System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及通信,特别涉及一种超大规模mimo近场波束训练方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、超大规模阵列已经成为未来第六代无线系统的一项极有前途的技术,超大规模阵列运用了多入多出(multiple-input multiple-output,mimo)技术,可在高频段实现超高频谱和极高空间分辨率,从而适应扩展现实、全息视频、自动驾驶等应用。通过将天线数量增加另一个数量级,超大规模阵列预计将为电磁传播建模带来根本性变化,即从传统的远场信道建模转向新型的近场信道建模。
2、特别地,与基于平面波前假设的远场信道建模不同,近场信道需要基于球面波前进行精确建模。与传统的最大比传输远场波束赋形将波束能量定向到一定角度不同,基于球面波前特性的近场波束赋形使得基站可以将波束能量集中在某个空间区域,这种特性被称为近场波束聚焦效应,该效应使得基站在使用传统的基于离散傅里叶变换的远场码本进行近场信道波束扫描时产生能量扩散效应,该效应会导致指向特定方向的波束能量扩散到多个角度,从而无法在接收端通过搜索最大接收信号功率来找到用户角度,因此,直接将基于离散傅里叶变换的码本的远场波束训练方法应用于近场通信系统将导致性能显著下降。
3、为了解决这一问题,目前已有的研究工作集中于设计面向近场信道的新型的波束码本和对应的波束训练方案。具体地,对于波束码本设计,相关技术提出了一种用于近场波束训练的新型二维极域码本,该码本在角度域中均匀采样,在距离域中非均匀采样;基于这种码本,一种简单直接的波束训练方法是在二维极域中穷
技术实现思路
1、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。
2、为此,本专利技术提出一种超大规模mimo近场波束训练方法,能够显著降低波束训练的训练开销,并且可以提高通信系统的可达速率。
3、本专利技术还提出一种应用上述超大规模mimo近场波束训练方法的装置。
4、本专利技术还提出一种应用上述超大规模mimo近场波束训练方法的电子设备。
5、本专利技术还提出一种应用上述超大规模mimo近场波束训练方法的计算机可读存储介质。
6、根据本专利技术第一方面实施例的超大规模mimo近场波束训练方法,所述方法包括:
7、获取离散傅里叶变换码本;
8、根据所述离散傅里叶变换码本进行波束扫描得到用户接收信号功率集合;
9、根据所述用户接收信号功率集合确定支撑角度区间;
10、根据所述支撑角度区间确定用户角度估计信息和用户距离估计信息;
11、根据所述用户角度估计信息和所述用户距离估计信息确定极域码字。
12、根据本专利技术的一些实施例,所述根据所述离散傅里叶变换码本进行波束扫描得到用户接收信号功率集合,包括:
13、根据所述离散傅里叶变换码本对由基站发射的多个训练信号进行波束方向调整处理;
14、基于用户端接收波束方向调整处理后的多个所述训练信号,并从各个所述训练信号确定用户接收信号功率;
15、将多个所述用户接收信号功率确定为所述用户接收信号功率集合。
16、根据本专利技术的一些实施例,所述根据所述用户接收信号功率集合确定支撑角度区间,包括:
17、将所述用户接收信号功率集合中的每个用户接收信号功率分别与预设的信号功率阈值进行比较,其中,所述信号功率阈值由用户端的接收波束模式所确定;
18、从所述用户接收信号功率集合中筛选出大于预设的信号功率阈值的用户接收信号功率子集;
19、根据所述用户接收信号功率子集确定码字索引集合,并基于所述码字索引集合确定所述支撑角度区间。
20、根据本专利技术的一些实施例,所述根据所述支撑角度区间确定用户角度估计信息和用户距离估计信息,包括:
21、将所述支撑角度区间的中位值确定为用户角度索引;
22、根据所述用户角度索引和所述离散傅里叶变换码本确定所述用户角度估计信息;
23、根据所述用户角度估计信息和所述支撑角度区间进行距离估计处理得到所述用户距离估计信息。
24、根据本专利技术的一些实施例,所述根据所述用户角度估计信息和所述支撑角度区间进行距离估计处理得到所述用户距离估计信息,包括:
25、根据所述支撑角度区间确定支撑角度区间宽度和接收功率比;其中,所述支撑角度区间宽度表征所述支撑角度区间内最大的空间角度与最小的空间角度的差值;
26、根据所述接收功率比、所述支撑角度区间宽度、所述用户角度估计信息和预设的距离计算函数得到所述用户距离估计信息。
