多用户毫米波大规模MIMO系统的波束分配文献综述

 2022-10-27 16:42:06
  1. 文献综述(或调研报告):

毫米波通信由于其丰富的空间频谱资源,被认为是下一代移动通信的关键技术。由于载频较高,毫米波系统的主要缺点在于较高的传输损耗[1]。为了解决这一问题,通常的毫米波系统都需要较大规模的天线阵列来弥补传输过程中带来的损耗。然而,大规模MIMO技术不成熟的主要原因在于,较高的硬件复杂度和传输复杂度提升了毫米波通信的硬件成本。实际上,使用较大规模天线数目的同时也意味着大规模的RF链路使用量。同时,最近的研究表明,射频链缺陷会给运用大规模天线阵列的MIMO系统造成额外的性能损失。而射频分量本身消耗的功率则占据了总传输功率的70%。

为了利用毫米波通信的优点,当下的研究重点主要在于降低高维MIMO系统的硬件复杂度。文献[2]-[4]利用天线选择(Antenna Selection)的方案一定程度上解决了硬件复杂度,然而,相比于完整的系统,该方案的性能损失较为严重。此外,天线选择方案通常需要输出端放大器提供更高的功率以此来弥补射频开关的传输损耗[2]。此外,文献[3]表明对于完整系统而言,注水算法提供的性能比天线选择算法更为优秀,且着重介绍了依据信噪比在发射机上利用选择算法的复杂度成本。然而,文献[5]、[6]提出了一种新的B-MIMO系统模型,这种模型优点在于它能通过运用离散透镜阵列(DLA),辅以波束选择算法来降低系统RF链路的复杂度,同时有着接近于完整系统的性能。离散透镜阵列如同一个凸透镜,将信号导向至焦表面上不同的点。B-MIMO系统可以利用一系列的正交波束作为信道的特征函数。除了利用DLA实现复杂度简化,在传统的MIMO系统中,B-MIMO技术也可以用来减少基站端数字信号处理过程的复杂度。因此,B-MIMO系统模型被广泛运用于多用户场景下的毫米波通信。

在B-MIMO系统模型中,我们考虑一个利用DLA的下行B-MIMO系统。基站端我们通常采用数字预编码的结构,然后利用离散透镜阵列将预编码后的传输信号发送至信道。在模型中,离散透镜阵列实际上起到了离散傅里叶变换的作用。在DLA矩阵的作用下,预编码矩阵和实际信道分别被映射为波束空间域上的(波束域)预编码矩阵和波束域信道。稀疏性是波束域信道的一个最重要的特性,我们可以利用这一特性来设计低复杂度波束预编码。不同于[1]中提出的单用户系统中常见的混合预编码模型,MU-MIMO系统通常采用以下三种预编码方式:匹配滤波法(MF),迫零法(ZF)和维纳滤波法(WF)[7]。在完整系统中,三种方式预编码表达式如下:

一般情况下,我们认为MF法不能有效降低用户间的干扰,而WF法对信道状态信息(CSI)的要求较高,且有着较高的复杂度。所以,当下对波束选择算法的研究中,学者主要采用ZF矩阵来实现基站端的预编码。然而,文献[6]中表明,WF在各SNR范围中有着其它两种方式无可比拟的性能。同时,除这三种方式外,最新的研究成果中还采用了QR分解法来实现基站端的预编码[8]。所以,在改进波束选择算法的同时,应当注重算法和前段预编码结构之间的匹配性,从而实现达到最优性能。

