【《毫米波大规模MIMO系统的基本原理及预编码算法概述》11000字】

毫米波大规模MIMO系统的基本原理及预编码算法概述目录TOC\o"1-3"\h\u5880毫米波大规模MIMO系统的基本原理及预编码算法概述 1104841.1大规模MIMO系统基本理论 1150111.1.1大规模MIMO技术概述 2226891.1.2大规模MIMO信道模型 3183581.2毫米波大规模MIMO系统基本理论 663301.1.1毫米波大规模MIMO技术概述 678341.1.2毫米波大规模MIMO信道模型 7264031.3MIMO系统预编码技术 9287291.3.1传统MIMO预编码技术 964861.3.2毫米波MIMO预编码技术 12193451.3.3自适应天线阵列结构 14传统微波频带的使用显著增加，导致拥塞和稀缺。此外，5G通信系统对更高数据速率和频谱效率的需求是利用毫米波频率的大型光谱资源的关键因素。然而，载波波长的减少使毫米波信号存在严重的自由空间路径损失问题，而使用大规模MIMO带来的增益可以克服路径损失。同时，毫米波波长较短，大量的天线元件能够集成在更小的硬件空间上，这为大规模MIMO技术应用于毫米波通信系统提供了条件。因此，毫米波大规模MIMO技术对于未来移动通信的发展具有重大意义。在传统的MIMO系统中，所采用的全数字预编码是在基带上进行预编码处理，这时的收发器具有相同数量的天线和RF链数。在大规模MIMO系统中，大量的RF链和天线会引起高实现复杂性和功耗问题。考虑到全数字预编码的硬件约束，采用混合预编码算法可以减少RF链数量，这里，混合预编码中最具性能和硬件开销优势的是自适应天线阵列结构。本章首先阐述了在无线传输大规模MIMO中单用户和多用户的系统模型，并给出性能分析。然后给出了毫米波大规模MIMO信道模型及频域表示，并简要介绍了传统MIMO中典型的预编码技术和毫米波MIMO中的三种预编码技术。最后，针对混合预编码，给出了几种混合预编码结构，引出了自适应天线的应用意义。1.1大规模MIMO系统基本理论在无线传输中，MIMO技术用于改善通信性能。MIMO是一种流行的智能天线技术，在一定的发射功率或带宽时，发送方和接收方都使用多个天线来极大提高通信链路距离和系统吞吐量。像IEEE801.11n，WiMAX一样，MIMO是现代无线通信一个至关重要的技术，可提供高频谱效率，链路可靠性以及用于处理网络流量的多样性。即将到来的无线和智能5G装置正在利用基于大规模MIMO的方法来提供有效的通信。大规模MIMO是对传统MIMO进行扩展使用大量天线，在传统MIMO的基础上，大量天线的使用会使得信号路径增多，也就可以满足更高的数据速率和更可靠的链路需求。本章首先详细对大规模MIMO和毫米波大规模MIMO进行概述，并对其系统模型、信道模型等进行介绍；接着，本章将介绍传统MIMO预编码技术和毫米波系统下的MIMO预编码技术；最后，引申出毫米波MIMO通信系统下更具现实意义的混合预编码中的自适应天线阵列结构。1.1.1大规模MIMO技术概述从1G到如今的5G，移动通信技术一直在演进和创新，天线技术也一直在发展。由单天线扩展到多天线，由线天线转为小型化、智能化天线，由传统MIMO变为毫米波大规模MIMO。如今的天线系统进入一个新时代，除了应用于移动通信，还在雷达、遥感等领域中广泛使用。MIMO系统通过多个天线发送与接收以实现多个数据流的并行传输，进而提高通信效率和容量，是LTE时代一个重要物理层技术。在4G-LTE时代使用的是MIMO，一般天线数量为2或4，仅为初级版的MIMO。基于MIMO，提出了一种新的传输模式——分集技术，用于增强覆盖。把相同的内容通过不同的天线发送出去，多个天线传输相同的信号，当一路信号丢失，其他天线信号继续传输。适用于传播环境差的情况下，从而增强覆盖。