本發(fā)明涉及大規(guī)模MIMO下的混合波束成形領(lǐng)域，特別是指一種盲信道下的混合波束成形方法及裝置。

背景技術(shù)：

毫米波通信系統(tǒng)以其豐富的免授權(quán)頻譜資源、良好的國際通用性、高速率、大帶寬等優(yōu)勢，在超高速、無線短距離通信研究領(lǐng)域中受到廣泛關(guān)注與應(yīng)用。波束成形技術(shù)是天線技術(shù)與數(shù)字信號處理技術(shù)的結(jié)合，用于定向信號傳輸或接收。一般地，波束成形分為模擬域波束成形和數(shù)字域波束成形兩類。盡管擁有大規(guī)模天線陣的全數(shù)字域波束成形具有最優(yōu)的性能，但是需要收發(fā)端具有與天線數(shù)相等的射頻通道數(shù)，并且有較大的功率損耗和實施代價。因此，在毫米波范圍內(nèi)，將數(shù)字域和模擬域波束成形結(jié)合起來的混合波束成形由于所需要的射頻通道數(shù)量遠(yuǎn)少于天線數(shù)，在實際應(yīng)用中更便于實施，因此成為下一代5G大規(guī)模天線蜂窩通信系統(tǒng)的一項關(guān)鍵技術(shù)。

如圖1所示，為5G毫米波MIMO(Multiple-Input Multiple-Output，多入多出技術(shù))系統(tǒng)下混合波束成形系統(tǒng)結(jié)構(gòu)框圖?；径?BS)配備M_t根天線，射頻通道數(shù)為N_t，用戶端(MS)配備M_r根天線，射頻通道數(shù)為N_r。其中射頻通道為連接數(shù)字域的基帶預(yù)編碼器/合并器到模擬域相位偏移器的部分，包括低噪聲放大器(LNA)、數(shù)模轉(zhuǎn)換器(DAC)/模數(shù)轉(zhuǎn)換器(ADC)和上/下變頻器等。不同射頻通道部分的相位偏移器共享整個天線陣并由分離器來區(qū)分。

設(shè)整個通信系統(tǒng)傳輸?shù)腗IMO層數(shù)為N_s，基站端發(fā)送包含N_s個數(shù)據(jù)流的信號s，通過數(shù)字域基帶預(yù)編碼器F_BB的處理，經(jīng)過射頻通道轉(zhuǎn)換為模擬信號，再經(jīng)過模擬域的相位偏移器F_RF處理，在M_t根天線上產(chǎn)生發(fā)射信號x。具體可以表示為：

x＝F_RFF_BBs

其中數(shù)據(jù)信號s為N_s×1維列向量，F(xiàn)_RF、F_BB分別為基站端M_t×N_t維模擬域波束成形預(yù)編碼矩陣和N_t×N_s維數(shù)字域波束成形預(yù)編碼矩陣。

信道H建模為雙向信道模型,其中傳播模型采用散射體稀疏的毫米波信道模型，可以表示為：

其中α為傳播模型中不同徑的復(fù)幅度因子，A_MS和A_BS分別為用戶端和基站端的陣列響應(yīng)矩陣，反應(yīng)了收端的到達角(AOD)信息和發(fā)端的離開角(AOA)信息。

發(fā)射信號x經(jīng)信道H傳輸至用戶端，則用戶端經(jīng)過天線陣接收的信號y為：

y＝HF_RFF_BBs+n

其中接收到的信號y為M_r×1維列向量，H為M_r×M_t維信道矩陣，n為加性復(fù)高斯噪聲。在用戶端接收側(cè)，接收信號y經(jīng)過模擬域的相位偏移器和數(shù)字域的基帶合并器處理,輸出信號r為：

其中檢測到的信號r為N_s×1維列向量，W_RF和W_BB分別為用戶端M_r×N_r維模擬域波束成形合并矩陣和N_r×N_s維數(shù)字域波束成形合并矩陣。

混合波束成形方案設(shè)計指的是在正常通信之前確定基站端的模擬域波束成形預(yù)編碼矩陣F_RF和數(shù)字域波束成形預(yù)編碼矩陣F_BB，以及，用戶端的模擬域波束成形合并矩陣W_RF和數(shù)字域波束成形合并矩陣W_BB。通常，求解這四個矩陣需要已知信道狀態(tài)信息(CSI)，包括信道矩陣H、波束離開方向DOA和波束到達方向DOD。一種經(jīng)典的解決方法是Sparse Precoding(稀疏預(yù)編碼)方法，如圖2所示。對于基站端，首先對信道矩陣H進行SVD分解(Singular Value Decomposition，奇異值分解)，即令H＝UΣV^H，取矩陣V的前N_s列特征向量組成的矩陣V₁為基站端最優(yōu)波束成形預(yù)編碼矩陣F_opt,然后結(jié)合波束離開方向DOA，通過OMP(Orthogonal Matching Pursuit，正交匹配追蹤)算法找到模擬相位偏移器需要的最優(yōu)波束成形預(yù)編碼矩陣F_RF,最后通過最小二乘法LS計算出F_BB。對于用戶端，由于基站端的F_RF和F_BB已知，通過MMSE(Minimum Mean Square Error，最小均方誤差)機制可計算出用戶端的最優(yōu)波束成形合并矩陣W_opt，然后結(jié)合波束到達方向DOD，通過OMP算法找到模擬相位偏移器需要的最優(yōu)波束成形合并矩陣W_RF,最后通過最小二乘法LS計算出W_BB。

通過混合波束成形方法，可以在射頻通道數(shù)量有限的情況下實現(xiàn)全數(shù)字域波束成形的性能，是一種高效率低能耗的方式。不過在實際系統(tǒng)中存在一些挑戰(zhàn)，這主要包括：1)需要估計完整的信道狀態(tài)信息，但是在毫米波大規(guī)模天線場景下獲取信道狀態(tài)信息存在較大困難與挑戰(zhàn)。原因有兩點：一方面波束成形之前在低接收信噪比狀態(tài)下估計信道矩陣H困難很大；另外一方面估計波束離開方向DOA和波束到達方向DOD的復(fù)雜度太高，當(dāng)前的一些經(jīng)典估計算法和信道傳播的徑數(shù)成三次方的關(guān)系。2)需要對高維度信道矩陣H做SVD分解，復(fù)雜度較高。3)經(jīng)典的方法比如Sparse Precoding方法在LOS(line of sight，視距)信道狀態(tài)下會失效，不具有通用性。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提出一種盲信道下的混合波束成形方法及裝置，無需預(yù)先獲取信道狀態(tài)信息，具有很強的實用性，并大大降低了算法復(fù)雜度。

基于上述目的本發(fā)明提供的盲信道下的混合波束成形方法，包括：

在低接收信噪比和接收信號功率最大化的前提下，根據(jù)格拉斯曼空間裝箱問題的求解思路，采用隨機梯度下降法，求解得到基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣；

