[发明专利]低复杂度阵列天线多输入多输出系统混合预编码算法

说明书

本发明公开了低复杂度阵列天线多输入多输出系统混合预编码算法，给定用于计算天线子阵最优编码的初始解和最大计算次数，并获取部分连接架构的有效信道矩阵；结合初始解和有效信道矩阵计算出辅助向量，筛选出模值最大的辅助向量作为特征值矢量；判断当前计算次数的值，并得出中间结果；根据中间结果和辅助向量得出当次计算结果；重复计算，直至达到最大计算次数，得出中间结果和计算结果，进而计算得出部分连接架构系统中每个天线子阵的最优编码，结合每个天线子阵的最优编码得出部分连接架构系统的混合预编码矩阵；通过本发明方法，在现有硬件连接基础上，可以降低大规模天线编码矩阵的计算复杂度及消耗时间，缩短网络传输延迟。

【技术领域】

本发明属于移动通信技术领域，尤其涉及一种低复杂度阵列天线多输入多输出系统混合预编码算法。

【背景技术】

为了满足第五代(5G)移动通信移动数据业务量爆炸式增长的态势，5G采用拥有30～300GHz毫米波频段，极大提高了频谱资源。

毫米波因其波长相对较短，天线阵列的物理尺寸大幅度缩小，因此基站端可以安装大规模天线，从而可将毫米波系统与大规模Massive MIMO技术完美地结合起来。因此，Massive MIMO技术成为目前移动通信国内外学者研究的重点。

随着Massive MIMO系统中混合波束赋形技术的发展与研究，现有的混合预编码方案可分为两类，第一类提出了基于空间稀疏性散射性混合预编码，将可达速率优化问题转化为稀疏逼近问题，并通过正交匹配求解追求(OMP)算法以使天线阵列达到接近最优的性能；第二类提出了基于码本混合预编码的方法，在预先定义的码本之间进行迭代搜索，寻找最优的混合预编码矩阵。然而，这些算法都是基于全连接架构，不仅硬件实现困难，而且算法复杂度相当高。

由于基于稀疏散射性采用OMP迭代的MMSE混合预编码算法需要进行大规模矩阵的求逆和奇异值分解计算，计算复杂度很高，因此，对硬件结构设计要求也相对提高，还需要重新设计硬件连接，提高了基站内的数据存储要求，增加了网络传输延迟。

【发明内容】

本发明的目的是提供一种低复杂度阵列天线多输入多输出系统混合预编码算法，在现有硬件连接基础上，降低大规模天线编码矩阵的计算复杂度及消耗时间，缩短网络传输延迟。

本发明采用以下技术方案：低复杂度阵列天线多输入多输出系统混合预编码算法，包括以下步骤：

根据部分连接架构系统的状态信息，给定用于计算天线子阵最优编码的初始解和最大迭代次数S，并获取部分连接架构的有效信道矩阵；结合初始解和有效信道矩阵计算出辅助向量z^(s)，筛选出模值最大的辅助向量，取其模值为最大的特征值m^(s)；

判断当前迭代次数s的值，当1≤s≤2时，n^(s)＝m^(s)，n^(s)为中间结果，当s＞2时，根据中间结果和辅助向量得出当次计算结果u^(s)；

继续迭代，直至达到最大计算次数S，得出第S次的中间结果和计算结果，进而计算得出部分连接架构系统中每个天线子阵的最优编码，结合每个天线子阵的最优编码得出部分连接架构系统的混合预编码矩阵。

进一步的，有效信道矩阵通过得出，其中，为有效信道矩阵，A为天线矢量矩阵，H为信道矩阵。

进一步的，辅助向量通过得出，其中，z^(s)为第s次计算的辅助向量，u^(s-1)为第s-1次的计算结果。

进一步的，筛选特征值矢量前先将计算结果进行比对，将相同的计算结果合并为一个计算结果，得出待筛选辅助向量集其中，i为在s个辅助向量中不同辅助向量的个数。

通过对待筛选出辅助向量集进行筛选，选出其中辅助向量对应的最大模值作为最大特征值。