一种面向大规模MIMO中NLOS场景下的波束赋形方法技术

本发明专利技术属于通信技术领域，公开了一种面向大规模MIMO中NLOS场景下的波束赋形方法，在基站侧获得信道估计矩阵；将信道估计矩阵做自相关得到空间相关矩阵；根据最大接收信噪比准则构造优化问题；等效最小化优化问题；求解最优权向量；最大值归一化；与垂直方向天线权值克罗内克积；与发送数据相乘。本发明专利技术具有对信道时变特性敏感度低，抗非视距NLOS的能力强，算法复杂度低，实现简单的优点，本发明专利技术最终很好的提高了期望用户的接收功率。本发明专利技术解决了现有技术的波束赋形方法抵抗信道时变性能力较弱，多径情况下无法有效提升期望用户接收功率，算法复杂度高的问题。

A beamforming method for large scale MIMO in NLOS scenario

The invention belongs to the field of communication technology, and discloses a beamforming method for NLOS scene in large-scale MIMO, which obtains the channel estimation matrix at the base station side; obtains the spatial correlation matrix by making the channel estimation matrix autocorrelation; constructs the optimization problem according to the maximum received noise ratio criterion; solves the equivalent minimization optimization problem; Optimal weight vector; Maximum normalization; Cronique product with vertical antenna weight; Multiplication with transmitted data. The invention has the advantages of low sensitivity to channel time-varying characteristics, strong anti-NLOS capability, low algorithm complexity and simple implementation, and the receiving power of the desired user is improved eventually. The invention solves the problem that the existing beam forming method has weak resistance to channel time-varying, and can not effectively enhance the expected user receiving power in the case of multipath, and the algorithm complexity is high.

