CN114710186A - 一种低成本广覆盖的毫米波预编码方法 - Google Patents

一种低成本广覆盖的毫米波预编码方法 Download PDF

Info

Publication number
CN114710186A
CN114710186A CN202210382324.0A CN202210382324A CN114710186A CN 114710186 A CN114710186 A CN 114710186A CN 202210382324 A CN202210382324 A CN 202210382324A CN 114710186 A CN114710186 A CN 114710186A
Authority
CN
China
Prior art keywords
channel
formula
expressed
reflecting surface
intelligent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210382324.0A
Other languages
English (en)
Inventor
张华�
卞宝银
杨凡
王俊波
黄鑫
杨鸿珍
赵豫京
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
State Grid Electric Power Research Institute
Original Assignee
Southeast University
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
State Grid Electric Power Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University, Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd, State Grid Electric Power Research Institute filed Critical Southeast University
Priority to CN202210382324.0A priority Critical patent/CN114710186A/zh
Publication of CN114710186A publication Critical patent/CN114710186A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种低成本广覆盖的毫米波预编码方法，包括：针对智能反射面辅助的毫米波MIMO***，建立***模型和信道模型；基于智能反射面无源特性，构建以***平均频谱效率最大化为优化目标的混合时间尺度联合预编码设计问题；将原问题分解为子阵结构混合预编码和智能反射面反射系数矩阵两个子问题，分别进行求解。本发明提出的低成本广覆盖的毫米波预编码技术，在传统毫米波MIMO***的基础上引入混合预编码架构和智能反射面并联合优化基站有源波束和智能反射面无源波束设计，可以有效提高***的通信性能，并且算法计算复杂度较低。

Description

一种低成本广覆盖的毫米波预编码方法
技术领域
本发明涉及毫米波预编码技术领域，特别是涉及一种低成本广覆盖的毫米波预编码方法。
背景技术
毫米波通信是一种用于下一代蜂窝***的有前景的技术。然而，它也面临着一些挑战，其中一个关键问题是传输信号的显著路径损耗。最近，大规模多输入多输出(MIMO)已被用于同时为一组用户提供服务，并通过高度定向的预编码提供阵列增益以克服毫米波信道的高路径损耗。同时，高方向性使得毫米波信号容易被阻塞，为了解决阻塞问题，中继被用来提高毫米波MIMO通信的覆盖范围。但是，随着中继部署增多，***的能耗和硬件成本会增加，此外，在无线网络中添加过多的有源组件(例如中继)会导致严重的干扰问题，因此，必须以一种新的方式增强毫米波MIMO通信的覆盖范围。
最近，智能反射面作为中继部署的一种经济有效的解决方案被提出来，具体来说，智能反射面是一个由软件控制的表面，它由大量可重新配置的无源元件组成。作为一项新兴技术，智能反射面具有以下特点：通过调整反射元件的相移和幅度使得反射信号在不同的接收器处增强或减弱；不需要专用电源，功耗低；硬件成本低；尺寸小，部署成本低，灵活性高。因此，智能反射面可以提供显著的无源波束成形增益。
发明内容
有鉴于此，本发明的目的在于提供一种低成本广覆盖的毫米波预编码方法，用以降低***的硬件成本和功耗，提升***的通信性能。
为了实现上述目的，本发明采用如下技术方案：
一种低成本广覆盖的毫米波预编码方法，所述预编码方法包括如下步骤：
步骤S1、针对智能反射面辅助的毫米波MIMO通信***，基于Saleh-Valenzuela信道模型构建其信道模型HI、信道模型HR以及信道模型G，其中，所述毫米波MIMO通信***包括基站侧和用户侧，在基站侧和用户侧之间还设置有所述的智能反射面，HI表示为智能反射面与用户侧之间的信道模型，HR表示为基站侧与智能反射面之间的信道模型，G表示为基站侧与用户侧之间的信道模型；
步骤S2、针对所述的智能反射面辅助的毫米波MIMO通信***，构建以***平均频谱效率最大化为优化目标的混合时间尺度联合预编码设计问题，其中，通过在总发射功率约束和硬件限制下联合优化智能反射面的反射系数矩阵和基站的混合预编码器的方式，来最大化***平均频谱效率，其中，根据整体信道HIΦHR+G的瞬时信道状态信息来设计基站侧的混合预编码器，并根据信道HR，HI和G的统计信道状态信息优化智能反射面的反射系数矩阵；
步骤S3、针对步骤S2的优化问题，将其分解为子阵结构混合预编码和智能反射面反射系数矩阵两个设计子问题，再分别进行求解。
进一步的，在所述步骤S3中，针对智能反射面反射系数矩阵的子问题的求解，其包括：首先通过等价转化和简化原问题，解耦两个优化变量的关联，然后将新的优化问题表述为关于单一反射系数的形式，接着提出一种有效的BCD算法进行求解；
针对混合时间尺度联合预编码设计问题的求解，其包括：首先定义虚拟变量解耦基带数字预编码器和模拟射频预编码器，然后利用注水算法解将原始子问题转换为只与模拟射频预编码器有关的优化问题，接着将得到的新问题松弛并改写为易于求解的形式，最后给出约束下的模拟预编码器闭式解。
进一步的，所述步骤S1具体包括：
步骤S101、进行如下设定：基站侧的发射天线和用户侧的接收天线的数目分别为Nt和Nr；智能反射面的反射元件数目为M；基站侧的射频链数目为Nrf；基站侧和用户侧之间的传输数据流数目为Ns；总发射功率为Ptot；
步骤S102、构建该***的发射信号，其表示为：
x＝FRFFBBs (1)
在公式(1)中，
Figure BDA0003592329930000021
表示满足
