作者：朱宇、李先馳，復(fù)旦大學(xué)

來源：中興通訊技術(shù)

摘要：針對寬帶多天線毫米波系統(tǒng)面臨的頻率選擇性信道衰落和硬件實(shí)現(xiàn)約束，提出結(jié)合單載波頻域均衡技術(shù)的數(shù)模混合波束賦形算法。以均衡器輸出信號的最小均方誤差為準(zhǔn)則，優(yōu)化波束賦形矩陣和均衡器的系數(shù)。為降低求解復(fù)雜度，應(yīng)用迭代天線陣列訓(xùn)練技術(shù)將原始優(yōu)化問題分解為在基站和用戶端的本地優(yōu)化問題，使需優(yōu)化的系數(shù)通過通信兩端的交替迭代處理獲得收斂。仿真表明：提出的新算法在誤比特率為10^-4 時(shí)較傳統(tǒng)算法在信噪比上具有約2 dB 的性能增益。

關(guān)鍵詞：毫米波通信；單載波頻域均衡；數(shù)模混合波束賦形；迭代天線陣列訓(xùn)練

從無線移動(dòng)通信發(fā)展的脈絡(luò)來看，第1、2 代（1G、2G）先后分別從模擬和數(shù)字兩種方式解決了人們之間的語音通信需求，第3 代（3G）開始增加對數(shù)據(jù)業(yè)務(wù)的支持，第4 代（4G）系統(tǒng)著重滿足人們?nèi)找嬖鲩L的數(shù)據(jù)業(yè)務(wù)的需求，未來的第5 代移動(dòng)通信系統(tǒng)（5G）除了繼續(xù)支持更高傳輸速率的用戶數(shù)據(jù)業(yè)務(wù)需求，伴隨物聯(lián)網(wǎng)的飛速發(fā)展，還需要支持大量智能設(shè)備的接入和連接，來支撐包括智能電網(wǎng)、智慧家庭、智慧城市、虛擬現(xiàn)實(shí)、遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療等多元化的新型業(yè)務(wù)。預(yù)計(jì)到2020 年將有超過500 億臺的智能設(shè)備聯(lián)入無線網(wǎng)絡(luò)，無線網(wǎng)絡(luò)的數(shù)據(jù)容量將會是現(xiàn)在的1 000 倍^[1-4]。為了滿足到2020 年能達(dá)到1 000 倍的容量提升，目前比較公認(rèn)的解決問題的3 個(gè)維度分別是^[1-4]：采用更高通信頻段以獲得更大的通信帶寬，增加頻譜利用率，劃分高密度小區(qū)來進(jìn)行頻率復(fù)用。

寬帶毫米波通信與這3 個(gè)維度都有著非常緊密的結(jié)合：首先毫米波頻段定義在30~300 GHz 的范圍，這一頻段可以提供數(shù)百兆赫茲乃至數(shù)吉赫茲的通信帶寬，是解決容量的最直接路徑；其次，從提高頻譜利用率的角度來看，大規(guī)模天線被公認(rèn)為是一種有效的技術(shù)^[1-6]，現(xiàn)有通信頻段因?yàn)槠洳ㄩL在分米或厘米級，受尺寸和體積限制，很難形成大規(guī)模天線陣列，而毫米波的天然屬性決定了其與大規(guī)模天線結(jié)合的有效性；最后，傳統(tǒng)上人們認(rèn)為毫米波通信由于頻率高而產(chǎn)生的路徑損耗大、傳輸距離短的弱點(diǎn)恰好成為高密度小區(qū)頻率復(fù)用的優(yōu)點(diǎn)^[6]。目前商用的毫米波通信標(biāo)準(zhǔn)和系統(tǒng)大多限于60 GHz 免費(fèi)頻段的室內(nèi)通信，例如：IEEE 802.15.3c^[7] 和802.11ad 標(biāo)準(zhǔn)^[8]。隨著微電子技術(shù)的發(fā)展，以及人們對移動(dòng)通信業(yè)務(wù)日益增加的迫切需求，毫米波通信已經(jīng)成為了應(yīng)用于半徑200 m 區(qū)域內(nèi)的室外無線移動(dòng)通信的非常重要的候選技術(shù)之一^[1-4]。

