介绍

现代无线通信系统使用空间复用来提高系统内的数据吞吐量散射体丰富的环境。为了通过通道发送多个数据流,一组预编码,结合权重来自信道矩阵。然后每个数据流可以独立地恢复。这些权重包含幅度和相位条款和通常应用在数字域。模拟的一个例子可以找到这样的一个系统提高无线通信系统的信噪比和能力利用天线阵列的例子。系统图中所示,每个天线连接到一个独特的传输和接收(TR)模块。

日益增长需求高数据速率和更多的用户容量增加了需要更有效地利用频谱。因此,下一代,5克,无线系统将使用毫米波(mmWave)乐队利用其广泛的带宽。此外,5 g系统部署大规模天线阵列来缓解严重的传播损耗的mmWave乐队。然而,这些配置使他们独特的技术挑战。

当前无线系统相比,mmWave乐队的波长小得多。虽然这使得数组包含更多的元素具有相同的物理维度,它变得更加昂贵的提供一个TR模块为每个天线元素。因此,作为妥协,TR开关通常用于提供多个天线元素。这是相同的概念中使用的子数组配置雷达社区。一个这样的配置如下图所示。

上图表明,在发送端,TR开关的数量, $$N_{TRF}$$小于天线元素的数量, $$N_T$$。提供更大的灵活性,每个天线元素可以被连接到一个或多个TR模块。此外,模拟相移可以插入每个TR模块和天线之间提供一些有限的指导能力。

配置在接收机端是相似的,如图。数据流的最大数量, $$N_{\mathrm{年代}}$$,这个系统可以支持的是较小的金宝app $$N_{TRF}$$和 $$N_{RRF}$$。

在这个配置中,它不再是可能的应用数字在每个天线元素权重。相反,数字重量只能应用在每个射频链。在元素层面,通过模拟相移信号调整,这只改变信号的相位。因此,预编码或结合实际上是在两个阶段完成的。因为这种方法执行波束形成在这两个数字和模拟域,它被称为混合波束形成。

系统设置

本节16 MIMO混合波束形成系统,模拟64 x 64元素方格4射频发射机一侧链和16-element方格4射频接收机端的链。

元= 64;NtRF = 4;Nr = 16;NrRF = 4;

在这个模拟过程中,假设每个天线连接到所有射频链。因此,每个天线连接到4相移。这样可以通过分区建模数组阵列孔径分成4完全连接。

rng (4096);c = 3 e8;fc = 28 e9;λ= c / fc;txarray = phased.PartitionedArray (…“数组”,phased.URA ([√Nt)√(Nt)],λ/ 2),…“SubarraySelection”的(NtRF Nt),“SubarraySteering”,“自定义”);rxarray = phased.PartitionedArray (…“数组”,phased.URA ([√Nr)√(Nr)],λ/ 2),…“SubarraySelection”的(NrRF Nr),“SubarraySteering”,“自定义”);

频谱效率最大化,每个射频链可以用来发送一个独立的数据流。在这种情况下,系统可以支持多达4流。金宝app

接下来,假设一个散射环境6散射集群随机分布在空间。在每个集群中,有8个密切位于散射角5度的传播,共计48散射。每个散射体的路径增益获得从一个复杂的循环对称的高斯分布。

Ncl = 6;Nray = 8;Nscatter = Nray * Ncl;angspread = 5;%计算随机散射体集群txclang =[兰德(Ncl) * 120 - 60,兰德(Ncl) * 60-30);rxclang =[兰德(Ncl) * 120 - 60,兰德(Ncl) * 60-30);Nscatter txang = 0(2日);Nscatter rxang = 0(2日);%计算每个集群内的射线为m = 1: Ncl txang (:, (m - 1) * Nray + (1: Nray)) = randn 2 Nray *√(angspread) + txclang (:, m);rxang (:, (m - 1) * Nray + (1: Nray)) = randn 2 Nray *√(angspread) + rxclang (:, m);结束Nscatter g = (randn(1) + 1我* randn (Nscatter)) /√(Nscatter);

信道矩阵可以形成

txpos = getElementPosition (txarray) /λ;rxpos = getElementPosition (rxarray) /λ;H = scatteringchanmtx (txpos rxpos、txang rxang, g);

混合权重计算

空间多路复用系统中所有数字波束形成,由一组预编码信号调制权重,通过传播通道,恢复了一组结合权重。在数学上,这个过程可以描述的Y = F (X * * H + N) * W在哪里X是一个Ns列矩阵的列数据流,F是一个Ns $$\times$$Nt代表预编码矩阵的权重,W是一个Nr $$\times$$Ns矩阵代表结合权重,N是一个Nr列矩阵的列是在每个元素,接收机噪声Y是一个Ns列矩阵的列数据流中恢复过来。由于系统的目标是实现更好的频谱效率,获取预编码,结合权重可以被看作是一个优化问题的最优预编码,结合权重的乘积F * H * W '一个对角矩阵每个数据流可以恢复独立。