Figure BDA0003592329930000022
的发射符号，
Figure BDA0003592329930000023
表示数字基带预编码矩阵，
Figure BDA0003592329930000024
表示模拟射频预编码矩阵，针对子阵混合结构，模拟射频预编码器FRF具有块对角矩阵形式，表示为：
Figure BDA0003592329930000025
在公式(2)中，
Figure BDA0003592329930000026
表示对应于第d个子阵的模拟预编码器，它分配给第d个射频链，因为模拟射频预编码器通过移相器实现，所以fd的每一个元素都具有单位幅度，表示为：|fd(i)|＝1,1≤i≤NA,1≤d≤D；
由于总发射功率约束，模拟射频预编码器和数字基带预编码器间的耦合满足：
Figure BDA0003592329930000031
步骤S103、构建用户侧的接收信号
Figure BDA0003592329930000032
其表示为：
y＝(HIΦHR+G)FRFFBBs+n (4)
在公式(4)中，
Figure BDA0003592329930000033
和
Figure BDA0003592329930000034
分别表示基站侧与智能反射面之间的信道以及智能反射面与用户侧之间的信道，
Figure BDA0003592329930000035
表示基站侧和用户侧之间的信道，
Figure BDA0003592329930000036
表示均值为零，功率为
Figure BDA0003592329930000037
的加性白高斯噪声，Φ表示智能反射面的对角反射系数矩阵，定义为：
Figure BDA0003592329930000038
其中，θm∈[0,2π)表示智能反射面第m个元件的相移；
步骤S104、根据Saleh-Valenzuela信道模型生成基站侧与用户侧之间的信道模型，其表示为：
Figure BDA0003592329930000039
在公式(5)中，L是散射簇的数目，
Figure BDA00035923299300000310
表示复数增益，θr,l和θt,l分别表示第l个簇的到达角和离开角；αR(·)和αT(·)分别表示接收和发送阵列响应矢量；其中，αT(θ)表示为：
Figure BDA00035923299300000311
在公式(6)中，λ为信号波长，d为天线间隔；
公式(5)中的信道模型更紧凑地表示为：
Figure BDA00035923299300000312
在公式(7)中，ΓG＝diag(r1,…,rL)表示衰落矩阵，Ar,G和At,G分别是到达角和离开角的叠层阵列导向矢量，其具体表示为：Ar,G＝[αR(θr,1),…,αR(θr,L)]，At,G＝[αT(θt,1),…,αT(θt,L)]；
步骤S105、智能反射面和用户侧之间的信道以及基站侧和智能反射面间的信道根据视距场景下的SV信道模型生成，它们的散射簇数目分别为SI和SR，因此，智能反射面和用户侧之间的信道表示为：
Figure BDA0003592329930000041
在公式(8)中，其中
Figure BDA0003592329930000042
表示视距分量的复数增益，
Figure BDA0003592329930000043
表示第s个非视距分量的复数增益，τr,s和τt,s分别为信道HI的到达角和离开角；
相应的，该公式(8)同样更紧凑地表示为：
Figure BDA0003592329930000044
在公式(9)中，
Figure BDA0003592329930000045
表示信道HI的衰落矩阵，叠层阵列导向矢量Ar,I和At,I分别表示为：
Figure BDA0003592329930000046
Figure BDA0003592329930000047
根据几何SV信道模型，基站侧和智能反射面之间的信道表示为：
Figure BDA0003592329930000048
在公式(10)中，
Figure BDA0003592329930000049
是视距分量的复数增益，
Figure BDA00035923299300000410
是第s个非视距分量的复数增益，ψr,s和ψt,s分别为信道的到达角和离开角；
相应的，该公式(10)同样更紧凑地表示为：
Figure BDA00035923299300000411
在公式(11)中，
Figure BDA00035923299300000412
为信道HR的衰落矩阵，此外，叠层阵列导向矢量Ar,R和At,R分别表示为：
Figure BDA0003592329930000051
Figure BDA0003592329930000052
进一步的，在公式(5)-(11)中，参数
Figure BDA0003592329930000053
由下式生成：
Figure BDA0003592329930000054
在公式(12)中，
Figure BDA0003592329930000055
Figure BDA0003592329930000056
表示收发机间的距离，aκ，bκ和σζ的值分别为aκ＝72，bκ＝2.92和σζ＝8.7dB，
Figure BDA0003592329930000057
和
Figure BDA0003592329930000058
同样根据公式(12)生成。
进一步的，所述***平均频谱效率，其具体表达式为：
Figure BDA0003592329930000059
在公式(13)中，H＝HIΦHR为智能反射面辅助信道。
进一步的，在所述步骤S2中，所述混合时间尺度联合预编码设计问题，其具体表示为：
Figure BDA00035923299300000510
Figure BDA00035923299300000511
Figure BDA00035923299300000512
|fd(i)|＝1,1≤i≤NA,1≤d≤D
0≤θm＜2π,m＝1,2,…,M。
进一步的，在所述步骤S3中，所述的子阵结构混合预编码设计的子问题，其具体表示为：
Figure BDA0003592329930000061
Figure BDA0003592329930000062
Figure BDA0003592329930000063
|fd(i)|＝1,1≤i≤NA,1≤d≤D。
进一步的，在所述步骤S3中，所述的智能反射面反射系数矩阵设计子问题，其具体表示为：
Figure BDA0003592329930000064
s.t.0≤θm＜2π,m＝1,2,…,M。
进一步的，在所述步骤S3中，针对所述智能反射面反射系数矩阵设计子问题，采用如下方法进行求解：
步骤S301、将公式(16)等价为如下形式：
Figure BDA0003592329930000065
在公式(17)中，
Figure BDA0003592329930000066
变量矩阵B表示为
Figure BDA0003592329930000067
