原创

混合波束成形专栏|进阶:深入浅出混合波束赋形

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://zhuyulab.blog.csdn.net/article/details/101080064

系列前一篇文章 混合波束成形专栏|基础:深入浅出5G,毫米波,大规模MIMO与波束赋形, 帮助了许多需要帮助的人。这几个月一直偷懒,没有写文章。今天股市亏损惨重, 心灰意冷,人生在世,还是多做点一些帮助他人,有意义的事情吧。 需要再次强调的是,写这一系列文章的主旨在于: 许多人以把简单的事情讲复杂来显示自己的牛逼, 而我则喜欢把复杂的东西说简单来证明自己的努力。今天想写一下关于混合波束成形的算法设计。

前言

混合波束赋形专栏| 对5G热门研究技术:混合波束成形算法的讨论与经典论文的推敲,一点拙见,如有偏颇,望不吝赐教,盼即赐复。

系统模型与数学建模

关于MIMO,波束成形和5G毫米波等基本概念,可以参考前作 混合波束成形专栏|基础:深入浅出5G,毫米波,大规模MIMO与波束赋形,应该是全网讲的最简洁清晰的攻略了。 因此,后续的推导将默认你们已经掌握上一篇的基础上进行。

首先,传统的MIMO系统如下图所示
在这里插入图片描述
图中数据处理部分,除了 发送端数字域的数据处理, 还需要包括

  • 发送端的DAC (数字信号转模拟信号)
  • 发送端的上变频操作
  • 接收端的ADC(模拟信号转数字信号)
  • 接收端的下变频操作

用于实现这一系列操作的被称为射频链路 (Radio Frequency chain, RF chain)。而在传统的MIMO中,为每根天线配置了一条射频链路。其优点在于,可以对输入信号进行数字域的数据处理(即任意地调整信号的幅度和相位)后直接输送到发送天线进行发送。这样的数据处理也被称为全数字波束成形 (Fully-digital beamforming)。 而缺点在于,随着天线数目的增长(5G系统大规模MIMO中,天线数可达数百),已经无法负担为每根天线都配置一条对应的RF chain的开销。于是,为降低硬件开支,混合波束成形 (Hybrid analog and digital beamforming, HBF)结构应运而生。

在这里插入图片描述
图片出自HBF的经典论文,其读书笔记可参考前作 混合波束赋形专栏|基于正交匹配追踪(Orthogonal Matching Pursuit)法的混合波束赋形算法。简单说下其结构和各符号的意义:

  • NsN_\mathrm{s}: 发送信号的维度,也可以称为 同一时刻发送了NsN_\mathrm{s}路信号。

  • NtN_\mathrm{t}, NrN_\mathrm{r}: 发送与接收天线数

  • NRFtN^t_\mathrm{RF}, NRFrN^r_\mathrm{RF}:发送与接收的RF chain数目

  • FBB\mathbf{F}_\mathrm{BB}, WBB\mathbf{W}_\mathrm{BB}:发送和接收 数字波束成形矩阵

  • FRF\mathbf{F}_\mathrm{RF}, WRF\mathbf{W}_\mathrm{RF}:发送和接收 模拟波束成形矩阵
    值得一提的是,很多论文中将发送波束成形矩阵称为预编码矩阵 (precoder), 接收称为(combiner),如果看到的话知道这是一回事就可以了。
    这张图其实已经反映了HBF的核心特征:大大降低了RF chain的数目,从而节约了硬件开销。需要重点注意的是模拟波束成形和数字波束成形的区别。为了降低RF chain,后续的模拟波束成形是在模拟域(射频)上操作的,因此,主流结构使用相移器 (phase shifter)来实现。其优点是成本较低,缺点在于只能改变信号的相位。
    有一些基本的关系:首先,要发送NsN_\mathrm{s}路信号,至少需要NRFtNsN^t_\mathrm{RF}\ge N_\mathrm{s}路射频链路。同时,为减轻硬件开销,往往有NRFt<<NtN^t_\mathrm{RF}<< N_\mathrm{t}。通过数学建模的方式,把整个运作流程给大家过一遍:

  • Ns×1N_\mathrm{s} \times 1的发送向量 s\mathbf{s}, 经过数字域的波束成形(线性变换, 可表示为维度为NRFt×NsN^t_\mathrm{RF} \times N_\mathrm{s} 的矩阵 FBB\mathbf{F}_\mathrm{BB}, 得到维度为 NRFt×1N^t_\mathrm{RF} \times 1的向量。

  • 接下来,由相移器实现的模拟波束成形矩阵 (建模为维度是Ntt×NRFN^t_\mathrm{t} \times N_\mathrm{RF}的矩阵FRF\mathbf{F}_\mathrm{RF})对信号进行处理,得到发送天线上实际待发送的信号,维度为Ntt×1N^t_\mathrm{t} \times 1的信号x=FRFFBBs\mathbf{x}=\mathbf{F}_\mathrm{RF}\mathbf{F}_\mathrm{BB}\mathbf{s}

  • 发送信号经过MIMO信道,可以将该线性变换建模为Nr×NtN_\mathrm{r} \times N_\mathrm{t}的信道矩阵H\mathbf{H}。即接收天线上收到信号为r=Hx\mathbf{r} = \mathbf{H}\mathbf{x}

  • 接收端会做一个和发送端镜像的操作,即先通过模拟波束成形后再进行数字波束成形。 最终得到的信号为 s^=WBBHWRFHr\hat{s}=\mathbf{W}_\mathbf{BB}^H\mathbf{W}_\mathbf{RF}^H\mathbf{r}。这里,将接收端的操作写为WRFH\mathbf{W}_\mathbf{RF}^H而不是WRF\mathbf{W}_\mathbf{RF}只是一种主流的写法,其实两者都是可以的。当写为WRFH\mathbf{W}_\mathbf{RF}^H时,WRF\mathbf{W}_\mathbf{RF}的维度是Nr×NRFN_\mathrm{r} \times N_\mathrm{RF}

将整个式子展开来,接收到的信号可以建模为:
s^=WBBHWRFHHFRFFBBs\hat{\mathbf{s}}=\mathbf{W}_\mathbf{BB}^H\mathbf{W}_\mathbf{RF}^H \mathbf{H}\mathbf{F}_\mathrm{RF}\mathbf{F}_\mathrm{BB}\mathbf{s}

而全数字波束成形结构下,接收信号可表示为
s^=WHHFs.\hat{\mathbf{s}} = \mathbf{W}^H\mathbf{H}\mathbf{F}\mathbf{s}.

可以看到纯数字波束成形与混合波束成形的核心区别:

  • 混合波束成形所需要设计的矩阵数目更多(共有4个)
  • 由于硬件实现上的区别, FRF\mathbf{F}_\mathrm{RF}, WRF\mathbf{W}_\mathrm{RF}是由相移器实现的,因此只能改变信号的相位,对应于数学建模后的限制为,矩阵的每一个元素的模为1. 这一限制也叫做恒模约束,是HBF设计问题中最棘手的限制之一。(改变信号的角度等价于信号乘以 ejθe^{j\theta}, θ\theta为改变的角度值)。
  • 同时,对于宽带信道(如OFDM系统),由于FRF\mathbf{F}_\mathrm{RF}, WRF\mathbf{W}_\mathrm{RF}是在射频上实现,因此无法对每个子载波进行各自的模拟波束成形。相反,由于FRF\mathbf{F}_\mathrm{RF}, WRF\mathbf{W}_\mathrm{RF}是对经过RF chain后的时域信号进行线性变换,因此,对应到频域上是对每个子载波进行了相同的操作。也就是说,所有的子载波信号经过了同样的FRF\mathbf{F}_\mathrm{RF}, WRF\mathbf{W}_\mathrm{RF}处理。这个后面会再提到。为了便于理解,这篇文章考虑的是简单的窄带情形,也就不涉及这一问题。
  • 尽管引入了许多限制,增大了波束成形的难度,但这样的结构大大降低了硬件开销(主要是减少了RF chain的数目)。

设计算法的思路

正因为硬件上带来的限制,使得传统MIMO波束成形的算法无法直接使用到大规模MIMO的HBF结构下。因此,提出适用于HBF结构的算法十分必要。在笔者所看过的所有HBF文章中,其实设计算法的思路只有如下两种:

