隨著第五代移動通信技術的發(fā)展,人們對于高速率大帶寬的要求使得毫米波（millimeter-wave,mm Wave）大規(guī)模多輸入多輸出（Multiple Input Multiple Output,MIMO）系統(tǒng)成為了關注的焦點。由于離散透鏡陣列（discrete lens array,DLA）的研究設計越來越成熟,這使得波束空間的概念被廣泛應用于毫米波通信系統(tǒng)。根據(jù)波束域下毫米波特有的稀疏性,利用波束選擇算法選擇一些波束子集進行發(fā)射,可以在一定程度上減少射頻（radio frequency,RF）鏈路數(shù)量,從而進一步降低MIMO收發(fā)信機的硬件復雜度和系統(tǒng)功耗,并且系統(tǒng)性能不會出現(xiàn)較大的損失。本文中,用戶和RF鏈路的數(shù)量將不受限制,可以自定義選擇的波束數(shù)量。首先,受到機器學習算法的啟發(fā),本文設計了一種基于自適應交叉熵（adaptive cross-entropy,ACE）的波束選擇算法。通過不斷更新各波束的概率分布,生成一個接近最優(yōu)解的高概率解,從而解決波束選擇中的組合優(yōu)化問題。該算法不僅計算復雜度低,收斂速度快,而且系統(tǒng)的頻譜效率接近全波束發(fā)射系統(tǒng)。接下來,本文給出了該算法的收斂性證... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

8GHzCPA-MIMO系統(tǒng)的DLA實物DLA的作用與空間離散傅里葉變換矩陣U的作用相同

哈爾濱工業(yè)大學工程碩士學位論文16和2pN條多徑分量的信道場景。用戶k的信道參數(shù)如下：,0(0,1)k，當1piN時1,(0,10)ki；當0piN時k,i服從[1/2,1/2]均勻分布。3.2.1算法優(yōu)勢和劣勢分析首先，介紹一下采用交叉熵算法進行波束選擇的優(yōu)勢。從3.1.2節(jié)中的算法描述中看到，基于ACE的波束選擇算法得到候選向量之后，先計算各候選向量的目標值并進行排序，本文中目標值即為系統(tǒng)的頻譜效率。傳統(tǒng)CE在選擇精英的時候是直接選擇目標值較好的候選向量作為“精英”，而本課題設計的算法是經過了二次選擇之后得到了更符合問題要求的精英，算法步驟的第4步給出了詳細介紹。為了探究交叉熵算法的性能優(yōu)勢，本文采用不限制波束數(shù)量的基于ACE的波束選擇算法，即沒有進行針對問題的二次選擇，根據(jù)仿真結果得出ACE算法與全波束發(fā)射系統(tǒng)之間的關系。圖3-1(a)給出了采用不限制波束數(shù)量的基于ACE的波束選擇算法與全波束系統(tǒng)的仿真對比。圖3-1(b)給出了當SNR=15dB時，在某次信道實現(xiàn)下，不限制波束數(shù)量的基于ACE的波束選擇算法迭代過程中的頻譜效率變化。(a)(b)圖3-1基于ACE的波束選擇算法（不限制波束數(shù)量）仿真分析本文考慮從2000個候選挑選向量出頻譜效率最優(yōu)的30個候選向量作為精英。可以很明顯的看到圖3-1(a)中兩條曲線完全重合。也就是說，選擇系統(tǒng)頻譜效率作為目標值，算法收斂到了全系統(tǒng)模型，即不進行波束選擇，全波束發(fā)射信號時整個系統(tǒng)的頻譜效率最大，為最優(yōu)方案。通過此次仿真可以看出ACE算法的優(yōu)勢，在不對波束數(shù)量加以限制的條件下，它可以收斂到全局最優(yōu)解。同時，想要強調的是：在不限制波束數(shù)量的條件下，當基于ACE的波束選擇算法收斂時，N個正交波束對應的概率參數(shù)向量u為全1矢量。從圖3-1(b)可以看頻譜效率[bits/s/Hz]