以及
Figure BDA0003592329930000068
运算Diag(X)表示和X具有相同对角元素的对角矩阵；
步骤S302、仅仅考虑基站侧与智能反射面间信道的视距路径，则将优化问题(17)重新表示为：
Figure BDA0003592329930000071
在公式(18)中，
Figure BDA0003592329930000072
Figure BDA0003592329930000073
为Ar,R的第一列元素；
步骤S303、使用一种BCD算法来求解优化问题(18)，从而确保收敛到平稳解，其包括：
在每一步，固定Φ中的其他元素，只更新其中一个，则关于Φ(m,m)的目标函数
Figure BDA0003592329930000074
表示为：
Figure BDA0003592329930000075
在公式(19)中，
Figure BDA0003592329930000076
c＝U(m,m)V(m,m)；
因为
Figure BDA0003592329930000077
所以优化问题(18)转化为：
Figure BDA0003592329930000078
步骤S304、求解得到优化问题的最优解为：
Figure BDA0003592329930000079
进一步的，在所述步骤S3中，针对所述子阵结构混合预编码设计子问题，采用如下方法进行求解：
步骤S311、通过定义公式(21)，来解耦约束条件：
Figure BDA00035923299300000710
中的FRF和FBB，该公式(21)表示为：
Figure BDA00035923299300000711
在公式(21)中，
Figure BDA00035923299300000712
是一个虚拟变量；
步骤S312、则总功率约束重新写为：
Figure BDA00035923299300000713
变量
Figure BDA00035923299300000714
通过求解如下问题来得到：
Figure BDA0003592329930000081
在公式(22)中，
Figure BDA0003592329930000082
定义为等效信道矩阵；
步骤S313、最优数字基带预编码器FBB表示为：
Figure BDA0003592329930000083
在公式(23)中，Peff是一个对角元素表示有效信道奇异值的注水功率控制解的对角矩阵，此外，Veff的计算表示为：
Figure BDA0003592329930000084
步骤S314、将问题(23)代入到优化问题(15)中的目标函数，则该优化问题(15)重新表示为：
Figure BDA0003592329930000085
在该公式(24)中，λs(Heff)是Heff的第s个奇异值，ps是第s个数据流的功率；
步骤S315、为了求解该公式(24)，利用目标函数的詹森上界将公式(24)松弛，取而代之的是最大化有效信道的奇异值平方和，松弛问题表示为：
Figure BDA0003592329930000091
步骤S316、将公式(25)继续转换为：
Figure BDA0003592329930000092
在公式(26)中，Rd＝Rc[(d-1)NA+1:dNA,(d-1)NA+1:dNA]；
步骤S317、该公式(26)由于单位模约束，难以求解，因此先考虑没有约束条件的相同优化问题，则表示为：
Figure BDA0003592329930000093
其中，该优化问题(27)为一个广义特征值问题，当每个射频链的模拟预编码器矢量fd具有如下结构时，目标函数取得最大值：
Figure BDA0003592329930000094
在公式(28)中，ad是一个任意的复数值，
Figure BDA0003592329930000095
是Rd的最大奇异值矢量；
步骤S318、得到约束下的模拟预编码器为：
Figure BDA0003592329930000096
Figure BDA0003592329930000101
本发明的有益效果是：
本发明与现有技术相比，本发明提出的低成本广覆盖的毫米波预编码技术，在毫米波MIMO***中引入智能反射面和子阵混合结构并联合优化基站有源波束和智能反射面无源波束设计，可以有效提高***的通信性能，且提出的算法计算复杂度低。因此，本发明所提的低成本广覆盖的毫米波预编码技术，更加适用于未来无线网络的丰富通信场景。
附图说明
图1为实施例1中提供的基于智能反射面辅助的毫米波MIMO通信***的结构示意图；
图2为实施例1中提供的平均频谱效率和基站与用户间水平距离的关系图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
实施例1
参见图1-图2，本实施例提供一种低成本广覆盖的毫米波预编码方法，该方法包括如下步骤：
步骤S1、基于智能反射面辅助的毫米波MIMO通信***，构建其接收信号模型，再基于Saleh-Valenzuela信道模型构建信道模型HI、信道模型HR以及信道模型G，其中，HI表示为智能反射面与用户侧之间的信道模型，HR表示为基站侧与智能反射面之间的信道模型，G表示为基站侧与用户侧之间的信道模型。
具体的说，在本实施例中，该步骤S1具体包括：
步骤S101、构建一基于智能反射面辅助的毫米波MIMO通信***，该***结构如图1所示，包括：基站侧、用户侧和智能反射面，其中，基站侧和智能反射面位于同一条水平线上，而用户侧位于该条水平线的平行线上。
基站侧和智能反射面间的水平距离为d1＝150m，基站侧和用户侧的水平距离初始值为d＝130m，两条水平线间的垂直距离为dv＝2m。基站侧的发射天线和用户侧的接收天线的数目分别为Nt＝64和Nr＝4，智能反射面的反射元件数目为M＝500。基站侧的射频链数目为Nrf＝4，基站侧和用户侧之间的传输数据流数目为Ns＝4。总发射功率为Ptot＝30dBm。
步骤S102、针对上述的毫米波MIMO通信***，发射信号可以表示为
x＝FRFFBBs (1)
在公式(1)中，
Figure BDA0003592329930000111
表示满足
Figure BDA0003592329930000112
的发射符号，
Figure BDA0003592329930000113
表示数字基带预编码矩阵，
Figure BDA0003592329930000114
表示模拟射频预编码矩阵。
对于子阵混合结构，每一个数据流都是通过一个子天线阵列发送，具体来说，每个射频链仅与NA根天线相连，因此发射天线被分为D个子阵，即D＝Nrf＝Nt/NA。基于这种结构，模拟射频预编码器FRF具有块对角矩阵形式，表示为：
Figure BDA0003592329930000115
在公式(2)中，
Figure BDA0003592329930000116
