超大规模天线阵列的波束训练方法、电子设备及存储介质技术

本发明专利技术实施例提供了一种超大规模天线阵列的波束训练方法、装置、电子设备及计算机可读存储介质。方法包括：获取角度域上层分层码本和极域下层分层码本；激活若干个中心天线阵列，并且基于角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；基于极域下层分层码本和用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。根据本发明专利技术实施例的方案，能够显著降低波束训练的训练开销，从而提高数据传输的效率。传输的效率。传输的效率。

【技术实现步骤摘要】
超大规模天线阵列的波束训练方法、电子设备及存储介质


[0001]本专利技术涉及通信
，特别涉及一种超大规模天线阵列的波束训练方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]超大规模阵列/表面已成为未来第六代通信系统中实现超高频谱效率和极高空间分辨率的一项有前途的技术。具体而言，随着无线通信迁移到更高的频带，例如毫米波甚至太赫兹，超大规模阵列将被广泛部署在基站处，以通过高度定向波束来补偿严重的路径损耗。
[0003]随着载波频率和天线数量的急剧增加，“瑞利距离”将延展到几十甚至几百米，这意味着用户更可能位于超大规模阵列的近场区域。与传统的远场通信的平面波假设不同，近场通信的电磁场应该被精确地建模为球面波传输。这种独特的信道特性可以被巧妙地利用，以实现灵活的波束聚焦功能，即波束能量可以聚焦在特定的空间位置，而不是传统远场通信中的特定方向。
[0004]为了充分利用超大规模阵列带来的显著波束赋形增益，在进行信道估计和数据传输之前，必须在基站处执行有效的波束训练，以建立高质量的初始链路。具体而言，基站通过码本中预定义的多个定向波束进行波束扫描，同时每个用户识别最佳波束并将其索引反馈给基站。由于近场用户信道不仅与空间的出发角/到达角相关，而且与基站到用户距离相关，目前已有的远场波束训练方法不再适用于近场情况。特别是，当远场波束被应用于近场波束训练的时候，可能会出现能量扩散效应，即聚焦于特定方向的波束能量将扩散到多个方向。因此，将远场波束训练方法直接应用于近场场景将导致严重的性能退化。r/>[0005]为了解决这个问题，目前已经设计了有效的超大规模天线阵列的波束训练方法；然而，基于穷举搜索的超大规模天线阵列的波束训练方法和快速超大规模天线阵列的波束训练方法均存在波束训练开销较大的问题，从而影响后续数据传输的效率。