然而，毫米波頻段信號的傳播特性為系統(tǒng)設(shè)計(jì)也帶來了新的問題與挑戰(zhàn)，在相同天線增益的條件下，毫米波相對于6 GHz 以下微波頻段路徑損耗大，透射繞射能力差^[3-6]。為應(yīng)對這一問題，毫米波系統(tǒng)通常需要在收發(fā)端配置十幾乃至上百根天線組成陣列獲得高方向性的增益，來彌補(bǔ)其在傳輸上的能量損耗。因此，具備自適應(yīng)波束賦形（BF）的多天線設(shè)計(jì)是保證毫米波微小區(qū)覆蓋的首要必備技術(shù)^[3-6]。

相比現(xiàn)有6 GHz 以下頻段的移動(dòng)通信系統(tǒng)，寬帶毫米波系統(tǒng)在BF 設(shè)計(jì)上具有3 個(gè)方面的不同與挑戰(zhàn)：首先，系統(tǒng)多天線傳輸?shù)膶?shí)現(xiàn)方式會受到硬件成本和功率開銷的限制。與現(xiàn)有移動(dòng)通信系統(tǒng)相比，毫米波系統(tǒng)數(shù)百兆赫茲乃至數(shù)吉赫茲的通信帶寬大大增加了硬件成本和功耗。以模數(shù)轉(zhuǎn)換器（A/D）為例，基于最新互補(bǔ)金屬氧化物半導(dǎo)體（CMOS）工藝制作的具有12 bits 精度、100 Ms/s 采樣率，并且支持16 路天線的A/D 的功耗大于250 mW^[5]。在這些約束下，不可能為每根天線都配置一套射頻（RF）鏈路，因此，實(shí)際毫米波多天線技術(shù)很難采用全數(shù)字實(shí)現(xiàn)方案^[9]。其次，毫米波系統(tǒng)中天線陣列規(guī)模很大，天線數(shù)目達(dá)到十幾甚至上百，大規(guī)模天線的使用雖然增加了系統(tǒng)設(shè)計(jì)的自由度，但是也使得BF 矩陣優(yōu)化問題變得更加復(fù)雜。最后，相比6 GHz 以下頻段的移動(dòng)通信系統(tǒng)，毫米波信道在延時(shí)和角度域上都具有稀疏性，這一特性為降低BF 設(shè)計(jì)的復(fù)雜度提供了一條有效途徑，但同時(shí)也為問題的求解帶來了新的挑戰(zhàn)^[9]。基于上述3點(diǎn)，研究者提出了將模擬電路與數(shù)字電路相結(jié)合的基于數(shù)模混合信號處理的混合BF（HBF）方式。HBF 也逐漸引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注，逐步成為毫米波通信的一項(xiàng)關(guān)鍵技術(shù)。

1、毫米波HBF 研究現(xiàn)狀

圖1 以基站到用戶的毫米波下行鏈路為例展示了單用戶多個(gè)數(shù)據(jù)流傳輸?shù)腍BF 示意^[9-11]。

圖1、毫米波數(shù)模混合波束賦形示意

圖1 中用紅色標(biāo)記的矩陣F_BB 和F_RF 分別為基站端數(shù)字和模擬BF 矩陣，用藍(lán)色標(biāo)記的矩陣W_BB 和W_RF 分別為用戶端數(shù)字和模擬BF 矩陣。

相比現(xiàn)有6 GHz 以下頻段無線通信系統(tǒng)通常采納的全數(shù)字BF 結(jié)構(gòu)，毫米波系統(tǒng)中HBF 有以下幾個(gè)不同點(diǎn)和難點(diǎn)：隨著天線數(shù)目的增大，HBF 矩陣規(guī)模增大，優(yōu)化難度和計(jì)算復(fù)雜度增加；HBF 的優(yōu)化，特別是對模擬信號的處理，需要考慮模擬電路的實(shí)現(xiàn)方式和模擬器件的特性，如相移器^[9-11]、選通開關(guān)^[12]、相移器與放大器相結(jié)合^[13]等；HBF 的結(jié)構(gòu)給信道估計(jì)帶來了新的挑戰(zhàn)，這是因?yàn)樵跀?shù)字域上能估計(jì)出的信道是實(shí)際空口信道與模擬BF 矩陣的級聯(lián)。毫米波傳輸在延時(shí)和角度域的雙重稀疏性也為信道估計(jì)和HBF 矩陣求解帶來了新的挑戰(zhàn)。在寬帶系統(tǒng)中，不同于數(shù)字BF，模擬BF 因?yàn)槭菍��?shù)模轉(zhuǎn)換器（D/A）后、A/D 前的模擬信號進(jìn)行處理，其對帶寬內(nèi)所有子載波（若對單載波通信而言對應(yīng)信號的所有頻率分量）的處理都是一致的^[14-15]。