表示对应于第d个子阵的模拟预编码器，它分配给第d个射频链，因为模拟射频预编码器通过移相器实现，所以fd的每一个元素都具有单位幅度，表示为：|fd(i)|＝1,1≤i≤NA,1≤d≤D。
由于总发射功率约束，模拟射频预编码器和数字基带预编码器间的耦合满足：
Figure BDA0003592329930000117
步骤S103、用户侧的接收信号
Figure BDA0003592329930000118
表示为：
y＝(HIΦHR+G)FRFFBBs+n (4)
在公式(4)中，
Figure BDA0003592329930000119
和
Figure BDA00035923299300001110
分别表示基站侧与智能反射面之间的信道以及智能反射面与用户侧之间的信道，
Figure BDA00035923299300001111
表示基站侧和用户侧之间的信道，
Figure BDA00035923299300001112
表示均值为零，功率为
Figure BDA00035923299300001113
的加性白高斯噪声，Φ表示智能反射面的对角反射系数矩阵，定义为：
Figure BDA00035923299300001114
其中，θm∈[0,2π)表示智能反射面第m个元件的相移。
步骤S104、基站侧与用户侧之间的视距路径可能被阻塞，但是无线信道中充满了大量的散射体。发射和接收天线都为均匀线性阵列。因此，基站-用户信道可以根据广泛使用的Saleh-Valenzuela(SV)信道模型生成，表示为：
Figure BDA0003592329930000121
在公式(5)中，L是散射簇的数目，
Figure BDA0003592329930000122
表示基站-用户路径中第l个非视距分量的复数增益，其中
Figure BDA0003592329930000123
表示信道G第l个非视距分量的路径衰落因子的统计分布方差值，θr,l和θt,l分别表示第l个簇的到达角和离开角；αR(·)和αT(·)分别表示接收和发送阵列响应矢量；
其中，αT(θ)表示为：
Figure BDA0003592329930000124
在公式(6)中，λ为信号波长，d为天线间隔；αR(·)也表示为和公式(6)相似的形式。
公式(5)中的信道模型可以更紧凑地表示为：
Figure BDA0003592329930000125
在公式(7)中，ΓG＝diag(r1,…,rL)表示衰落矩阵，Ar,G和At,G分别是到达角和离开角的叠层阵列导向矢量，其具体表示为：Ar,G＝[αR(θr,1),…,αR(θr,L)]，At,G＝[αT(θt,1),…,αT(θt,L)]。
步骤S105、智能反射面和用户侧之间的信道以及基站侧和智能反射面间的信道可以根据视距场景下的SV信道模型生成，它们的散射簇数目分别为SI和SR，因此，智能反射面和用户侧之间的信道可以表示为：
Figure BDA0003592329930000126
在公式(8)中，其中
Figure BDA0003592329930000127
表示视距分量的复数增益，
Figure BDA0003592329930000128
表示视距分量的路径衰落因子的统计分布方差值，
Figure BDA0003592329930000129
表示第s个非视距分量的复数增益，
Figure BDA00035923299300001210
表示第s个非视距分量的路径衰落因子的统计分布方差值，τr,s和τt,s分别为信道HI的到达角和离开角。
相应的，该公式(8)同样可以更紧凑地表示为：
Figure BDA0003592329930000131
在公式(9)中，
Figure BDA0003592329930000132
表示信道HI的衰落矩阵，叠层阵列导向矢量Ar,I和At,I分别表示为：
Figure BDA0003592329930000133
Figure BDA0003592329930000134
类似地，根据几何SV信道模型，基站侧和智能反射面之间的信道可以表示为：
Figure BDA0003592329930000135
在公式(10)中，
Figure BDA0003592329930000136
是视距分量的复数增益，
Figure BDA0003592329930000137
表示视距分量的路径衰落因子的统计分布方差值，
Figure BDA0003592329930000138
是第s个非视距分量的复数增益，
Figure BDA0003592329930000139
表示第s个非视距分量的路径衰落因子的统计分布方差值，ψr,s和ψt,s分别为信道的到达角和离开角。
相应的，该公式(10)同样可以更紧凑地表示为：
Figure BDA00035923299300001310
在公式(11)中，
Figure BDA00035923299300001311
为信道HR的衰落矩阵。此外，叠层阵列导向矢量Ar,R和At,R分别可以表示为：
Figure BDA00035923299300001312
Figure BDA00035923299300001313
在公式(5)-(11)中，参数
Figure BDA00035923299300001314
由下式生成：
Figure BDA00035923299300001315
在公式(12)中，
Figure BDA00035923299300001316
Figure BDA00035923299300001317
表示收发机间的距离，aκ和bκ分别表示路径衰落统计曲线的截距和斜率的最小二乘拟合，
Figure BDA00035923299300001318
表示对数正态阴影方差的值，对
Figure BDA0003592329930000141
具体而言，aκ，bκ和σζ的值分别为aκ＝72，bκ＝2.92和σζ＝8.7dB。信道HI和HR的路径衰落因子的统计分布方差值也同样根据公式(12)生成，在毫米波信道中，视距分量所经历的路径衰落小，其功率要远远大于非视距分量的功率，因此这两个信道视距分量和非视距分量的路径衰落统计分布的参数具体数值不同，对于
Figure BDA0003592329930000142
和
Figure BDA0003592329930000143
而言，aκ，bκ和σζ的值分别为aκ＝61.4，bκ＝2和σζ＝5.8dB，而与非视距分量相关的
Figure BDA0003592329930000144
和
Figure BDA0003592329930000145
的生成参数和
Figure BDA0003592329930000146
的生成参数有相同的取值。信道HR，HI和G的散射簇数目分别为SR＝SI＝7和L＝6。
步骤S2、针对智能反射面的无源特性，考虑智能反射面辅助信道的瞬时信道状态信息和各个单独信道的统计信道状态信息，构建以***平均频谱效率最大化为优化目标的混合时间尺度联合预编码设计问题；