技术实现思路

[0006]本专利技术旨在至少解决现有技术中存在的技术问题之一。
[0007]为此，本专利技术提出一种超大规模天线阵列的波束训练方法，能够显著降低波束训练的训练开销，从而提高数据传输的效率。
[0008]本专利技术还提出一种应用上述超大规模天线阵列的波束训练方法的装置。
[0009]本专利技术还提出一种应用上述超大规模天线阵列的波束训练方法的电子设备。
[0010]本专利技术还提出一种应用上述超大规模天线阵列的波束训练方法的计算机可读存储介质。
[0011]根据本专利技术第一方面实施例的超大规模天线阵列的波束训练方法，所述超大规模天线阵列包括多个中心天线阵列，所述方法包括：
[0012]获取角度域上层分层码本和极域下层分层码本；
[0013]激活若干个中心天线阵列，并且基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；
[0014]基于所述极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。
[0015]根据本专利技术的一些实施例，所述基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息，包括：
[0016]从所述角度域上层分层码本确定第一阶段最佳码字；
[0017]根据所述第一阶段最佳码字确定第一阶段最佳码字索引；
[0018]根据所述第一阶段最佳码字索引和预设的粗略方向计算公式得到所述用户粗略方向信息。
[0019]根据本专利技术的一些实施例，所述基于极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息，包括：
[0020]在所述极域下层分层码本中的码字为非最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行二叉树角度域距离域波束搜索得到所述精细化用户方向距离信息；
[0021]在所述极域下层分层码本中的码字为最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行精细化波束训练处理得到所述精细化用户方向距离信息。
[0022]根据本专利技术的一些实施例，所述精细化用户方向距离信息包括精细化用户方向信息和精细化用户距离信息，所述在所述极域下层分层码本中的码字为最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行精细化波束训练处理得到所述精细化用户方向距离信息，包括：
[0023]从所述极域下层分层码本的最后一层码字筛选出第二阶段最佳码字；
[0024]根据所述第二阶段最佳码字确定第二阶段最佳码字索引；
[0025]根据所述第二阶段最佳码字索引和预设的精细方向计算公式得到所述精细化用户方向信息；以及通过所述第二阶段最佳码字索引确定所述精细化用户距离信息。
[0026]根据本专利技术的一些实施例，所述角度域上层分层码本满足以下条件：所述角度域上层分层码本中每层的每个码字覆盖特定的角度域和整个距离域，并且等分整个空间角度域；所述角度域上层分层码本的任意一层内任意码字的角度覆盖范围被其下一层中两个码字所联合覆盖。
[0027]根据本专利技术的一些实施例，所述极域下层分层码本满足以下条件：所述极域下层分层码本中每层的每个码字覆盖极域中的特定的角度区域和距离区域，并且每层中的所有码字共同覆盖整个角度域和距离域；所述极域下层分层码本的任意一层内任意码字的波束覆盖范围被其下一层中两个码字所联合覆盖。
[0028]根据本专利技术的一些实施例，所述粗略方向计算公式表示为：
[0029][0030]其中，L表示所述角度域上层分层码本的第L层，i
*
表示所述第一阶段最佳码字索引，θ
*
表示所述用户粗略方向信息。
[0031]根据本专利技术第二方面实施例的超大规模天线阵列的波束训练装置，所述超大规模天线阵列包括多个中心天线阵列，所述装置包括：
[0032]第一处理模块，用于获取角度域上层分层码本和极域下层分层码本；
[0033]第二处理模块，用于激活若干个中心天线阵列，并且基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；
[0034]第三处理模块，用于基于所述极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。
[0035]根据本专利技术第三方面实施例的电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的超大规模天线阵列的波束训练方法。
[0036]根据本专利技术第四方面实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令被控制处理器执行时实现如上所述的超大规模天线阵列的波束训练方法。
[0037]根据本专利技术实施例的超大规模天线阵列的波束训练方法，至少具有如下有益效果：在进行超大规模天线阵列的波束训练的过程中，首先获取角度域上层分层码本和极域下层分层码本；接着激活若干个中心天线阵列，以避免近场能量扩散效应，接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超大规模天线阵列的波束训练方法，其特征在于，所述超大规模天线阵列包括多个中心天线阵列，所述方法包括：获取角度域上层分层码本和极域下层分层码本；激活若干个中心天线阵列，并且基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息；基于所述极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息。2.根据权利要求1所述的超大规模天线阵列的波束训练方法，其特征在于，所述基于所述角度域上层分层码本进行二叉树波束搜索分层波束训练处理得到用户粗略方向信息，包括：从所述角度域上层分层码本确定第一阶段最佳码字；根据所述第一阶段最佳码字确定第一阶段最佳码字索引；根据所述第一阶段最佳码字索引和预设的粗略方向计算公式得到所述用户粗略方向信息。3.根据权利要求1所述的超大规模天线阵列的波束训练方法，其特征在于，所述基于极域下层分层码本和所述用户粗略方向信息进行第二阶段分层波束训练处理得到精细化用户方向距离信息，包括：在所述极域下层分层码本中的码字为非最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行二叉树角度域距离域波束搜索得到所述精细化用户方向距离信息；在所述极域下层分层码本中的码字为最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行精细化波束训练处理得到所述精细化用户方向距离信息。4.根据权利要求3所述的超大规模天线阵列的波束训练方法，其特征在于，所述精细化用户方向距离信息包括精细化用户方向信息和精细化用户距离信息，所述在所述极域下层分层码本中的码字为最后一层码字的情况下，基于所述用户粗略方向信息和所述极域下层分层码本进行精细化波束训练处理得到所述精细化用户方向距离信息，包括：从所述极域下层分层码本的最后一层码字筛选出第二阶段最佳码字；根据所述第二阶段最佳码字确定第二阶段最佳码字索引；根据所述第二阶段最佳码字索引和预设的精细方向计算公式得到所述精细化用户方向信息；以及通过所述第二阶段最佳码字...

【专利技术属性】
技术研发人员：游昌盛，吴尘雨，袁伟杰，武楠，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：