結(jié)合基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣，采用基于時分雙工信道互易性的收發(fā)迭代方法，對數(shù)字域等效信道矩陣求最優(yōu)解，得到基站端的數(shù)字域波束成形預(yù)編碼矩陣和用戶端的數(shù)字域波束成形合并矩陣。

在一些可選實施方式中，所述在低接收信噪比和接收信號功率最大化的前提下，根據(jù)格拉斯曼空間裝箱問題的求解思路，采用隨機梯度下降法，求解得到模擬域波束成形預(yù)編碼矩陣和模擬域波束成形合并矩陣，具體包括：

設(shè)置迭代次數(shù)，并得到梯度下降因子；

設(shè)置基站端的波束攝動矩陣個數(shù)和用戶端的波束攝動矩陣個數(shù)；基站端的初始化模擬域波束成形預(yù)編碼矩陣和用戶端的初始化模擬域波束成形合并矩陣均設(shè)置為單位矩陣；

按照所述基站端的波束攝動矩陣個數(shù)，在基站端隨機產(chǎn)生若干波束攝動矩陣；并且，按照所述用戶端的波束攝動矩陣個數(shù)，在用戶端隨機產(chǎn)生若干波束攝動矩陣；

根據(jù)梯度下降因子、基站端的波束攝動矩陣和用戶端的波束攝動矩陣，采用隨機梯度下降法設(shè)計基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣的迭代公式；

采用所述迭代公式，結(jié)合基站端的初始化模擬域波束成形預(yù)編碼矩陣和用戶端的初始化模擬域波束成形合并矩陣，按照所述迭代次數(shù)進行迭代，在保證接收信號功率最大化的情況下，得到的基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣。

在一些可選實施方式中，所述結(jié)合基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣，采用基于時分雙工信道互易性的收發(fā)迭代方法，對數(shù)字域等效信道矩陣求最優(yōu)解，得到基站端的數(shù)字域波束成形預(yù)編碼矩陣和用戶端的數(shù)字域波束成形合并矩陣，具體包括：

采用基于時分雙工信道互易性的收發(fā)迭代方法，求得所述數(shù)字域等效信道矩陣的左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量；N_s為整個通信系統(tǒng)傳輸?shù)腗IMO層數(shù)；

根據(jù)計算得到所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量，得到所述數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣；

對所述數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣進行歸一化處理，得到最終的基站端數(shù)字域波束成形預(yù)編碼矩陣和用戶端數(shù)字域波束成形合并矩陣。

在一些可選實施方式中，所述采用基于時分雙工信道互易性的收發(fā)迭代方法，求得所述數(shù)字域等效信道矩陣的左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量，具體包括：

設(shè)置第二迭代次數(shù)，確定基站端的初始發(fā)送信號、基站端的初始化數(shù)字域波束成形預(yù)編碼矩陣和用戶端的初始化數(shù)字域波束成形合并矩陣；

基于時分雙工信道互易性，根據(jù)所述基站端的初始發(fā)送信號，計算得到用戶端的接收信號；

基于時分雙工信道互易性，根據(jù)得到用戶端的接收信號，計算得到迭代一次后基站端的接收信號；

按照第二迭代次數(shù)，重復(fù)上述收發(fā)信號迭代，通過歸一化處理，得到最終的用戶端的接收信號和基站端的接收信號；

當(dāng)基站端的初始發(fā)送信號選為常向量時，得到的最終的基站端的接收信號和用戶端的接收信號作為對應(yīng)的所述左奇異矩陣和右奇異矩陣中的第一對對應(yīng)特征向量；

根據(jù)計算得到的所述左奇異矩陣和右奇異矩陣中的特征向量，更新所述基站端的初始發(fā)送信號、用戶端的接收信號和基站端的接收信號的計算公式，重復(fù)上述步驟，計算得到所述左奇異矩陣和右奇異矩陣中的下一對對應(yīng)特征向量，直至計算得到所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量。

本發(fā)明實施例的另一個方面，還提供了一種盲信道下的混合波束成形裝置，包括：

模擬域矩陣計算模塊，用于在低接收信噪比和接收信號功率最大化的前提下，根據(jù)格拉斯曼空間裝箱問題的求解思路，采用隨機梯度下降法，求解得到基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣；

數(shù)字域矩陣計算模塊，用于結(jié)合基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣，采用基于時分雙工信道互易性的收發(fā)迭代方法，對數(shù)字域等效信道矩陣求最優(yōu)解，得到基站端的數(shù)字域波束成形預(yù)編碼矩陣和用戶端的數(shù)字域波束成形合并矩陣。

在一些可選實施方式中，所述模擬域矩陣計算模塊，具體用于：

設(shè)置迭代次數(shù)，并得到梯度下降因子；

設(shè)置基站端的波束攝動矩陣個數(shù)和用戶端的波束攝動矩陣個數(shù)；基站端的初始化模擬域波束成形預(yù)編碼矩陣和用戶端的初始化模擬域波束成形合并矩陣均設(shè)置為單位矩陣；

按照所述基站端的波束攝動矩陣個數(shù)，在基站端隨機產(chǎn)生若干波束攝動矩陣；并且，按照所述用戶端的波束攝動矩陣個數(shù)，在用戶端隨機產(chǎn)生若干波束攝動矩陣；

根據(jù)梯度下降因子、基站端的波束攝動矩陣和用戶端的波束攝動矩陣，采用隨機梯度下降法設(shè)計基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣的迭代公式；

采用所述迭代公式，結(jié)合基站端的初始化模擬域波束成形預(yù)編碼矩陣和用戶端的初始化模擬域波束成形合并矩陣，按照所述迭代次數(shù)進行迭代，在保證接收信號功率最大化的情況下，得到的基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣。

在一些可選實施方式中，所述數(shù)字域矩陣計算模塊，具體用于：

采用基于時分雙工信道互易性的收發(fā)迭代方法，求得所述數(shù)字域等效信道矩陣的左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量；N_s為整個通信系統(tǒng)傳輸?shù)腗IMO層數(shù)；根據(jù)計算得到所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量，得到所述數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣；

對所述數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣進行歸一化處理，得到最終的基站端數(shù)字域波束成形預(yù)編碼矩陣和用戶端數(shù)字域波束成形合并矩陣。

在一些可選實施方式中，所述數(shù)字域矩陣計算模塊，具體用于：

設(shè)置第二迭代次數(shù)，確定基站端的初始發(fā)送信號、基站端的初始化數(shù)字域波束成形預(yù)編碼矩陣和用戶端的初始化數(shù)字域波束成形合并矩陣；

