一种基于分组优化的混合波束成形方法
技术领域
本发明属于无线通信技术领域,涉及一种对多用户***降低干扰的方法,具体是毫米波大规模多输入多输出(multiple-input multiple-output,MIMO)多用户***中的一种基于分组优化的混合波束成形方法。
背景技术
毫米波大规模MIMO技术已被考虑作为5G的关键候选技术。毫米波波长较短,有利于布置大规模阵列,提高传输频带的利用率。在多用户毫米波大规模MIMO***中,理论上可采用数字预编码获得最佳性能。但这需要每根天线连接一个单独的射频链路,在毫米波大规模MIMO***中需要大量射频链路,这带来高功耗和高复杂度。为解决这个困难,通常在毫米波大规模MIMO***中采用混合波束成形,其所需的射频链路数量远远少于天线数量。但是,多用户毫米波大规模MIMO***中,用户间存在干扰。当干扰较强的时候,用户的通信质量将得不到保证。因此,提高***容量的前提,是最大程度上降低用户间干扰。
现有方法在多用户毫米波大规模MIMO***面临着问题。基于波束控制的混合波束成形侧重接收功率最大化,不能有效抑制用户间干扰。基于容量最大化的贪婪算法性能有所提升,由于忽视了一部分用户间干扰,干扰抑制有限。
发明内容
本发明的目的是针对现有混合波束成形方法不能有效降低干扰,提高***容量的问题,提供一种基于分组优化的混合波束成形方法。
本发明方法应用场景为:在单个小区内,包含一个基站和多个用户的毫米波通信***;基站天线阵列为均匀线性阵,包含几十或几百根天线,用户为单天线;基站采用混合波束成形。基站端模拟波束成形码本有限。
对所有用户的码本设置为有限个天线阵列响应向量的集合:
N
r为基站端天线数,φ
c为模拟波束成形角;c为实数,限定模拟波束成形角的范围为
a(φ
c)为天线阵列响应向量,
λ为载波波长,d为基站端相邻天线间距,j为复数,满足j
2=-1。
根据模拟波束成形矩阵W
RF和信道矩阵H采用最小均方误差准则计算数字处理矩阵
表示复数,
表示W
RF的共轭转置。
本发明方法的具体步骤是:
步骤1.用户分组:
根据用户的信道向量,计算用户间的相关性,将相关性大的用户分为一组。然后计算该组内用户的相关性门限,将与该组内所有用户相关性均高于各自门限值的用户作为候选用户,从候选用户集合中,将满足要求的用户加入该组,每次只加一个用户进入该组,直到分组结束。具体方法是:
1.1.模拟波束成形码本的设置:对所有用户的码本设置为有限个天线阵列响应向量的集合
其中,N
r为基站端天线数,φ
c为模拟波束成形角,a(φ
c)为天线阵列响应向量,
λ为载波波长,d为基站端相邻天线间距。
1.2.计算用户间的相关性:用户k的信道向量为
N
cl表示信道中散射簇的数量,N
ray表示每个散射簇的路径数,α
n,m是第n散射簇的第m路径的复数增益。φ
n,m是到达基站的方位角。用矩阵
表示相关性的大小,
表示实数,K表示用户数,有:
[X]
a,b表示矩阵X第a行第b列的元素,h
a表示用户a的信道向量,
h
a的共轭转置,h
l为用户b的信道向量。为了避免在计算的过程中出现两个最大值的情况,引入矩阵
X
U由矩阵X的上三角元素组成,其余元素为0。从X
U中取出最大值对应的索引,有:
将用户t
1和t
2用户放入一组,集合G为该组内的用户,G={t
1,t
2}。假设G内有i个元素,
表示整数,有G={t
1,t
2,…,t
i}。然后,考虑是否向G内添加用户。
1.3.将用户分组:
对任意用户t
i,其相关性门限为
k=1,2,…,K。集合Γ表示剩余的K-i个用户。从Γ中选出与用户t
i相关性高于
用户,该用户集合
如果集合Ωi中元素个数Crad(Ωi)=0,表示分组完成,G中仅有i个元素;
如果Crad(Ωi)=1,G中第i+1个元素为Ωi中的元素;
如果Crad(Ω
i)>1,设Ω
i={k
1,k
2,…,k
S},
G中第i+1个元素为:
通过上述计算求得
与
Ω
i+1是G中第i+2个元素的候选集合。重复上述过程,直到该组分组完成。重复上述过程,对剩余用户分组,直到K个用户分组完成。
步骤2.低维穷举与贪婪算法:
2.1.计算用户的候选码本:
就用户k而言,
由码本集合
组成。取出
中最大的K个元素对应的索引存到集合C
k中。
2.2.计算模拟波束成形矩阵:设前u-1组共有P个元素,其模拟波束成形矩阵为
表示复数。集合G表示第u组内用户索引,并假设G有L个元素。第u组模拟波束成形矩阵表示为:W
RF,u=[W
RF,u-1,a(θ
1),a(θ
2),…,a(θ
L)];
E=P+L,
G={G
l|l=1,2,…,L}。W
RF,u有K
L种可能性。根据最小均方误差准则,
表示W
RF,u的共轭转置。
H
u-1是前u-1组的信道矩阵。同样的,***和速率R
u有K
L个值。那么,第u组最优的模拟波束成形矩阵为
重复上述过程,直到所有组的模拟波束成形矩阵计算完成。
2.3.计算数字处理矩阵W
BB:根据得到的模拟波束成形矩阵W
RF及信道矩阵H,采用最小均方误差准则计算数字处理矩阵
