知识，求得最优的联合波束赋形矩阵。根据波束赋形器结构和优化的系统性能目标，将最优的联合波束赋形矩阵分解成为模拟域和数字域波束赋形矩阵，建立优化函数，加入约束条件，从而形成一个有约束的最优化问题。