基于時分雙工信道互易性，根據(jù)所述基站端的初始發(fā)送信號，計算得到用戶端的接收信號；

基于時分雙工信道互易性，根據(jù)得到用戶端的接收信號，計算得到迭代一次后基站端的接收信號；

按照第二迭代次數(shù)，重復(fù)上述收發(fā)信號迭代，通過歸一化處理，得到最終的用戶端的接收信號和基站端的接收信號；

當(dāng)基站端的初始發(fā)送信號選為常向量時，得到的最終的基站端的接收信號和用戶端的接收信號作為對應(yīng)的所述左奇異矩陣和右奇異矩陣中的第一對對應(yīng)特征向量；

根據(jù)計算得到的所述左奇異矩陣和右奇異矩陣中的特征向量，更新所述基站端的初始發(fā)送信號、用戶端的接收信號和基站端的接收信號的計算公式，重復(fù)上述步驟，計算得到所述左奇異矩陣和右奇異矩陣中的下一對對應(yīng)特征向量，直至計算得到所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量。

從上面所述可以看出，本發(fā)明實施例提供的盲信道下的混合波束成形方法及裝置，可在未知信道狀態(tài)信息條件下工作，該方法及裝置利用隨機梯度下降迭代算法設(shè)計模擬域預(yù)編碼/合并矩陣；同時利用時分雙工信道互易性，通過收發(fā)迭代設(shè)計數(shù)字域預(yù)編碼/合并矩陣。該方法及裝置無需預(yù)先獲取信道狀態(tài)信息(CSI)，具有很強的實用性；同時不受信道類型限制，在LOS/NLOS(non line of sight，非視距)信道上均能適用；此外算法實現(xiàn)中還避免使用SVD算法分解收發(fā)端天線數(shù)巨大時的高維度信道矩陣，大大降低了求解模擬域/數(shù)字域預(yù)編碼/合并矩陣的運算復(fù)雜度。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面對實施例描述中所需要使用的附圖作簡單地介紹。顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域的普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他附圖。

圖1為現(xiàn)有技術(shù)中5G毫米波MIMO系統(tǒng)下混合波束成形系統(tǒng)結(jié)構(gòu)框圖；

圖2為現(xiàn)有技術(shù)中Sparse Precoding混合波束成形方法的流程示意圖；

圖3為本發(fā)明提供的盲信道下的混合波束成形方法的一個實施例的流程示意圖；

圖4為本發(fā)明提供的盲信道下的混合波束成形方法的一個實施例中計算所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量的步驟的具體流程示意圖；

圖5為本發(fā)明提供的盲信道下的混合波束成形裝置的一個實施例的模塊結(jié)構(gòu)示意圖；

圖6為本發(fā)明提供的盲信道下的混合波束成形方法及裝置實施例中提出的模擬域梯度下降算法與傳統(tǒng)算法的頻譜效率曲線；

圖7為本發(fā)明提供的盲信道下的混合波束成形方法及裝置實施例中提出的數(shù)字域收發(fā)迭代方法中相鄰奇異值之比與迭代次數(shù)的關(guān)系曲線；

圖8為本發(fā)明提供的盲信道下的混合波束成形方法及裝置實施例中提出的數(shù)字域收發(fā)迭代方法中最大奇異值對應(yīng)的信道增益曲線；

圖9為本發(fā)明提供的盲信道下的混合波束成形方法及裝置實施例中提出的波束成形方法設(shè)計框圖；

圖10為采用本發(fā)明提供的盲信道下的混合波束成形方法及裝置實施例的混合波束成形方案與現(xiàn)有方法的頻譜效率曲線，其中基站端64天線，用戶端16天線；

圖11為采用本發(fā)明提供的盲信道下的混合波束成形方法及裝置實施例的混合波束成形方案與現(xiàn)有方法的頻譜效率曲線，其中基站端256天線，用戶端64天線。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明進一步詳細(xì)說明。

需要說明的是，本發(fā)明實施例中所有使用“第一”和“第二”的表述均是為了區(qū)分兩個相同名稱非相同的實體或者非相同的參量，可見“第一”“第二”僅為了表述的方便，不應(yīng)理解為對本發(fā)明實施例的限定，后續(xù)實施例對此不再一一說明。

首先，考慮圖1所示的5G毫米波MIMO系統(tǒng)下混合波束成形系統(tǒng)場景和參數(shù)設(shè)置?；旌喜ㄊ尚卧O(shè)計的基本思路是求解可以使信道容量最大化的四個模擬域/數(shù)字域預(yù)編碼/合并矩陣(即：基站端的模擬域波束成形預(yù)編碼矩陣F_RF和數(shù)字域波束成形預(yù)編碼矩陣F_BB，以及，用戶端的模擬域波束成形合并矩陣W_RF和數(shù)字域波束成形合并矩陣W_BB)。也就是說，求解如下優(yōu)化問題：

其中R表示傳輸速率,ρ表示接收信噪比，為單位矩陣，為收發(fā)端(即基站端和用戶端)的數(shù)字域等效信道矩陣，N_s為整個通信系統(tǒng)傳輸?shù)腗IMO層數(shù)(也就是說，基站端發(fā)送包含N_s個數(shù)據(jù)流的信號)，和分別表示基站端和用戶端的碼本集(理想信道狀態(tài)下，為波束離開方向DOA產(chǎn)生的矩陣，為波束到達方向DOD產(chǎn)生的矩陣)。此外，‖A‖_F代表矩陣A的F范數(shù)，|A|為矩陣A的行列式。

對于上述問題，只要用戶端數(shù)字域波束成形預(yù)編碼矩陣W_BB和基站端數(shù)字域波束成形預(yù)編碼矩陣F_BB取自收發(fā)端的數(shù)字域等效信道矩陣H_eff的前N_s列左右特征向量的生成矩陣就可以求解，此時其中進一步地，在低接收信噪比ρ(<10dB)下，原優(yōu)化問題可以轉(zhuǎn)化為最大化收發(fā)端的數(shù)字域等效信道矩陣H_eff的能量，即F范數(shù)的平方---具體推導(dǎo)過程如下：

其中為收發(fā)端的數(shù)字域等效信道矩陣H_eff經(jīng)SVD分解后的N_s個特征值。由上式可知，低接收信噪比ρ(可選的，ρ＜10dB)的條件下，最佳的用戶端的模擬域波束成形合并矩陣W_RF和基站端的模擬域波束成形預(yù)編碼矩陣F_RF將能最大化收發(fā)端的數(shù)字域等效信道矩陣H_eff的能量。進一步地，在未知信道狀態(tài)信息CSI時，可直接近似求解最大化接收信號功率|zz^H|時的用戶端的模擬域波束成形合并矩陣W_RF和基站端的模擬域波束成形預(yù)編碼矩陣F_RF，其中因為在盲信道狀態(tài)信息的條件下，只有接收信號功率是可以測定的。

綜上所述，可通過首先在模擬域進行收發(fā)聯(lián)合波束成形，然后在數(shù)字域進行收發(fā)聯(lián)合波束成形的思路，把最大化傳輸速率R的問題轉(zhuǎn)化為了最大化接收信號功率的問題，解決了未知信道狀態(tài)信息CSI條件下求解模擬域最佳波束成形方案的問題。