本发明方法的创新关键是:通过分组,将彼此间干扰大的用户分为一组。以容量最大化为目标,组内使用低维穷举算法,一起降低用户间干扰。组间使用贪婪算法,将分组的影响降到最低。提升***和速率的同时,极大的降低干扰。
本发明利用用户相关性及用户相关性门限将用户分组,将相关性大的用户分为一组的同时降低了组内用户数。利用用户信道向量与码本间的相关性筛选出能够提供较高信号功率的向量集合。以容量最大为目标,利用组内低维穷举法,在保证容量的基础上,降低了用户间干扰。组间采用贪婪算法,降低了因分组所带来的影响。同时,分组优化算法,根据干扰强弱逐步优化,优化范围小,复杂度较低,具有很好的可实现性。本发明方法能够降低用户间干扰,提高***容量。
图1是本发明实施例中***和速率与终端数量关系的仿真图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
毫米波大规模多输入多输出多用户***中的基于分组优化的混合波束成形方法,应用场景如下:
单个小区内,K个单天线用户同时向基站发送数据,基站配有Nr根天线和K个射频链路用于接收信号,阵列为均匀线性阵。
发送信号向量为
基站接收到的信号经过混合波束成形矩阵处理,即
及
来恢复向量s,恢复后的向量表示为
ρ表示发送信号功率,
为接收噪声向量。对任何用户而言,码本设置为有限个天线阵列响应向量的集合
a(φ
c)为天线阵列响应向量,
λ为载波波长,d为基站端相邻天线间距。根据模拟波束成形矩阵W
RF和信道特性矩阵H采用最小均方误差准则计算数字处理矩阵
表示W
RF的共轭转置。
该方法的具体步骤是:
步骤1、用户分组阶段:
用户分组就是根据用户的信道向量,计算用户间的相关性,将相关性大的用户分为一组。而后,计算该组内用户的相关性门限,将与该组内所有用户相关性均高于各自门限值的用户作为候选用户,从候选用户集合中,将满足要求的用户加入该组,每次只加一个用户进入该组,直到分组结束。具体方法是:
1.1.模拟波束成形码本的设置:对任何用户而言,码本设置为有限个天线阵列响应向量的集合
其中,N
r为基站端天线数,a(φ
c)为天线阵列响应向量,
λ为载波波长,d为基站端相邻天线间距。
1.2.计算用户间的相关性:以用户k为例,其信道向量为
α
n,m是第n散射簇的第m路径的复数增益。φ
n,m是到达基站的方位角。我们用矩阵
表示相关性的大小,有:
为了避免在计算的过程中出现两个最大值的情况,我们引入矩阵
X
U由矩阵X的上三角元素组成,其余元素为0。从X
U中取出最大值对应的索引,有:
将用户t
1和t
2用户放入一组,用集合G表示该组内的用户,有G={t
1,t
2}。假设G内有i个元素,
有G={t
1,t
2,…,t
i}。然后,考虑是否向G内添加用户。
1.3.将用户分组:对任意用户t
i,其相关性门限为
k=1,2,…,K。集合Γ表示剩余的K-i个用户。从Γ中选出与用户t
i相关性高于
的用户,表示为:
如果Crad(Ωi)=0,(Crad(Ωi)表示集合Ωi中元素个数),表示分组完成,G中仅有i个元素。
如果Crad(Ωi)=1,G中第i+1个元素为Ωi中的元素。
如果Crad(Ω
i)>1,假设Ω
i={k
1,k
2,…,k
S},有:
s=1,2,…,S;
通过上述计算可求得
与
Ω
i+1是G中第i+2个元素的候选集合。重复上述过程,直到该组分组完成。重复上述过程,对剩余用户分组,直到K个用户分组完成。
步骤2、低维穷举与贪婪算法:
2.1.计算用户的候选码本:就用户k而言,
由码本集合
组成。取出
中最大的K个元素对应的索引存到集合C
k中。用户k的候选码本为
2.2计算模拟波束成形矩阵:假设前u-1组共有P个元素,其模拟波束成形矩阵为
集合G表示第u组内用户索引,并假设G有L个元素。第u组模拟波束成形矩阵可表示为:W
RF,u=[W
RF,u-1,a(θ
1),a(θ
2),…,a(θ
L)]。
E=P+L,
G={G
l|l=1,2,…,L}。W
RF,u有K
L种可能性。根据最小均方误差准则,
表示W
RF,u的共轭转置。
H
u-1是前u-1组的信道矩阵。同样的,***和速率R
u有K
L个值。那么,第u组最优的模拟波束成形矩阵为
重复上述过程,直到所有组的模拟波束成形矩阵计算完成。
2.3计算数字处理矩阵W
BB:根据求得的模拟波束成形矩阵W
RF及信道矩阵H,采用最小均方误差准则计算数字处理矩阵
为W
RF的共轭转置。
仿真试验的结果如图1所示,对终端数量的影响进行了仿真。为了直观地体现出本发明方法的优越性,将本方法的仿真结果与现有的波束控制、基于容量最大化的贪婪算法进行了对比。由图1可以看出,***和速率随着用户数的增多递增,所提出算法容量性能一直优于基于容量最大化的贪婪算法和波束控制算法。并且,在整个用户范围内,基于容量最大化的贪婪算法和波束控制算法的***和速率不够稳定且渐趋平稳。反观本发明所提出的算法,***和速率增速稳定且较快,这也反映出所提出算法在降低用户间干扰方面性能的优越性。本发明方法明显地提高了***的和速率,也就是说本发明方法能够显著降低干扰。