一种大规模MIMO系统的天线选择方法与流程

本发明属于无线通信技术领域，具体涉及一种大规模mimo系统的天线选择方法。

背景技术：

mimo(multi-inputmulti-output)系统通过在发射端和接收端配置多个天线以获得分集增益和复用增益，使系统不增加带宽的情况下成倍提高信道容量和传输可靠性。大规模mimo技术通过在基站端部署成十上百甚至上千根发射天线，充分发掘空间自由度，在同一时频资源上服务更多的用户，旨在不增加系统带宽和发射功率的情况，显著提高无线通信系统的系统容量和系统能效，是第五代移动通信系统核心技术之一，已经受到了世界各研究学者和通信工作者的深入研究。

当使用所有的天线来进行数据传输时，大规模mimo系统的基站端需要部署和基站天线数量相等的射频链路，这会导致极大的射频链路开销，硬件成本和维护成本增多。此外，随着基站端天线数量的增多，在有限的空间中，不同天线的水平和垂直间距有可能被压缩，天线间的相关性增强，不同信道之间的信号容易受到干扰，造成一定的容量损失。天线选择技术通过选择合适的天线子集用于数据传输，可以在进一步提高系统容量和系统能效的基础上降低系统的硬件成本和实现复杂度，改善通信系统的通信质量，提高系统性能，实现绿色通信的要求。现在有几种经典的天线选择算法：穷尽搜索算法、递增天线选择算法、递减天线选择算法、最大范数法、随机选择法。其中，穷尽搜索算法是最优算法，能够实现最优的系统容量，但是运算次数极大，复杂度高，并不适合拥有大规模天线阵列的大规模mimo系统；递增天线选择算法始于空集，每次选出对系统容量贡献最大的天线；递减天线选择算法始于全集，每次删除对系统容量贡献最小的天线；递减算法和递增算法原理相同，相对于穷尽搜索算法复杂度极大降低，是天线选择的次优算法；最大范数法是从信道矩阵h中选出l列具有最大frobenius范数列构成选择子集，复杂度较低；随机选择法是从信道矩阵h中随机选出l根天线，实现简单，但是对系统容量的提升贡献不大。上述几种经典算法不能完全适用于大规模mimo系统，因此大规模mimo系统的天线选择成为新的研究热点。

技术实现要素：

针对现有技术的不足，本发明的目的在于提供一种大规模mimo系统的天线选择方法，以提高系统容量和系统能效，降低硬件成本和实现复杂度，改善通信系统的通信质量和传输可靠性。

为了达到上述目的，本发明提供以下技术方案：

本发明提供一种大规模mimo系统的天线选择方法，包括以下步骤：

步骤一、初始化两个空天线选择子集s＝{}和t＝{}；

步骤二、计算大规模mimo信道矩阵h中各列的范数，将范数最大的列hf放入天线选择子集s中作为下一次天线选择的基准天线h0，同时将范数最大的列hf和范数最小的列hm^*从信道矩阵h中删除，更新矩阵s、h、t：

s＝s+{hf}；h＝h-{hf,hm^*}；t＝s+h；h0＝hf；

步骤三、遍历矩阵h的剩余天线，依次计算矩阵h中各天线hj与基准天线h0的相关性，将相关性最小的列hr放入天线选择子集s中作为新的基准天线h0^*,同时将相关性最小的列hr和相关性最大的列ha^*从h中删除，更新矩阵s、h、t：

s＝s+{hr}；h＝h-{hr,ha^*}；t＝s+h；h0^*＝hr；

步骤四、依次判断步骤三所得天线选择子集s、t中的天线个数是否满足要求，如果满足则返回该选择子集作为天线选择阵列集合，如果不满足则重复步骤三，直到选出指定数量的天线选择阵列集合；

步骤五、根据步骤四选出的天线选择阵列集合，结合大规模mimo系统参数，计算大规模mimo系统容量和系统能效。

在一个具体实施方式中，所述步骤三中，计算矩阵h中各天线hj和基准天线h0之间的相关性，按照以下公式进行：

在一个具体实施方式中，所述步骤四中，具体为：

首先判断天线选择子集s中的天线个数是否满足要求，如果满足则返回s作为最终天线选择阵列集合；如果不满足则判断天线选择子集t的个数是否满足要求，如果满足就返回t作为最终天线选择阵列集合，否则重复步骤三，直到选出指定数量的天线阵列集合。

在一个具体实施方式中，所述步骤五中，大规模mimo系统容量和系统能效模型如下：

其中，c表示大规模mimo系统容量，l为选择的天线数，m为接收端天线总数，pt为系统总发射功率，pi为第i个所选发射天线的发射功率，b为系统带宽，λi为第i个所选发射天线的信道增益，σ为系统噪声，γ为系统容限，γ、ps、pr则分别表示天线发射效率、发送链路功率、接收链路功率。以上这些参数都是大规模mimo系统的属性值。