在混合波束形成系统中,信号流是相似的。预编码的重量和结合权重加权和射频带模拟基带数字组合权重。基带数字权重将传入的数据流转换为输入信号在每个射频链和模拟权重,然后在每个射频信号链转化为信号辐射或收集每个天线元素。注意,模拟重量只能包含相移。

在数学上,它可以写成F = Fbb *误差和W = Wbb * Wrf,在那里Fbb是一个Ns $$\times$$NtRF矩阵,降维一个NtRF $$\times$$Nt矩阵,Wbb一个NrRF $$\times$$Ns矩阵,Wrf一个Nr $$\times$$NrRF矩阵。因为两个降维和Wrf只能用于修改信号相位,有额外的约束优化过程中确定最优预编码,结合权重。理想情况下,结果的组合Fbb润扬悬索桥*和Wrf * Wbb接近的近似F和W没有这些约束了。

不幸的是,优化所有四个矩阵变量同时是相当困难的。因此,提出了许多算法到达理想体重与一个合理的计算负载。这个示例使用[1]中提出的方法,将预编码的优化,结合权重。它首先使用正交匹配追踪算法推导出预编码与权重。一旦预编码重量计算,然后使用结果来获得相应的组合权重。

假定已知通道,无约束最优预编码权重可以通过对角矩阵和提取第一个频道NtRF主导模式。传输光束模式可以绘制

F = diagbfweights (H);F = F (1: NtRF:);模式(fc, txarray 90:90 90:90,“类型”,“efield”,…“ElementWeights”F ',“PropagationSpeed”c);

上面的响应模式表明,即使在多径环境中,有有限数量的主导方向。

混合权重,另一方面,可以计算

在= steervec (txpos txang);基于“增大化现实”技术= steervec (rxpos rxang);Ns = NtRF;润扬悬索桥(Fbb) = omphybweights (H, Ns, NtRF);

光束模式的混合权重如下所示:

模式(fc, txarray 90:90 90:90,“类型”,“efield”,…“ElementWeights”润扬悬索桥,‘* Fbb’,“PropagationSpeed”c);

光束模式相比,使用最优权重,获得使用混合权重光束模式是相似的,尤其是占主导地位的光束。这意味着数据流可以成功地通过这些光束传播使用混合权重。

频谱效率比较

系统级的性能指标5 g系统的频谱效率。下一节比较了频谱效率通过使用最优权重与提出混合波束形成的权值。仿真假设1或2[1]中所述的数据流。传输天线阵列被认为是在一个基站,在方位聚焦波束宽度为60度,在海拔20度。信号可以从任何方向到达接收数组。由此产生的光谱效率曲线获得50为每个信噪比蒙特卡罗试验。

snr_param = 40:5:0;Nsnr =元素个数(snr_param);Ns_param = (1 - 2);NNs =元素个数(Ns_param);NtRF = 4;NrRF = 4;Ropt = 0 (Nsnr NNs);Rhyb = 0 (Nsnr NNs);硝石= 50;为m = 1: Nsnr信噪比= db2pow (snr_param (m));为n = 1:硝石%通道实现txang =[兰德(Nscatter) * 60-30;兰德(Nscatter) * 20);rxang =[兰德(Nscatter) * 180 - 90;兰德(Nscatter) * 90 - 45);在= steervec (txpos txang);基于“增大化现实”技术= steervec (rxpos rxang);Nscatter g = (randn(1) + 1我* randn (Nscatter)) /√(Nscatter);H = scatteringchanmtx (txpos rxpos、txang rxang, g);为k = 1: NNs Ns = Ns_param (k);%计算最优权重及其频谱效率[据,Wopt] = helperOptimalHybridWeights (H, Ns, 1 /信噪比);Ropt (m, k) = Ropt (m, k) + helperComputeSpectralEfficiency (H,录像,Wopt, Ns,信噪比);%计算混合权重及其频谱效率润扬悬索桥(Fbb Wbb, Wrf] = omphybweights (H, Ns, NtRF NrRF, Ar, 1 /信噪比);Rhyb (m, k) = Rhyb (m, k) + helperComputeSpectralEfficiency (Fbb *润扬悬索桥,H, Wrf * Wbb, Ns,信噪比);结束结束结束Ropt = Ropt /硝石;Rhyb = Rhyb /硝石;情节(snr_param Ropt (: 1),“老——”,…snr_param Ropt (:, 2),“——b”,…snr_param Rhyb (: 1),“老”,…snr_param Rhyb (:, 2),“- b”);包含(“信噪比(dB)”);ylabel (频谱效率(比特/秒/赫兹的);传奇(“Ns = 1最优”,“Ns = 2优”,“Ns = 1混合”,“Ns = 2混合”,…“位置”,“最佳”);网格在;

这个数字表明,频谱效率显著提高,当我们增加数量的数据流。此外,混合波束形成可以执行接近最优权重可以提供使用更少的硬件。

总结

这个示例介绍了混合波束形成的基本概念和展示了如何将预编码,结合权重使用正交匹配追踪算法。这表明混合波束形成可以匹配数字权重提供的性能最优。

引用

[1]Omar El Ayach等。空间稀疏毫米波MIMO系统中预编码,IEEE无线通讯,13卷,2014年3月3号。