可以保证在信道质量不佳的情况下完成信号准确传输，缓解性能损失。MIMO的另一种用来提高信道容量的方法是空间复用技术。不同天线传输不同信号，将信号拆分为多个并行数据流分别让多个天线传输，到达接收端后再恢复原始数据，这一技术直接提高了数据传输速率。在实际应用中，天线不能同时用作空间复用和分集，这两种技术的选择直接影响信号传输的信道容量和速率问题。从4G到5G的演进，频谱资源进一步的扩展，信号频率变高使得天线尺寸缩小，从而使得可以集成更多的天线，也就是所谓的大规模MIMO。MIMO通常指配备2/4/8根天线，而大规模MIMO的天线数量则增加为64天线、128天线、256天线。大规模MIMO即增强多天线技术，大量天线的使用可以满足5G多用户和多设备对无线服务量的需求。大规模MIMO系统通过波束赋型技术控制、调整天线单元的幅度和相位，形成一个指向性波束。如此，通过多个波束使能量集中在特定用户，多个波束传相同信号，最终在用户侧电磁波叠加。这样一来，相较于传统的天线全向发射，指向性波束下用户接收到的信号更强。与此同时，指向性波束下信号能量更为集中，信号传播更远，进而覆盖距离变大。波束赋型的另一个特性则是高空间分辨率，窄波束使得相邻波束间干扰更小，通过协调小区波束方向以减少小区间干扰。在基站的一定覆盖范围内，根据大规模MIMO下空间自由度特性，多用户能同时通信，频谱复用能力提高，小区容量进一步地提升。除上述提升覆盖和容量优势外，当天线上振子数足够多时，大规模MIMO能够打破空间限制。16天线以下的天线阵列在做覆盖时，信号类似于平面发射出去，即提供水平维度的2D-MIMO。而当天线阵列数量增加后，如32/64天线下的天线阵列，就能够利用空域，信号辐射状为电磁波束，即此时可提供水平和垂直方向上的3D-MIMO。垂直维度的引入有助于高层的覆盖。因此，大规模MIMO技术使得天线更智能、更强大。大规模MIMO的性能取决于天线的数量，还有算法的质量。算法是根据手机的位置和状态信息，进行实时计算，通过天线形成理想的波束。天线和手机终端数量越多，对算法的低复杂度处理能力要求也越高。如何进行算法的设计，以满足5G关键性能指标（KeyPerformanceIndicator，KPI）是大规模MIMO的一大难题。1.1.2大规模MIMO信道模型1.单用户大规模MIMO图1.1单用户大规模MIMO系统相较于传统的MIMO技术，大规模MIMO技术通过在基站端配置几十甚至几百根天线以进一步挖掘空间自由度，实现在相同时频资源上服务更多用户的目标。同时，联合波束形成技术可以对多个目标服务用户产生不同的空间定向模拟波束，有效地提高频谱效率。根据IEEE，大规模MIMO的应用将带来较低的等待时间，抗干扰的鲁棒性以及总体成本的降低的优势。考虑如图1.1所示的配置个发射天线和个接收天线的单用户大规模多输入多输出（Single-UserMIMO，SU-MIMO）系统。接收器侧和发射器侧的天线完全连接，发射天线将信号从每个接收器侧传递出去，发射机发送×1维信号。此时，接收方的向量可以表示为：(1.1)其中，表示平均发射功率。是发射信号向量，总功率被归一化满足。是复信道系数的×维信道矩阵，是独立的且均匀分布（IndependentandIdenticallyDistributed，i.i.d.）零均值和方差为的高斯白噪声。根据提供的和，信道矩阵被表述为：(1.2)这里，第i个接收天线与第j个发送天线之间的衰减系数为。信道矩阵是MIMO系统中的一种信道状态信息（ChannelStateInformation，CSI）。CSI是用于解决许多无线通信系统挑战的关键概念。通过分析CSI，可以证明衍射、褪色、散射、阴影和路径损耗的集体效应。而且，它可以提供有关无线电链路中信道属性的相关信息。为了分析CSI信号，令，，..