混合波束形成简介

打开实时脚本

本例介绍了混合波束形成的基本概念，并展示了如何模拟这种系统。

简介

现代无线通信系统使用空间多路复用来提高系统内散射体丰富的环境中的数据吞吐量。为了通过信道发送多个数据流，从信道矩阵中推导出一组预编码和组合权重。这样每个数据流都可以独立恢复。这些权重包含幅度和相位项，通常应用于数字领域。一个模拟这样一个系统的例子可以在利用天线阵列提高无线通信的信噪比和容量的例子。在下图所示的系统图中，每个天线都连接到一个唯一的发射和接收(TR)模块。

对高数据速率和更大用户容量的不断增长的需求增加了更有效地使用频谱的需求。因此，下一代5G无线系统将使用毫米波(mmWave)频段来利用其更宽的带宽。此外，5G系统部署了大规模天线阵列，以减轻毫米波波段的严重传播损失。然而，这些配置带来了独特的技术挑战。

与目前的无线系统相比，毫米波波段的波长要小得多。尽管这允许一个阵列包含更多具有相同物理尺寸的元素，但为每个天线单元提供一个TR模块的成本要高得多。因此，作为一种折衷，通常使用TR开关来提供多个天线元件。这与雷达社区中使用的子阵列配置是相同的概念。如下图所示。

上图显示，在发射端，TR开关的数量， $N_{T R F}$ ，小于天线单元数， $N_{T}$ ．为了提供更大的灵活性，每个天线元件可以连接到一个或多个TR模块。此外，可以在每个TR模块和天线之间插入模拟移相器，以提供一些有限的转向能力。

接收端配置类似，如图所示。数据流的最大数量， $N_{年代}$ ，该系统所能支持的是较小的金宝app $N_{T R F}$ 而且 $N_{R R F}$ ．

在这种配置中，不再可能在每个天线元件上应用数字权重。相反，数字权重只能应用于每个射频链。在元件级，信号由模拟移相器调整，它只改变信号的相位。因此，预编码或组合实际上分两个阶段完成。由于这种方法在数字域和模拟域同时进行波束形成，因此被称为混合波束形成。

系统设置

本节模拟一个64 × 16 MIMO混合波束形成系统，在发射端有一个64元方阵，有4个射频链，在接收端有一个16元方阵，有4个射频链。

Nt = 64;NtRF = 4;Nr = 16;NrRF = 4;

在这个模拟中，假设每个天线都连接到所有RF链。因此，每个天线连接到4个移相器。这种阵列可以通过将阵列孔径划分为4个完全连接的子阵列来建模。

rng (4096);C = 3e8;Fc = 28e9;Lambda = c/fc;Txarray =相控。PartitionedArray (.．.“数组”, phased.URA([√Nt)√(Nt)],λ/ 2),.．.“SubarraySelection”的(NtRF Nt),“SubarraySteering”，“自定义”）;Rxarray =相控。PartitionedArray (.．.“数组”, phased.URA([√Nr)√(Nr)],λ/ 2),.．.“SubarraySelection”的(NrRF Nr),“SubarraySteering”，“自定义”）;

为了最大限度地提高频谱效率，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，系统最多可以支持4个流。金宝app

接下来，假设散射环境中有6个散射簇随机分布在空间中。在每个簇内，有8个位置紧密的散射体，角分布为5度，共48个散射体。每个散射体的路径增益由一个复杂的圆形对称高斯分布得到。

Ncl = 6;Nray = 8;Nscatter = Nray*Ncl;Angspread = 5;计算随机放置的散点集群txclang =[兰德(Ncl) * 120 - 60,兰德(Ncl) * 60-30);rxclang =[兰德(Ncl) * 120 - 60,兰德(Ncl) * 60-30);txang = 0 (2,Nscatter);rxang = 0 (2,Nscatter);%计算每个簇内的射线为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g = (randn(1,Nscatter)+1i*randn(1,Nscatter))/根号(Nscatter);

