我们考虑这样的场景:基站(BS)部署在无人机上,基站和用户设备(UE)都采用透镜模型[15],如图所示1它还显示了mmWave的视线(LOS)和非视线(NLOS)路径。时变毫米波信道基于时变几何信道模型。然而,我们提出的方法适用于基于某种码本的任何混合预编码。以下小节将分别介绍:(1)带透镜的mmWave大规模MIMO模型和时变信道模型;(2)混合预编码的问题定义以及时变影响的讨论。
2.1系统模型
2.1.1物理模型
如图所示2,带有镜头的mmWave大规模MIMO与普通MIMO类似。它只是用选择器和透镜代替模拟预编码器和普通天线阵列。透镜用于将信道转换为波束空间,其中mmWave信道是稀疏的。选择器用于选择功率最大的光束。
\(N_s\)是数据流的数量,\({\mathbf{F}}_{BB}\)/\({\mathbf{W}}_{BB}\)是带维数的数字预编码矩阵\(N_{RF}\次N_s\),\(N_{RF}\)是RF链的数量,\({\mathbf{S}}_t\)/\({\mathbf{S}}_r\)是发射机和接收机中的选择矩阵\(N_t\次N_{RF}\)/\(N_r\times N_{RF}\)和\(N_t\)/\(N_r)是与发射机/接收机相对应的天线数量。
两侧的透镜等于在通道上进行的二维快速傅立叶变换(FFT)
$$\begin{aligned}{\mathbf{G}}={\mathbf{F}}_{N_{r}}\mathbf{HF}_{N_{t}},\end{alinged}$$
(1)
哪里\({\mathbf{F}}_{N_t}\)/\({\mathbf{F}}_{N_r}\)是2D FFT矩阵,H是原始信道矩阵\({\mathbf{G}}\)是波束空间中的信道矩阵,该矩阵是稀疏的,并且只有一些点具有不可忽略的值,如图所示三.
接收机中接收到的信号可以表示为
$$\开始{对齐}{\varvec{y}}={\mathbf{W}}_{B}^{H}{\mathbf{S}}_}r}^{H}{\mathbf{G}{\methbf{S{}}{t}{\mathbf{F}}{B}{\vervec{x}}+{\mathpf{W{B}}^{H}{\mathbf{S}}_{r}^{H}{\varvec{n}},\end{aligned}$$
(2)
哪里\({\mathbf{x}}\)是要传输的符号,\({\mathbf{y}}\)是接收到的信号\({\varvec{n}}\)是满足复高斯分布的噪声\(\mathcal{CN}\左(0,1\右)\)在正常的mmWave大规模MIMO中,\({\mathbf{F}}_{N_t}{\mathbf{S}}_t\)/\({\mathbf{F}}_{N_r}{\mathbf{S}}_r\)在公式中是\({\mathbf{F}}_{RF}\)/\({\mathbf{W}}_{RF}\)称为模拟预编码器/合成器。
因此,2D FFT矩阵\({\mathbf{F}}_{N_t}\)/\({\mathbf{F}}_{N_r}\)可以被视为代码本\({\mathbb{F}}\)/\({\mathbb{W}}\)用于模拟预编码,以及选择器\({\mathbf{S}}_t\)/\({\mathbf{S}}_r\)有义务为波束形成选择合适的矢量。
2.1.2时间变换几何体通道
我们采用几何信道模型,该模型将均匀线性阵列(ULA)中的信道矩阵和时变场景描述为[16,17].
