简介混合波束成形

开立真实脚本

本例介绍的混合波束形成，并显示如何模拟这样的系统的基本概念。

介绍

现代无线通信系统使用空间复用，以提高数据吞吐量的系统在散射丰富的环境中。为了通过该信道来发送多个数据流，一组预编码和组合权重的从信道矩阵导出。然后，每个数据流可以被独立地回收。这些权重同时包含幅值和相位方面与在数字域中通常施用。模拟这样的系统的一个例子可以在找到提高信噪比和基于天线阵列的无线通信的能力例。在下面所示的系统图中，每个天线连接到一个唯一的发送和接收（TR）模块。

对于高数据速率和更多的用户容量的需求不断增长增加了需要更有效地使用频谱。其结果是，新一代，5G，无线系统将使用毫米波（毫米波）频带取它的更宽的带宽的优点。另外，5G系统部署大规模的天线阵列，以减轻在毫米波带严重的传播损耗。然而，这些配置将他们独特的技术挑战。

相比，目前的无线系统，在毫米波带中的波长小得多。虽然这允许阵列包含具有相同物理尺寸以上的元素，它变得昂贵得多，以提供针对每个天线元件中的一个TR模块。因此，作为折衷，一个TR开关经常被用来提供多个天线元件。这是同一个概念作为雷达界使用的子数组构造。一种这样的结构示于下图。

以上表明，在发送侧，TR的数目切换图中， $N_{T R F}$ ，小于天线单元数， $N_{T}$ 。为了提供更多的灵活性，每个天线元件可以被连接到一个或多个TR模块。另外，模拟的移相器可以在每个TR模块和天线之间插入，以提供一些有限的转向能力。

在接收器侧的配置基本相同，如该图所示。数据流的最大数目， $N_{年代}$ ，可以通过这个系统来支持是较万博1manbetx小 $N_{T R F}$ 和 $N_{R R F}$ 。

在该配置中，它不再能够将各天线元件上施加的数字权重。取而代之的是，数字权重只能在每个RF链上。在元件电平，信号由模拟移相器，其中只改变信号的相位调整。因此，预编码或组合在两个阶段实际上完成。因为这种方法执行在数字和模拟域波束成形，它被称为混合波束形成。

系统设置

本节模拟了一个64 x 16 MIMO混合波束形成系统，在发射机端有一个64元素的方阵，有4条RF链;在接收机端有一个16元素的方阵，有4条RF链。

元= 64;NtRF = 4;Nr = 16;NrRF = 4;

在该仿真中，假定每个天线连接到所有RF链。因此，每个天线连接到4移相器。这样的阵列可以通过将所述阵列孔径为4级完全连接的子阵列进行建模。

rng (4096);c = 3 e8;fc = 28 e9;λ= c / fc;txarray = phased.PartitionedArray (...“数组”，phased.URA（[SQRT（NT）SQRT（NT）]，波长/ 2），...“SubarraySelection”，酮（NtRF，NT），'SubarraySteering',“自定义”);rxarray = phased.PartitionedArray（...“数组”，phased.URA（[SQRT（N T个）SQRT（N T个）]，波长/ 2），...“SubarraySelection”，酮（NrRF，NR），'SubarraySteering',“自定义”);

为了最大限度地提高频谱效率，每个RF链可被用来发送一个独立的数据流。在这种情况下，系统可支持多达4个流。万博1manbetx

接下来，假定与随机分布在空间6个散射簇散射环境。在每个簇中，存在8个位于密切散射体与5度的角度扩展，用于总共48个散射体。对于每个散射的路径增益是由一个复杂的圆形对称的高斯分布而获得。

Ncl = 6;Nray = 8;Nscatter = Nray * Ncl;angspread = 5;％计算随机放置散射簇txclang = [兰特（1，NCL）* 120-60;兰特（1，NCL）* 60-30];rxclang = [兰特（1，NCL）* 120-60;兰特（1，NCL）* 60-30];txang =零（2，Nscatter）;rxang =零（2，Nscatter）;％计算每个群集内的光线为m = 1时：NCL txang（：，（M-1）* Nray +（1：Nray））= randn（2，Nray）* SQRT（angspread）+ txclang（：，米）;rxang（：，（M-1）* Nray +（1：Nray））= randn（2，Nray）* SQRT（angspread）+ rxclang（：，米）;结束Nscatter g = (randn(1) + 1我* randn (Nscatter)) /√(Nscatter);

信道矩阵可表示为

txpos = getElementPosition（txarray）/λ;rxpos = getElementPosition（rxarray）/λ;H = scatteringchanmtx (txpos rxpos、txang rxang, g);

混合权重计算

与所有数字波束形成空间复用系统中，信号是由一组预编码权重，通过所述信道传播的调制，并且通过一组组合权重的回收。在数学上，这个过程可以描述为Y = F (X * * H + N) * W在哪里X是一个NS-列矩阵，其列为数据流，F是一个NS $\times$ NT矩阵表示预编码权重，W是一个NR $\times$ NS表示组合权值的矩阵，N是一个NR-列矩阵，其列为每个元素上的接收噪声Y是一个NS-column矩阵，它的列被恢复的数据流。由于该系统的目标是实现更好的频谱效率，获得预编码和组合权重可以被认为是一个最优化问题，其中最优预编码和组合权重做出的产品F * H * W '一个对角矩阵，从而每个数据流可以独立地被回收。

