混合波束成形|进阶:深入浅出混合波束赋形

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。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:

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

  • N t N_\mathrm{t} Nt, N r N_\mathrm{r} Nr: 发送与接收天线数

  • N R F t N^t_\mathrm{RF} NRFt, N R F r N^r_\mathrm{RF} NRFr:发送与接收的RF chain数目

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

  • F R F \mathbf{F}_\mathrm{RF} FRF, W R F \mathbf{W}_\mathrm{RF} WRF: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 N s N_\mathrm{s} Ns路信号,至少需要 N R F t ≥ N s N^t_\mathrm{RF}\ge N_\mathrm{s} NRFtNs路射频链路。同时,为减轻硬件开销,往往有 N R F t < < N t N^t_\mathrm{RF}<< N_\mathrm{t} NRFt<<Nt。通过数学建模的方式,把整个运作流程给大家过一遍:

  • N s × 1 N_\mathrm{s} \times 1 Ns×1的发送向量 s \mathbf{s} s, 经过数字域的波束成形(线性变换, 可表示为维度为 N R F t × N s N^t_\mathrm{RF} \times N_\mathrm{s} NRFt×Ns 的矩阵 F B B \mathbf{F}_\mathrm{BB} FBB, 得到维度为 N R F t × 1 N^t_\mathrm{RF} \times 1 NRFt×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 N t t × N R F N^t_\mathrm{t} \times N_\mathrm{RF} Ntt×NRF的矩阵 F R F \mathbf{F}_\mathrm{RF} FRF)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 N t t × 1 N^t_\mathrm{t} \times 1 Ntt×1的信号 x = F R F F B B s \mathbf{x}=\mathbf{F}_\mathrm{RF}\mathbf{F}_\mathrm{BB}\mathbf{s} x=FRFFBBs

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

  • 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 ^ = W B B H W R F H r \hat{s}=\mathbf{W}_\mathbf{BB}^H\mathbf{W}_\mathbf{RF}^H\mathbf{r} s^=WBBHWRFHr。这里,将接收端的操作写为 W R F H \mathbf{W}_\mathbf{RF}^H WRFH而不是 W R F \mathbf{W}_\mathbf{RF} WRF只是一种主流的写法,其实两者都是可以的。当写为 W R F H \mathbf{W}_\mathbf{RF}^H WRFH时, W R F \mathbf{W}_\mathbf{RF} WRF的维度是 N r × N R F N_\mathrm{r} \times N_\mathrm{RF} Nr×NRF

将整个式子展开来,接收到的信号可以建模为:
s ^ = W B B H W R F H H F R F F B B s \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} s^=WBBHWRFHHFRFFBBs

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

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, F R F \mathbf{F}_\mathrm{RF} FRF, W R F \mathbf{W}_\mathrm{RF} WRF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 e j θ e^{j\theta} ejθ, θ \theta θ为改变的角度值)。
  • 同时,对于宽带信道(如OFDM系统),由于 F R F \mathbf{F}_\mathrm{RF} FRF, W R F \mathbf{W}_\mathrm{RF} WRF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 F R F \mathbf{F}_\mathrm{RF} FRF, W R F \mathbf{W}_\mathrm{RF} WRF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 F R F \mathbf{F}_\mathrm{RF} FRF, W R F \mathbf{W}_\mathrm{RF} WRF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 ∥ F o p t − F R F F B B ∥ F \left\|\mathbf{F}_{\mathrm{opt}}-\mathbf{F}_{\mathrm{RF}} \mathbf{F}_{\mathrm{BB}}\right\|_{F} FoptFRFFBBF
    F o p t \mathbf{F}_{\mathrm{opt}} Fopt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 F R F F B B \mathbf{F}_{\mathrm{RF}} \mathbf{F}_{\mathrm{BB}} FRFFBB)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 N t × N R F N_\mathrm{t}\times N_\mathrm{RF} Nt×NRF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 F R F \mathbf{F}_\mathrm{RF} FRF, W R F \mathbf{W}_\mathrm{RF} WRF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 F R F \mathbf{F}_\mathrm{RF} FRF, W R F \mathbf{W}_\mathrm{RF} WRF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 F R F \mathbf{F}_\mathrm{RF} FRF, W R F \mathbf{W}_\mathrm{RF} WRF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 2 n 2^n 2n种相位可以选择,即模拟波束成形矩阵的元素只能在 2 n 2^n 2n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。

相关阅读

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 数字20 设计师:CSDN官方博客 返回首页