相对于现有技术，本发明具有以下有益技术效果：

本发明提供一种大规模mimo系统的天线选择方法，通过对大规模mimo系统的信道矩阵进行双向交叉迭代选择，在不增加运算复杂度的情况下，减少了射频链路的部署，降低了硬件成本和实现复杂度，提高了系统容量和系统能效，满足绿色通信要求，在第五代移动通信系统领域(5g)具有广泛的应用前景。

附图说明

图1为大规模mimo系统单小区多用户天线选择系统模型图。

图2为大规模mimo系统发射端单个发射链路模型图。

图3为大规模mimo系统发射端单个接收链路模型图。

图4为选择不同数量发射天线下五种天线选择算法的系统容量示意图。

图5为选择不同数量发射天线下五种天线选择算法的系统能效示意图。

图6为不同信噪比下五种天线选择算法的系统容量示意图。

图7为不同信噪比下五种天线选择算法的系统能效示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合具体实施例和附图对本发明进行进一步说明：

本发明实施例一种大规模mimo系统中的天线选择方法，包括以下步骤：

步骤一、初始化两个空天线选择子集s＝{}和t＝{}；

步骤二、计算大规模mimo信道矩阵h中各列的范数，将范数最大的列hf放入天线选择子集s中作为下一次天线选择的基准天线h0，同时将范数最大的列hf和范数最小的列hm^*从信道矩阵h中删除；

大规模mimo天线选择系统(如图1所示)中，受接收端外形、尺寸、能耗的影响，接收端的天线数不会很多，一般假定发射端天线数量远远大于接收端天线数量，即n>>m，根据信道估计，信道矩阵h＝{h1,h2,…,hi,…,hn}：

各列hi的frobenius范数表达式为：

norm(i)＝hi'·hi(5)

更新矩阵s、h、t：

s＝s+{hf}；h＝h-{hf,hm^*}；t＝s+h；h0＝hf；

s＝{hf}(6)

h＝{h1,h2,…,hf-1,hf+1,…,hm-1*,hm+1*,…,hn-2}(7)

t＝{hf,h1,h2,…,hf-1,hf+1,…,hm-1*,hm+1*,…,hn-2}(8)

h0＝hf(9)

步骤三、遍历矩阵h的剩余天线，依次计算矩阵h中各天线hj与基准天线h0的相关性，将相关性最小的列hr放入天线选择子集s中作为新的基准天线h0^*,同时将相关性最小的列hr和相关性最大的列ha^*从h中删除；

计算矩阵h中各天线hj和基准天线h0之间的相关性，按照以下公式进行：

更新矩阵s、h、t：

s＝s+{hr}；h＝h-{hr,ha^*}；t＝s+h；h0^*＝hr；

s＝{hf,hr}(10)

h＝{h1,…,hr-1,hr+1,…,ha-1*,ha+1*,…,hn-4}(11)

t＝{hf,hr,h1,…,hr-1,hr+1,…,ha-1*,ha+1*,…,hn-4}(12)

h0*＝hr(13)

步骤四、首先判断天线选择子集s中的天线个数是否满足要求，如果满足则返回s作为最终天线选择阵列集合；如果不满足则判断天线选择子集t的个数是否满足要求，如果满足就返回t作为最终天线选择阵列集合，否则重复步骤三，直到选出指定数量的天线阵列集合；

步骤五、根据步骤四选出的天线选择阵列集合，结合大规模mimo系统参数，计算大规模mimo系统容量和系统能效；

根据大规模mimo系统发射端单个发射链路和接收链路(如图2和图3所示)，和大规模mimo系统信道状态、传输效率、发射功率等系统属性值，所述大规模mimo系统容量和系统能效表达式分别如下：

其中，c表示大规模mimo系统容量，l为选择的天线数，m为接收端天线总数，pt为系统总发射功率，pi为第i个所选发射天线的发射功率，b为系统带宽，λi为第i个所选发射天线的信道增益，σ为系统噪声，γ为系统容限，γ、ps、pr则分别表示天线发射效率、发送链路功率、接收链路功率。以上这些参数都是大规模mimo系统的属性值。

图4～图7是本发明的性能仿真图。从图中可以看出，相同条件下，与传统的天线选择算法相比，本发明可以在不增加运算复杂度的情况下进一步提高大规模mimo系统容量和能效；且当信噪比增大到一定值时，这几种算法的性能趋于相同。总体而言，本发明相较于传统算法具有明显的性能提升。

从以上实例可以看出，本发明能用来有效改善大规模mimo的系统容量和能效性能。与传统方法相比，在提高系统容量和能效的情况下，本发明具有更低的硬件成本和实现复杂度，提高无线通信系统的通信质量和传输可靠性。