为发送器发送的离散信号，其中是发送信号的×1维复矢量。可以通过计算信道矩阵来执行信道估计。根据有关输入向量和接收信号向量，通常的大规模MIMO模型中的挑战就是找到信道矩阵。由于在许多常见的大规模MIMO应用中信道具有时变性，许多学者进行了信道估计的研究。最受欢迎的是最小二乘法（LeastSquares，LS）估计，最大似然（MaximumLikelihood，ML）估计，MMSE估计等。研究人员已经在许多应用中使用了上述方法。如果我们假设独立且分布均匀的高斯发射信号并且接收器处CSI已知，则瞬时可达到的速率可以表示为：(1.3)当信道矩阵中的传播系数归一化时，借助于詹森不等式，可以得出文献REF_Ref21803\r\h[8]中容量的上限和下限：(1.4)实际容量取决于奇异值的分布。在所有相同归一化的信道中，奇异值都相等的情况下，速率最高，即公式1.4中的上限。而只有一个非零奇异值时，可达到最低速率，即公式1.4中的下限。可以通过信道矩阵中所有传播系数都为i.i.d.的场景下在极限中接近最佳情况，而最坏情况例如对应于具有视线（Line-of-sight，LOS）传播的情况。多用户大规模MIMO在实际系统中，一个基站往往同时与多个用户之间进行通信。多用户场景下大规模MIMO（Multi-UserMIMO，MU-MIMO）可以获得可用的高复用增益，同时能够有效地消除不利的传播环境产生的影响。由于上述原因，针对MU-MIMO系统的研究是很有必要。图1.2单用户大规模MIMO系统对于一个大阵列MU-MIMO系统，天线的数目大大地超过了终端数量，远比单用户MIMO更加复杂。在最为有利的传播条件下，传播矩阵的列向量渐近正交。考虑一个如图1.2所示的大规模多用户多输入多输出MU-MIMO系统，其中基站配置个发射天线，同时与配置个接收天线的K个用户设备通信，接收信号由表示。对于第k个用户设备，其接收信号表示为：(1.5)其中，是第k个用户的信道增益矩阵，表示第k个用户在整个信道中发生的加性高斯白噪声(AdditiveWhiteGaussianNoise，AWGN），表示大小为×1维的基站预处理后的发射信号，其第k个用户的传输符号矢量表示为：(1.6)其中，为第k个用户的预编码矩阵，，()表示基站端发送给第k个用户的原始数据，满足。则用户k的接收信号矢量表示为：(1.7)这里式（1.7）中的接收信号包括：期望信号、干扰信号和噪声，此时系统的可达速率R表示为：(1.8)注意到，当BS处的天线数目为无穷大时，不同用户的信道向量是渐近正交的。因此，通过简单MF预编码器/检测器可以实现大规模MU-MIMO系统的容量。MF处理就可将来自不同用户的信号分离成不同的流，并且渐近地不存在用户间干扰，这样，来自每个用户的信号传输可以被视为来自单输入单输出信道。因此，通过在大规模MU-MIMO系统中使用预编码技术可大大降低了系统的用户间干扰，同时获得单用户大规模MIMO系统可以达到的系统容量。1.2毫米波大规模MIMO系统基本理论1.1.1毫米波大规模MIMO技术概述现在，5G标准Release17版本也将于2021年冻结，各大运营商也纷纷进行5G产业链合作。毋庸置疑，除了极高的用户体验，5G的低时延和海量连接特性还将改变社会以带来全新“智能+”融合应用，对通信系统提出了新要求。信道带宽这一指标限定了允许通过该信道的频率范围。为了提高总信道容量，可通过增加带宽的方法以满足5G关键KPI，其关键技术包括毫米波、认知无线电（CognitiveRadio，CR）和可见光等。工信部对毫米波频段试验申请的批复，极大地鼓舞了毫米波技术的研发，加速了5G产业的发展。毫米波是30~300GHz频率的电磁波。在无线通信中，最大信号带宽大约是载波频率的可用频率的5%，因此，载波频率越大，可实现带宽也就越大。