基于前述的目的和上述設(shè)計思路，本發(fā)明提供了盲信道下的混合波束成形方法的一個實施例。如圖3所示，為本發(fā)明提供的盲信道下的混合波束成形方法的一個實施例的流程示意圖。

所述盲信道下的混合波束成形方法，包括以下步驟。

步驟101：在低接收信噪比和接收信號功率最大化的前提下，根據(jù)格拉斯曼空間裝箱問題的求解思路，采用隨機梯度下降法，求解得到基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣。

由前述分析可知，如圖1所示，在5G毫米波MIMO混合波束成形系統(tǒng)下，基站端的模擬域波束成形預(yù)編碼矩陣F_RF和用戶端的模擬域波束成形合并矩陣W_RF的最優(yōu)化設(shè)計就是一個求解最大化接收信號功率的優(yōu)化問題：

其中z為用戶側(cè)天線接收信號y通過模擬域相位偏移后的輸出，和分別表示基站端和用戶端的碼本集。這個優(yōu)化問題是一個格拉斯曼空間裝箱問題，根據(jù)求解格拉斯曼空間裝箱問題的求解思路，對基站端的模擬域波束成形預(yù)編碼矩陣F_RF和用戶端的模擬域波束成形合并矩陣W_RF進行初始化之后，利用隨機梯度下降算法進行迭代處理，最后取值將收斂。

由此，在一些可選實施方式中，所述步驟101還具體可包括以下步驟：

步驟1011：設(shè)置第一迭代次數(shù)為N，并得到梯度下降因子為1/N。

步驟1012：設(shè)置基站端的波束攝動矩陣個數(shù)和用戶端的波束攝動矩陣個數(shù)分別為K_t和K_r,其中M_t為基站端配備的天線數(shù)量，N_t為基站端的射頻通道數(shù)量，M_r為用戶端配備的天線數(shù)量，N_r為用戶端的射頻通道數(shù)量；基站端的初始化模擬域波束成形預(yù)編碼矩陣和用戶端的初始化模擬域波束成形合并矩陣均設(shè)置為單位矩陣，其中

步驟1013：按照所述基站端的波束攝動矩陣個數(shù)K_t，在基站端隨機產(chǎn)生若干波束攝動矩陣P_i,i＝1,2,…K_t；并且，按照所述用戶端的波束攝動矩陣個數(shù)K_r，在用戶端隨機產(chǎn)生若干波束攝動矩陣Q_j,j＝1,2,…K_r。

步驟1014：根據(jù)所述梯度下降因子、基站端的波束攝動矩陣和用戶端的波束攝動矩陣，采用隨機梯度下降法設(shè)計基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣的迭代公式如下：

步驟1015：采用所述迭代公式，按照所述第一迭代次數(shù)N進行迭代，在保證接收信號功率最大化的情況下，得到基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣。即，基站端的模擬域波束成形預(yù)編碼矩陣F_RF和用戶端的模擬域波束成形合并矩陣W_RF通過上述公式更新，通過接收信號功率最大化確定最優(yōu)的和經(jīng)過N次迭代，最終產(chǎn)生的基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣分別為和并且在N趨于無窮時，該值收斂。

為驗證上述迭代算法在盲信道狀態(tài)下求解得到的基站端的模擬域波束成形預(yù)編碼矩陣F_RF和用戶端的模擬域波束成形合并矩陣W_RF的有效性?？紤]發(fā)端64天線4射頻通道，收端16天線4射頻通道，采用UPA天線陣進行仿真。信道采用毫米波稀疏散射體模型，詳細(xì)參數(shù)配置如表1所示。如圖6所示，為兩種不同波束成形方式對應(yīng)的頻譜效率，其中，本發(fā)明實施例提出的混合預(yù)編碼PHP(Proposed Hybrid Precoding)表示模擬域波束成形采用隨機梯度下降法，數(shù)字域波束成形采用收發(fā)端的數(shù)字域等效信道矩陣H_eff的SVD分解法；最佳應(yīng)變預(yù)編碼OUP(Optimal Unstrained Precoding)為已知CSI時基于SVD分解的純數(shù)字域波束成形。仿真結(jié)果顯示通過收發(fā)端一定次數(shù)的迭代處理可以實現(xiàn)與已知CSI條件下采用純數(shù)字域波束成形相同的最優(yōu)系統(tǒng)頻譜效率，這意味著通過本方法可以實現(xiàn)收發(fā)端的數(shù)字域等效信道矩陣H_eff的能量最大化。

表1仿真中所用信道參數(shù)配置

上述模擬域的收發(fā)聯(lián)合波束成形設(shè)計等效于提高了接收信噪比，因為發(fā)端(基站端)的模擬域波束成形預(yù)編碼矩陣F_RF讓信號沿著信道的特征模式傳輸使發(fā)射能量更加集中，收端(用戶端)的模擬域波束成形合并矩陣W_RF通過信號的合并處理從而在一定程度上抑制了噪聲。

步驟102：結(jié)合基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣，采用基于時分雙工信道互易性的收發(fā)迭代方法，對數(shù)字域等效信道矩陣求最優(yōu)解，得到基站端的數(shù)字域波束成形預(yù)編碼矩陣和用戶端的數(shù)字域波束成形合并矩陣。

本發(fā)明實施例基于模擬域波束成形對接收信噪比的改善，并利用時分雙工信道互易性，采用收發(fā)迭代的方法，求解收發(fā)端的數(shù)字域等效信道矩陣H_eff前N_s列左/右特征向量生成矩陣，作為最終數(shù)字域波束成形矩陣F_BB和W_BB的解。

在經(jīng)過基站端和用戶端的模擬域波束成形矩陣F_RF和W_RF進行波束成形之后，等效的接收信噪比得到了一定的改善，可建立如下最優(yōu)化問題用于求解數(shù)字域預(yù)編碼矩陣：

由上述分析可知，當(dāng)為收發(fā)端的數(shù)字域等效信道矩陣H_eff的前Ns個左/右特征向量構(gòu)成的矩陣時，即可取得最優(yōu)。在未知CSI的條件下，這里考慮利用時分雙工信道的互易性，通過收發(fā)迭代的方法逐個確定收發(fā)端的數(shù)字域等效信道矩陣H_eff的左/右特征向量，最后得出對應(yīng)的波束成形矩陣。

由此，在一些可選實施方式中，所述步驟102還可具體包括以下步驟：

步驟1021：采用基于時分雙工信道互易性的收發(fā)迭代方法，求得所述數(shù)字域等效信道矩陣的左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量。

所述步驟1021的計算原理簡述如下：

收發(fā)端的數(shù)字域等效信道矩陣H_eff SVD分解可表示為：

其中σ₁,…,σ_p為按大小降序排列的矩陣H的奇異值，u₁,…,u_p為組成左奇異矩陣U、分別對應(yīng)奇異值σ₁,…,σ_p的特征向量，v₁,…,v_p為組成右奇異矩陣V、分別對應(yīng)奇異值σ₁,…,σ_p的特征向量。