  • 目标为 最小化FoptFRFFBBF\left\|\mathbf{F}_{\mathrm{opt}}-\mathbf{F}_{\mathrm{RF}} \mathbf{F}_{\mathrm{BB}}\right\|_{F}
    Fopt\mathbf{F}_{\mathrm{opt}}表示全数字波束成形下的最优解。 由于在过去的几十年中,人们在传统小规模MIMO下的研究已有了较深的积累,因此已有无数成熟的算法来求解全数字波束成形下的最优解。而这一思路的优点可以概括为:站在前人的肩膀上,使用传统纯熟的算法求解出全数字最优解,然后设计HBF矩阵(即FRFFBB\mathbf{F}_{\mathrm{RF}} \mathbf{F}_{\mathrm{BB}})使其尽可能的逼近该最优解。因此,数学建模为最小化两者差的F范数。
    有许多文章使用了这一做法,较为经典的是这两篇文章。

  • 直接作为一个全新的问题,不依赖于过去的算法,直接以性能指标为优化目标对四个矩阵进行优化。有两篇较为典型的文章。

一些仍然值得研究的问题

5G HBF的算法设计时至今日,也已有了多年的积累。本文所描述的系统模型和算法设计思路,基本已经被学者们做透了,然而,仍然有许多问题,值得进一步的探讨和思考

  • 更进一步的硬件限制–部分连接结构。 本文描述的系统模型中的模拟波束成形结构,被称为fully-connected,即全连接结构。 这个结构需要Nt×NRFN_\mathrm{t}\times N_\mathrm{RF}个相移器,这一开销也十分昂贵。因此, Alternating minimizatioalgorithms for hybrid precoding in millimeter wave MIMO systems中提出了一种partially-connected的结构,下图展示了两者的区别:
    在这里插入图片描述
    左图中,每个RF chain和天线间都有一个相移器连接(这也是为什么我们可以把模拟波束成形操作建模为一个矩阵),而右图的partially-connected结构中,每根天线只与一个相移器相连。显然,这一结构会对问题的求解引入新的限制,即FRF\mathbf{F}_\mathrm{RF}, WRF\mathbf{W}_\mathrm{RF}需要满足是一个块对角矩阵。在实际中,partially-connected结构更节约硬件开销,更易于工程实现,因此该结构下的算法非常值得研究。

  • 更进一步的硬件限制–有限精度的相移器。 在本文讨论的结构中,我们在设计FRF\mathbf{F}_\mathrm{RF}, WRF\mathbf{W}_\mathrm{RF}矩阵时只考虑了其只能改变信号相位的限制。而事实上,在实际中相移器所要改变信号角度的精度也是有限的 (本文所提到的文章中均假设了无限精度的相移器)。考虑实际的限制,那么FRF\mathbf{F}_\mathrm{RF}, WRF\mathbf{W}_\mathrm{RF}中的元素应该只能在一个离散的集合中选取。 一般我们将相移器按精度描述为n-bit 相移器,对应的就是有2n2^n种相位可以选择,即模拟波束成形矩阵的元素只能在2n2^n种相位中选择。

  • 另一种硬件思路–有限精度ADC/DAC。这个其实和本文关系不大,也不是HBF的范畴了,但适用于大规模MIMO系统,因此简单提一下。其思路就是,全数字波束成形的缺点就在于RF chain太多,而RF chain太多的核心问题是数模转换器和模数转换器的成本太高。因此,这种思路是我不降低RF chain的数目,但每个RF chain只使用成本较低的有限精度ADC/DAC,以此来降低成本。

  • 信道估计与信道信息。 本文所提到的论文中,都是假设了完美已知的信道信息,侧重于波束成形设计。但实际中,如何精确估计信道信息是一个非常重要的话题。同样,全数字结构下的信道估计方法不能直接套用到HBF结构下进行信道估计。而对于波束成形设计而言,能够对信道估计误差进行一些鲁棒性的设计,会更加难能可贵。

0 个人打赏
文章最后发布于: 2019-09-21 14:55:50
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

打赏

Fudan_Zhuyulab

“你的鼓励将是我创作的最大动力”

5C币 10C币 20C币 50C币 100C币 200C币

分享到微信朋友圈

×

扫一扫,手机浏览