如图1.3所示，在毫米波频段中，其频谱资源非常充沛且由于其频率较高的特性，相较于Sub-6频段分配资源时只能5MHz、10MHz、20MHz，毫米波可以轻松分配100MHz以上的带宽资源，甚至最高可达800MHz，带宽资源最高可为Sub-6频段的160倍。因此，毫米波的传输速率与Sub-6之间速率差距高达数倍。另外，毫米波受到的频段干扰更少，具有时延极低，可以同时有更多设备连接的优点，更有利于5G应用高可靠、低时延需求的垂直行业。图1.3Sub-6G、mmWave频段对比图毫米波的频率较高特性导致其波长很短，为毫米级，其绕射能力差、传播趋于直线传播。与此同时，高频率也会带来其在传播过程中的衰减较大的问题。在无线通信中，使用毫米波的最大问题就是其传输距离和覆盖能力。毫米波的路损和雨衰REF_Ref1079\r\h[13]导致信号传输距离较短，所以在5G通信里面，这一问题亟待解决。在毫米波系统下，大规模MIMO大阵列的部署实现成为可能。根据天线特性，天线尺寸与频率成反比。因此，毫米波频率越高，天线尺寸越小。基于此，在相同体积下，毫米波下的天线阵列可以集成更多的天线，进一步的提高大规模MIMO的效果。同时，由于天线的小型化，通过大规模MIMO技术实现对射频信号相位的控制，基站上大量天线的部署使得其能够形成更窄的波束，在空间中将信号能量集中以精确指向所提供服务的下行用户，从而最大化在该方向的传播距离，拥有非常高的空间分辨率。这样一来，对用户的服务更具精准指向性。并且，由于波束间不相互干扰，那么在相同的空间就能实现相对更多的通信链路，从而提高基站可服务数量。在毫米波和大规模MIMO技术的加成之下，根据中国移动的外场测试显示，小区峰值速率达到了14.7Gbps。1.1.2毫米波大规模MIMO信道模型相较于现有商用移动通信系统中所使用的信道，毫米波能提供带宽高达273.5GHz的通信信道。毫米波的波长较小，易受降雨衰落、材料粗糙度等外在因素干扰。因此，信号的传播环境会对其造成不同程度影响，从而导致信道模型的不同。毫米波下的信道模型使用了低频系统（多径时延扩展、角度扩展和多普勒频移）的一些共同特性，但参数不同。除此以外，还引入了一些新特性，以说明对障碍（建筑物、人体或手指）的高度敏感性以及视线和非视线传播条件之间的强烈差异。毫米波MIMO信道可以描述为在低频段使用标准多路径模型。考虑一个具有发射和接收天线的MIMO系统。对于2D信道模型，发射和接收天线阵列由它们的阵列控制矢量来描述，其中和表示作为到达或离开平面波的角方向和的函数的阵列相位分布。对于均匀线阵（UniformLinearArray，ULA），方向矢量由下式给出：(1.9)其中归一化空间角度与物理角度（到达或离开）有关，表示为，d表示天线间距，表示波长，通常。在三维信道模型中，导向矢量是水平角和仰角的函数。根据给定导向向量，MIMO信道可以由以下形式的多径模型来描述：(1.10)其中，是发射信号向量，是接收信号，是噪声，是路径数。每条路径由五个参数来描述：到达角对，离开角对，延迟，复增益和多普勒频移。多普勒频移由相对于接收器或发射器运动的到达角或离开角决定。信道的频域表示是有必要的。一般来说，信道响应是时变信道时：(1.11)假设信道在信号持续时间T内变化足够慢，也就是说，所有路径的多普勒频移都很小，。那么上式可近似地表示为：(1.12)此外，如果信道的带宽W足够小，使得，然后得到信道矩阵的窄带空间模型为：(1.13)用于系统仿真的统计MIMO模型通常将路径描述为到达“簇”，其中每个簇在到达和离开的延迟、功率和中心角上具有某种分布。在物理上，路径簇对应于不同的宏观路径，并且每个簇内的角度和延迟扩展捕获沿这些路径的漫反射的散射。mmWave室内测量证明，由于办公材料的反射，存在大量这样的路径簇。