令基站端初始發(fā)送信號為t，則有：

則用戶端接收信號：

用戶端再以接收信號r為發(fā)射信號發(fā)送至基站，則基站端接收信號：

其中，H^H為矩陣H的共軛轉(zhuǎn)置。在基站/用戶端之間重復(fù)M次上述收發(fā)迭代并忽略噪聲，則有：

此時，基站端可以根據(jù)迭代后的接收信號t歸一化后確定v₁；用戶端可以根據(jù)迭代后的接收信號r歸一化后確定u₁。在確定剩余特征向量v_n，u_n(n＝2,3,…,N_s)時，只需在基站端將發(fā)射信號t變?yōu)閠-v₁^H*t*v₁-…-v_n-1^H*t*v_n-1，歸一化之后發(fā)送；用戶端將接收信號變?yōu)閞-u₁^H*r*u₁-…-u_n-1^H*r*u_n-1，歸一化之后作為下一次發(fā)送信號，按上述收發(fā)迭代方法重復(fù)即可求得。

因此，可選地，如圖4所示，所述步驟1021還可具體包括以下步驟：

步驟10211：變量初始化：設(shè)置第二迭代次數(shù)，確定基站端的初始發(fā)送信號、基站端的初始化數(shù)字域波束成形預(yù)編碼矩陣和用戶端的初始化數(shù)字域波束成形合并矩陣；

具體地，設(shè)置第二迭代次數(shù)為M，MIMO層數(shù)為N_s；設(shè)置常向量t₀為單位向量，其中

基站端的初始化數(shù)字域波束成形預(yù)編碼矩陣和用戶端的初始化數(shù)字域波束成形合并矩陣均為全零矩陣。

基站端初始發(fā)送信號為t_init，如下公式所示：

其中，F(xiàn)_BB(:,n)表示基站端的數(shù)字域波束成形預(yù)編碼矩陣的第n列；參照上述公式，在首先計算的所述左奇異矩陣和右奇異矩陣中的第一對對應(yīng)特征向量時，所述n＝1，即，此時所述基站端的初始發(fā)送信號t_init為t₀。

步驟10212：基于時分雙工信道互易性，根據(jù)所述基站端的初始發(fā)送信號，計算得到用戶端的接收信號；

具體地，基于時分雙工信道互易性得到用戶端的接收信號為r，按照下面公式歸一化處理得到并作為用戶端下一次的發(fā)射信號：

其中，W_BB(:,n)表示用戶端的數(shù)字域波束成形合并矩陣的第n列；

步驟10213：基于時分雙工信道互易性，根據(jù)得到用戶端的接收信號，計算得到迭代一次后基站端的接收信號；

具體地，基于時分雙工信道互易性得到基站端的接收信號為t，按照下面公式歸一化處理得到并作為基站端下一次的發(fā)射信號：

步驟10214：按照第二迭代次數(shù)，重復(fù)上述收發(fā)信號迭代，通過歸一化處理，得到最終的用戶端的接收信號和基站端的接收信號

步驟10215：當(dāng)基站端的初始發(fā)送信號選為常向量t₀時，得到的最終的基站端的接收信號和用戶端的接收信號作為對應(yīng)的所述左奇異矩陣和右奇異矩陣中的第一對對應(yīng)特征向量；即：置F_BB(:,n)為基站端最終接收到的信號置W_BB(:,n)為用戶端最終接收到的信號

步驟10216：根據(jù)計算得到的所述左奇異矩陣和右奇異矩陣中的特征向量，更新所述基站端的初始發(fā)送信號、用戶端的接收信號和基站端的接收信號的計算公式。即，在計算得到所述左奇異矩陣和右奇異矩陣中的第一對對應(yīng)特征向量v₁和u₁后，按照上述基站端的初始發(fā)送信號、用戶端的接收信號和基站端的接收信號的計算公式對基站端的初始發(fā)送信號、用戶端的接收信號和基站端的接收信號的計算方法進行更新，也就是說，在后續(xù)的特征向量計算過程中，選擇n＞1對應(yīng)的公式計算這三個數(shù)據(jù)，在得到第一對對應(yīng)特征向量v₁和u₁后，根據(jù)第一對對應(yīng)特征向量v₁和u₁的值更新這三個數(shù)據(jù)并按照上述步驟計算得到第二對對應(yīng)特征向量，根據(jù)第一和第二對對應(yīng)特征向量的值更新這三個數(shù)據(jù)并按照上述步驟計算得到第三對對應(yīng)特征向量，并依次類推。重復(fù)步驟10211～10215的步驟，從而計算得到所述左奇異矩陣和右奇異矩陣中的下一對對應(yīng)特征向量，直至計算得到所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量。

步驟1022：根據(jù)計算得到所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量，得到所述數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣；對所述數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣進行歸一化處理，得到最終的基站端數(shù)字域波束成形預(yù)編碼矩陣和用戶端數(shù)字域波束成形合并矩陣。

即，經(jīng)過N_s層的收發(fā)信號迭代，歸一化處理，得到了所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量，從而得到最終的數(shù)字域波束成形矩陣：

同樣在表1所示毫米波信道環(huán)境下，考慮發(fā)端64天線，收端16天線，采用UPA天線陣，暫不考慮模擬域處理，對利用TDD信道互易性的收發(fā)迭代算法進行仿真。圖7顯示了經(jīng)過M次收發(fā)迭代，前6個奇異值σ_i(i＝1,…6)與最大奇異值σ₁的比值，可以看到隨著M的增大，迅速減少，特別的M＝4，在圖8中，我們在不同接收信噪比下觀察最大奇異值獲得的信道增益|u′₁Hv₁|，發(fā)現(xiàn)接收信噪比在5dB以上沒有性能損失，但是在0dB以下不能收斂，這說明收發(fā)迭代方法在一定的接收信噪比下是非常有效的。因此只要在混合域的時候，通過大規(guī)模天線在模擬域改善實際接收信噪比，這種方法是可行的。

綜上，本發(fā)明提供的盲信道下的混合波束成形方法及裝置實施例中提出的波束成形方法設(shè)計框圖如圖9所示，首先在模擬域初始化單位矩陣和經(jīng)過隨機梯度下降(SGA)的方法得到F_RF和W_RF；然后在數(shù)字域，初始化單位向量t₀經(jīng)過收發(fā)迭代(Tx-Rx Iteration)的方法得到F_BB和W_BB。

需要說明的是，這種基于時分雙工信道互易性收發(fā)迭代的方法在實際系統(tǒng)接收信噪比很低的情況下可能是失效的。幸運的是，大規(guī)模天線系統(tǒng)基于步驟101實現(xiàn)模擬域波束成形之后，對應(yīng)等效的接收信噪比得到大幅度提高，保證了這種方法在接收機RF前端接收信噪比極低的情況下依然可行。還值得指出的是，收發(fā)端經(jīng)過了模擬波束成形矩陣加權(quán)后，TDD(Time Division Duplexing，時分雙工)信道下的互易性依然成立，這進一步說明本發(fā)明所提方法的可行性。

這樣，經(jīng)過了步驟101和步驟102，根據(jù)計算得到的模擬域波束成形預(yù)編碼矩陣、模擬域波束成形合并矩陣、數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣，即可實現(xiàn)5G毫米波MIMO系統(tǒng)下混合波束成形系統(tǒng)的正常通信。

從上述實施例可以看出，本發(fā)明實施例提供的盲信道下的混合波束成形方法，可在未知信道狀態(tài)信息條件下工作，該方法利用隨機梯度下降迭代算法設(shè)計模擬域預(yù)編碼/合并矩陣；同時利用時分雙工信道互易性，通過收發(fā)迭代設(shè)計數(shù)字域預(yù)編碼/合并矩陣。該方法無需預(yù)先獲取信道狀態(tài)信息(CSI)，具有很強的實用性；同時不受信道類型限制，在LOS/NLOS(non line of sight，非視距)信道上均能適用；此外算法實現(xiàn)中還避免使用SVD算法分解收發(fā)端天線數(shù)巨大時的高維度信道矩陣，大大降低了求解模擬域/數(shù)字域預(yù)編碼/合并矩陣的運算復(fù)雜度。

本發(fā)明實施例的第二個方面，提供了一種盲信道下的混合波束成形裝置的一個實施例。如圖5所示，為本發(fā)明提供的盲信道下的混合波束成形裝置的一個實施例的模塊結(jié)構(gòu)示意圖。

所述盲信道下的混合波束成形裝置，包括：

模擬域矩陣計算模塊201，用于在低接收信噪比和接收信號功率最大化的前提下，根據(jù)格拉斯曼空間裝箱問題的求解思路，采用隨機梯度下降法，求解得到基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣。

由前述分析可知，如圖1所示，在5G毫米波MIMO混合波束成形系統(tǒng)下，基站端的模擬域波束成形預(yù)編碼矩陣F_RF和用戶端的模擬域波束成形合并矩陣W_RF的最優(yōu)化設(shè)計就是一個求解最大化接收信號功率的優(yōu)化問題：

其中z為用戶側(cè)天線接收信號y通過模擬域相位偏移后的輸出，和分別表示基站端和用戶端的碼本集。這個優(yōu)化問題是一個格拉斯曼空間裝箱問題，根據(jù)求解格拉斯曼空間裝箱問題的求解思路，對基站端的模擬域波束成形預(yù)編碼矩陣F_RF和用戶端的模擬域波束成形合并矩陣W_RF進行初始化之后，利用隨機梯度下降算法進行迭代處理，最后取值將收斂。

由此，在一些可選實施方式中，所述模擬域矩陣計算模塊201，還具體用于實施下述步驟：

步驟1011：設(shè)置第一迭代次數(shù)為N，并得到梯度下降因子為1/N。

步驟1012：設(shè)置基站端的波束攝動矩陣個數(shù)和用戶端的波束攝動矩陣個數(shù)分別為K_t和K_r,其中M_t為基站端配備的天線數(shù)量，N_t為基站端的射頻通道數(shù)量，M_r為用戶端配備的天線數(shù)量，N_r為用戶端的射頻通道數(shù)量；基站端的初始化模擬域波束成形預(yù)編碼矩陣和用戶端的初始化模擬域波束成形合并矩陣均設(shè)置為單位矩陣，其中

步驟1013：按照所述基站端的波束攝動矩陣個數(shù)K_t，在基站端隨機產(chǎn)生若干波束攝動矩陣P_i,i＝1,2,…K_t；并且，按照所述用戶端的波束攝動矩陣個數(shù)K_r，在用戶端隨機產(chǎn)生若干波束攝動矩陣Q_j,j＝1,2,…K_r。

步驟1014：根據(jù)所述梯度下降因子、基站端的波束攝動矩陣和用戶端的波束攝動矩陣，采用隨機梯度下降法設(shè)計基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣的迭代公式如下：

步驟1015：采用所述迭代公式，按照所述第一迭代次數(shù)N進行迭代，在保證接收信號功率最大化的情況下，得到基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣。即，基站端的模擬域波束成形預(yù)編碼矩陣F_RF和用戶端的模擬域波束成形合并矩陣W_RF通過上述公式更新，通過接收信號功率最大化確定最優(yōu)的和經(jīng)過N次迭代，最終產(chǎn)生的基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣分別為和并且在N趨于無窮時，該值收斂。

為驗證上述迭代算法在盲信道狀態(tài)下求解得到的基站端的模擬域波束成形預(yù)編碼矩陣F_RF和用戶端的模擬域波束成形合并矩陣W_RF的有效性?？紤]發(fā)端64天線4射頻通道，收端16天線4射頻通道，采用UPA天線陣進行仿真。信道采用毫米波稀疏散射體模型，詳細(xì)參數(shù)配置如表1所示。如圖6所示，為兩種不同波束成形方式對應(yīng)的頻譜效率，其中，本發(fā)明實施例提出的混合預(yù)編碼PHP(Proposed Hybrid Precoding)表示模擬域波束成形采用隨機梯度下降法，數(shù)字域波束成形采用收發(fā)端的域數(shù)字域等效信道矩陣H_eff的SVD分解法；最佳應(yīng)變預(yù)編碼OUP(Optimal Unstrained Precoding)為已知CSI時基于SVD分解的純數(shù)字域波束成形。仿真結(jié)果顯示通過收發(fā)端一定次數(shù)的迭代處理可以實現(xiàn)與已知CSI條件下采用純數(shù)字域波束成形相同的最優(yōu)系統(tǒng)頻譜效率，這意味著通過本方法可以實現(xiàn)收發(fā)端的數(shù)字域等效信道矩陣H_eff的能量最大化。

上述模擬域的收發(fā)聯(lián)合波束成形設(shè)計等效于提高了接收信噪比，因為發(fā)端(基站端)的模擬域波束成形預(yù)編碼矩陣F_RF讓信號沿著信道的特征模式傳輸使發(fā)射能量更加集中，收端(用戶端)的模擬域波束成形合并矩陣W_RF通過信號的合并處理從而在一定程度上抑制了噪聲。

數(shù)字域矩陣計算模塊202，用于結(jié)合基站端的模擬域波束成形預(yù)編碼矩陣和用戶端的模擬域波束成形合并矩陣，采用基于時分雙工信道互易性的收發(fā)迭代方法，對數(shù)字域等效信道矩陣求最優(yōu)解，得到基站端的數(shù)字域波束成形預(yù)編碼矩陣和用戶端的數(shù)字域波束成形合并矩陣。

本發(fā)明實施例基于模擬域波束成形對接收信噪比的改善，并利用時分雙工信道互易性，采用收發(fā)迭代的方法，求解收發(fā)端的數(shù)字域等效信道矩陣H_eff前N_s列左/右特征向量生成矩陣，作為最終數(shù)字域波束成形矩陣F_BB和W_BB的解。

在經(jīng)過基站端和用戶端的模擬域波束成形矩陣F_RF和W_RF進行波束成形之后，等效的接收信噪比得到了一定的改善，可建立如下最優(yōu)化問題用于求解數(shù)字域預(yù)編碼矩陣：

由上述分析可知，當(dāng)為收發(fā)端的數(shù)字域等效信道矩陣H_eff的前Ns個左/右特征向量構(gòu)成的矩陣時，即可取得最優(yōu)。在未知CSI的條件下，這里考慮利用時分雙工信道的互易性，通過收發(fā)迭代的方法逐個確定收發(fā)端的數(shù)字域等效信道矩陣H_eff的左/右特征向量，最后得出對應(yīng)的波束成形矩陣。

由此，在一些可選實施方式中，所述數(shù)字域矩陣計算模塊202，還可具體用于實施以下步驟：

步驟1021：采用基于時分雙工信道互易性的收發(fā)迭代方法，求得所述數(shù)字域等效信道矩陣的左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量。

所述步驟1021的計算原理簡述如下：

收發(fā)端的數(shù)字域等效信道矩陣H_eff SVD分解可表示為：

其中σ₁,…,σ_p為按大小降序排列的矩陣H的奇異值，u₁,…,u_p為組成左奇異矩陣U、分別對應(yīng)奇異值σ₁,…,σ_p的特征向量，v₁,…,v_p為組成右奇異矩陣V、分別對應(yīng)奇異值σ₁,…,σ_p的特征向量。

令基站端初始發(fā)送信號為t，則有：

則用戶端接收信號：

用戶端再以接收信號r為發(fā)射信號發(fā)送至基站，則基站端接收信號：

其中，H^H為矩陣H的共軛轉(zhuǎn)置。在基站/用戶端之間重復(fù)M次上述收發(fā)迭代并忽略噪聲，則有：

此時，基站端可以根據(jù)迭代后的接收信號t歸一化后確定v₁；用戶端可以根據(jù)迭代后的接收信號r歸一化后確定u₁。在確定剩余特征向量v_n，u_n(n＝2,3,…,N_s)時，只需在基站端將發(fā)射信號t變?yōu)閠-v₁^H*t*v₁-…-v_n-1^H*t*v_n-1，歸一化之后發(fā)送；用戶端將接收信號變?yōu)閞-u₁^H*r*u₁-…-u_n-1^H*r*u_n-1，歸一化之后作為下一次發(fā)送信號，按上述收發(fā)迭代方法重復(fù)即可求得。

因此，可選地，如圖4所示，所述步驟1021還可具體包括以下步驟：

步驟10211：變量初始化：設(shè)置第二迭代次數(shù)，確定基站端的初始發(fā)送信號、基站端的初始化數(shù)字域波束成形預(yù)編碼矩陣和用戶端的初始化數(shù)字域波束成形合并矩陣；

具體地，設(shè)置第二迭代次數(shù)為M，MIMO層數(shù)為N_s；設(shè)置常向量t₀為單位向量，其中

基站端的初始化數(shù)字域波束成形預(yù)編碼矩陣和用戶端的初始化數(shù)字域波束成形合并矩陣均為全零矩陣。

基站端初始發(fā)送信號為t_init，如下公式所示：

其中，F(xiàn)_BB(:,n)表示基站端的數(shù)字域波束成形預(yù)編碼矩陣的第n列；參照上述公式，在首先計算的所述左奇異矩陣和右奇異矩陣中的第一對對應(yīng)特征向量時，所述n＝1，即，此時所述基站端的初始發(fā)送信號t_init為t₀。步驟10212：基于時分雙工信道互易性，根據(jù)所述基站端的初始發(fā)送信號，計算得到用戶端的接收信號；

具體地，基于時分雙工信道互易性得到用戶端的接收信號為r，按照下面公式歸一化處理得到并作為用戶端下一次的發(fā)射信號：

其中，W_BB(:,n)表示用戶端的數(shù)字域波束成形合并矩陣的第n列；

步驟10213：基于時分雙工信道互易性，根據(jù)得到用戶端的接收信號，計算得到迭代一次后基站端的接收信號；

具體地，基于時分雙工信道互易性得到基站端的接收信號為t，按照下面公式歸一化處理得到并作為基站端下一次的發(fā)射信號：

步驟10214：按照第二迭代次數(shù)，重復(fù)上述收發(fā)信號迭代，通過歸一化處理，得到最終的用戶端的接收信號和基站端的接收信號

步驟10215：當(dāng)基站端的初始發(fā)送信號選為常向量t₀時，得到的最終的基站端的接收信號和用戶端的接收信號作為對應(yīng)的所述左奇異矩陣和右奇異矩陣中的第一對對應(yīng)特征向量；即：置F_BB(:,n)為基站端最終接收到的信號置W_BB(:,n)為用戶端最終接收到的信號

步驟10216：根據(jù)計算得到的所述數(shù)字域等效信道矩陣的左奇異矩陣和右奇異矩陣中的特征向量，更新所述基站端的初始發(fā)送信號、用戶端的接收信號和基站端的接收信號的計算公式。即，在計算得到所述左奇異矩陣和右奇異矩陣中的第一對對應(yīng)特征向量v₁和u₁后，按照上述基站端的初始發(fā)送信號、用戶端的接收信號和基站端的接收信號的計算公式對基站端的初始發(fā)送信號、用戶端的接收信號和基站端的接收信號的計算方法進行更新，也就是說，在后續(xù)的特征向量計算過程中，選擇n＞1對應(yīng)的公式計算這三個數(shù)據(jù)，在得到第一對對應(yīng)特征向量v₁和u₁后，根據(jù)第一對對應(yīng)特征向量v₁和u₁的值更新這三個數(shù)據(jù)并按照上述步驟計算得到第二對對應(yīng)特征向量，根據(jù)第一和第二對對應(yīng)特征向量的值更新這三個數(shù)據(jù)并按照上述步驟計算得到第三對對應(yīng)特征向量，并依次類推。重復(fù)步驟10211～10215的步驟，從而計算得到所述左奇異矩陣和右奇異矩陣中的下一對對應(yīng)特征向量，直至計算得到所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量。步驟1022：根據(jù)計算得到所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量，得到所述數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣；對所述數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣進行歸一化處理，得到最終的基站端數(shù)字域波束成形預(yù)編碼矩陣和用戶端數(shù)字域波束成形合并矩陣。

即，經(jīng)過N_s層的收發(fā)信號迭代，歸一化處理，得到了所述左奇異矩陣和右奇異矩陣中的前N_s對對應(yīng)特征向量，從而得到最終的數(shù)字域波束成形矩陣：

