[發明專利]大規模MIMO系統的聯合信道信息獲取方法

有效

• 申請號: 202010625345.1
• 申請日: 2020-07-02
• 公開（公告）號: CN111786708B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 劉紅;趙柏睿;張忠培
• 申請（專利權）人: 電子科技大學
• 主分類號: H04B7/08
• 分類號: H04B7/08;H04B7/06;H04B7/0456;H04B7/0413
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

1.大規模MIMO系統的聯合信道信息獲取方法，該方法用于使用移相器網絡的毫米波大規模MIMO單用戶HBF系統，系統中基站端配置了N_t個發射天線和個射頻鏈路，基站向配置了N_r個天線和個射頻鏈路的用戶端傳送N_s條數據流，并且滿足N_s條數據流先通過維度為的數字處理器F_BB，再通過個射頻鏈路連接到維度為的模擬波束賦形處理器F_RF，經天線發送后，在接收端分別通過模擬組合處理器和數字組合處理器處理，還原得到N_s條數據流；其特征在于，所述方法包括以下步驟：

S1、建立模型：

假設使用的毫米波信道為準靜態信道，信道矩陣H在T個時間內被視作是恒定的，接收信號的矢量表達式如下：

其中，P表示發送端的發射功率，n表示加性高斯白噪聲矢量，服從的正態分布，均值為0，方差為為單位陣，s表示發送的導頻符號；

以最小化均方誤差為目標，同時令均方誤差為建立如下模型：

Tr(P^HP)≤P

其中，對角矩陣P是功率分配矩陣，(F_RF)_i,j和(W_RF)_i,j分別為矩陣F_RF和矩陣W_RF中第i行第j列的元素；

S2、通過求解步驟S1建立的模型，得到信道矩陣H，具體方法為：

先隨機生成一個符合窄帶毫米波信道特征的信道矩陣H，將模型轉化為一個包含離散恒模約束以及功率控制約束的HBF矩陣優化設計問題，并使用多個流形輔助的MADMM方法進行求解，包括：

引入輔助變量F＝F_RFF_BB，將模型重新表示為：

F＝F_RFF_BB

Tr(P^HP)≤P

上式的增廣拉格朗日函數表達式為：

其中，α表示懲罰參數標量，表示拉格朗日算子矩陣，將增廣拉格朗日函數定義為目標函數，通過目標函數求解F_RF、W_RF、F_BB、W_BB；目標函數在第n次迭代時，迭代求解的步驟為：

s.t.Tr(P^HP)≤P

基于Riemannian流形的共軛梯度線搜索方法更新變量F_RF和W_RF，具體方法為：

由于模擬波束賦形矩陣F_RF中的每一個元素都滿足單位模限制，將限制區域視為一個嵌入式子流形空間，令x＝vec(F_RF)，即構成了一個上的給定了內積的黎曼子流形，表示為：

給出流形上任意點x的正切空間表達式如下

其中，向量且與x正交；

首先對目標函數進行化簡，將目標函數改寫為僅包含F_RF的表達式

對上式求導得到歐幾里得梯度表達式

基于黎曼流形的性質，流形上點x處的黎曼梯度表示為歐幾里得梯度在切空間上的投影為：

其中，是歐幾里得梯度的矢量化表示；

令α_t表示搜索步長，d_t表示搜索方向，運用回縮運算，將黎曼流形上的點沿著切向量移動，得到切空間到黎曼流形的映射關系表達式：

使用Armijo回溯法獲取搜索步長α_t，表達式為

其中c0，且a和b分別是0至1之間取值的標量，取滿足上式的最小的整數l，得到搜索步長為α_t＝ab^l；使用傳輸運算，用于實現兩個不同切空間切向量的合并，對于將切空間上的切向量映射到另一個切空間上的問題，傳輸運算的表達式如下：

綜上所述，使用定義在黎曼流形的切空間、黎曼梯度、Armijo回溯法、回縮運算以及傳輸算法，通過基于黎曼流形優化的共軛梯度算法迭代，使切向量收斂到一個臨界點，得到F_RF的局部最優解；

同理可得W_RF的局部最優解；

基于Oblique流形的最速梯度下降方法更新變量F，具體方法為：

首先給出Oblique流形的定義表達式為

Oblique流形看作是復空間上的嵌入式子流形空間，取矩陣得到復數Oblique流形在點F處的切空間表達式為

對目標函數求導得到歐幾里得梯度表達式為

令ε表示一個包含流形的歐幾里得空間，對于任意點X∈ε，點到流形上的投影等效于點X到流形的最短距離

則點F到流形上的投影為

通過投影將向量映射到流形的切空間，將流形上的點F的梯度定義為該點處歐幾里得梯度到流形切空間的投影，得到梯度表達式

令d^(k)表示第k次迭代的搜索方向，基于最速梯度下降的思想，得令α^(k)表示第k次迭代的搜索步長，采用Armijo線搜索方法，滿足表達式

其中，c_dec是取值范圍在10^-4至0.1之間的標量，表示函數沿搜索方向α^(k)d^(k)的方向導數，定義為點F在流形上的梯度與搜索方向的內積：

綜上所述，使用基于oblique流形優化的梯度下降算法，則點F在流形上的更新表達式為

迭代至收斂后可得F的最優解；

由目標函數關于F_BB和W_BB的梯度表達式更新F_BB和W_BB，獲得其余變量后更新變量P；獲得收斂到最優的波束賦形矩陣解后，代入步驟S1建立的模型，得到：

取向量化操作：

設A_R和A_T分別表示所有接收天線陣列矢量以及發送天線陣列矢量的集合，D表示信道的歸一化因子與各子路徑增益的積，即信道矩陣為得到：

從而構建一個稀疏信道矩陣恢復問題為：

s.t.||D||₀＝N_p

通過OMP算法求解問題獲取信道矩陣H。