室外的测量表明，非LOS传播的室外链路同样可以表现出几个主要的集群。1.3MIMO系统预编码技术随着无线数据传输速率的不断提高，通信系统的设计也有了长足的进步。过去在编码、调制和调度方面的改进确定了当前部署的系统。预编码是MIMO技术中的一个重要功能，它利用CSI对发射端的接收信号进行纠错。如图1.4所示，在MIMO系统中，根据已知CSI信息，在发射端进行预处理操作，提高可获得的系统容量。图1.4MIMO系统预编码技术1.3.1传统MIMO预编码技术大规模MU-MIMO系统中，预编码技术可以解决同一时频下多用户间的信号干扰问题。仅需使用简单的线性处理就可以消除其他用户干扰，以提供高数据速率和可靠性服务。预编码的前提条件是可获得发射端CSI信息，针对已知条件，将发送信号的空间分布特性与信道条件相匹配，从而有效地降低接收端的信号处理复杂度和减小接收端硬件功耗。这样一来，即使是采用最简单的ZF预编码技术也能在接收端获得较好的性能。预编码一般可分为：线性预编码和非线性预编码。非线性预编码主要有脏纸预编码（DirtyPaperCoding，DPC）、TH预编码（Tomlinson-HarashimaPrecoding，THP）、向量扰动（VectorPerturbation，VP）等。虽然非线性预编码相较于线性预编码拥有较好的性能，但其设计复杂，往往要针对多个非线性方程组进行处理。与此同时，引入迭代、取模等一系列的非线性操作会导致较高的处理复杂度和接收端解码的复杂性，以至于实现非线性预编码的条件较高。反观线性预编码技术，采用的一般为线性矩阵操作，具有低复杂度、实现简单的优势，且其接收端仅需通过线性手段即可解码，更具实用性。线性预编码的另一个优点则是：在大规模MIMO系统中天线数量足够大时，其性能逼近非线性。因此，本文主要介绍线性预编码技术。MRT预编码MRT预编码是指最大比传输(MaximalRatioTransmit,MRT)算法，主要思想是将目标用户的预编码矢量方向与其信道矢量方向对齐。由于是根据最大化每个用户信噪比设计的，因此该预编码方案的性能由信道传输环境决定。一般，MRT预编码矩阵和用户端接收信号可表示为：(1.14)(1.15)其中是约束信号发送功率的缩放因子。由式（1.14）可以看出，相较于其他预编码算法，MRT算法中预编码矩阵获取的计算复杂度低，只需对信道矩阵求共轭转置。MRT预编码通过最大化目标用户的信号增益，但不考虑不同用户间的干扰，仅适用于信道相关度低的场景，在用户干扰较大的传输环境内该方案的性能将会急剧下降。但是，随着基站天线数的增加，中的信道矢量趋向于相互正交，使得近似于一个对角阵，MRT方案具有性能优势，因此MRT方案则更适用于基站天线数较多的场景。但是该算法要求多用户之间的信道是独立不相关的，而在实际的通信环境中往往无法满足。因此，MRT预编码消除干扰的性能在多用户系统中表现不佳。ZF预编码ZF预编码是指迫零预编码算法，又称为信道逆转算法，是一种线性均衡算法。其消除干扰的基本原理是将目标用户的预编码矢量与非目标用户的信道方向矢量正交化。ZF预编码在接收端分离多用户干扰，能够在下行链路大规模MIMO系统产生有利的信道传播时获得准最佳性能。为了完全消除同频干扰（Co-ChannelInterference，CCI），需要配置的天线的数量应该大于干扰的数量。ZF预编码可以表示为：(1.16)其中表示达到总功率极限的比例因子能力。因此，对应传输矢量可以表示为：(1.17)ZF预编码需要进行求逆运算，计算复杂度非常高，且该预编码器在发射机侧反转信道，虽然通过ZF预编码处理消除了非目标用户造成的干扰，但是忽略了无线传播环境固有的噪声干扰。同时，由于信道反转会增加噪声功率，ZF预编码器在低信噪比（SignalNoiseRatio,SNR）下性能下降。