搜索
毫米波MIMO通信系统中混合预编码一：前言随着移动通信、卫星通信以及星载电子等方面的迅猛发展，对系统的容量要求越来越高。由于在高频微波频段有着极为丰富的频谱资源，现代通信系统正在向高频微波特别是毫米波频段发展。毫米波通信与传统的无线电短波、超短波和微波通信相比，具有不少独特之处。由于毫米波通信能够在室内无线系统中实现Gbit每秒的速率，毫米波硬件设备的发展，较大频谱资源可以被利用，无线工业已经考虑将毫米波用作户外蜂窝系统出入链路的通信。毫米波与当前的大多数无线系统相比，载频增加了十倍。但是，毫米波的短波长却能够让发射/接收端应用大规模的天线阵列，它能够提供了波束赋形增益来有效的克服路径损耗，并且得到良好的SNR。更重要的是，大规模天线阵列能够促进预编码后的多元数据流，获得较大的频谱效率，同时增加系统的容量。大规模阵列的定向预编码似乎能够应用在户外链路中，为接收信号提供有效地信号能量，并且能够实现合理的预编码增益。但是由于混合信号的消耗较大的能量，让单纯的数字预编码不能很好的实现。所以，当前主要是利用了混合的构架，将预编码/结合过程分为，数字和模拟过程。在此构架之下，能够实现较大的频谱效率，同时能够降低成本。但是，目前，该构架也存在着很多的局限性，如混合构架中的硬件限制。另外，由于模拟预编码部分利用移相器，所以也就让系统构架增加了额外的限制，如恒定模数，量化角度等等。在本篇论文中，主要对当前构架中的预编码/结合矩阵的设计，以及相应的算法，作了一个总结。二：预编码/结合矩阵设计图1是混合阵列的模型图。从中可以看出,在接收两端，预编码过程都被分成模拟/数字两个过程。数字预编码结束之后，链接若干个RFaaaaaa链，每个RF链是一个模拟阵列，与之相连的是适量的移相器。模拟预编码过程就是通过移相器进行的。图1：混合预编码阵列模型在这个系统中，如何设计最优的预编码/结合矩阵是当前研究的主要方向之一。针对这一问题，[10]中提出了一种基于OMP算法的空间稀疏预编码，在已知CSI条件下，它主要考虑三个方向的因素:(1)有RF硬件限制的预编码；（2）利用大规模天线阵列；（3）考虑限制性散射的毫米波信道。在这些条件之下，最大化交互信息。通过对信道矩阵进行SVD分解之后，可以得到最优的字典矩阵。此时最小化混合预编码矩阵和最优的字典矩阵的欧几里得距离，得到最优化的预编码矩阵。在此基础之上，如果已知部分信道信息[8]，即接收端不知发射端的AOD。接收端会估计每条信道的路径增益，从而计算接收条件协方差矩阵，然后利用算法对数/模预编码矩阵进行重建。为了能够降低预编码设计算法的复杂度，[12]中建立一个基于码本的下行链路低复杂度多用户预编码矩阵算法。其算法主要进行两个阶段的设计第一个阶段是选择单最优化的用户RF波束赋形矢量和结合矢量，第二个阶段是多用户数字预编码器的设计。MS估计有效信道之后，用码本对它进行量化处理，然后将处理后的结果反馈给基站，基站利用该量化后的结果设计其迫零数字预编码器。然而，在未知CSI情况之下，通过对子空间的估计和分解也能从另一个角度获得最优预编码器，同时能够减少RF的使用，降低成本[19]。信道通过SVD分解HHHH22211121212100,H，其主要利用一个随机矢量1q，迭代得到一个正交矩阵mmqqQ,...,1，利用回声原理和Arnoldi算法估计出子空间1。子空间估计完成之后，利用块坐标下降的方法对子空间进行分解，得到最佳的预编码矩阵。而组合矩阵可以通过对1做同样的过程获得。二：系统构架为了降低成本，系统的复杂度和能量消耗。[18]在BS利用移相器的假设条件下，MS端利用开关来代替相移器。另外，其中提出了一个基于信道估计的压缩感知方案。对信道进行估计之后，MS端开始利用HAS算法对天线进行选择，并且通过最小化Frobinus，来设计结合矩阵。基于开关的构架是一个低功率低复杂度的方案，在与标准阵列类型拥有等量RF链路的基础上，能够降低能量消耗。提出的混合天线选择算法和结合算法能够获得比较好的频谱效率，但是由于阵列增益比移相结构小，导致了它频谱效率比较低。另外，[13]在混合构架中间采用了一个AF中继器，基站发射OFDM信号经过预编码处理之后，通过AF中继器，最后到达MS进行组合恢复处理。利用基于OMP的混合预编码算法，设计预编码矩阵，然后利用同样的方法，设计混合中继器。根据仿真的结果如图2可以看出，提出的方法比导向波束理论获得更好的性能。图2在不同SNR下平均比率的比较三：结论当前毫米波MIMO系统下混合预编码设计，主要是如何设计低复杂度的算法来得到预编码矩阵；如何突破混合构架中的硬件限制，如何降低混合系统的成本，是系统实现最大化的性能。当前预编码矩阵的设计，主要是算法的设计。所以在以后的工作中，可以设计低复杂度的算法。针对硬件限制问题，主要考虑的是，如何设计RF的数量，或者找到其他的方法来代替RF，这也是以后可以研究的方向。参考文献[1]:SpatiallySparsePrecodinginMillimeterWaveMIMOSystems[2]:HybridPrecodingforMillimeterWaveCellularSystemswithPartialChannelKnowledge[3]:LimitedFeedbackHybridPrecodingforMulti-UserMillimeterWaveSystems[4]:SubspaceEstimationandDeconpositionforHybridAnalog-DigitalMillmeter-WaveMIMOsystems[5]:ChannelEstimationandHybridCombiningformmWave:PhaseShiftersorSwitches[6]:AFRelayingforMillimeterWaveCommunicationSystemswithHybridRF/BasebandMIMOProcessing