[发明专利]一种massive MIMO系统的波束赋形方法

说明书

本发明公开一种massive MIMO系统的波束赋形方法。包括根据系统的参数设计模数混合码本；利用所设计的码本进行波束搜素，捕捉信道；确定massive MIMO系统的数学模型，搭建与之相对应的复数神经网络；将搜索得到的码本对设置为射频赋形矩阵的初始值，同时设置其他超参数进行训练，系统收敛时各层之间的权重即为所求解的波束赋形各阶段矩阵；根据所述波束赋形权值矩阵对数据信号进行波束赋形处理。

技术领域

本发明涉及通信领域，具体是指massive MIMO系统的波束赋形方法，它适用于全数字混合波束赋形系统、模拟波束赋形系统和模数混合波束赋形系统。

背景技术

随着用户需求的上升和多媒体业务的发展，人们对无线网络的需求越来越高，仅仅使用6GHz以下的频谱难以满足应用需求。毫米波频段拥有丰富的频谱资源，可以提供数百兆赫兹乃至数吉赫兹的带宽，是解决容量的最直接途径。但是毫米波通信系统的路径损耗大，透射绕射能力差。为应对这一问题，通常需要在收发端配置大量天线组成大规模阵列来获得高方向性的增益，弥补其在传输上的能量损耗。

massive MIMO系统对硬件成本和功耗有严格限制，不可能为每根天线都配置一个射频链路。目前最实用的方案是采用模数混合波束赋形架构。这种架构是模拟和全数字波束赋形器之间复杂度和灵活性的一个折中，由运行在基带的几个数字赋形器和运行在射频端的一个模拟波束赋形网络组成。由于模拟赋形器通常由移相器组成，灵活度受限，导致系统各个赋形矩阵的求解难度较大。

现有技术提出了一种基于正交匹配追踪的混合预编码算法，该算法利用了毫米波信道在角度域的稀疏特性，将赋形矩阵的求解转换为稀疏近似问题，其中模拟波束赋形矩阵从码本中选择得出。该方法性能有所损失且较难获得最优解。现有技术还假定模拟赋形矩阵各列相互正交，将联合优化问题转化为独立逐级优化，降低了问题求解的复杂度。有学者推导了模拟预编码系数固定时，使系统频谱效率最高的数字预编码器的封闭最优解，并通过迭代算法求解模拟预编码矩阵。也有方法简单地将过程分解为两部分，模拟赋形阶段目标是使信号接收功率最大化，数字赋形阶段使用传统的ZF或BD等方法。还有些学者等对信道矩阵进行SVD分解，然后让发送端与接收端的模拟和数字赋形矩阵的乘积分别逼近分解结果左右矩阵的共轭转置矩阵。这些方法中，处理方式简单的性能偏差，迭代求解的一些方法涉及大量的矩阵运算，而且矩阵的求解公式往往是在一定的假设基础上推导得到，如果假设条件不能满足，结果便会出错。

近年来，深度学习技术发展迅速，不少厂商已经推出了加速计算的芯片。

将算法转化为神经网络的优化移植到相应的硬件中可以获得很好的加速。

发明内容

本发明的目的是解决模数混合波束赋形系统中矩阵数目多且部分矩阵有约束造成的求解困难问题，提供了一种massive MIMO系统的波束赋形方法。

为实现上述目的，本发明提供了如下技术方案：

一种massive MIMO系统的波束赋形方法，其特征在于，包括：

根据系统的参数设计模数混合码本；

利用所设计的码本进行波束搜素，捕捉信道；

确定massive MIMO系统的数学模型，搭建与之相对应的复数神经网络；

将搜索得到的码本对设置为射频赋形矩阵的初始值，同时设置其他超参数进行训练，系统收敛时各层之间的权重即为所求解的波束赋形各阶段矩阵；

根据所述波束赋形权值矩阵对数据信号进行波束赋形处理。

作为优选，massive MIMO系统的数学模型具体是：

经过发送端数字预编码和模拟波束赋形之后的传输信号可以表示为：