因此，ZF预编码更适用于高信噪比的情景。MMSE预编码MMSE预编码用于克服预编码的迫零类型中存在的缺点[42]，ZF方案完全消除了CCI，但这会导致噪声水平升高。相比之下，MMSE方案并没有完全消除CCI，而是提供了干扰抑制和噪声增强之间的最佳平衡。MMSE估计量是一种最小化均方误差方误差的估计方法。为了最大限度地提高检测后信噪比。MMSE预编码矩阵如下所示：(1.18)这里，MMSE接收器需要噪声的统计信息。在高信噪比时，趋近于零，MMSE预编码算法可以等效为ZF预编码，此时两种算法的性能近似相同。在低信噪比时，由于MMSE预编码算法将噪声功率引入其中作为参数来抑制噪声影响，在理论上其性能要优于ZF预编码算法。与ZF预编码相比，随着基站天线数量的增加，在CSI完全已知和CSI未知/部分已知情况下容量也会随之增加。BD预编码块对角化（BlockDiagonalization，BD）预编码方法考虑了多用户干扰，分两步进行块对角化预编码[42]。首先，为了消除或平衡多用户干扰与噪声，第一预编码滤波器使用。其次，为了并行化每个用户的数据流，第二个预编码过滤器使用了。对于第i个用户设备，预编码矩阵如下所示：(1.19)BD预编码核心思想是消除非目标用户干扰。对于，可将第i个用户以外的信道矩阵描述为：(1.20)那么，除i外，其他用户产生的干扰由给出。第一预编码矩阵表示为(1.21)式中，是通过执行的SVD分解得到的。在第一步处理后，可消除用户间干扰，MU-MIMO信道被分解为多个独立SU-MIMO信道。对于第i个用户，有效信道矩阵如下所示：(1.22)通过对有效信道矩阵进行SVD分解，得到第二预编码矩阵，实现并行化数据流：(1.23)是功率负载矩阵，它取决于优化准则。块对角化方法的性能优于MMSE预编码方法。当第一和第二预编码矩阵需要执行K次以找到和时，复杂性增加。而且在该方法中，接收天线的总数量需要小于基站处发射天线的总数量。1.3.2毫米波MIMO预编码技术毫米波预编码方案可分为数字预编码、模拟预编码和混合预编码。虽然，模拟预编码涉及的硬件实现复杂性相当低，但同时其性能也很低。在数字预编码架构中，使用数字信号处理技术实现任意光束成形矩阵，从而促进用户间干扰和电源控制，可达到最优的性能。但是，实施的复杂性很高，因为每个天线都需要一个RF链，硬件成本过高。因此，在大规模MIMO系统中应用模拟预编码和全数字预编码技术是不太现实的。为了解决这一问题，混合预编码可结合上述两中技术的优点，实现硬件和性能的折衷。数字预编码在大规模MIMO系统中，上文所述的线性和非线性预编码都可作为数字预编码应用。但随着天线数量的增加，尤其是在毫米波环境中，天线阵列维度的增加必然会导致非线性预编码的运算复杂度增加。因此，低复杂度的线性数字预编码方案在毫米波大规模MIMO系统中更占有一定优势。图1.5数字预编码MIMO系统模型数字预编码应用于发射机的数字到模拟转换器之前和接收器的模拟到数字转换器之后，如图1.5所示为采用数字预编码的系统模型。因此，数字预编码具有灵活性、适应性和性能最佳的优势。与此同时，数字预编码结构的成本太高，耗电量太大，无法应用于大规模MIMO系统，因为它要求每个天线都与昂贵的射频链、数/模转换器（DigitaltoAnalogConvertor，DAC）或模/数转换器（AnalogtoDigitalConvertor，ADC）连接。对于数字预编码而言，总成本和功耗与天线数量成正比地增加。这对毫米波通信场景下来说尤其的严重，天线元件的数量很大，硬件实现所需的数字光束成型的射频链和DAC/ADC的成本也就相当高。模拟预编码为了节省射频链和DAC/ADC的数量，模拟预编码的设计吸引了更多关注。如图1.6所示，该方案将多个天线元件经由移相器同时连接到单个RF链。