毫米波混合波束成形系统中的无线信道参数估计:一种基于波束导向的高分辨率方法
《IEEE Open Journal of Antennas and Propagation》:Wireless Channel Parameter Estimation for Millimeter-Wave Hybrid Beamforming Systems
【字体:
大
中
小
】
时间:2025年12月24日
来源:IEEE Open Journal of Antennas and Propagation 3.6
编辑推荐:
本文针对毫米波混合波束成形系统因硬件限制导致信道参数估计精度不足的问题,提出了一种基于子天线阵列波束导向域的估计框架。研究人员通过建立包含旁瓣和相位效应的广义信号模型,并改进SAGE和MUSIC算法,实现了无需离散化角度网格的高精度多径角度与时延估计。仿真与28 GHz测试床验证表明,该方法在密集多径环境下具有优越性能,为毫米波通信与感知一体化(ISAC)提供了实用解决方案。
在追求更高无线通信速率的道路上,毫米波(mmWave)技术因其能够提供超大带宽而成为5G及未来通信系统的关键技术。然而,毫米波信号在空气中传播时衰减极大,犹如微弱的烛光在旷野中容易熄灭。为了克服这一挑战,研究人员通常采用大规模天线阵列进行高增益波束成形,将能量集中定向发射,就像用手电筒代替蜡烛照明。理想的方案是为每个天线配备独立的射频(RF)链进行全数字波束成形,但这在毫米波频段面临着硬件复杂度、成本和功耗的严峻挑战。因此,混合波束成形(Hybrid Beamforming)架构应运而生,它通过使用较少的射频链配合模拟相位移相器来控制大量天线,在性能和可行性之间取得了平衡。
然而,这种折衷方案带来了新的难题。混合架构限制了系统对空间信道进行完整“观察”的能力,无法像全数字系统那样直接获取每个天线上的基带信号。传统的信道参数估计算法,如MUSIC(MUltiple SIgnal Classification)和SAGE(Space-Alternating Generalized Expectation-maximization),在设计之初依赖于全数字阵列的导向矢量,难以直接应用于混合波束成形系统。现有的解决方案,如波束空间压缩感知,往往依赖于离散化的角度网格,这会导致分辨率限制和“离网”失配误差。更重要的是,许多方法假设了理想化的波束模式,忽略了实际模拟波束成形器产生的旁瓣和相位特性,这些因素在真实环境中会显著影响估计精度。因此,开发一种能够适应混合波束成形硬件约束、在连续角度域进行高精度参数估计的新方法,成为了一个迫切的需求。
为了解决上述挑战,发表在《IEEE Open Journal of Antennas and Propagation》上的这项研究,提出了一种创新的波束导向域(Beamsteering-Domain)信道参数估计框架。该研究的核心思想是,既然混合波束成形系统只能提供有限方向的波束测量值,那么就将这些测量值本身作为新的“基础函数”。研究人员不再试图恢复完整的天线域信道矩阵,而是直接在这些波束导向的测量值上操作,通过建立包含实际波束图案(如旁瓣效应)的广义信号模型,将经典的SAGE和MUSIC算法巧妙地“移植”到波束导向域中。
为开展研究,作者主要采用了以下几个关键技术方法:首先,构建了基于子天线阵列的混合波束成形系统模型,该模型 explicitly 考虑了射频链之间的空间间隔引入的相位变化。其次,定义了联合收发波束导向响应函数,该函数可以通过微波暗室测量或精确建模获得,作为算法的基础。接着,提出了波束导向域SAGE算法,通过期望最大化(EM)框架迭代估计多径参数,并用波束导向响应向量替代传统天线导向向量。同时,提出了波束导向域MUSIC算法,通过构建波束导向测量值的协方差矩阵并进行子空间分解来估计角度参数。最后,通过大规模的蒙特卡洛(Monte Carlo)模拟和基于软件定义无线电(USRP)的28 GHz混合波束成形测试床平台,在真实室内办公环境中进行了算法验证,测试场景中引入了金属反射器以产生丰富的多径分量(MPC)。