現(xiàn)有的HBF 設(shè)計(jì)研究主要集中在窄帶衰落模型^[9-12]，并且以系統(tǒng)互信息為優(yōu)化目標(biāo)，即：

（1）

其中，接收信號功率做了歸一化處理，R_n 定義為接收端HBF 處理后的噪聲協(xié)方差矩陣。如圖1 所示，當(dāng)模擬BF 由移相器和加法器構(gòu)成時(shí)，矩陣F_RF 和W_RF 各元素具有模為1 的約束（僅相位參數(shù)可以優(yōu)化）^[9-11]。模擬BF有兩種方式，即全連接^[9-11]和部分連接^[15]，體現(xiàn)在矩陣F_RF 和W_RF 在前一種方式下每一個(gè)元素都需要被優(yōu)化，而在后一種方式中呈現(xiàn)為塊對角矩陣的形式。目前對于式（1）中問題的主流解決方案有兩種，先固定W_BB 和W_RF，然后優(yōu)化F_BB 和F_RF，具體而言：

（1）文獻(xiàn)[9-10]利用毫米波信道的角度域稀疏特性，將F_BB 和F_RF 的求解問題轉(zhuǎn)化為稀疏近似問題，并利用正交匹配追蹤（OMP）算法進(jìn)行求解，其算法的局限性在于F_RF 中列向量的取值范圍和空間波束角度的標(biāo)簽相對應(yīng)，因此自由度受限。另外，這一算法在求解的過程中還需要完全信道信息。

（2）文獻(xiàn)[11]認(rèn)為在大規(guī)模MIMO系統(tǒng)中，可以采用F_RF 各列相互正交的假設(shè)，這樣就可以將F_BB 和F_RF 的聯(lián)合優(yōu)化拆解為對兩者的逐級優(yōu)化。與第1 種算法相比，該算法不依賴于信道的稀疏性，對F_RF 中的列向量并無標(biāo)簽形式的要求；但該算法基于大規(guī)模天線的假設(shè)，其性能依賴于天線數(shù)目、RF 鏈路數(shù)目、基帶數(shù)據(jù)流數(shù)目的相互關(guān)系。這一算法也需要完全的信道信息。

在窄帶HBF 的基礎(chǔ)上，研究者提出結(jié)合正交頻分復(fù)用（OFDM）的寬帶HBF 算法，來對抗寬帶毫米波信道的頻率選擇性衰落，其優(yōu)化目標(biāo)也擴(kuò)展為最大化多個(gè)子載波上的速率和^[14-15]

（2）

其中。需要注意的是：不同于數(shù)字BF 矩陣F_BB[k]和W_BB[k]與子載波索引號k 相關(guān)，模擬BF 矩陣F_RF 和W_RF 的取值與子載波索引號k 無關(guān)。現(xiàn)有對式（2）中問題的求解方法延續(xù)了HBF 在窄帶衰落下的設(shè)計(jì)思路，但是模擬BF 矩陣在窄帶下被限定為標(biāo)簽的形式^[9-10]，或者具有近似正交性質(zhì)的假設(shè)^[11]在寬帶通信場景下是否合適，或是否近似最優(yōu)將有待進(jìn)一步證明。此外，現(xiàn)有的寬帶算法仍然需要完全的信道狀態(tài)信息，這會進(jìn)一步降低了算法的實(shí)用性。