$$\begin{aligned}{\mathbf{H}}(t)=\sum_{\ell=1}^{P}\alpha_{\ell}(t){\varvec{a}}_{r}\left(\phi_{r,\ell}(t-)\right){\valvec{a}}_{t}^{H}\ left(\ phi_{t,\ell{t)\rift)e^{j2\pif{\ell}t_{s}t},\结束{对齐}$$
(3)
哪里\(P\)是多路径数,\(阿尔法{ell}(t))是的路径损耗\(\ ell\)第条路径,\({\varvec{a}}{r}\左(\phi{r,\ell}(t)\右)\)和\({\varvec{a}}{t}\左(\phi{t,\ell}(t)\右)分别是接收机和发射机的天线阵列响应。\(\phi_{r,\ell}(t)\)/\(\phi_{t,\ell}(t)\)是到达角(AoA)/离去角(Ao D)。\(f{\ell})是多普勒频移\(T_s\)是采样周期。此外,\(阿尔法{ell}(t))遵循一阶复高斯-马尔可夫模型\(\phi_{r,\ell}(t)\)/\(\ phi_{t,\ ell}(t)\)随着零均值高斯分布和\({\sigma}^2\)方差(根据位置和速度)。
天线阵列响应可以表示为
$$\begin{aligned}\begin}数组}{l}{\mathbf{a}}_{r}\left(\phi_{r,\ell}(t)\right)=\frac{1}{\sqrt{N_r}}\lert(1,e^{j\left_{r} -1个\right)\ left(\frac{2\pi}{\lambda}\right)d\sin\left(\fhi_{r,\ell}(t)\ right)}\rift)^{t},\end{array}\end{aligned}$$
(4)
哪里d日是天线空间和\({\varvec{a}}{t}\左(\phi{t,\ell}(t)\右)也可以用类似的公式表示,只需用AoD代替AoA。
2.2问题定义和时变影响
2.2.1混合预编码问题定义
透镜模型中的混合预编码问题可以定义为以下优化问题[18]
$$\开始{对齐}\left\{开始{数组}{c}{\mathbf{W}}_{B}^{*},{\mathbf{S}}_}r}^{**},\\{\mat血红蛋白{S}{t}^{},}_{B},{\mathbf{S}}_{r},\\{\mat血红蛋白{S}{{t},}\mathbf{F}}{B}\end{array}}{{text{argmax}}}\log_{2}\left|{\mathbf{I}}+{\mathpf{r}}{n}^{-1}{\mathbf{W}}^{H}{\mathbf{GF}}^}{H}}{\mathbf{W}}\right|,\end{aligned}$$
(5)
$$\开始{对齐}&\text{s.t.}\quad{\mathbf{W}}={\mathbf{s}}_{r}{\mat血红蛋白{W}{{B},\end{aligned}$$
(6)
$$\begin{aligned}&{\mathbf{F}}={\mathbf{S}}{t}{mathbf}}{B},\end{alinged}$$
(7)
$$\开始{aligned}&\quad\quad\quid\left\|{\mathbf{S}}_{t}{\mathbf{F}}_}B}\right\|{F}^{2}\leN_{S},\end{aligned}$$
(8)
$$\begin{aligned}&{\mathbf{S}}_{r}=\left\{{\mathbf{X}}|{\varvec{X}}_i}\在{\mathcb{B}}^{N_{r{}}中,\left\ |{\varvec{X}{i}\right\ |_{F}^{2}=1,i=1,\ldots,N_{RF}\rift\},\end{alinged}$$
(9)
$$\begin{aligned}&{\mathbf{S}}_{t}=\left\{{\mathbf{X}}|{\varvec{X}}_i}\在{\mathcb{B}}^{N_{t{}}中,\left\ |{\varvec{X}{i}\right\ |_{F}^{2}=1,i=1,\ldots,N_{RF}\right,\end{alinged}$$
(10)