毫米波MU-MIMO系统的波束分配,主要可分为正交波束分配和非正交波束分配两种方式。正交波束分配是每个用户对应基站的一个波束,不同用户使用不同的波束;而非正交波束分配则是一种允许多个用户共享基站的同一个波束的技术。在这里,我们主要研究的是正交波束分配。文献[9]较早地提出波束分配的概念,研究了基于DLA的毫米波大规模MIMO系统的波束分配。它提出了三种波束选择方案,分别根据波束幅度(MM)、用户信干噪比(MS)和系统容量(MC)进行波束选择。由仿真结果可知,综合各项指标,最大化SINR的选择方法性能较为突出。在此研究的基础上,文献[10]为了解决波束冲突问题,进一步改进了波束分配算法。它首先选出每个用户最强的一个波束并构成一个集合。而后判断该集合中是否有某一个波束同时被多个用户选中,若有,将这些用户加入到干扰用户组(IU)中;否则,将该波束加至非干扰用户组(NIU)中。对于NIU中的波束,直接将其分配给对应的用户即可。对于干扰用户组中的波束,则连同其他未被分配的波束,构成一个候选集。之后根据最大化和速率准则,从候选集里逐个挑选波束,直到波束的数量和用户的数量相等为止。该方案主要弥补了MM算法中多个用户共享同一个波束的问题,且相比于MM 1-beam算法,在和速率和能效两个指标下都有了较大提升。而MM 2-beam算法和该算法的性能类似。文献[11]从选择用户的角度出发,考虑到角域接近的用户的相互干扰较大,故以信道增益最大的用户为中心,先按扇区进行用户分组,而后将波束分配给每组信道增益最大的用户。而同组的其他用户则不分配波束。此算法有效避免了用户间干扰的问题,但牺牲了基站同一时间服务的用户数目。文献[12]基于Lyapunov漂移优化框架研究了用户调度和波束分配联合问题,获得了最优用户调度策略的闭合表达式,并提出了一种增量的贪婪调度算法从而降低了实现复杂度。文献[8]作为最新的研究成果,其面向和速率最大化准则,迭代重复信道QR分解和波束删减步骤,直到波束数目与用户数相同,再通过对角化进行最终的预编码设计。同时,此算法还采用了QR分解的方式设计波束域预编码,使得算法的性能较之前使用ZF矩阵进行预编码的算法有着较大提升。因此,我们应当根据文献[8]的思路,综合考虑预编码设计和波束选择算法的设计,从而使系统性能达到最优。

参考文献

  1. Z. Xiao, P. Xia and X.G. Xia, 'Channel estimation and hybrid precoding for millimeter-wave MIMO systems: A low-complexity overall solution,' in IEEE Access, vol. 5, pp. 16100-16110, July 2017.
  2. S. Sanayei and A. Nosratinia, “Antenna selection in mimo systems,” IEEE Commun. Mag., vol. 42, no. 10, pp. 68–73, Oct. 2004.
  3. S. Sanayei and A. Nosratinia, “Capacity of MIMO channels with antenna selection,” IEEE Trans. Inf. Theory, vol. 53, no. 11, pp. 4356–4362, Nov. 2007.
  4. A. Molisch and M. Win, “MIMO systems with antenna selection,” IEEE Microw. Mag., vol. 5, no. 1, pp. 46–56, Mar. 2004.
  5. J. Brady,N. Behdad, and A. Sayeed, “Beamspace MIMO for millimeter-wave communications: system architecture, modeling, analysis, and measurements,” IEEE. Trans. Antennas and Propag., vol. 61, no. 7, pp. 3814–3827, July 2013.
  6. A. Sayeed and J. Brady, 'Beamspace MIMO for high-dimensional multiuser communication at millimeter-wave frequencies,'2013 IEEE Global Communications Conference (GLOBECOM), Atlanta, GA, pp. 3679-3684, Dec. 2013.
  7. A. Sayeed and T. Sivanadyan, “Wireless communication and sensing in multipath environments with multi-antenna wireless transceivers,” in Handbook on Array Processing and Sensor Networks 1st ed., K. J. R. Liu and S. Haykin, Eds., pp. 115–170. IEEE-Wiley, Hoboken, NJ, 2010.
  8. R. Pal, K. V. Srinivas, and A. K. Chaitanya, “A beam selection algorithm for millimeter-wave multi-user MIMO systems,” IEEE Commun. Lett., vol. PP, no. 99, pp. 1-1, 2018.
  9. P. V. Amadori and C. Masouros, “Low RF-complexity millimeter-wave beamspace-MIMO systems by beam selection,” IEEE Trans. Commun., vol. 63, no. 6, pp. 2212–2223, Jun. 2015.
  10. X. Gao, L. Dai, Z. Chen, Z. Wang, and Z. Zhang, “Near-optimal beam selection for beamspace mmWave massive MIMO systems,” IEEE Commun. Lett., vol. 20, no. 5, pp. 1054–1057, May 2016.
  11. W. Yuan, S. M. Armour, and A. Doufexi, “A novel user selection algorithm for multiuser hybrid precoding in mmwave systems,” in Proc. PIMRC, Valencia, Spain, pp. 1–6, Dec. 2016.
  12. Z. Jiang, S. Chen, S. Zhou and Z. Niu, 'Joint user scheduling and beam selection optimization for beam-based massive MIMO downlinks,' in IEEE Transactions on Wireless Communications, vol. PP, no. 99, pp. 1-1. 2018.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。