2、單載波寬帶毫米波系統(tǒng)中的HBF

單載波頻域均衡（SC-FDE）和OFDM 是目前公認(rèn)的能有效對抗信道頻率選擇性衰落的主要技術(shù)^[16-17]，其中SC-FDE 因?yàn)椴捎昧藛屋d波傳輸方式，發(fā)送信號的峰均功率比較低的特性被第3 代合作伙伴計(jì)劃（3GPP）長期演進(jìn)（LTE）/增強(qiáng)的LTE（LTE-A）標(biāo)準(zhǔn)采納為上行傳輸方案^[18]。在寬帶毫米波通信系統(tǒng)中，從實(shí)現(xiàn)成本和器件功耗上來考慮，為達(dá)到支持幾百兆赫茲乃至幾個(gè)吉赫茲的通信寬帶，A/D 的精度必然有所犧牲，單載波調(diào)制相對多載波調(diào)制具有相對較小的信號動(dòng)態(tài)范圍，可以降低對A/D 量化精度的要求^[4-5]。圖2 顯示了在高斯信道下，單載波與多載波（以O(shè)FDM為例）在不同A/D 量化精度下的分別以四相相移鍵控（QPSK）和16 符號正交幅度調(diào)制（QAM）為調(diào)制方式的誤碼率（BER）性能對比，可以看出：OFDM 對A/D 量化精度的要求更高。從這一角度來說，單載波能很好地兼顧性能與硬件，實(shí)現(xiàn)復(fù)雜度的要求，因此成為毫米波微小區(qū)非常重要的候選空口方案之一^[4-5]。目前結(jié)合SC-FDE 的寬帶毫米波HBF 算法的相關(guān)研究還比較少，本文中我們將會以單數(shù)據(jù)流單個(gè)RF 鏈路場景為例闡述單載波寬帶毫米波系統(tǒng)中HBF 優(yōu)化問題的建模與求解。

圖2、有限A/D 精度下單載波與多載波系統(tǒng)的性能對比（高斯信道）

2.1 系統(tǒng)模型

在單個(gè)RF 鏈路場景下，圖1 中的HBF 優(yōu)化問題退化為圖3 中的模擬BF 向量的優(yōu)化問題。不同之處在于：經(jīng)過基站和用戶的模擬BF 之后，原始的空口多輸入多輸出（MIMO）頻率選擇性衰落信道在基帶上退化為一個(gè)單輸入單輸出（SISO）頻率選擇性衰落信道，需要進(jìn)行頻域均衡（FDE）處理。針對這一特點(diǎn)，我們提出將模擬BF 與數(shù)字FDE 相結(jié)合的數(shù)模混合信號處理，同時(shí)以最小化FDE輸出信號的均方誤差（MSE）為準(zhǔn)則，對模擬BF 和數(shù)字FDE 的系數(shù)進(jìn)行聯(lián)合優(yōu)化。

圖3、單載波傳輸方式下毫米波模擬波束賦形

定義基站和用戶的BF 向量分別為f 和w，那么在基帶的等效SISO 信道的頻率響應(yīng)為w^HH_kf，其中H_k 是信道在第k 個(gè)頻率分量上的響應(yīng)矩陣。以線性FDE 為例，根據(jù)文獻(xiàn)[19]，可以得到采用最小均方誤差（MMSE）準(zhǔn)則的最優(yōu)FDE 系數(shù)以及對應(yīng)的MSE，顯然它們都是f 和w 的函數(shù)。可以證明基于MMSE 準(zhǔn)則的單載波HBF 優(yōu)化問題可以建模為^[19]：

（3）

其中和分別是信號和噪聲功率。優(yōu)化問題（P1）是一個(gè)非凸問題，很難得到最優(yōu)解，而且直接求解也需要知道完全信道信息H_k。一種可能的優(yōu)化方法是由用戶先估計(jì)信道矩陣，然后基于某一算法得到f 和w 的次優(yōu)解，再把f 結(jié)果反饋給基站。然而，這一方法不適用于毫米波系統(tǒng)，因?yàn)榇藭r(shí)天線的大規(guī)模特性增加了信道估計(jì)的復(fù)雜度。此外，由于在信道估計(jì)時(shí)沒有足夠的天線和空間分集增益，用戶的接收信噪比（SNR）非常低，為了保證信道估計(jì)的質(zhì)量，需要采用較長的訓(xùn)練序列，從而增加了訓(xùn)練時(shí)間和訓(xùn)練開銷。針對這一問題，我們采納迭代天線陣列訓(xùn)練（IAT）技術(shù)^[13]，如圖4 所示，利用時(shí)分雙工（TDD）模式上、下行信道的互易性，通過固定通信鏈路一端BF 向量，優(yōu)化另一端的BF 向量，將原問題拆解為在基站和用戶兩端的本地子優(yōu)化問題，然后通過交替迭代優(yōu)化，使得兩端BF 向量能夠最終收斂到全局或局部最優(yōu)解。IAT 方法的優(yōu)勢在于可以將信道估計(jì)的復(fù)雜度從O（N_tN_rL）降低到O（N_tL + N_rL），其中N_t,N_r 分別代表基站和用戶天線數(shù)，L 代表多徑信道長度。