【技术实现步骤摘要】
一种面向大规模MIMO中NLOS场景下的波束赋形方法
本专利技术属于通信
，尤其涉及一种面向大规模MIMO中NLOS场景下的波束赋形方法。
技术介绍
目前，业内常用的现有技术是这样的：经过近几十年的飞速发展，小型移动通信设备的普及,与物联网相关的性能变化以及多媒体等数据业务需求呈现爆发式增长，移动无线通信的流量显著增长，面向这样的需求，长期演进(LTE)以及LTE-A在不久的将来将无法满足，因此第五代(5G)移动通信系统预计将在2020年实现，通过技术的演进和创新，5G可以通过充分利用一系列新兴的技术来满足未来广泛的数据业务及连接数的发展需求，并进一步提升用户体验。满足需求的有前景的技术包括大规模MIMO(MassiveMIMO)波束赋形(BF)技术以及高密度基站(BS)部署，大规模MIMO波束赋形技术能够有效的提升数据信号的覆盖范围以及增加空间复用用户的数量，所以，设计有效的能够提升系统性能的大规模MIMO波束赋形算法成为近几年的研究热点。在市区宏小区非视距(NLOS)场景中，由于大尺度衰落导致各径的路径损耗比较大，并且多径时延扩展也会提高，而传统的波束赋形方法一方面因为路径损耗比较大，在接收端没有办法有效地提升期望信号的接收功率，另一方面由于多径赋形导致能量过于分散，无法将能量更多的集中在主要的方向上，因此在5G系统该场景中设计有效的波束赋形算法，从而提高系统功率增益，是急需解决的问题。王博等人在其发表的论文“非视距NLOS场景下的宽带无线通信系统(数字通信世界,2017:56-57.)”中提出了非视距NLOS会带来的挑战，并且指出了大规模MIMO波束赋形技术是对抗非视距NLOS的技术手段之一。陈明佳等人在其发表的论文“TD-HSPA+MU-MIMO系统迫零波束赋形算法研究(数据通信,2010:25-28.)”中提出了一种适用于多径衰落信道的迫零(ZF)波束赋形算法。该论文的波束赋形算法是在发送端完全已知信道状态信息的情况下，简便的使用整个信道的伪逆矩阵作为发送端的加权向量，并对各个加权向量归一化以满足功率约束。ZF算法能够消除各信道之间的干扰，并且整个信道等效成多个独立并行的增益为1的信道。该算法虽然能使其他天线的干扰为零，但是却存在着放大背景噪声的缺点，在低信噪比的时候性能较差，并且在多径信道场景中也无法完全获知每一条径的信道状态信息。EmilBjornson等人在其发表的论文“OptimalMultiuserTransmitBeamforming:ADifficultProblemwithaSimpleSolutionStructure(IEEESignal.Proc.Mag,2014:142-148.)”中提出了一种基于最强路径准则的共轭归一波束赋形方法(MRT)。该论文指出，对于采用与UE侧单天线发射一致的处理方式，可以把对应的信道估计矢量的共轭转置并归一化作为波束赋形矢量，当不考虑无线信道的时变特性时，那么对应的天线在下行接收时能够使得接收功率最大化。该算法虽然能在低信噪比时最大化信号功率，但是在高信噪比时却不能有效地抑制信号之间的相互干扰，另外在实际系统应用中，无线信道必然会存在时变，利用该算法同样会影响接收信号的性能。此外，LiangZhang等人在其发表的论文“AnEigendecomposition-BasedApproachtoBlindBeamforminginaMultipathEnvironment(IEEECommunicationsLetters,2017:322-325)”中提出了一种多径场景中基于特征值分解的波束赋形算法(EBB)。该论文的赋形方法在已知信道估计空间相关矩阵的前提下，求得其最大特征值对应的特征向量即为最优权向量，其综合考虑了最大化期望用户接收功率以及干扰信号功率的最小化。EBB算法的优势在于不需要获知瞬时的信道状态信息，只需要已知信道估计空间的相关矩阵就可以进行波束赋形设计，除此以外，也不需要知道具体各径的角度信息，工程上实现也较为简单。但是对于NLOS非视距场景，由于各径的能量过于分散，EBB算法求得的权值就不能保证是最优的，所以也无法有效地提升期望用户的接收功率。综上所述，现有技术存在的问题是：(1)现有技术中，对于NLOS非视距场景，由于各径的能量过于分散，EBB算法求得的权值就不能保证是最优的，所以也无法有效地提升期望用户的接收功率；(2)现有技术不能实现单用户大规模MIMO系统在非视距NLOS场景下的波束赋形，不能提高期望用户的接收功率。(3)现有技术更多的适用于视距LOS场景，针对NLOS非视距场景的波束赋形研究比较少；(4)现有技术中的ZF算法与MRT算法需要实时地获知每一条径的信道信息，但是在多径信道场景中无法完全获知每一条径的信道状态信息(5)现有技术中的ZF算法与MRT算法对无线信道时变性的敏感度较高，在实际系统应用中可能会影响系统的性能。解决上述技术问题的难度和意义：解决上述问题的难度在于，现有技术对无线信道时变性的敏感度比较高，如果不考虑无线信道的时变性将会在实际系统中影响系统的性能。此外，由于非视距NLOS场景中存在着多个散射体，会导致存在着多条路径到达接收端的情况出现，而另一方面由于路径损耗，使得到达接收端的各径功率都会比较低，现有的波束赋形算法在NLOS场景中得到权值不一定是最优的，也没有办法在各径功率较低的情况下有效地提升期望用户的接收功率。本专利技术解决上述问题后，可以弥补大规模MIMO波束赋形在非视距NLOS场景中应用的空白，能够降低波束赋形算法对无线信道时变性的敏感度，能够做到不需要完全获知每一条径的状态信息，也能够得到在NLOS场景中最优的波束赋形权值，有效提升期望用户的接收功率。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种面向大规模MIMO中NLOS场景下的波束赋形方法。本专利技术具体涉及无线通信
中的波束赋形方法，还涉及一种基于大规模MIMO系统中NLOS场景下的下行链路波束赋形方法，本专利技术可实现提高NLOS场景下用户数据信号的覆盖范围。本专利技术是这样实现的，一种面向大规模MIMO中NLOS场景下的波束赋形方法，包括：首先在基站侧利用低代价的信道估计算法得到期望用户上行信道的估计矩阵，再根据时分双工系统中的信道互易性得到信道的空间相关矩阵；接着，得到信道空间相关矩阵之后，根据最大化接收信噪比准则构造优化问题；将构造得的优化问题转变为等效的最小化优化问题，并利用加权最小均方误差算法对其进行求解；求解之后判决是否满足条件，不满足则继续迭代；满足则输出最优权值；最终将得到的最优权值与给定的垂直方向的天线权值进行克罗内克相乘，得到整个平面天线阵列的最优波束赋形权值；最后，将能量集中在求得的主波束方向。进一步，所述面向大规模MIMO中NLOS场景下的波束赋形方法具体包括：1)在基站侧获得信道估计矩阵：在基站侧利用低代价的信道估计算法得到期望用户上行信道的估计矩阵；2)将信道估计矩阵做自相关得到空间相关矩阵：在得到上行的信道估计矩阵之后，将信道估计矩阵做自相关得到估计信道的空间相关矩阵；3)根据最大接收信噪比准则构造优化问题：按照最大接收信噪比准则，得到优化问题及其等效问题：其中，w是波束赋形权本文档来自技高网...