在混合波束形成系统中，信号流是相似的。预编码权和组合权都是基带数字权和RF带模拟权的组合。基带数字权值将传入的数据流转换为每个RF链上的输入信号，模拟权值将每个RF链上的信号转换为辐射或在每个天线单元收集的信号。请注意，模拟权值只能包含相移。

在数学上，它可以写成F = FBB * FRF和W = WBB * WRF，其中FBB是一个NS $\times$ NtRF矩阵,FRF一个NtRF $\times$ NT矩阵,Wbb一个NrRF $\times$ NS矩阵，Wrf一个NR $\times$ NrRF矩阵。因为两个FRF和Wrf只能用来修改信号相位，在优化过程中有额外的约束来识别最优的预编码和组合权值。理想情况下，得到的组合FBB * FRF和WRF * WBB是的密切近似值F和W被没有这些限制而获得。

不幸的是，同时优化所有四个矩阵变量是相当困难的。因此，许多算法都是在计算量合理的情况下求得次优权值。本例使用了[1]中提出的方法，该方法解耦了预编码和组合权重的优化。首先利用正交匹配追踪算法得到预编码权。一旦预编码权值被计算出来，结果就被用来获得相应的组合权值。

假定信道是已知的，无约束最佳预编码权重可以通过对角化的信道矩阵和提取所述第一获得NtRF主导模式。发送波束图案可被绘制为。

F = diagbfweights（H）;F = F（1：NtRF，:);图案（txarray，FC，-90：90，-90：90，'类型',“数字油田”,...'ElementWeights'，F'，'PropagationSpeed'，C）;

上面的响应模式表明，即使在多路径环境中，优势方向的数量也是有限的。

另一方面，混合权值可以计算为

在= steervec (txpos txang);基于“增大化现实”技术= steervec (rxpos rxang);NS = NtRF;[FBB，FRF] = omphybweights（H，NS，NtRF，在）;

混合权重的梁型如下图所示

图案（txarray，FC，-90：90，-90：90，'类型',“数字油田”,...'ElementWeights'润扬悬索桥,‘* Fbb’,'PropagationSpeed'，C）;

与用最优权值得到的梁型相比，用混合权值得到的梁型是相似的，特别是优势梁。这意味着使用混合权值可以成功地通过这些波束传输数据流。

频谱效率比较

一个一个5G系统的系统级性能指标是频谱效率。下一个部分比较使用最佳权重与所提出的混合波束形成权重的频谱效率来实现的。模拟假设1个或2的数据流如[1]所述。发送天线阵列被假定为在基站处，具有在方位角60度和在仰角为20度的聚焦波束宽度。该信号可以到达从任何方向的接收阵列。将得到的频谱效率曲线是从50蒙特卡洛试验每个SNR获得。

snr_param = 40:5:0;Nsnr =元素个数(snr_param);Ns_param = [1 2];NNs =元素个数(Ns_param);NtRF = 4;NrRF = 4;Ropt = 0 (Nsnr NNs);Rhyb = 0 (Nsnr NNs);硝石= 50;为m = 1时：Nsnr SNR = db2pow（snr_param（M））;为n = 1:硝石%通道实现txang =[兰德(Nscatter) * 60-30;兰德(Nscatter) * 20);rxang =[兰德(Nscatter) * 180 - 90;兰德(Nscatter) * 90 - 45);在= steervec (txpos txang);基于“增大化现实”技术= steervec (rxpos rxang);Nscatter g = (randn(1) + 1我* randn (Nscatter)) /√(Nscatter);H = scatteringchanmtx (txpos rxpos、txang rxang, g);为k = 1:NNs Ns = Ns_param(k);％计算最佳权重和它的频谱效率[FOPT，组Wopt] = helperOptimalHybridWeights（H，NS，1 / SNR）;ROPT（M，K）= ROPT（M，K）+ helperComputeSpectralEfficiency（H，FOPT，组Wopt，NS，SNR）;％计算混合权重和它的频谱效率润扬悬索桥(Fbb Wbb, Wrf] = omphybweights (H, Ns, NtRF NrRF, Ar, 1 /信噪比);Rhyb (m, k) = Rhyb (m, k) + helperComputeSpectralEfficiency (Fbb *润扬悬索桥,H, Wrf * Wbb, Ns,信噪比);结束结束结束ROPT = ROPT /硝石;旋转混合地图=旋转混合地图/硝石;情节（snr_param，ROPT（：，1），'--SR',...snr_param，ROPT（：，2），“——b”,...snr_param，旋转混合地图（：，1），“SR”,...snr_param，旋转混合地图（：，2），'-b');包含('SNR（dB）的');ylabel (“频谱效率（位/秒/赫兹”);传说（'NS个= 1个最佳','NS个= 2最佳','NS个= 1个混合',“Ns = 2混合”,...'位置','最好');格上;