毫米波系统中最小均方误差混合预编码方案的设计与实现开题报告

1.1本课题的研究背景

随着移动通信的发展，各种新兴的业务和应用场景不断兴起，移动数据流量爆炸式的增长，第五代移动通信（5G）系统也顺应时代而生，5G技术有着零延时、千亿设备的连接能力、超高流量密度与连接密度的能力等。而这使得5G技术的传输能力有了质变。随着5G覆盖了社会的各个领域，5G技术将会拉近物与物之间的联系，提供更好的人机交互体验，让人与人之间的距离也逐渐缩短。真正意义上实现万物智能互联。

由于服务需求的不断增长，无线频谱的资源也开始告急[1]，低频段的频谱资源的开发逐渐走到尽头。因此下一代的通信系统需要靠毫米波系统来撑起下一个时代的局面。。毫米波通信存在很多的优点，在30GHz～300GHz这个范围内，毫米波存在许多并没有被占用的带宽，它可以让宽带设计出更完善的无线通信的系统[2]，并且由于它短波长的特性，决定了可以让很多元件的天线阵列集成在一处，减少高路径的损耗并且保证良好的链路质量[3]。高频段的毫米波技术目前已经成为主流的无线通信技术，同时它也将开创无线通信的全新时代。

预编码技术作为一种信号处理技术，在MIMO系统中非常的重要，它通过调整每个天线阵列中的阵元的相位和它的幅度，形成强指向性的波束，以提高波束增益。为了兼顾纯数字预编码和纯模拟预编码的优点，混合预编码应运而生，混合预编码分为低维度的数字部分和高维度的模拟部分，它们之间不需要大量的射频链相连，使得数字部分硬件架构变得简单并且不会产生很大的能耗，除此之外，混合预编码的多数据传输，大大的提高了性能，逐渐成为毫米波大规模MIMO技术的热门。

毫米波大规模MIMO系统中的混合预编码方案在理论研究上都取得了一定的成果。全连接的单用户和多用户场景的预编码方案都有差别，单用户情况下选择最优的数字编码器和模拟编码器，尽可能的提高系统的频谱效率，是最为重要的目的。文献[7]利用了毫米波MIMO信道的稀疏性，提出了一种基于正交匹配追踪法（Orthogonal Matching Pursuit，OMP）的方案去解决频谱效率最优化的问题，但是在此方案中，基于稀疏重建理论在模拟和数字域所设计的发送预编码矩阵和接收结合矩阵的运算太过复杂。为了使OMP算法的计算复杂度降低。文献[8]采用了有限输入字母表的混合预编码方案，建立最小均方误差（Minimum Mean Squared Error，MMSE）和最大化互信息量（Maximize Mutual Information,MI）之间的关系，用迭代的方法简化了求解了模拟和数字两个矩阵。顺着正交匹配法算法的思路，文献[9]给出了几种混合预编码算法，它们既可以降低系统的复杂度又可以同时使系统拥有良好的性能。

多用户混合预编码在模拟阶段就进行设计，加快每个用户的传输速率，然后在数字阶段设计，减小用户与用户之间的干扰，优化用户传输速率。在多用户场景下，文献[10]中给出了一种角度迫零的混合预编码算法，利用相位控制设计模拟预编码部分，数字部分通过等效信道实现迫零（Zero Forcing,ZF）预编码，这种方案在瑞利信道和毫米波信道下使得频谱效率达到了不错的效果。文献[11]设计了复杂度比较低的混合预编码算法，一开始基于天线阵列响应向量，设计模拟预编码矩阵和结合矩阵，让使用者的速率达到最大，然后设计数字部分ZF预编码矩阵，消除多个用户之间的干扰，但是由于此算法假设了毫米波信道径数为1，使得在多径信道并不能适应，缺少普遍性。针对多数据流场景，文献[12]提出一种混合块对角化算法，在模拟预编码部分就开始设计，用来收集更多的等效基带增益，再对数字预编码部分使用块对角化（Block Diagonalization,BD）算法消除用户与用户之间的干扰。这个方案适用于瑞利信道和毫米波信道，性能上还得到了保留，同时复杂度还不高。全连接的混合预编码的结构虽然繁琐，但是全连接结构确实提高了频谱效率，所以现在依旧应用于很多的研究工作中。

相比起全连接的结构，半连接的结构其实更占据优势，不仅减少了硬件的成本和复杂度，还有效的提高了系统能量效率。在半连接结构下，文献[13]中考虑到基于码本的波束成形系统，开发了低复杂度的算法优化了波束形成方向的选择，降低波束成形搜索空间的基数，克服复杂度高的问题使其接近最佳性能，从而表明在毫米波系统中的可行性。文献[14]中主要是研究能耗更低的子阵连接的混合预编码，提出一种基于连续干扰消除（SuccessiveInterference Cancellaation,SIC）的混合预编码的方案，将非凸约束可实现速率优化问题分解为一系列的子速率优化问题，然后提出一种低复杂度的算法来实现，他可以避免奇异值分解(Singular Value Decomposition,SVD)和矩阵求逆的需要，来降低复杂度。文献[15]中使用子连接模拟组合来降低复杂度，在模拟部分应用等增益发送（EqualGain Transmission,EGT）算法设计模拟预编码矩阵，提高性能，在数字部分采用ZF预编码来消除用户之间的干扰。综上所述，近年来，通过学术界和产业界的发展，毫米波大规模MIMO预编码技术的能量效率和频谱效率的研究工作也从刚开始起步走向深入探索的过程，但是在实际情况中，应对不同的场景的同时，想要兼顾复杂度和成本，提升系统性能，还需要深入挖掘。