27、根据本专利技术的一些实施例,所述根据所述用户角度估计信息和所述支撑角度区间进行距离估计处理得到所述用户距离估计信息,包括:
28、根据所述支撑角度区间内的所有接收信号功率和所述用户角度估计信息对应的接收信号功率构建接收信号功率比;
29、根据所述接收信号功率比和预设的功率比比较值构建功率比均方误差求解优化问题;
30、基于预设的穷举搜索策略对所述功率比均方误差求解优化问题进行求解得到所述用户估计信息。
31、根据本专利技术的一些实施例,所述根据所述用户角度估计信息和所述用户距离估计信息确定极域码字后,所述方法还包括:
32、根据所述极域码字计算得到最优波束赋形向量;
33、基于所述最优波束赋形向量进行波束赋形处理。
34、根据本专利技术第二方面实施例的超大规模mimo近场波束训练装置,所述装置包括:
35、第一处理模块,用于获取离散傅里叶变换码本;
36、第二处理模块,用于根据所述离散傅里叶变换码本进行波束扫描得到用户接收信号功率集合;
37、第三处理模块,用于根据所述用户接收信号功率集合确定支撑角度区间;
38、第四处理模块,用于根据所述支撑角度区间确定用户角度估计信息和用户距离估计信息;
39、第五处理模块,用于根据所述用户角度估计信息和所述用户距离估计信息确定极域码字。
40、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mimo近场波束训练方法。
41、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mimo近场波束训练方法。
42、根据本专利技术实施例的超大规模mimo近场波束训练方法本文档来自技高网...
【技术保护点】
1.一种超大规模MIMO近场波束训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的超大规模MIMO近场波束训练方法,其特征在于,所述根据所述离散傅里叶变换码本进行波束扫描得到用户接收信号功率集合,包括:
3.根据权利要求1所述的超大规模MIMO近场波束训练方法,其特征在于,所述根据所述用户接收信号功率集合确定支撑角度区间,包括:
4.根据权利要求1所述的超大规模MIMO近场波束训练方法,其特征在于,所述根据所述支撑角度区间确定用户角度估计信息和用户距离估计信息,包括:
5.根据权利要求4所述的超大规模MIMO近场波束训练方法,其特征在于,所述根据所述用户角度估计信息和所述支撑角度区间进行距离估计处理得到所述用户距离估计信息,包括:
6.根据权利要求4所述的超大规模MIMO近场波束训练方法,其特征在于,所述根据所述用户角度估计信息和所述支撑角度区间进行距离估计处理得到所述用户距离估计信息,包括:
7.根据权利要求1所述的超大规模MIMO近场波束训练方法,其特征在于,所述根据所述用户角度估计信息和所述
8.一种超大规模MIMO近场波束训练装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一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,其特征在于,所述计算机可执行指令被控制处理器执行时实现如权利要求1至7任意一项所述的超大规模MIMO近场波束训练方法。
...【技术特征摘要】
1.一种超大规模mimo近场波束训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的超大规模mimo近场波束训练方法,其特征在于,所述根据所述离散傅里叶变换码本进行波束扫描得到用户接收信号功率集合,包括:
3.根据权利要求1所述的超大规模mimo近场波束训练方法,其特征在于,所述根据所述用户接收信号功率集合确定支撑角度区间,包括:
4.根据权利要求1所述的超大规模mimo近场波束训练方法,其特征在于,所述根据所述支撑角度区间确定用户角度估计信息和用户距离估计信息,包括:
5.根据权利要求4所述的超大规模mimo近场波束训练方法,其特征在于,所述根据所述用户角度估计信息和所述支撑角度区间进行距离估计处理得到所述用户距离估计信...
【专利技术属性】
技术研发人员:游昌盛,李伽鹏,吴迅,张芸莆,关兵,陈力,韩凯峰,
申请(专利权)人:南方科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。