同樣在表1所示毫米波信道環(huán)境下，考慮發(fā)端64天線，收端16天線，采用UPA天線陣，暫不考慮模擬域處理，對利用TDD信道互易性的收發(fā)迭代算法進行仿真。圖7顯示了經(jīng)過M次收發(fā)迭代，前6個奇異值σ_i(i＝1,…6)與最大奇異值σ₁的比值，可以看到隨著M的增大，迅速減少，特別的M＝4，在圖8中，我們在不同接收信噪比下觀察最大奇異值獲得的信道增益|u′₁Hv₁|，發(fā)現(xiàn)接收信噪比在5dB以上沒有性能損失，但是在0dB以下不能收斂，這說明收發(fā)迭代方法在一定的接收信噪比下是非常有效的。因此只要在混合域的時候，通過大規(guī)模天線在模擬域改善實際接收信噪比，這種方法是可行的。

綜上，本發(fā)明提供的盲信道下的混合波束成形方法及裝置實施例中提出的波束成形方法設(shè)計框圖如圖9所示，首先在模擬域初始化單位矩陣和經(jīng)過隨機梯度下降(SGA)的方法得到F_RF和W_RF；然后在數(shù)字域，初始化單位向量t₀經(jīng)過收發(fā)迭代(Tx-Rx Iteration)的方法得到F_BB和W_BB。

需要說明的是，這種基于時分雙工信道互易性收發(fā)迭代的方法在實際系統(tǒng)接收信噪比很低的情況下可能是失效的。幸運的是，大規(guī)模天線系統(tǒng)基于步驟101實現(xiàn)模擬域波束成形之后，對應(yīng)等效的接收信噪比得到大幅度提高，保證了這種方法在接收機RF前端接收信噪比極低的情況下依然可行。還值得指出的是，收發(fā)端經(jīng)過了模擬波束成形矩陣加權(quán)后，TDD(Time Division Duplexing，時分雙工)信道下的互易性依然成立，這進一步說明本發(fā)明所提方法的可行性。

這樣，經(jīng)過了步驟101和步驟102，根據(jù)計算得到的模擬域波束成形預(yù)編碼矩陣、模擬域波束成形合并矩陣、數(shù)字域波束成形預(yù)編碼矩陣和數(shù)字域波束成形合并矩陣，即可實現(xiàn)5G毫米波MIMO系統(tǒng)下混合波束成形系統(tǒng)的正常通信。

從上述實施例可以看出，本發(fā)明實施例提供的盲信道下的混合波束成形裝置，可在未知信道狀態(tài)信息條件下工作，該裝置利用隨機梯度下降迭代算法設(shè)計模擬域預(yù)編碼/合并矩陣；同時利用時分雙工信道互易性，通過收發(fā)迭代設(shè)計數(shù)字域預(yù)編碼/合并矩陣。該裝置無需預(yù)先獲取信道狀態(tài)信息(CSI)，具有很強的實用性；同時不受信道類型限制，在LOS/NLOS(non line of sight，非視距)信道上均能適用；此外算法實現(xiàn)中還避免使用SVD算法分解收發(fā)端天線數(shù)巨大時的高維度信道矩陣，大大降低了求解模擬域/數(shù)字域預(yù)編碼/合并矩陣的運算復(fù)雜度。

最后，對本發(fā)明實施例所提出的算法進行完整仿真。考慮基站端64/256天線，4射頻通道，用戶端16/64天線，4射頻通道，采用UPA天線陣進行仿真，信道采用毫米波稀疏散射體模型，詳細(xì)參數(shù)配置如表1所示，所得系統(tǒng)頻譜效率如圖10和圖11所示。圖中黑線代表已知CSI條件數(shù)字域下基于特征信道傳輸?shù)淖顑?yōu)波束成形性能，藍(lán)線代表已知CSI條件混合域下基于Sparse Precoding方法的波束成形性能，紅線代表本發(fā)明所提的盲信道條件下混合域波束成形性能。

仿真結(jié)果顯示：1)本發(fā)明方法可以在很低的接收信噪比(如圖9中0dB和圖10中-10dB時)下達到已知CSI條件下的Sparse precoding方法的性能。2)本發(fā)明方法可以隨著接收信噪比的提高逼近純數(shù)字域波束成形的最優(yōu)性能，但是已知CSI條件下的Sparse precoding這種方法卻做不到。3)射頻通道數(shù)一定的時候，天線數(shù)越大，所能達到的波束成形性能最好，或者說能夠達到最優(yōu)性能所需的接收信噪比越低。綜上，本發(fā)明實施例提供的方法及裝置可以在不需要CSI和低接收信噪比的條件下，達到需要CSI的Sparse Precoding混合波束成形性能；甚至隨著接收信噪比的提高，可以超過傳統(tǒng)混合波束成形方法的性能，達到純數(shù)字域最優(yōu)波束成形的性能。

所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：以上任何實施例的討論僅為示例性的，并非旨在暗示本公開的范圍(包括權(quán)利要求)被限于這些例子；在本發(fā)明的思路下，以上實施例或者不同實施例中的技術(shù)特征之間也可以進行組合，步驟可以以任意順序?qū)崿F(xiàn)，并存在如上所述的本發(fā)明的不同方面的許多其它變化，為了簡明它們沒有在細(xì)節(jié)中提供。

另外，為簡化說明和討論，并且為了不會使本發(fā)明難以理解，在所提供的附圖中可以示出或可以不示出與集成電路(IC)芯片和其它部件的公知的電源/接地連接。此外，可以以框圖的形式示出裝置，以便避免使本發(fā)明難以理解，并且這也考慮了以下事實，即關(guān)于這些框圖裝置的實施方式的細(xì)節(jié)是高度取決于將要實施本發(fā)明的平臺的(即，這些細(xì)節(jié)應(yīng)當(dāng)完全處于本領(lǐng)域技術(shù)人員的理解范圍內(nèi))。在闡述了具體細(xì)節(jié)(例如，電路)以描述本發(fā)明的示例性實施例的情況下，對本領(lǐng)域技術(shù)人員來說顯而易見的是，可以在沒有這些具體細(xì)節(jié)的情況下或者這些具體細(xì)節(jié)有變化的情況下實施本發(fā)明。因此，這些描述應(yīng)被認(rèn)為是說明性的而不是限制性的。

盡管已經(jīng)結(jié)合了本發(fā)明的具體實施例對本發(fā)明進行了描述，但是根據(jù)前面的描述，這些實施例的很多替換、修改和變型對本領(lǐng)域普通技術(shù)人員來說將是顯而易見的。例如，其它存儲器架構(gòu)(例如，動態(tài)RAM(DRAM))可以使用所討論的實施例。

本發(fā)明的實施例旨在涵蓋落入所附權(quán)利要求的寬泛范圍之內(nèi)的所有這樣的替換、修改和變型。因此，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何省略、修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。