基于遗传算法的毫米波大规模MIMO系统混合预编码

目前混合预编码方案中,大多采取高精度的移相器作为模拟预编码的设计基础,使得系统成本增加。针对这一问题,探讨了有限精度射频前端的混合预编码设计。为了实现更高的频谱利用率,考虑到天线权值的最优组合为一NP（Non-deterministic Polynomial）问题,受机器学习启发,采用遗传算法对阵列中阵元的相位取值进行建模设计模拟预编码。通过信道矩阵与模拟预编码矩阵的乘积引入等效信道矩阵,考虑用户间干扰,以最大信干噪比准则进行数字预编码设计。仿真结果表明,该方案得到的混合预编码矩阵其系统性能可逼近全数字预编码矩阵的性能。     

基于毫米波大规模MIMO的混合RZF预编码算法

针对毫米波大规模MIMO系统采用全数字预编码时,系统所需射频链路数量较大而导致实现成本和能耗较高的问题,提出了一种在基站端和用户端分别采用混合预编码和模拟合并的方案.在充分考虑信道特性的基础上,根据收发两端的天线阵列响应矢量分别设计模拟预编码矩阵和模拟合并矩阵,然后根据生成的有效信道矩阵,在基带部分设计低维的数字预编码,从而消除系统中噪声和用户间干扰的影响.仿真结果表明,在有效减少系统所需射频链路数量的基础上,所提混合预编码方案能够接近传统全数字预编码方案的性能.     

基于字典学习的毫米波大规模MIMO系统混合预编码

针对毫米波大规模多输入多输出(MIMO)系统混合预编码方案设计的难题,采用字典学习的思想,提出了一种高精度混合预编码方案.该方案首先对全数字预编码矩阵的各列采用稀疏表示;进而按列将字典原子从稀疏表示中分离出来,通过对误差矩阵采用奇异值分解(SVD)来更新对应的字典原子,直到所有字典原子更新,以形成新的字典矩阵;最后,利用更新后的字典矩阵稀疏重构全数字预编码矩阵,以得到模拟预编码矩阵和数字预编码矩阵.仿真结果表明,相较于基于正交匹配追踪(OMP)的混合预编码方案,所提方案在提升系统频谱效率和降低误码率方面具有明显的优势.     

毫米波大规模MIMO系统中低复杂度混合预编码方法

针对毫米波大规模多输入多输出(MIMO)系统混合预编码方案设计的难点,提出了一种低复杂度混合预编码方法。首先基于奇异值分解,构造初始射频(RF)预编码矩阵,然后构造数字预编码矩阵。进而将残差矩阵最大左奇异矢量构造的矢量添加到RF矩阵的最后一列,以更新初始RF矩阵。经过多次迭代,从而形成最终RF预编码矩阵。最后基于最小二乘准则设计数字预编码矩阵。理论分析和仿真结果表明,相比于基于正交匹配追踪(OMP)算法的混合预编码设计方法,该方法在计算复杂度大幅下降的同时,其性能远远优于基于OMP算法的混合预编码方法,同时在数据流数相对较小时,其性能接近最优的全数字预编码设计方法。     

基于人工蜂群算法的毫米波大规模MIMO混合预编码设计

针对传统的毫米波大规模多输入多输出(Multiple-Input Multi-Output, MIMO)系统存在硬件成本高和系统开销大等问题,提出一种基于人工蜂群(Artificial Bee Colony, ABC)算法的部分连接结构的数字模拟混合预编码方案。数字域部分采用经典的迫零(Zero-Force, ZF)预编码,在此基础上,推算了实现系统可达和速率最大化时,其模拟预编码矩阵应满足的条件,并进一步利用ABC算法的思想,把混合预编码矩阵设计问题等效为随机搜索寻优问题,求得最优的预编码矩阵。针对传统的ABC算法探索与开发能力未能达到很好的平衡这一缺陷,又提出一种基于交叉操作的全局ABC算法的解决方案。通过理论分析和仿真结果表明,相比传统算法,所提出的算法在系统总速率与算法收敛速度等方面的性能都有所提升。     

一种抑制残余硬件损伤影响的毫米波大规模MIMO混合预编码方案

在假设通信收发机具有理想硬件特性的前提下，毫米波大规模多输入多输出(MIMO)系统的混合预编码问题已经获得了广泛的研究。然而，由通信收发机硬件非理想特性导致的残余硬件损伤在毫米波大规模MIMO系统中难以避免，并且会严重影响混合预编码的性能。针对这一问题，该文建立了在收发机残余硬件损伤影响下的毫米波大规模MIMO混合预编码模型，提出一种基于流形优化的混合预编码方案。首先根据收发信号之间的修正均方误差建立优化目标，进而推导出数字预编码矩阵与数字组合矩阵的闭合表达式，然后基于黎曼流形处理恒模约束问题获得模拟预编码矩阵与模拟组合矩阵，最后进行收发机交替迭代获得混合预编码的优化结果。仿真结果表明，该方案有效抑制了残余硬件损伤对毫米波大规模MIMO系统的不利影响，显著提升了系统的性能。     