雖然基于IAT 技術(shù)的BF 算法在降低信道估計(jì)復(fù)雜度方面具有很大吸引力，但其在具體算法設(shè)計(jì)上仍存在相當(dāng)?shù)碾y度和挑戰(zhàn)，例如：應(yīng)該選擇何種優(yōu)化目標(biāo)？ 原始優(yōu)化問題是否能夠被拆解為兩個(gè)子優(yōu)化問題？收斂性是否能被證明等。我們已經(jīng)證明（P1）問題可以采用IAT 方式拆解為在基站和用戶端的兩個(gè)本地子優(yōu)化問題，并能最終收斂到原問題的一個(gè)次優(yōu)解^[19]。在闡述詳細(xì)的求解步驟之前，我們在2.2 節(jié)中首先回顧傳統(tǒng)的一種以信道總功率為優(yōu)化目標(biāo)的基于IAT 技術(shù)的迭代特征值分解算法^[13],[20]。

2.2 傳統(tǒng)算法

在配置單個(gè)RF 鏈路的毫米波系統(tǒng)中，文獻(xiàn)[13]、[20]提出了以最大化等效SISO 多徑信道的總功率為優(yōu)化目標(biāo)的單載波寬帶模擬BF 算法。該優(yōu)化問題可以建模為：

（4）

為了求解優(yōu)化問題（P2），基于IAT 技術(shù)，在給定基站的發(fā)送BF 向量f 時(shí)，原始問題（P2）將退化為如下的在用戶端的子優(yōu)化問題^[13]，[20]：

（5）

其中H_SIMO =[h_SIMO,0 ... h_{SIMO,N -1}] ，h_SIMO,k =H_kf 是從基站RF 鏈路入口到用戶天線陣列的等效單輸入多輸出（SIMO）信道。可以證明優(yōu)化問題（P2.1）的最優(yōu)解為矩陣的最大特征值對應(yīng)的特征向量[13]。

類似地，當(dāng)給定用戶的發(fā)送BF向量w 時(shí)，在基站端存在的子優(yōu)化問題為：

（6）

其中H_SIMO =[h_SIMO,0 ... h_{SIMO,N -1}] ，是從基站天線陣列到用戶RF 鏈路出口的等效多輸入單輸出（MISO）信道。子優(yōu)化問題（P2.1）與（P2.2）具有同樣的形式。最優(yōu)的f為矩陣的最大特征值對應(yīng)的特征向量。

上述BF 設(shè)計(jì)以最大化信道總功率為目標(biāo)，沒有考慮等效SISO 信道頻率選擇性衰落的影響，相比這一傳統(tǒng)算法，我們提出的以最小化均衡器輸出信號的MSE 為目標(biāo)的設(shè)計(jì)準(zhǔn)則能夠更好地符合系統(tǒng)的最終傳輸性能指標(biāo)。

2.3 新算法

在2.1 節(jié)，我們提出將模擬BF 與數(shù)字FDE 進(jìn)行聯(lián)合優(yōu)化，并以最小化FDE 輸出信號的MSE 為準(zhǔn)則的新算法。結(jié)合IAT 原理（圖4 所示），我們將原問題（P1）做如下分解：當(dāng)基站BF 向量f 固定時(shí)，優(yōu)化問題（P1）退化為用戶端w 的子優(yōu)化問題。具體如式（7）：

（7）

圖4、基于IAT 技術(shù)的迭代優(yōu)化算法示意

同樣地，當(dāng)用戶在上行固定以w作為發(fā)射BF 向量時(shí)，根據(jù)TDD 上、下行信道的互易性，優(yōu)化問題（P1）又可以退化為在基站端f 的子優(yōu)化問題，即為：