在大规模MIMO多天线的条件下，更具成本优势。模拟预编码通常使用数字控制移相器网络来实现。移相器权重使用数字信号处理自适应地调整，使用特定策略来控制波束并满足给定目标，例如最大化接收信号功率。射频移相器可以是有源的或无源的。实际的有源移相器也会由于移相器损耗、噪声和非线性而导致性能下降。虽然无源移相器具有较低的功耗，并且不会引入非线性失真，但它们占用更大的面积并产生更大的插入损耗。移相器消耗的功率还取决于量化相位的分辨率。图1.6模拟预编码MIMO系统模型可以看出，模拟预编码所需RF数量很小，这减少了系统硬件开销，但这是以牺牲性能为代价的。模拟预编码应用在发射机端的数字到模拟转换器之后，在模拟到接收方的数字转换器之前。因此，所需的RF链数量仅取决于数据流的数量，而不是天线元素的数量。虽然模拟预编码比数字预编码具有成本优势，但射频硬件的设计具有巨大的挑战和可靠性问题，首先，射频相移器不能达到足够精细的相位分辨率，从而限制了准确性。此外，在射频域内信号相位的移动会随着射频链的增加而降低噪声值。因此，模拟预编码的实现仍然具有挑战性和成本高昂的问题。混合预编码前文所述全数字预编码要求每个天线有一个专用的射频链，该链包括许多不同的电子元件（例如，ADC、DAC），随着天线阵列尺寸的增加，这些元件可能需要令人的硬件复杂度和功耗。基于此，仅数字的毫米波收发机目前似乎是不切实际的，必须寻求替代方法。同时，模拟预编码网络的运行需要功率，并且它进一步引入功率损耗，这是因为必须补偿的收发器天线和RF链的数量。因此，功耗的降低通常比预期的要小得多。数字预编码除了增加系统成本外，还涉及大型天线阵列的复杂性，而模拟预编码一次只能处理单个数据信号。如果采用混合模拟/数字预编码架构，则性能可以显著提高。这种方法基于两级设置，包括应用于基带的低维数字预编码器和应用于RF域的模拟预编码器。射频处理部分通常通过可变移相器网络实现。这种体系结构可以应用于射频链数目有限的系统，在某些条件下可以达到接近全数字方法的性能。混合预编码方法是一个很有前景的解决方案，能够实现性能和硬件复杂度的折中。混合预编码中通过使用模拟预编码以降低实现复杂性，使用数字预编码以消除干扰信号。在数字预编码过程中，从其他传输天线传输的信号被视为干扰信号，并应用简单线性预编码技术来消除或减弱干扰，实现了低硬件开销的同时保持较好性能。在毫米波频率下，混合预编码架构是一种增强MIMO信道增益的方法。图1.7所示的这种架构将MIMO优化过程划分为模拟域和数字域。由于利用了降维信道，相比于全数字域预编码，混合预编码性能会有部分损失。所以，混合预编码的设计目标是获取与全数字预编码相近系统性能，如频谱效率、系统总速率等。图1.7模拟预编码MIMO系统模型混合预编码架构有两种不同实现，分别是全连接结构和部分连接结构。在第一种情况下，所有天线都可以连接到每个RF链。第二种则是将阵列划分为多个子阵列，其中每个子阵列连接单个RF链上。划分多个子阵列降低了硬件复杂性，但牺牲了阵列的整体灵活性。而部分连接结构又可分为固定天线阵列和自适应天线阵列，关于这两种架构将于下文分析。混合预编码方法的优点在于，数字预编码器可以校正模拟域中的精度不足问题，例如消除残余多流干扰，这允许混合预编码接近无约束解的性能。因此，混合预编码是当前重点研究的主题之一。在未来的研究中，围绕混合架构设计蜂窝或局域网有很多机遇和挑战。1.3.3自适应天线阵列结构采用混合模拟/数字预编码的目的是通过减少其射频链的数量来降低毫米波大规模MIMO系统中的硬件复杂性和能量消耗。与传统的基带预编码相比，混合预编码是通过将高维RF预编码器与低维基带预编码器相结合实现的。大型天线阵列则是通过数量有限的RF链进行驱动。混合预编码存在两个常见变体：全连接结构，这里每个RF链连接到所有天线；部分连接结构，其中每个RF链