具体的说，对于智能反射面辅助通信***来说，一个主要挑战在于无法使用传统的信道估计技术得到单个信道HR和HI的瞬时信道状态信息，这是因为智能反射面由无源反射元件组成，不依赖于功率放大器和信道估计器等。然而，由于在毫米波通信中，衰落矩阵ΓR，ΓI和ΓG变化迅速，而角度信息的变化Ar,R，At,R，Ar,I，At,I，Ar,G和At,G变化缓慢，因此基站可以得到HR，HI和G的统计信道状态信息，包括Ar,R，At,R，Ar,I，At,I，Ar,G，At,G和衰落矩阵ΓR，ΓI以及ΓG的分布。同时，在实践中，如果智能反射面反射系数矩阵固定且已知HR，HI和G的统计信道状态信息，基站和用户间的整体信道HIΦHR+G的获取要容易得多。
综上，在本实施例中可以根据整体信道HIΦHR+G的瞬时信道状态信息来设计基站侧的混合预编码器，并根据信道HR，HI和G的统计信道状态信息优化智能反射面的反射系数矩阵。
因此，基于智能反射面辅助的毫米波MIMO通信***，其平均频谱效率可以表示：
Figure BDA0003592329930000147
在公式(13)中，H＝HIΦHR为智能反射面辅助信道。
为了最大化该毫米波MIMO通信***的整体平均频谱效率，则需要在总发射功率约束和硬件限制下联合优化智能反射面的反射系数矩阵和基站的混合预编码器，因此，相应的优化问题构建为：
Figure BDA0003592329930000151
Figure BDA0003592329930000152
Figure BDA0003592329930000153
|fd(i)|＝1,1≤i≤NA,1≤d≤D
0≤θm＜2π,m＝1,2,…,M
由于目标函数，可行域和混合时间尺度的非凸性，该优化问题(14)的求解具有挑战性。
步骤S3、针对步骤S2的优化问题，将其分解为子阵结构混合预编码和智能反射面反射系数矩阵两个子问题进行求解，针对智能反射面反射矩阵优化，首先通过等价转化和简化原问题，解耦两个优化变量的关联，然后将新的优化问题表述为关于单一反射系数的形式，接着提出一种有效的BCD算法进行求解；对于混合预编码设计，首先定义虚拟变量解耦基带数字预编码器和模拟射频预编码器，然后利用注水算法解将原始子问题转换为只与模拟射频预编码器有关的优化问题，接着将得到的新问题松弛并进一步改写为易于求解的形式，最后给出约束下的模拟预编码器闭式解。
具体的说，在本实施例中，该步骤S3包括如下步骤:
为了求解该优化问题(14)，首先将该优化问题分解为子阵连接结构混合预编码设计和智能反射面反射系数矩阵设计两个子问题。
子阵混合结构的混合预编码器设计问题表示为：
Figure BDA0003592329930000154
Figure BDA0003592329930000155
Figure BDA0003592329930000161
|fd(i)|＝1,1≤i≤NA,1≤d≤D
智能反射面反射系数矩阵设计问题可以表示为：
Figure BDA0003592329930000162
s.t.0≤θm＜2π,m＝1,2,…,M
为了优化智能反射面反射系数矩阵，首先给出如下引理：
引理1.如果D＝diag(d1,d2,…,dN)，其中，每一个对角元素dn都具有零均值和方差
Figure BDA0003592329930000163
且彼此独立，S是一个N×N的半正定厄米特矩阵。
那么
Figure BDA0003592329930000164
是一个实对角矩阵，表示为：
Figure BDA0003592329930000165
其中，
Figure BDA0003592329930000166
snn,1≤n≤N表示矩阵S的对角元素。
根据该引理1，将公式(16)等价为：
Figure BDA0003592329930000167
在公式(17)中，
Figure BDA0003592329930000168
变量矩阵B表示为
Figure BDA0003592329930000169
以及
Figure BDA00035923299300001610
运算Diag(X)表示和X具有相同对角元素的对角矩阵。
由于基站-智能反射面信道同时考虑了视距路径和非视距路径，优化问题(17)中的反射系数矩阵求解与模拟射频预编码器FRF相关，这意味着优化问题(14)的求解需要基于交替迭代，然而在实际中几乎不可能在每个时隙的每一次迭代中获得整体信道(H+G)的瞬时信道状态信息。
为了解决这个缺陷，本实施例取SR＝1来简化优化问题(17)，也就是说，仅仅考虑基站-智能反射面信道的视距路径。优化问题(17)，可以重新表示为：
Figure BDA0003592329930000171
在公式(18)中，
Figure BDA0003592329930000172
Figure BDA0003592329930000173
为Ar,R的第一列元素。
在该问题(18)中，Φ只与U和V有关，换句话说，只需要知道信道HR和HI的统计信道状态信息，就可以完成智能反射面的设计。
然而，上述问题仍然具有挑战性，注意到其约束条件是可分离的，因此，本实施使用一种BCD算法来求解优化问题(18)，从而确保收敛到平稳解。
具体的说，在每一步，固定Φ中的其他元素，只更新其中一个。关于Φ(m,m)的目标函数
Figure BDA0003592329930000174
可以表示为：
Figure BDA0003592329930000175
在公式(19)中，
Figure BDA0003592329930000176
c＝U(m,m)V(m,m)。
因为
Figure BDA0003592329930000177
所以优化问题(18)可以转化为：
Figure BDA0003592329930000178
不难看出，上述该优化问题(20)的最优解为
Figure BDA0003592329930000179
接下来优化混合预编码器，为了解耦约束条件：
Figure BDA00035923299300001710
中的FRF和FBB，定义：
Figure BDA00035923299300001711
在公式(21)中，
Figure BDA00035923299300001712
是一个虚拟变量。
则上述约束条件中的总功率约束可以重新写为：
Figure BDA0003592329930000181
同时，变量
Figure BDA0003592329930000182
可以通过求解如下问题来得到：
Figure BDA0003592329930000183
在公式(22)中，
Figure BDA0003592329930000184
定义为等效信道矩阵。
因此，最优数字基带预编码器FBB可以表示为：
Figure BDA0003592329930000185
在公式(23)中，Peff是一个对角元素表示有效信道奇异值的注水功率控制解的对角矩阵，此外，Veff的计算可以表示为：
Figure BDA0003592329930000186
将问题(23)代入到优化问题(15)中的目标函数，则该优化问题(15)可以重新表示为：