（8）

我們在文獻(xiàn)[19] 中證明了通過（P1.1）和（P1.2）之間的來回迭代優(yōu)化，最終可以使f 與w 收斂到原問題（P1）的一個(gè)局部最優(yōu)解。優(yōu)化問題（P1.1）和（P1.2）仍然是非凸問題，難以獲得全局最優(yōu)解。我們可以采用經(jīng)典的梯度下降算法來獲得問題的局部最優(yōu)解^[21]。

由于（P1.1）、（P1.2）都是非凸問題，梯度下降算法能否收斂到一個(gè)較好的局部最優(yōu)解取決于初始向量的選取。根據(jù)文獻(xiàn)[21]，本地優(yōu)化問題的初始點(diǎn)可以通過解原始問題的一個(gè)近似（或者上下界）問題來獲得。可以發(fā)現(xiàn)（P1）問題中的目標(biāo)函數(shù)可以看成是多個(gè)分項(xiàng)的調(diào)和平均值的倒數(shù)，根據(jù)柯西不等式，它們大于等于其算術(shù)平均的倒數(shù)，而對這一算術(shù)平均的優(yōu)化與（P2）的目標(biāo)函數(shù)一致，因此一種對于（P1.1）、（P1.2）初始值選取的有效方法就是采用（P2）問題的解。

2.4 仿真結(jié)果

根據(jù)文獻(xiàn)[14]和[15]，第k 個(gè)頻率分量上的MIMO 信道可以建模為：

（9）

其中N_C 和N_R 分別表示信道中路徑簇的數(shù)目和每簇中路徑的數(shù)目，和分別表示第l 個(gè)簇中第m 個(gè)路徑的水平發(fā)射角度（AOD）和水平到達(dá)角度（AOA），α_l,m 表示第l 個(gè)簇中第m個(gè)路徑的傳輸復(fù)增益，和分別表示基站和用戶的天線響應(yīng)向量^[14-15]。仿真中基站與用戶各配置由16 根天線組成的間隔為半波長的線性天線陣，每個(gè)數(shù)據(jù)塊包含64個(gè)QPSK 符號。

圖5 展示了以最大化信道總功率為目標(biāo)的傳統(tǒng)算法和以MMSE 為目標(biāo)的新算法在不同SNR 下的BER 性能曲線。為公平起見，兩者的IAT 總迭代次數(shù)均設(shè)為6 次，在新算法中，根據(jù)2.3 節(jié)的闡述，仿真中以傳統(tǒng)算法迭代兩次后的結(jié)果作為新算法的初始向量，所以新算法的前兩次IAT處理與傳統(tǒng)算法相同。從圖5 中可以看出：相比于傳統(tǒng)算法，新算法能夠更好地獲得空間分集增益。例如：新算法在BER=10^-4 時(shí)較傳統(tǒng)算法有約2 dB 的SNR 增益。此外，我們還考慮實(shí)際系統(tǒng)中采用有限量化比特的相移器來實(shí)現(xiàn)BF，其操作是在原算法的基礎(chǔ)上，在每一次迭代中僅保留BF 向量各元素的相位部分，而把模固定設(shè)為常數(shù)。圖5 展示了當(dāng)相位量化精度為Q=4 比特時(shí)的BER 性能。可以看出：兩種算法因?yàn)橛邢蘧�度相移器的�?shí)現(xiàn)方式都具有一定的性能損失，但新算法仍然較傳統(tǒng)算法具有顯著的性能增益。

圖5、新算法與傳統(tǒng)算法在不同信噪比下的誤比特率性能

圖6 對比了新算法與傳統(tǒng)算法在不同迭代次數(shù)下的BER 性能，其中SNR 固定在-4 dB，從圖中可以看出，因?yàn)樾滤惴ú捎昧藗鹘y(tǒng)算法的兩次迭代處理來獲得初始向量，所以兩種算法在前兩次迭代的性能完全相同，但是從第3 次開始，傳統(tǒng)算法的性能增益十分有限，而新算法在第3 次迭代由于以MMSE 為目標(biāo)，BER 性能迅速提升約一個(gè)量級，并且在隨后的迭代中迅速收斂。