【技术保护点】
1.一种面向大规模MIMO中NLOS场景下的波束赋形方法，其特征在于，所述面向大规模MIMO中NLOS场景下的波束赋形方法包括：首先在基站侧利用低代价的信道估计算法得到期望用户上行信道的估计矩阵，再根据时分双工系统中的信道互易性得到信道的空间相关矩阵；接着，得到信道空间相关矩阵之后，根据最大化接收信噪比准则构造优化问题；将构造得的优化问题转变为等效的最小化优化问题，并利用加权最小均方误差算法对其进行求解；求解之后判决是否满足条件，不满足则继续迭代；满足则输出最优权值；最终将得到的最优权值与给定的垂直方向的天线权值进行克罗内克相乘，得到整个平面天线阵列的最优波束赋形权值；最后，将能量集中在求得的主波束方向。

【技术特征摘要】
1.一种面向大规模MIMO中NLOS场景下的波束赋形方法，其特征在于，所述面向大规模MIMO中NLOS场景下的波束赋形方法包括：首先在基站侧利用低代价的信道估计算法得到期望用户上行信道的估计矩阵，再根据时分双工系统中的信道互易性得到信道的空间相关矩阵；接着，得到信道空间相关矩阵之后，根据最大化接收信噪比准则构造优化问题；将构造得的优化问题转变为等效的最小化优化问题，并利用加权最小均方误差算法对其进行求解；求解之后判决是否满足条件，不满足则继续迭代；满足则输出最优权值；最终将得到的最优权值与给定的垂直方向的天线权值进行克罗内克相乘，得到整个平面天线阵列的最优波束赋形权值；最后，将能量集中在求得的主波束方向。2.如权利要求1所述的面向大规模MIMO中NLOS场景下的波束赋形方法，其特征在于，所述面向大规模MIMO中NLOS场景下的波束赋形方法具体包括：1)在基站侧获得信道估计矩阵：在基站侧利用低代价的信道估计算法得到期望用户上行信道的估计矩阵；2)将信道估计矩阵做自相关得到空间相关矩阵：在得到上行的信道估计矩阵之后，将信道估计矩阵做自相关得到估计信道的空间相关矩阵；3)根据最大接收信噪比准则构造优化问题：按照最大接收信噪比准则，得到优化问题及其等效问题：其中，w是波束赋形权值，Rss是信道的空间相关矩阵，则是信号噪声功率；4)等效最小化优化问题：根据加权最小均方误差算法，将步骤3)中的问题等效成以下优化问题：其中，θ是加权因子，而在θ＝1/x的时候取得最小值，因此θopt＝1/g(w,u)，其中，g(w,u)是构造的代价函数，具体表示为w是波束赋形权值，R是信道的空间相关矩阵，是信号噪声功率，u为变量；得到在给定一个初始的波束赋形权值之后，得到最优的{u,θ}，再代入等效的最小化优化问题中，利用拉格朗日对偶性求出最优的波束赋形权值向量；5)求解最优权向量；6)最大值归一化：对求得的最优波束赋形权值向量进行最大值归一，得到最大值...

【专利技术属性】
技术研发人员：任光亮，张耀庭，张会宁，王奇伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61