哪里\({\mathbf{R}}_{n}=\压裂{1}{SNR}{\mathbf{W}}^{H}{\mathbf{W{}}\),信噪比是信噪比\({\mathbb{B}}^N\)是N维二进制字段。
考虑到中提出的次优解决方案,我们重写了优化问题[19,20],协调优化问题可以转化为
$$开始{aligned}\left\{{mathbf{S}}_{r}^{*},{mathbf{S}{t}^{*.}\right\}=\underset{{mathbf{S{}_{r},}{mathbf2{S}}_{t}}{{text{argmax}}}\log_{2}\left |{mathbf1{I}+S N r{mathbf-{S}neneneep{r}^{H}{\mathbf{G}}{\mathbf{S}}{t}{\methbf{S}}{{t}^{H}{\mathbf{G}}^{H}{\mathbf{S}{r}\right|。\结束{对齐}$$
(11)
数字预编码器和合成器可以通过计算\({\mathbf{S}}_r^H{\mathbf{G}}{\mathbf{S}}_t\),考虑到\({\mathbf{S}}_r^H{\mathbf{G}}{\mat血红蛋白{S}{_t\)作为等效通道。
考虑到毫米波信道的稀疏性,我们可以通过在波束空间域中选择几个最大的不可忽略值来直接进行波束形成,如图所示三并采用等效信道方法完成混合预编码。
2.2.2时变影响
本小节的以下部分专门讨论mmWave大规模MIMO中时变的影响。
考虑以下情况,接收机计算出精确的CSI\({\mathbf{H}}(t1)\)时间\(t1)然而,当发射机和接收机为\({\mathbf{H}}(t1)\),频道更改为\({\mathbf{H}}(t_2)\)而以前的预编码器和合成器与新的信道不匹配,降低了系统的性能。图4描述了上述场景。
为了减轻影响,发射机和接收机需要频繁更新CSI,以便利用相对较新的信道来对抗性能下降,这带来了导频和计算时间消耗高的问题。图5通过比较时不变(上图)和时变信道(下图)的通信过程图来说明这一点。
2.3时变信道中模拟预编码的分析
2.3.1模拟预编码的解空间
由于模拟预编码中相位的量化和幅度的不变范数,每个元素的解空间\(f_{BB}^{ij}\)/\(w_{BB}^{ij}\)(行中模拟预编码器/合成器的元件我和列j个)被约束为离散电路,如图6礼物。此外,在透镜模型中,模拟预编码码本是FFT矩阵的列,它实际上打算量化AoA/AoD,因此预编码器/合并器只能采用以下格式
$$\begin{aligned}{\mathbf{f}}_k={(1,e^{j2\pi\frac{k}{N}},e^{j2\\pi\frac{2k}{N}}$$
(12)
哪里\(k=0,1,\ldots,N-1)和N个等于\(N_t\)/\(N_r)显然\({\mathbf{f}}_k\)绝对取决于k个,所以的解空间\({\mathbf{f}}_k\)可以表示为元素解空间的相同格式,即图6.
只有当通道偏差足够大时,光束选择器\({\mathbf{S}}_t\)/\({\mathbf{S}}_r\)需要更改选定的梁,如图所示7.
2.3.2模拟预编码的鲁棒性
作为本节的最后一部分,我们讨论了时变对模拟预编码的影响,我们可以看到模拟预编码对多普勒频移的鲁棒性和毫米波信道中路径增益损耗的偏差,这增强了模拟预编码和数字预编码的偏差速度之间的差距。考虑透镜模型中的光束选择过程。选择器根据第一个选择最接近的模拟码字\(N_{RF}\)两侧最大的天线响应。
改写渠道模型公式
$$\begin{aligned}{\mathbf{H}}(t)=\sum_{\ell=1}^{P}[\alpha_{\ell}(t)e^{j2\pi f_{ell}t_{s}t}]{\varvec{a}}_{r}\ left(\phi_{r,\ell}(c)\right)●●●●。\结束{对齐}$$
(13)
显然,多普勒频移和路径增益损失的偏差不会影响波束形成的选择,因为它们可以被视为新路径增益损失中的一部分\({\beta}{\ell}(t)={\alpha}{\ell}(t)e^{j2\pif_{\ellneneneep t_st}).
因此,我们分析了时变mmWave大规模MIMO的影响,其中数字预编码需要频繁更新,以便尽可能跟踪最新的信道,而模拟预编码则相反,它可以对抗多普勒频移和AoA/AoD的小偏差。在下一节中,我们将根据这一事实介绍基于双驾驶员的混合系统。