最大化子阵列增益的多用户大规模MIMO混合预编码

模数混合预编码是大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统下行传输的一种有效方式.针对部分连接结构的多用户混合预编码系统的模拟预编码环节提出了最大化用户子阵列增益的用户和子阵列匹配准则,据此提取每个用户对应子阵列的信道相位信息生成该用户的模拟预编码向量,进而构造具有块稀疏结构的模拟预编码矩阵;然后,对等效信道实施数字迫零预编码.仿真表明,相较于传统基于固定匹配准则的混合预编码,基于所提匹配准则的混合预编码在略微增加计算复杂度的前提下能显著提升系统的和频谱效率.     

基于两阶段的毫米波大规模MIMO低复杂度混合预编码算法

针对现有基于矩阵分解的混合预编码算法信道容量有损和算法复杂度高的问题,本文提出了一种基于两阶段的低复杂度混合预编码算法.该算法分为获取最优全数字预编码器和求解混合预编码器两部分.首先,本文联合奇异值分解(Singular Value Decomposition,SVD)与注水算法以容量无损的要求设计最优全数字预编码矩阵.其次,为了降低搜索超完备矩阵列的复杂度,提出两阶段混合预编码(Two?Stage Hybrid Precoding,TS?HP)算法求解混合预编码矩阵.第一阶段,根据天线阵列响应矩阵的相关性获取模拟预编码矩阵备选集;第二阶段,利用贪婪搜索对备选集进行搜索构建混合预编码矩阵.仿真结果表明,所提算法能够有效改善系统性能,降低复杂度.     

基于SLNR与矢量扰动的毫米波大规模MIMO双层混合预编码算法

在多用户毫米波大规模多入多出（Multiple Input Multiple Output,MIMO）系统中，针对现有基于信漏噪比（Signal-to-Leakage-plus-Noise Ratio,SLNR）准则的混合预编码算法未考虑用户信道质量不同和信道矩阵具有病态性的问题，本文提出了一种联合SLNR与矢量扰动（Vector Perturbation,VP）的双层混合预编码算法.该算法分两层设计预编码矩阵.第一层，考虑用户信道质量不同，提出了基于SLNR准则的匹配加权算法.该算法充分考虑信道系数、预编码矢量和组合矢量的影响设计信道加权因子，利用加权因子对SLNR算法进行改进，从而设计更优的混合预编码器，消除用户间干扰.第二层，根据第一层获取到的等效基带信道，利用迫零（Zero Force,ZF）消除用户天线间干扰.考虑到信道矩阵具有病态性，采用VP算法进一步处理.通过在发射信号上添加扰动矢量减小发射端功率增强的影响.仿真结果表明，相较于同类混合预编码算法，所提算法可以获取更好的误码率（Bit Error Rate,BER）性能和频谱效率.     

混合动态连接结构的多用户多流混合预编码

混合预编码对于提高多用户毫米波大规模多输入多输出(MIMO)系统的性能至关重要,但目前基于全连接结构与子连接结构的混合预编码分别存在高能耗与性能损失严重的问题。该文综合考虑系统的频谱效率与能量效率,提出混合动态连接结构,并设计该结构下的混合预编码算法。该算法通过最大化信干噪比(SINR)的增量来设计混合动态连接结构的模拟域预编码,然后基于等效信道运用块对角化(BD)设计数字域预编码抑制多用户多流干扰。仿真实验表明,该文所提出的混合动态连接结构的频谱效率介于全连接结构与混合固定连接结构之间且获得的能量效率最高。     

多用户毫米波MIMO系统中基于信道互易性的混合模数预编码算法

本文针对多用户毫米波多输入多输出(Multiple Input Multiple Output,MIMO)系统,首次提出了分离子阵列MIMO混合模数预编码架构毫米波系统的一种模拟接收方案。将最大化和速率求解混合模数预编码的三元联合优化问题分成模拟和数字两部分求解,进一步提出了基于信道互易性的混合模数预编码算法。该算法通过最大化下行各个用户和上行各个子阵列的接收信干噪比分别求解模拟合并矢量和模拟预编码矢量;优化模拟部分后,设计发射端数字预编码器消除多用户数据流之间的干扰。数值仿真表明所提算法收敛速度快,且可获得接近最优纯数字预编码算法的性能。      