1.2本课题研究的目的和意义

在大规模MIMO系统中，毫米波解决了低频段频谱资源缺乏的问题，扩展了通信频段，而混合预编码技术不止能降低了整体实现的复杂度，还能减少能耗，提高性能。二者相结合，可以以少量的射频链路实现比较高的天线阵列增益，并且可以有效提高误码率性能和和速率。本文采用毫米波MMES预编码方案，不仅降低收发信号的误差，还能获得较好的系统性能，充分的发挥了毫米波和混合预编码的技术优势，对通信产业的发展有着巨大的意义，也为未来实现完善的通信设计打下基础。

2.1主要研究内容

本文围绕毫米波MIMO系统展开，首先了解毫米波技术和混合预编码技术的概念和研究状况，随后对毫米波系统混合预编码设计的基础理论知识做了简要补充。主要从集中式和分布式两个角度给出MMSE混合预编码的设计方案。其中集中式方案主要研究不同的连接方式之间的性能差距。分布式方案中，通过改变阵列天线的结构，然后仿真对比模拟部分的不同的码本方案的性能，选出更好地天线阵列结构。此外，在同样的码本方案中进行有无插入损耗对比，研究插入损耗对实际性能的影响。

2.2预期目标

通过Matlab仿真，从频谱效率、误比特率、能效指标入手，实现并对比已经有的最小均方误差混合预编码的方案。

3．本课题拟采用的研究方法、步骤

3.1拟采用的研究方法

a）查找并阅读相关的资料，了解毫米波混合预编码的发展状况和趋势，对研究的课题有个大概的了解，对整个系统的框架有个基本的认知。

b）学习Matlab的相关知识，准备要使用的Matlab软件。

c）根据掌握的知识完成系统中的各个部分代码的设计，调试相关的代码数据，实现并对比典型最小均方误差混合预编码的方案。

3.2步骤

a）准备好Matlab2016b软件。

b）编写好最小均方误差代码，设置好对应参数，运行并调试代码，将数据保存，并画图。

c）分析数据，对比典型的最小均方误差的方案，得出最终的结论，并撰写报告。

4．本课题主要参考文献

参考文献：

[1] R. G. Baraniuk. More is less: Signal processing and the data deluge[J]. Science, 2011, 331(6018) 717-719

[2] Bai T ,Alkhateeb A , Heath RW . Coverage and capacity of millimeter-wave cellular networks[J]. IEEECommunications Magazine, 2014, 52(9):70-77.

[3] Prasad K ,Hossain E ,Bhargava V K . Energy Efficiency in MassiveMIMO-Based 5G Networks: Opportunities and Challenges[J]. IEEE WirelessCommunications, 2017:2-10.

[4] 仰秉旭.毫米波系统的信道估计和混合预编码技术的研究[D].南京:南京邮电大学,2018:1-5

[5] 黄钰.毫米波大规模MIMO中混合预编码技术研究[D].南京:南京邮电大学,2021:1-26

[6] 张然.毫米波大规模天线阵列系统中的混合预编码技术研究[D].北京:北京邮电大学,1-37

[7] Ayach O E , Rajagopal S , Abu-Surra S , et al. Spatially Sparse Precodingin Millimeter Wave MIMO Systems[J].IEEE Transaction on WirelessCommunications, 2014.13(3):1499-1513.

[8] Rajashekar, Rakshith, Hanzo, et al. Hybrid Beamforming in mm-WaveMIMO Systems Having a Finite Input Alphabet.[J]. IEEE TransactionsOnunications, 2016.64(8):3337-3349.

[9] Rusu C , Mendez-Rial R , Gonzalez-Prelcic N , et al. Low ComplexityHybrid Precoding Strategies for Millimeter Wave Communication Systems[J].IEEE Transactions on Wireless Communications, 2016,15(12):8380-8393.

[10]Liang L , Xu W , Dong X . Low-Complexity Hybrid Precoding in MassiveMultiuser MIMO Systems[J]. IEEE Wireless Communications Letters, 2014,3(6):653-656.

[11]Alkhateeb A , Leus G , Heath R W . Limited Feedback Hybrid Precodingfor Multi-User Millimeter Wave Systems[J]. IEEE Transactions on WirelessCommunications, 2014, 14(11):6481-6494.

[12]Ni W , Dong X . Hybrid Block Diagonalization for Massive MultiuserMIMO Systems[J]. IEEE Transactions on Communications, 2016, 64(1):201-211.

[13]Singh J , Ramakrishna S . On the Feasibility of Codebook-BasedBeamforming in Millimeter Wave Systems With Multiple Antenna Arrays[J]. IEEETransactions on Wireless Communications, 2015, 14(5):2670-2683.

[14]Gao X , Dai L , Han S , et al. Energy-Efficient Hybrid Analog andDigital Precoding for MmWave MIMO Systems With Large Antenna Arrays[J]. IEEEJournal on Selected Areas in Communications, 2016, 34(4):998-1009.

[15]Hanif M , Yang H C , Boudreau G , et al. Low-Complexity HybridPrecoding for Multi-User Massive MIMO Systems: A Hybrid EGT/ZF Approach[J].IET Communications, 2017, 11(5):765-771.

[16]Buzzi S , D 'Andrea C . On Clustered Statistical MIMO Millimeter WaveChannel Simulation[J].2016.

3.1--3.15 课题调研，了解相关技术和要求；

3.16--3.29 查阅资料，撰写并提交开题报告；

3.30--5.3 实验调试，数据整理，完成论文初稿；

5.4--5.24 论文完善、修改；

5.25--6.1 预答辩；

6.2--6.10 完成答辩准备工作并进行论文答辩。