Figure BDA0003592329930000187
在该公式(24)中，λs(Heff)是Heff的第s个奇异值，ps是第s个数据流的功率。
上述问题仍然是难以求解的，因此利用目标函数的詹森上界将问题(24)松弛，取而代之的是最大化有效信道的奇异值平方和。松弛问题表示为：
Figure BDA0003592329930000191
问题(25)可以继续转换为：
Figure BDA0003592329930000192
在公式(26)中，Rd＝Rc[(d-1)NA+1:dNA,(d-1)NA+1:dNA]。
由于单位模约束，问题(26)难以求解，因此先考虑没有约束条件的相同优化问题，它可以表示为：
Figure BDA0003592329930000193
该问题(27)是一个广义特征值问题，当每个射频链的模拟预编码器矢量fd具有如下结构时，目标函数取得最大值：
Figure BDA0003592329930000194
在公式(28)中，ad是一个任意的复数值，
Figure BDA0003592329930000195
是Rd的最大奇异值矢量。
最后，可以得到约束下的模拟预编码器为：
Figure BDA0003592329930000196
为了验证本实施例方法的正确性和先进性，本实施例进行仿真实验，具体包括：
图2展示了***平均频谱效率随基站和用户间水平距离的变化情况。可以观察到，所提出的“JPD”算法可以实现“DP-BCD”算法的大部分频谱效率，与随机智能反射面反射系数矩阵的算法“HP-RND”相比，当用户靠近智能反射面时，平均频谱效率显著提高。此外，与使用完美瞬时信道状态信息的“JO-INS”算法相比，使用混合时间尺度信道状态信息的所提“JPD”算法的平均频谱效率性能稍差，这表明了公式(18)松弛的合理性和所提出的“JPD”算法的有效性。
本发明未详述之处，均为本领域技术人员的公知技术。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种低成本广覆盖的毫米波预编码方法，其特征在于，所述预编码方法包括如下步骤：
步骤S1、针对智能反射面辅助的毫米波MIMO通信***，基于Saleh-Valenzuela信道模型构建其信道模型HI、信道模型HR以及信道模型G，其中，所述毫米波MIMO通信***包括基站侧和用户侧，在基站侧和用户侧之间还设置有所述的智能反射面，HI表示为智能反射面与用户侧之间的信道模型，HR表示为基站侧与智能反射面之间的信道模型，G表示为基站侧与用户侧之间的信道模型；
步骤S2、针对所述的智能反射面辅助的毫米波MIMO通信***，构建以***平均频谱效率最大化为优化目标的混合时间尺度联合预编码设计问题，其中，通过在总发射功率约束和硬件限制下联合优化智能反射面的反射系数矩阵和基站的混合预编码器的方式，来最大化***平均频谱效率，其中，根据整体信道HIΦHR+G的瞬时信道状态信息来设计基站侧的混合预编码器，并根据信道HR，HI和G的统计信道状态信息优化智能反射面的反射系数矩阵；
步骤S3、针对步骤S2的优化问题，将其分解为子阵结构混合预编码和智能反射面反射系数矩阵两个设计子问题，再分别进行求解。
2.根据权利要求1所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，在所述步骤S3中，针对智能反射面反射系数矩阵的子问题的求解，其包括：首先通过等价转化和简化原问题，解耦两个优化变量的关联，然后将新的优化问题表述为关于单一反射系数的形式，接着提出一种有效的BCD算法进行求解；
针对混合时间尺度联合预编码设计问题的求解，其包括：首先定义虚拟变量解耦基带数字预编码器和模拟射频预编码器，然后利用注水算法解将原始子问题转换为只与模拟射频预编码器有关的优化问题，接着将得到的新问题松弛并改写为易于求解的形式，最后给出约束下的模拟预编码器闭式解。
3.根据权利要求1所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，所述步骤S1具体包括：
步骤S101、进行如下设定：基站侧的发射天线和用户侧的接收天线的数目分别为Nt和Nr；智能反射面的反射元件数目为M；基站侧的射频链数目为Nrf；基站侧和用户侧之间的传输数据流数目为Ns；总发射功率为Ptot；
步骤S102、构建该***的发射信号，其表示为：
x＝FRFFBBs (1)
在公式(1)中，
Figure FDA0003592329920000021
表示满足
Figure FDA0003592329920000022
的发射符号，
Figure FDA0003592329920000023
表示数字基带预编码矩阵，
Figure FDA0003592329920000024
表示模拟射频预编码矩阵，针对子阵混合结构，模拟射频预编码器FRF具有块对角矩阵形式，表示为：
Figure FDA0003592329920000025
在公式(2)中，
Figure FDA0003592329920000026
表示对应于第d个子阵的模拟预编码器，它分配给第d个射频链，因为模拟射频预编码器通过移相器实现，所以fd的每一个元素都具有单位幅度，表示为：|fd(i)|＝1,1≤i≤NA,1≤d≤D；
由于总发射功率约束，模拟射频预编码器和数字基带预编码器间的耦合满足：
Figure FDA0003592329920000027
步骤S103、构建用户侧的接收信号
Figure FDA0003592329920000028
其表示为：
y＝(HIΦHR+G)FRFFBBs+n (4)
在公式(4)中，
Figure FDA0003592329920000029
和
Figure FDA00035923299200000210
分别表示基站侧与智能反射面之间的信道以及智能反射面与用户侧之间的信道，
Figure FDA00035923299200000211
表示基站侧和用户侧之间的信道，
Figure FDA00035923299200000212
表示均值为零，功率为
Figure FDA00035923299200000213
的加性白高斯噪声，Φ表示智能反射面的对角反射系数矩阵，定义为：
Figure FDA00035923299200000214
其中，θm∈[0,2π)表示智能反射面第m个元件的相移；
步骤S104、根据Saleh-Valenzuela信道模型生成基站侧与用户侧之间的信道模型，其表示为：
Figure FDA00035923299200000215
在公式(5)中，L是散射簇的数目，
Figure FDA0003592329920000031
表示复数增益，θr,l和θt,l分别表示第l个簇的到达角和离开角；αR(·)和αT(·)分别表示接收和发送阵列响应矢量；其中，αT(θ)表示为：
Figure FDA0003592329920000032