信道矩阵可以形成为

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

混合权重计算

在全数字波束形成的空间多路复用系统中，信号由一组预编码权值调制，通过信道传播，并由一组组合权值恢复。在数学上，这个过程可以用Y = (x * f * h + n)* w在哪里X是一个Ns-column矩阵，列为数据流，F是一个Ns $\times$ Nt矩阵表示预编码权重，W是一个Nr $\times$ Ns表示组合权重的矩阵，N是一个Nr-column矩阵，列为每个元素上的接收机噪声，和Y是一个Ns-column矩阵，列为恢复的数据流。由于系统的目标是获得更好的频谱效率，因此预编码和组合权值的获取可以看作是一个优化问题，其中最优的预编码和组合权值是的乘积F * H * W '一个对角矩阵，这样每个数据流都可以独立地恢复。

在混合波束形成系统中，信号流是类似的。预编码权值和组合权值都是基带数字权值和射频带模拟权值的组合。基带数字权值将输入数据流转换为每个射频链上的输入信号，然后模拟权值将每个射频链上的信号转换为每个天线元件辐射或收集的信号。注意，模拟权重只能包含相移。

数学上，它可以写成F = Fbb *误差而且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。因为两个降维而且Wrf只能用于修改信号相位，在优化过程中有额外的约束来确定最优的预编码和组合权重。理想情况下，最终的组合Fbb润扬悬索桥*而且Wrf * Wbb是否接近F而且W在没有这些约束条件的情况下。

不幸的是，同时优化所有四个矩阵变量是相当困难的。因此，提出了许多算法在合理的计算负荷下达到次优权重。本例使用[1]中提出的方法，该方法将预编码和组合权重的优化解耦。该算法首先利用正交匹配寻踪算法推导出预编码权值。一旦预编码权重被计算出来，结果就会被用来获得相应的组合权重。

假设信道是已知的，通过对角化信道矩阵，提取信道矩阵的第一个，可以得到无约束的最优预编码权值NtRF主导模式。发射光束图可绘制为。

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，即使在多路径环境中，主导方向的数量也是有限的。

另一方面，混合权重可以计算为

At = steervec(txpos,txang);Ar = steervec(rxpos,rxang);Ns = NtRF;[Fbb,Frf] = omphybweights(H,Ns,NtRF,At);

混合权重的波束图如下所示

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

与采用最优权值得到的梁型相比，采用混合权值得到的梁型是相似的，特别是对于主梁。这意味着数据流可以使用混合权重成功地通过这些波束传输。

光谱效率比较

5G系统的系统级性能指标之一是频谱效率。下一节比较了使用最优权值与提出的混合波束形成权值实现的频谱效率。模拟假设[1]中概述的1或2个数据流。发射天线阵列假定位于基站，其聚焦波束宽度为方位角60度，仰角20度。信号可以从任何方向到达接收阵列。所得到的光谱效率曲线是由每个信噪比的50个蒙特卡罗试验获得的。

Snr_param = -40:5:0;Nsnr = numel(snr_param);Ns_param = [1 2];NNs = numel(Ns_param);NtRF = 4;NrRF = 4;Ropt =零(Nsnr,NNs);Rhyb =零(Nsnr,NNs);镍= 50;为m = 1: snsnr snr = db2pow(snr_param(m));为n = 1:镍%渠道实现txang = [rand(1,Nscatter)*60-30;rand(1,Nscatter)*20-10];rxang = [rand(1,Nscatter)*180-90;rand(1,Nscatter)*90-45];At = steervec(txpos,txang);Ar = steervec(rxpos,rxang);g = (randn(1,Nscatter)+1i*randn(1,Nscatter))/根号(Nscatter);H = scatteringchanmtx(txpos,rxpos,txang,rxang,g);为Ns = Ns_param(k);计算最优权值及其谱效率[Fopt,Wopt] = helperOptimalHybridWeights(H,Ns,1/snr);Ropt(m,k) = Ropt(m,k)+helperComputeSpectralEfficiency(H,Fopt,Wopt,Ns,snr);计算混合权重及其谱效率[Fbb,Frf,Wbb,Wrf] = omphybweights(H,Ns,NtRF,At,NrRF,Ar,1/snr);Rhyb(m,k) = Rhyb(m,k)+helperComputeSpectralEfficiency(H,Fbb*Frf,Wrf*Wbb,Ns,snr);结束结束结束Ropt =腐/硝;Rhyb = Rhyb/Niter;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 (光谱效率(比特/秒/赫兹)）;传奇(“Ns = 1最优”，“Ns = 2优”，“Ns = 1混合”，“Ns = 2混合”，.．.“位置”，“最佳”）;网格在；