李樹梅 李正權,2
1. 江南大學物聯網工程學院 江蘇 無錫 214122;2. 江蘇省未來網絡創新研究院 江蘇 南京 211111
目前,蜂窩網絡總可用帶寬不足以支持5G移動服務的流量需求,從而推動探索帶寬豐富、利用率較低的30-100GHz毫米波頻段。但毫米波通信路徑損耗高,必須結合大規模多輸入多輸出(Multiple input multiple output,MIMO)技術,大量天線帶來的天線陣列增益彌補這一缺陷。
毫米波大規模MIMO系統中采用混合預編碼技術對包含數據信息的發送信號進行預處理,消除信號間的干擾,使得MIMO系統頻譜效率性能表現最優。混合預編碼由低維度數字預編碼和高維度模擬預編碼組成,該結構能夠降低射頻鏈路功耗,且可實現與采用最佳無約束預編碼等同的頻譜效率[1-2]。
常見混合預編碼結構包括全連接(Fully-connected,FC)和子連接(Sub-connected,SC)兩種結構[3]。在全連接結構中,每個射頻鏈均與全部天線陣列單元相連,故而大規模MIMO系統可以獲得高天線陣列增益,但所需移相器數目隨著天線陣列規模增大而增加,而且往往需要高分辨率移相器,以保證系統的頻譜效率性能,然而高分辨率移相器意味著硬件功耗增加。在子連接結構中,天線陣列被分為多個天線子集,每個射頻鏈僅與其中一個固定的天線子集相連,移相器數量大大減少,從而降低了硬件功耗,但系統頻譜效率降低[4]。
近年來,Feng等人提出了雙相位分辨率移相器的混合預編碼結構,雖然低分辨率移相器功耗低,但移相器數量并未發生變化[5]。Yan等人基于子連接結構設計了一種變化的部分子連接結構,使得每個射頻鏈可以與多個天線陣列子集合連接[6]。上述方案無法完全適應信道狀態變化,滿足不了實際系統中頻譜效率和功耗需求。因此,研究更為靈活的混合預編碼連接結構和設計方法是很有必要的。
假設基站發射端配備根發射天線、個射頻鏈,用戶接收端配置根接收天線和個射頻鏈,數據流數為。基站發射端對發射信號s進行數字預編碼、模擬預編碼處理后,經由發射天線發送至加噪信道進行數據傳輸,用戶端對數據處理得到接收信號,以實現多數據流傳輸。采用Saleh-Valenzuela信道模型,則接收信號向量為:

為充分利用全連接和子連接兩種結構優勢,設計了一種基于動態連接(Dynamic-partially connection,DPC)結構的混合預編碼。在該動態連接結構中,模擬預編碼由開關連接網絡和移相器兩部分組成,每個射頻鏈與每根發射天線間設置一個動態開關,以控制射頻鏈與天線的連接。設定每個射頻鏈與M根天線相連,即每個射頻鏈路需要的移相器數量為M。通過調節開關狀態,動態連接結構具有高度靈活性。
假定收發端均已知信道狀態信息,以高斯信號作為發射信號,則系統頻譜效率R為:

本文以系統頻譜效率作為指標設計混合預編碼,故只需最大化式中的第二項。
由移相器的恒模約束條件可知,混合預編碼設計具有非凸約束限制,求解類似的多元變量優化問題,難度大、復雜度高。當模擬預編碼矩陣已知的情況下,數字預編碼矩陣可以由等效信道的奇異值分解得到。因此問題表述為:




圖1 系統頻譜效率隨信噪比變化情況
本節對毫米波大規模MIMO通信系統進行仿真實驗與分析。設定收發端天線數為64,射頻鏈路數為4,數據流數為4或2,傳輸路徑增益服從瑞利分布,發射功率均勻分配。將提出的相位交替優化(Phase alternation optimization,PAO)方法用于FC、SC結構,并與以下算法作對比:最佳無約束預編碼(OPT);采用梯度下降的混合預編碼(AO)算法;逐元素更新算法(EBE)、矩陣矢量化(VEC)算法。
如上圖所示,幾種算法的頻譜效率均隨著信噪比的增加而提高。與現有算法相比,本文所提出的PAO混合預編碼設計方法實現了頻譜效率的提升,且其性能接近于最佳無約束預編碼。當所需頻譜效率一定時,采用提出的混合預編碼設計方法可減少所需移相器數量,從而降低硬件功耗。
本文提出基于動態連接的混合預編碼結構可工作于全連接、子連接等多種結構狀態,且提出的相位交替優化設計方法,提高了通信系統的頻譜效率,從而可以減少移相器數量,降低硬件功耗,以適應多種實際通信應用場景的變化。