在公式(6)中，λ为信号波长，d为天线间隔；
公式(5)中的信道模型更紧凑地表示为：
Figure FDA0003592329920000033
在公式(7)中，ΓG＝diag(r1,…,rL)表示衰落矩阵，Ar,G和At,G分别是到达角和离开角的叠层阵列导向矢量，其具体表示为：Ar,G＝[αR(θr,1),…,αR(θr,L)]，At,G＝[αT(θt,1),…,αT(θt,L)]；
步骤S105、智能反射面和用户侧之间的信道以及基站侧和智能反射面间的信道根据视距场景下的SV信道模型生成，它们的散射簇数目分别为SI和SR，因此，智能反射面和用户侧之间的信道表示为：
Figure FDA0003592329920000034
在公式(8)中，其中
Figure FDA0003592329920000035
表示视距分量的复数增益，
Figure FDA0003592329920000036
表示第s个非视距分量的复数增益，τr,s和τt,s分别为信道HI的到达角和离开角；
相应的，该公式(8)同样更紧凑地表示为：
Figure FDA0003592329920000037
在公式(9)中，
Figure FDA0003592329920000038
表示信道HI的衰落矩阵，叠层阵列导向矢量Ar,I和At,I分别表示为：
Figure FDA0003592329920000039
Figure FDA0003592329920000041
根据几何SV信道模型，基站侧和智能反射面之间的信道表示为：
Figure FDA0003592329920000042
在公式(10)中，
Figure FDA0003592329920000043
是视距分量的复数增益，
Figure FDA0003592329920000044
是第s个非视距分量的复数增益，ψr,s和ψt,s分别为信道的到达角和离开角；
相应的，该公式(10)同样更紧凑地表示为：
Figure FDA0003592329920000045
在公式(11)中，
Figure FDA0003592329920000046
为信道HR的衰落矩阵，此外，叠层阵列导向矢量Ar,R和At,R分别表示为：
Figure FDA0003592329920000047
Figure FDA0003592329920000048
4.根据权利要求3所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，在公式(5)-(11)中，参数
Figure FDA0003592329920000049
由下式生成：
Figure FDA00035923299200000410
在公式(12)中，
Figure FDA00035923299200000411
Figure FDA00035923299200000412
表示收发机间的距离，aκ，bκ和σζ的值分别为aκ＝72，bκ＝2.92和σζ＝8.7dB，
Figure FDA00035923299200000413
和
Figure FDA00035923299200000414
同样根据公式(12)生成。
5.根据权利要求4所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，所述***平均频谱效率，其具体表达式为：
Figure FDA00035923299200000415
在公式(13)中，H＝HIΦHR为智能反射面辅助信道。
6.根据权利要求5所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，在所述步骤S2中，所述混合时间尺度联合预编码设计问题，其具体表示为：
Figure FDA0003592329920000051
Figure FDA0003592329920000052
Figure FDA0003592329920000053
|fd(i)|＝1,1≤i≤NA,1≤d≤D
0≤θm＜2π,m＝1,2,…,M。
7.根据权利要求6所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，在所述步骤S3中，所述的子阵结构混合预编码设计的子问题，其具体表示为：
Figure FDA0003592329920000054
Figure FDA0003592329920000055
Figure FDA0003592329920000056
|fd(i)|＝1,1≤i≤NA,1≤d≤D。
8.根据权利要求7所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，在所述步骤S3中，所述的智能反射面反射系数矩阵设计子问题，其具体表示为：
Figure FDA0003592329920000061
s.t.0≤θm＜2π,m＝1,2,…,M。
9.根据权利要求8所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，在所述步骤S3中，针对所述智能反射面反射系数矩阵设计子问题，采用如下方法进行求解：
步骤S301、将公式(16)等价为如下形式：
Figure FDA0003592329920000062
在公式(17)中，
Figure FDA0003592329920000063
变量矩阵B表示为
Figure FDA0003592329920000064
以及
Figure FDA0003592329920000065
运算Diag(X)表示和X具有相同对角元素的对角矩阵；
步骤S302、仅仅考虑基站侧与智能反射面间信道的视距路径，则将优化问题(17)重新表示为：
Figure FDA0003592329920000066
在公式(18)中，
Figure FDA0003592329920000067
Figure FDA0003592329920000068
为Ar,R的第一列元素；
步骤S303、使用一种BCD算法来求解优化问题(18)，从而确保收敛到平稳解，其包括：
在每一步，固定Φ中的其他元素，只更新其中一个，则关于Φ(m,m)的目标函数
Figure FDA0003592329920000069
表示为：
Figure FDA00035923299200000610
在公式(19)中，
Figure FDA00035923299200000611
因为
Figure FDA00035923299200000612
所以优化问题(18)转化为：
Figure FDA0003592329920000071
步骤S304、求解得到优化问题的最优解为：
Figure FDA0003592329920000072
10.根据权利要求9所述的一种低成本广覆盖的毫米波预编码方法，其特征在于，在所述步骤S3中，针对所述子阵结构混合预编码设计子问题，采用如下方法进行求解：
步骤S311、通过定义公式(21)，来解耦约束条件：s.t.