毫米波大规模MIMO系统中基于智能搜索的混合预编码算法

为解决传统全连接结构毫米波大规模MIMO系统高硬件成本和实现难度大的问题,本文提出了一种基于智能搜索的部分连接结构混合预编码算法。该算法在基站端采用经典的迫零数字预编码,在模拟预编码部分单独设计模拟预编码矩阵,避免了数字、模拟预编码矩阵联合设计的高复杂度,并利用模拟预编码矩阵的块对角化特性,将其设计问题转化为最优化问题,采用SBO（satin bowerbird optimization）优化算法解决此问题。针对原始SBO算法易陷入局部最优的缺点,提出了一种基于动态突变概率的DSBO（satin bowerbird optimization based on dynamic mutation probability）算法。针对移相器分辨率有限的情况,改进了DSBO算法,使之能解决此离散优化问题。仿真结果表明,与其他现有算法相比,提出的算法具有更高的系统容量和更低的误码率,且能处理移相器分辨率有限的情况。      

一种基于SIC-CDM的低复杂度混合波束赋形方案

为了平衡毫米波大规模多输入多输出系统的性能和硬件开销,降低系统功耗,以频谱效率为优化目标,在部分连接结构下提出了一种收发端联合设计的低复杂度混合波束赋形方案。首先,基于连续干扰消除将原始优化问题转化为多个子阵的速率优化问题;然后,利用坐标下降法完成模拟波束赋形矩阵设计;最后,引入等效信道矩阵大幅降低矩阵维度,再对其进行奇异值分解获得数字波束赋形矩阵。仿真结果表明,与其他算法相比,所提算法在系统功耗降低的同时保持了较优的性能,且性能逼近部分连接结构的最优方案。     

Deep frameworks based on residual dense network and reinforcement learning for mmWave massive MIMO systems

In millimeter wave (mmWave) massive multiple-input-multiple-output (MIMO) systems, hybrid precoding plays a pivotal role in reducing complexity and cost while providing a good spectral efficiency. However, implementation of digital precoders with large number of antennas is difficult due to hardware constraints, while analog precoders offer confined performance. This leads to high computational complexity and cannot fully exploit the spatial information. Previous studies on hybrid precoding were based on exhaustive search solutions or greedy schemes, which result in higher complexity system performance. To face these challenges, this paper proposes deep hybrid precoding framework with phase quantization and residual dense network to design the matrix of analog and digital precoders. The proposed deep hybrid precoding technique consists of offline training stage and online deployment stage. In offline training stage, hybrid precoding is obtained assuming the approximate phase quantization. While in the online deployment stage, the matrix of analog precoding is calculated by exchanging approximate phase quantization with ideal phase and grouping the analog precoding vectors. In this paper, we also propose a deep reinforcement learning-based hybrid precoding. It consists of a deep reinforcement learning with employing convolutional neural network and long short-term memory (LSTM) methods. In our proposed frameworks, structures of proposed techniques are trained for maximum spectral efficiency. Our proposed techniques are compared with other precoding techniques. Results illustrate that the proposed techniques outperforms the other precoding techniques in terms of the spectral efficiency.     

毫米波下行多用户系统安全混合波束成形算法

毫米波混合波束成形结构受到日益广泛的认可,但缺乏以安全性为着眼点的混合波束成形算法研究,特别是当窃听者具有多用户译码能力时,系统安全性能无法得到保障。针对上述问题,该文基于人工噪声辅助的思想提出一种毫米波下行多用户系统安全混合波束成形算法。首先,将混合波束成形矩阵的模拟部分和数字部分解耦合独立求解,在充分考虑信道特性的基础上,通过最大化用户接收信号能量和迫零思想分别设计有用信号的模拟和数字波束成形矩阵;然后,通过SVD分解设计人工噪声的基带数字预编码矩阵,将人工噪声置于合法用户零空间。仿真结果表明,人工噪声辅助的安全混合波束成形算法有效解决了存在具有多用户译码能力窃听者时系统的安全问题。     

Design of hybridly-connected hybrid precoding in millimeter-wave massive MIMO system

In order to improve the spectral efficiency of hybridly-connected hybrid precoding,the optimal hybrid precoding matrix under the ideal conditions was firstly obtained by using the principle of successive interference cancellation (SIC).Secondly,the optimal hybrid precoding matrix was decomposed into the digital precoding matrix and the analog precoding matrix by using the gradient descent theory.Finally,considering the constant modulus constraint condition of the analog precoding matrix,the digital and analog precoding matrices were optimized by using the alternating minimization method aim to maximize the spectral efficiency.Due to the hybridly-connected structure,the proposed hybrid precoding design algorithm is significantly superior to the partially-connected and fully-connected hybrid precoding in terms of the system energy efficiency.Meanwhile,the algorithm does not increase any hardware complexity and only increases a small amount of computation of the hybridly-connected hybrid precoding.Computer simulation results exhibit that the proposed algorithm can improve the system spectral efficiency of the hybridly-connected hybrid precoding,and the upgrade of spectral efficiency is more significant especially in the conditions that the number of radio frequency (RF) links is greater than the number of data streams.Since the sub-blocks are not necessary to satisfy orthogonality conditions,the proposed algorithm is more suitable for practical application than the existing hybridly-connected hybrid precoding.