哈爾濱工業(yè)大學工程碩士學位論文18經過選擇之后發(fā)現(xiàn)：在SE方面，排在前40%的精英的有效波束數(shù)量基本在31-44之間。而且，一般來說，波束數(shù)量多的SE會稍高于波束數(shù)量少的候眩向量出現(xiàn)概率和頻譜效率兩方面因素，本文仿真中考慮精英對應的有效波束數(shù)量m在31-44之間，即期望的波束數(shù)量M的范圍在31-44之間。圖3-2二項分布概率密度函數(shù)（p1/2）隨機變量m的期望為E(m)np640.532，從概率也可以看出m32時的概率最大，也就是說在S個候選中，有效波束數(shù)量為32的候選最多，但是滿足這個數(shù)量的候選是否會被選為精英就要看其頻譜效率在所有候選中所處的位置了。在本文算法中，初始化時采用采用0/1等概分布，但是這并不能包含不同波束數(shù)量所有可能的情況，或者說只適用于要求的波束數(shù)量M在18-46之間情況。換句話說，在等概率的初始條件下，只能盡可能分析選擇某些波束數(shù)量的情況，不能包含所有可能的波束數(shù)量。因此對于不同的期望波束數(shù)量M，需要根據(jù)其具體值調整初始概率分布。需要特別指出的是：對于ACE算法來說，與其他初始分布相比，0/1等概分布更為合理，可以解釋為這個初始分布處于整個概率空間的中心位置，它將來進入這個空間中任何區(qū)域的概率均等，不容易陷入局部最優(yōu)。當然M的范圍可以通過改變初始概率分布進行調整，具體調整方案可以根據(jù)實際要求而適應。3.2.2復雜度分析下面將對本文設計的基于ACE的波束選擇算法的計算復雜度進行分析。通過觀察表3-1發(fā)現(xiàn)：計算復雜度主要來自算法的第2，6，7步。假定每次根據(jù)式

【參考文獻】：
期刊論文
[1]遺傳算法在優(yōu)化問題中的應用綜述[J]. 李巖,袁弘宇,于佳喬,張更偉,劉克平.  山東工業(yè)技術. 2019(12)
[2]一種采用改進交叉熵的多目標優(yōu)化問題求解方法[J]. 趙舵,唐啟超,余志斌.  西安交通大學學報. 2019(03)
[3]隨機優(yōu)化的改進交叉熵方法[J]. 任超,張航,李洪雙.  北京航空航天大學學報. 2018(01)
[4]毫米波大規(guī)模MIMO系統(tǒng)波束選擇方案的設計[J]. 吳君欽,趙天.  高技術通訊. 2017(05)
[5]基于波束選擇的毫米波Massive MIMO預編碼算法研究[J]. 彭章友,王淼,李林霄,劉洋,劉琦,王春娜.  電子測量技術. 2016(07)
[6]混合遺傳算法綜述[J]. 張先煉,王國杰.  電子世界. 2015(14)
[7]基于最小均方誤差的多用戶MIMO系統(tǒng)下行鏈路預編碼[J]. 李新民,白寶明.  重慶郵電大學學報(自然科學版). 2010(01)
[8]遺傳算法理論研究綜述[J]. 陳建安,郭大偉,徐乃平,孫云芝.  西安電子科技大學學報. 1998(03)
[9]遺傳算法綜述[J]. 席裕庚,柴天佑,惲為民.  控制理論與應用. 1996(06)

博士論文
[1]進化算法的收斂性與時間復雜度分析的若干研究[D]. 張宇山.華南理工大學 2013

碩士論文
[1]大規(guī)模MIMO系統(tǒng)低復雜度預編碼算法研究[D]. 張弛.東南大學 2018



本文編號：3270255