Figure FDA0003592329920000073
中的FRF和FBB，该公式(21)表示为：
Figure FDA0003592329920000074
在公式(21)中，
Figure FDA0003592329920000075
是一个虚拟变量；
步骤S312、则总功率约束重新写为：
Figure FDA0003592329920000076
变量
Figure FDA0003592329920000077
通过求解如下问题来得到：
Figure FDA0003592329920000078
在公式(22)中，
Figure FDA0003592329920000079
定义为等效信道矩阵；
步骤S313、最优数字基带预编码器FBB表示为：
Figure FDA00035923299200000710
在公式(23)中，Peff是一个对角元素表示有效信道奇异值的注水功率控制解的对角矩阵，此外，Veff的计算表示为：
Figure FDA00035923299200000711
步骤S314、将问题(23)代入到优化问题(15)中的目标函数，则该优化问题(15)重新表示为：
Figure FDA0003592329920000081
在该公式(24)中，λs(Heff)是Heff的第s个奇异值，ps是第s个数据流的功率；
步骤S315、为了求解该公式(24)，利用目标函数的詹森上界将公式(24)松弛，取而代之的是最大化有效信道的奇异值平方和，松弛问题表示为：
Figure FDA0003592329920000082
步骤S316、将公式(25)继续转换为：
Figure FDA0003592329920000083
在公式(26)中，
Figure FDA0003592329920000095
步骤S317、该公式(26)由于单位模约束，难以求解，因此先考虑没有约束条件的相同优化问题，则表示为：
Figure FDA0003592329920000091
其中，该优化问题(27)为一个广义特征值问题，当每个射频链的模拟预编码器矢量fd具有如下结构时，目标函数取得最大值：
Figure FDA0003592329920000092
在公式(28)中，ad是一个任意的复数值，
Figure FDA0003592329920000094
是Rd的最大奇异值矢量；
步骤S318、得到约束下的模拟预编码器为：
Figure FDA0003592329920000093
CN202210382324.0A 2022-04-12 2022-04-12 一种低成本广覆盖的毫米波预编码方法 Pending CN114710186A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210382324.0A CN114710186A (zh) 2022-04-12 2022-04-12 一种低成本广覆盖的毫米波预编码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210382324.0A CN114710186A (zh) 2022-04-12 2022-04-12 一种低成本广覆盖的毫米波预编码方法

Publications (1)

Publication Number Publication Date
CN114710186A true CN114710186A (zh) 2022-07-05

Family

ID=82174768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210382324.0A Pending CN114710186A (zh) 2022-04-12 2022-04-12 一种低成本广覆盖的毫米波预编码方法

Country Status (1)

Country Link
CN (1) CN114710186A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115835228A (zh) * 2022-11-17 2023-03-21 中山大学 一种网络覆盖优化方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109474314A (zh) * 2018-12-21 2019-03-15 东南大学 毫米波多用户大规模mimo基-4并行波束训练方法
CN110266352A (zh) * 2019-05-27 2019-09-20 东南大学 一种大规模mimo***中智能反射面相移矩阵自适应设计方法
CN114080036A (zh) * 2020-08-19 2022-02-22 华为技术有限公司 资源分配方法及装置
US20220077919A1 (en) * 2020-09-10 2022-03-10 Qualcomm Iincorporated Techniques to use reference signals for intelligent reflecting surface systems
CN114172547A (zh) * 2021-12-16 2022-03-11 华南理工大学 基于智能反射面的无线携能通信混合预编码设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109474314A (zh) * 2018-12-21 2019-03-15 东南大学 毫米波多用户大规模mimo基-4并行波束训练方法
CN110266352A (zh) * 2019-05-27 2019-09-20 东南大学 一种大规模mimo***中智能反射面相移矩阵自适应设计方法
CN114080036A (zh) * 2020-08-19 2022-02-22 华为技术有限公司 资源分配方法及装置
US20220077919A1 (en) * 2020-09-10 2022-03-10 Qualcomm Iincorporated Techniques to use reference signals for intelligent reflecting surface systems
CN114172547A (zh) * 2021-12-16 2022-03-11 华南理工大学 基于智能反射面的无线携能通信混合预编码设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚建文;王楠;: "智能反射面――大有前景的6G技术", 电信快报, no. 07, 10 July 2020 (2020-07-10), pages 12 - 17 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115835228A (zh) * 2022-11-17 2023-03-21 中山大学 一种网络覆盖优化方法及***
CN115835228B (zh) * 2022-11-17 2023-12-19 中山大学 一种网络覆盖优化方法及***

Similar Documents

Publication Publication Date Title
Wang et al. Intelligent reflecting surface-assisted millimeter wave communications: Joint active and passive precoding design
CN113746578B (zh) 一种基于智能反射表面辅助的通信***传输方法
CN112235026B (zh) 一种mimo-ofdma太赫兹通信***的混合波束设计方法
Feng et al. Joint hybrid and passive RIS-assisted beamforming for mmWave MIMO systems relying on dynamically configured subarrays
CN111294096A (zh) 一种智能反射面miso无线通信***的信道容量优化方法
CN113612508B (zh) 基于机器学习的irs辅助毫米波通信波束成形设计方法
CN110011712B (zh) 一种面向毫米波大规模多输入多输出的混合预编码方法
CN110138427B (zh) 基于部分连接的大规模多输入多输出混合波束赋形算法
CN110365388B (zh) 一种低复杂度毫米波多播波束成形方法
CN112929075B (zh) 一种适用于低轨卫星通信的混合预编码方法
CN114285445B (zh) 电磁辐射约束的ris-dma辅助多用户mimo上行谱效优化方法
Alluhaibi et al. Capacity maximisation for hybrid digital-to-analog beamforming mm-wave systems
CN114745232A (zh) 智能可重构表面辅助毫米波mimo***的信道估计方法
CN114095318A (zh) 智能超表面辅助的混合构型毫米波通信***信道估计方法
CN114285702A (zh) 一种用于毫米波irs协作***的稀疏级联信道估计方法
Abbas et al. Millimeter wave communications over relay networks
CN114710186A (zh) 一种低成本广覆盖的毫米波预编码方法
He et al. RIS-assisted broad coverage for mmWave massive MIMO system
Sun et al. Sum-rate optimization for RIS-aided multiuser communications with movable antenna
CN116033461B (zh) 一种基于star-ris辅助的共生无线电传输方法
Sheemar et al. Intelligent reflecting surfaces assisted millimeter wave MIMO full duplex systems
CN115001545B (zh) 一种毫米波大规模mimo***中的混合预编码方法
CN114285443B (zh) 动态超表面天线辅助的近场宽带上行mimo传输方法
CN115865159A (zh) 适用于无蜂窝毫米波mimo***的角度域混合波束成形方法
Feng et al. Hybrid precoding for massive MIMO systems using partially-connected phase shifter network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination