一种基于毫米波的多波束训练方法

技术领域

本发明涉及无线通信技术领域，特别涉及一种基于毫米波的多波束训练方法。

背景技术

随着无线通信技术的发展，为了满足不断增长的数据传输需求，高频段通信技术(如毫米波和太赫兹)日益受到关注，并已成为未来6G通信的关键技术。为了克服毫米波通信中严重的路径损耗，大规模天线阵列被广泛应用。然而，定向通信使得发射机和接收机之间的链路建立变得复杂，因此需要耗时的波束训练过程来确定适当的发射和接收方向。

由于波束训练过程可能导致大量开销和网络资源的浪费，因此需要提出有效的波束训练方案。通常，波束训练基于波束扫描码本，通过穷举搜索或顺序搜索，找到最佳的模拟发射和接收波束组合，以表示离开角(AoD)和到达角(AoA)。以前的研究主要集中在模拟波束训练上，通过搜索预定义的码本来获取最佳的模拟预编码与合并对。然而，与单波束训练相比，混合波束形成结构中的多波束训练更具挑战性。在混合波束形成阶段，由于混合波束形成结构中存在多个射频链路，波束训练不再是单波束训练，而是多波束训练。

发明内容

为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种基于毫米波的多波束训练方法。

一般来说，混合波束形成结构中的多波束训练可分为两种类型：全连接混合结构(BT-FC)中的波束训练和子连接混合结构中的波束训练(BT-SC)，本发明主要针对BT-SC。

本发明的目的通过以下技术方案实现：

一种基于毫米波的多波束训练方法，适用于基于子连接混合波束形成结构的MIMO通信系统，发送端和接收端分别部署M

建立信道模型，具体是利用Saleh-Valenzuela信道模型，建立接收端和发送端之间的信道模型；

由端到端的通信方式可知，多波束训练问题描述为如下公式：

其中

采用迭代选择搜索方法，对发送端和接收端子阵列的每个波束进行搜索迭代，直至发送端和接收端的所有子阵列波束完成优化，得到发送端和接收端子阵列的优化波束集；

联合波束集优化和线性搜索，具体是包括两步

第一步，采用迭代选择搜索方法分别对发送端和接收端的优化波速集进行搜搜索迭代，得到发送端和接收端每个子阵表征子信道的波束形成初步波束子集；

第二步，采用线性搜索对初步波束子集进行搜索，得到最终优化波束子集。

进一步，所述采用迭代选择搜索方法，具体为：

首先获得波束训练的先验知识

针对发送端或接收端子阵列，找到保持所有其他子阵列波束固定的优选子阵列波束，然后在下一子阵列中寻找优选子阵列波束并保持固定上一子阵列的优选子阵列波束及其它波束，并以这种方式继续，直到发送端和接收端的所有子阵列波束都完成优化。

进一步，所述采用迭代选择搜索方法，具体为：

由于发送端和接收端的搜索训练方式相同，以发送端为例说明：

通过固定接收端合并矩阵W

用

其中i和j分别是目前波束

得到：

其中

因此，对于发送端第k个子阵，最大频谱效率的过程通过最大化

进一步，

F

进一步，所述线性搜索包括两种，一种是一次只在发送端或接收端的一个子阵列选择波束，另一种是在发送端的一个子阵列和接收端的一个子阵列之间搜索波束对。

进一步，所述接收端和发送端之间的信道模型为：

其中L表示路径数，α

上式中的m

进一步，在ISS算法经历

进一步，所述获得波束训练的先验知识，具体为：

接收端固定随机波束，发送端通过完全不同的

一种存储介质，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用于使计算机执行所述的基于毫米波的多波束训练方法。

与现有技术相比，本发明具有以下优点和有益效果：

本方法采用迭代选择搜索(ISS)方法，其大大降低了波束训练的复杂度，同时保证系统的频谱效率。

附图说明

图1是本发明的工作流程图；

图2是本发明的频谱频谱效率分析图；

图3是本发明的计算复杂度分析示意图。

具体实施方式

下面结合实施例，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

如图1所示，一种基于毫米波的多波束训练方法，主要用于连接混合结构的多波束训练方法，与仅逐个扫描光束而不利用从先前扫描光束获得的信息形成对比，我们的方法通过使用扫描光束组合的信息迭代优化每个子阵列的波束。基于这个概念，我们设计了一个迭代选择搜索(ISS)方法，其大大降低了波束训练的复杂度。此外，为了获得更高的复用增益，我们提出了一种联合波束集优化和线性搜索波束训练方法，其中波束集优化基于信道的稀疏性和上述所提的ISS算法。