圖6、新算法與現(xiàn)有算法在不同迭代次數(shù)下的誤比特率性能

3、結(jié)束語

毫米波通信是能夠保證5G 乃至未來更新一代無線移動(dòng)通信系統(tǒng)獲得容量極大提升的一項(xiàng)關(guān)鍵技術(shù)，而HBF 技術(shù)是在兼顧硬件實(shí)現(xiàn)成本與功耗的情況下，保證毫米波系統(tǒng)能夠利用其大規(guī)模天線陣列的優(yōu)勢克服傳輸功率損耗與信道衰落影響的重要研究問題。在文章中，我們在回顧現(xiàn)有毫米波HBF 研究進(jìn)展的基礎(chǔ)上，針對毫米波信道頻率選擇性衰落以及系統(tǒng)在射頻鏈路上的硬件制約，提出了SC-FDE 與HBF 聯(lián)合優(yōu)化的設(shè)計(jì)思路，建立了以最小化信道均衡MSE為準(zhǔn)則的單載波傳輸方式下的毫米波HBF 優(yōu)化問題。在對問題的求解中，考慮大規(guī)模多徑MIMO 信道進(jìn)行估計(jì)的復(fù)雜度，我們應(yīng)用IAT 方法，將原問題分解為在基站和用戶兩端的兩個(gè)本地子優(yōu)化問題，利用TDD上、下行信道的互易性，通過交替迭代處理的方式可以保證兩端能收斂到局部最優(yōu)解。數(shù)值仿真結(jié)果表明：新算法較傳統(tǒng)算法可以在SNR 上具有2 dB 以上的性能增益。

在未來工作中，我們會將文中提到的單個(gè)RF 鏈路、單數(shù)據(jù)流的系統(tǒng)模型拓展到多個(gè)RF 鏈路、多個(gè)數(shù)據(jù)流的場景，并利用IAT 方法設(shè)計(jì)針對這一場景的HBF 算法。我們也會考慮在多用戶場景下利用毫米波信道延時(shí)域和角度域的雙重稀疏性的特點(diǎn)，以多用戶MSE 為優(yōu)化性能指標(biāo)，結(jié)合IAT 技術(shù)，設(shè)計(jì)高效的寬帶毫米波數(shù)模混合多用戶接入算法，增強(qiáng)系統(tǒng)的多用戶空間接入能力。此外，現(xiàn)有的HBF 研究大都假設(shè)理想的信道估計(jì)，精確的A/D 轉(zhuǎn)換，高精度的相移器，但實(shí)際中這些參數(shù)或者器件的非理想性都會對系統(tǒng)性能帶來影響，研究魯棒的HBF 設(shè)計(jì)也具有重要的意義與應(yīng)用價(jià)值。最后，以IAT 為基礎(chǔ)的HBF 算法依賴于TDD 模式下上、下行信道的互易性，在實(shí)際系統(tǒng)中存在上、下行鏈路器件特性不一致的問題，如何進(jìn)行更為有效的信道校準(zhǔn)也是非常值得研究的重要問題。

致謝

文中圖2 的仿真工作由復(fù)旦大學(xué)者鵬飛同學(xué)仿真完成，特此感謝！

參考文獻(xiàn)