研究首先详细阐述了适用于混合波束成形系统的信号模型。该模型将无线信道描述为L个离散多径分量(MPC)的叠加,每个路径由复增益α?、时延τ?、出发角(AoD, Angle of Departure)θ?T和到达角(AoA, Angle of Arrival)θ?R参数化。关键创新在于引入了子天线阵列的波束导向响应函数f(θ?, β),其中θ?是信号的实际来向/去向,β是通过模拟相位移相器控制的波束指向角度。对于一个均匀线性阵列(ULA),其响应是各天线元件施加相位?m(β)后的合成结果。通过让发射端(Tx)和接收端(Rx)在一组预定义的波束方向{βT}和{βR}上进行扫描,测量得到的信号构成了一个高阶张量?,该张量聚合了所有射频链对在不同波束指向组合下的响应,从而捕获了传播环境的空时特性。
波束导向域SAGE算法:该算法是经典SAGE的扩展。在期望步(E-step),它从当前测量张量中减去其他路径的贡献,得到针对特定路径的残差信号。在最大化步(M-step),它通过优化一个设计好的代价函数z(τ, θR, θT)来更新该路径的参数。这个函数本质上是将残差信号在空时域进行波束成形,其最大值对应最可能的参数。为了降低计算复杂度,参数(时延、AoA、AoD)的更新采用交替优化的策略。算法的初始化采用连续干扰消除(SIC)策略,利用毫米波信道的稀疏性,逐步从测量张量中提取主导多径分量进行初始估计。
波束导向域MUSIC算法:该算法适应了经典MUSIC的子空间思想。首先,将测量张量矢量化后计算样本协方差矩阵R。然后,对R进行特征分解,利用与最小特征值对应的特征向量构建噪声子空间矩阵EN。随后,通过计算候选波束导向响应向量Av(θR, θT)与噪声子空间的正交性,生成MUSIC空间谱P(θR, θT)。谱峰值的位置即对应多径分量的角度估计。时延参数则通过将估计出的角度与测量信道张量进行匹配滤波操作来获得,这种将角度和时延估计解耦的方法有效降低了计算负担。
通过400次蒙特卡洛模拟,研究评估了算法在不同信噪比(SNR)、波束导向方向数量和子天线阵列规模下的性能。结果表明,当具有足够的波束导向多样性(即较多的扫描方向)时,SAGE算法在所有参数(AoA, AoD, 时延)上的估计精度均优于MUSIC。然而,MUSIC在波束导向方向数量减少时表现出更强的鲁棒性,而SAGE则对初始化更敏感,在方向数不足时性能下降明显。在SNR影响方面,SAGE在各种SNR下性能稳定,而MUSIC在低SNR下(如0 dB)性能恶化显著,因为噪声会模糊信号子空间和噪声子空间的分界。在阵列规模影响上,两者性能均随子阵列天线数增加而下降,原因是固定扫描方向下,更窄的波束导致角度域采样稀疏。特别值得注意的是,在混合了视距(LoS)和非视距(NLoS)路径的环境中,SAGE对强、弱路径的估计性能相对均衡,而MUSIC对强LoS路径估计很准,但对弱NLoS路径的估计误差较大,显示出SAGE在密集多径环境下的优势。
为了验证算法的实用性,研究搭建了一个28 GHz的混合波束成形测试床。平台采用USRP X310和TMYTEK的上/下变频模块及相控阵天线,通过精密同步,在室内办公室环境中进行了测量,并放置金属反射器以产生多径。实验结果显示,SAGE算法能够有效分辨出LoS路径和多个NLoS路径,估计误差较小。MUSIC算法虽然能检测到LoS路径,但对较弱或角度接近的NLoS路径分辨能力有限。对全部实验数据的统计分析(CDF)进一步证实,SAGE的估计精度高于MUSIC,与仿真趋势一致。将LoS和NLoS路径分开分析后可见,SAGE对两类路径的估计性能较为均匀,而MUSIC对NLoS路径的估计误差明显大于LoS路径,这与其仿真结果相符,凸显了SAGE在处理实际复杂多径环境时的价值。
综上所述,这项研究成功开发了一套针对毫米波混合波束成形系统的波束导向域信道参数估计框架。通过建立贴近实际的信号模型并将SAGE和MUSIC算法创新性地应用于波束导向测量值,该框架克服了硬件限制,实现了高精度的多径参数估计,且无需依赖离散角度网格。研究通过详尽的仿真和实验验证,明确了两种算法各自的优势场景:SAGE在具备足够测量多样性的情况下能提供更高的分辨率,尤其适用于密集多径环境;而MUSIC则在测量点数有限时更具鲁棒性。这项工作的意义在于为毫米波混合波束成形系统提供了一种实用且有效的信道感知工具,对其实现高性能通信、精准定位以及通信感知一体化(ISAC)等先进应用具有重要的推动作用。未来的工作可聚焦于该框架在动态环境中的实时实现及其在ISAC中的具体应用。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号