具体步骤包括：

S1建立信道模型

考虑一种基于子连接混合波束形成结构的MIMO通信系统。发送端和接收端分别部署M

其中L表示路径数，α

上式中的m

S2问题描述

由端到端的通信方式可知，多波束训练问题可以被描述为

其中

S3迭代选择搜索(ISS)

本搜索方法的关键思想是通过分别考虑每个发送端和接收端子阵列的波束搜索来分别执行迭代，得到发送端和接收端子阵列的优化波束集。

首先，通过一些时隙获得波束训练的先验知识，具体为：

接收端固定随机波束，发送端通过完全不同的

然后，针对发送端或接收端子阵列，找到保持所有其他子阵列波束固定的优选子阵列波束，然后在下一子阵列中寻找优选子阵列波束并保持固定上一子阵列的优选子阵列波束及其它波束，并以这种方式继续，直到发送端和接收端的所有子阵列波束都完成优化。

具体为：

先考虑发送端的波束训练。通过固定接收端合并矩阵W

为了方便理解和描述，我们用

其中i和j分别是目前波束

其中等式(a)和(b)成立的原因分别是利用了|+XY|＝|I+YX|和|I

通过上述的公式推导后，我们得到：

其中

因此，对于发送端第k个子阵，最大频谱效率的过程可以通过最大化

在更新完发送端的所有子阵波束后，接收端的波束训练可以按照上述方法进行。即定义发送端等效信道H

其中

整个算法经历

进一步，所述固定为：就是假如三个变量需要优化三个变量迭代优化先随机给三个变量一个值，然后固定两个变量，优化另一个变量，这个变量优化完固定这个和另外一个再优化其他的。

S4联合波束集优化和线性搜索，

具体是包括两步

第一步，采用迭代选择搜索方法分别对发送端和接收端的优化波速集进行搜搜索迭代，得到发送端和接收端每个子阵表征子信道的波束形成初步波束子集；

第二步，采用线性搜索对初步波束子集进行搜索，得到最终优化波束子集，将其用于发送预编码和接收合并器，使得通信速率最大化。

根据先前的分析，ISS实现波束训练的训练复杂度较低。为了进一步提高基于ISS的波束训练性能，我们提出了一种分两个阶段实现的有效方案：1)基于ISS优化发送端和接收端处每个子阵列的波束集，2)对优化的波束集采用两种线性搜索方法。

需要指出的是ISS算法第一步获得的等效信道不仅可以获得先验知识，还可以获得统计候选波束集，即可以根据等效信道和ISS算法获得发送端和接收端处每个子阵列的优化波束集。注意到

另一方面，线性搜索的关键点是一次只在发送端或接收端的一个子阵列上选择波束(SLS)，或者一次在发送端的一子阵列和接收端的子阵列之间搜索波束对(JLS)。我们将基于ISS的波束集优化和两种线性搜索的组合分别称为ISS-SLS和ISS-JLS。

为了初始化，我们为发送端和接收端的每个子阵列分配优化的波束集，然后我们首先通过搜索所有具有最佳信道容量的子阵列对中的首选子阵列对的波束索引来找到最佳的发送端和接收端子阵列对。根据子阵列波束对的初始选择，我们在剩余的子阵列对中迭代，直到我们在所有发送端和接收端子阵列中找到子阵列波束。

为了进一步降低训练复杂度，我们还提出了ISS-SLS。算法的重点是通过分别考虑每个发送端和接收端子阵列在其优化波束集上的波束搜索，分别实现迭代。具体而言，对于每个发送端和接收端子阵列，我们首先找到使所有其他子阵列的波束保持固定的首选子阵列波束，然后在下一个子阵列中找到首选子阵列束，并以这种方式继续，直到发送端和接收端的所有子阵列上的波束都已优化。如图2和图3所示，本训练方法的MATLAB仿真结果展现出所提出方案ISS-SLS和ISS-JLS相比SLS和JLS可以获得更高的频谱效率，并且所需的时隙复杂度更低。

本发明还提供了一种存储介质，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用于使计算机执行所述的基于毫米波的多波束训练方法。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。