[1] 尤肖虎, 潘志文, 高西奇,等. 5G 移動(dòng)通信發(fā)展趨勢與若干關(guān)鍵技術(shù)[J]. 中國科學(xué), 2014, 44(5): 551-563
[2] 張平, 陶運(yùn)錚, 張治. 5G 若干關(guān)鍵技術(shù)評述[J].通信學(xué)報(bào), 2016, 37(7): 15-29
[3] ROH W, SEOL J Y, PARK J, et al. MillimeterWave Beamforming as an Enabling Technology for 5G Cellular Communications: Theoretical Feasibility and Prototype Results [J]. IEEE Communications Magazine, 2014, 52(2): 106-113. DOI: 10.1109/MCOM.2014.6736750
[4] GHOSH A, THOMAS T A, CUDAK M C, et al. Millimeter-Wave Enhanced Local Area Systems a High-Data-Rate Approach for Future Wireless Networks[J]. IEEE Journal on Selected Areas in Communications, 2014, 32(6): 1152-1163. DOI: 10.1109/JSAC.2014.2328111
[5] RANGAN S, T. RAPPAPORT S, ERKIP E. Millimeter-Wave Cellular Wireless Networks: Potentials and Challenges[J]. Proceedings of the IEEE, 2014, 102(3): 366-385. DOI: 10.1109/JPROC.2014.2299397
[6] SWINDLEHURST A L, AYANOGLU E, HEYDARI P, et al. Millimeter-Wave Massive MIMO: the Next Wireless Revolution? [J]. IEEE Communications Society, 2014, 52(9): 56-62. DOI: 10.1109/MCOM.2014.6894453
[7] Wireless Medium Access Control (MAC) and Physical Layer (PHY) Specifications for High Rate Wireless Personal Area Networks (WPANs):IEEE 802.15.3cTM[S]. IEEE, 2009
[8] Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications-Amendment 6: Enhancements for Very High Throughput in the 60 GHz Band., IEEE P802.11ad TM /D0.1 [S]. IEEE, 2010
[9] ALKHATEEB A, MO J, GONZALEZ-PRELCIC N, et al. MIMO Precoding and Combining Solutions for Millimeter-Wave Systems[J]. IEEE Communications Magazine, 2014, 52
(12):122-131. DOI: 10.1109/MCOM.2014.6979963 [10] AYACH O, RAJAGOPAL S, ABU-SURRA S, et al. Spatially Sparse Precoding in Millimeter Wave MIMO Systems[J]. IEEE Transactions on Wireless Communications, 2014, 13(3):1499-1513. DOI: 10.1109/TWC.2014.011714.130846
[11] SOHRABI F, YU W. Hybrid Digital and Analog Beamforming Design for Large-Scale Antenna Arrays[J]. IEEE Journal of Selected Topics in Signal Processing, 2016, 10(3):501-513. DOI: 10.1109/
JSTSP.2016.2520912
[12] RIAl R M, RUSU C, PRELCIC N G, et al. Hybrid MIMO Architectures for Millimeter Wave Communications: Phase Shifters or Switches?[J]. IEEE Access, 2016, 4: 247-267. DOI: 10.1109/ACCESS.2015.2514261
[13] XIA P, NIU H, OH J, et al. Practical Antenna Training for Millimeter Wave MIMO Communication[C]// Vehicular Technology Conference, 2008. VTC 2008-Fall. IEEE 68th. USA:IEEE, 2008. DOI: 10.1109/VETECF.2008.253
[14] ALKHATEEB A. Frequency Selective Hybrid Precoding for Limited Feedback Millimeter Wave Systems[J]. IEEE Transactions on Communications, 2016, 64(5):1801-1818. DOI: 10.1109/TCOMM.2016.2549517
[15] YU X, SHEN J-C, ZHANG J, et al. Alternating Minimization Algorithms for Hybrid Precoding in Millimeter Wave MIMO Systems[J]. IEEE Journal of Selected Topics in Signal Processing, 2016, 10(3): 485-500. DOI: 10.1109/JSTSP.2016.2523903
[16] WANG Z, MA X, GIANNAKIS G. OFDM or Single-Carrier Block Transmissions?[J]. IEEE Transactions on Communications, 2004,53(3): 380-394. DOI: 10.1109/TCOMM.2004.823586
[17] ZHU Y, ZHE P, ZHOU H, et al. Robust Single Carrier Frequency Domain Equalization with Imperfect Channel Knowledge[J]. IEEE Transactions on Wireless Communications, 2016, 15(9): 6091-6103. DOI: 10.1109/TWC.2016.2578332
[18] Evolved Universal Terrestrial Radio Access (E-UTRA); LTE Physical Layer; General Description : 3GPP TS 36.201 V12.1.0[S]. 3GPP, 2014
[19] LI X, ZHU Y, XIA P. Enhanced Analog Beamforming for Single Carrier Millimeter Wave MIMO Systems[J]. IEEE Transactions on Wireless Communications, 2017,(99). DOI: 10.1109/TWC.2017.2695599
[20] XIAO X, XIA X, JIN D. Iterative Eigenvalue Decomposition and Multipath-Grouping Tx/Rx Joint Beamformings for MillimeterWave Communications[J]. IEEE Transactions on Wireless Communications, 2015, 14(3):1595-1607. DOI: 10.1109/TWC.2014.2370637
[21] BOYD S , VANDENBERGHE L. Convex Optimization [M]. England: Cambridge University Press, 2004