基于QGA-OMP算法的毫米波大规模MIMO混合预编码方法及系统

摘要

本发明提供一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及系统，在传统的OMP算法用于毫米波大规模MIMO混合预编码的研究基础上，利用QGA算法模拟自然进化过程、快速搜索全局最优值的特点，搜索与残差内积相乘最大的阵列响应矢量，获得全局最优解的阵列响应向量，从而在发射端获得最优的基带预编码器和射频预编码器，消除了对已知候选矩阵的需求、降低了计算的复杂度；同时，QGA算法获得的全局最优解的阵列响应向量，使本发明的混合预编码性能接近于最优的全数字预编码，极大的提高了系统的频谱效益。

权利要求

1.一种基于量子遗传(QGA)‑正交匹配追踪(OMP)算法的毫米波大规模MIMO混合预编码方法，应用于发射端，所述发射端用于接收信号并对其进行预编码处理，再将处理后的所述信号发射到信道中；其特征在于，包括：步骤一：定义射频预编码器为空矩阵，同时将最优无约束预编码器赋值给残差矩阵；

步骤二：根据所述残差矩阵得到相关矩阵；

步骤三：利用量子遗传算法，使用目标函数迭代计算适应度，当迭代次数满足预设迭代次数，得到与所述残差矩阵相匹配的最佳索引，根据所述最佳索引得到最优阵列响应向量；

其中，获取所述最优阵列响应向量的步骤包括：ω表示最优阵列响应向量； 表示方位角； λ表示波长；d表示天线单元间距；Nt为发射端天线数量；

步骤四：将所述最优阵列响应向量合并到所述射频预编码器中，得到第一射频预编码器；其中，获取所述第一射频预编码器的步骤包括：FRF1＝[FRF|ω]；

FRF为射频预编码器；

步骤五：根据所述第一射频预编码器和所述最优无约束预编码器，更新基带预编码器，得到第一基带预编码器；

其中，获取所述第一基带预编码器的步骤包括：FRF1为合并后的射频预编码矩阵；Fopt为最优无约束预编码器；

步骤六：根据所述第一射频预编码器、所述第一基带预编码器及所述最优无约束预编码器，更新所述残差矩阵；

其中，更新所述残差矩阵的步骤包括：F为范数；

步骤七：对所述第一基带预编码器进行归一化处理，得到最优基带预编码器；

其中，获取所述最优基带预编码器的步骤包括：||FRF1FBB1||F称为F‑范数；NS为发射端的数据流数量；

同时，将所述第一射频预编码器记为最优射频预编码器。

2.根据权利要求1所述的基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法，其特征在于，所述最优无约束预编码器是通过对信道矩阵进行奇异值分解而获得。

3.根据权利要求2所述的基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法，其特征在于，若所述毫米波大规模MIMO混合预编码方法为迭代执行，且迭代次数小于射频链路，则重复执行步骤二到步骤六，否则，执行步骤七，其中，所述最优射频预编码器为最后一次迭代时所得到的所述第一射频预编码器。

4.根据权利要求1所述的基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法，其特征在于，获取所述相关矩阵的步骤包括：其中，At为阵列响应向量矩阵；Fres为残差矩阵。

5.一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码系统，其特征在于，包括：发射模块，其设于发射端，用于接收信号并对其进行预编码处理，再将处理后的所述信号发射到信道中；其中，预编码处理的方法为权利要求1‑4中任意一项所述的一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法。

说明书

基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及

系统

技术领域

[0001] 本发明涉及一种无线通信技术领域，特别是涉及一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及系统。

背景技术

[0002] 第五代通信(5G)能为用户提供更高的数据速率和多种物联网设备的连接，其相比于4G频谱效率提升5～15倍，能效和成本效率提升近100倍，已成为信息发展的主要方向，将
渗透到未来社会的各个领域。

[0003] 现有技术中，大规模多输入多输出(MIMO)技术和毫米波(mmWave)通信技术作为5G的关键技术，采用了混合预编码技术，即预编码处理分为基带预编码(数字预编码)处理和
射频预编码(模拟预编码)处理，该方案仅使用少量的射频链路，解决了传统数字预编码成
本高、功耗大的问题，在5G的发展中发挥了重要作用，其工作原理说明如下：

[0004] 请参阅图1，图1所示为单用户毫米波大规模MIMO系统共享阵列体系架构，其中发送和接收数据流均为Ns，发射天线数为Nt，接收天线数为Nr，发射端射频链路数为 接收
端射频链路数为 信号在发射端经过基带预编码器和射频预编码器的两阶段预编码处
理后，发射到毫米波信道H中，然后在接收端再经过射频组合器和基带组合器的两阶段预编
码处理，生成接收信号输出。

[0005] 为了解决毫米波大规模MIMO系统中的预编码问题，众多混合预编码方案陆续被提出，文献ELAYACH O,RAJAGOPAL S,ABU‑SURRA S,et al.Spatially sparse precoding in 
millimeter wave MIMO systems[J].IEEE Transactions on Wireless Communications,
2014,13(3)：1499‑1513中，提出了一种基于OMP(orthogonal matching pursuit，正交匹配
追踪)算法的混合预编码方法，该算法的主要设计思想就是分别对系统的发射端矩阵和接
收端矩阵进行设计，将混合预编码设计等效为多元稀疏信号恢复的问题，取得了较好的性
能，但该方法存在需要候选矩阵的问题，即需要从候选矢量集合中选择与残差矩阵相关性
最大的射频预编码矢量，这导致计算复杂度相对较高，当天线数目急剧增加时，无法满足通
信系统高链路质量和高数据速率的目标的场景的需求，同时侯选矢量集合的设计也会增加
额外的开销，进而增加了成本；此外，传统的OMP算法利用候选矩阵选择相关度最高的列，但
是各列的角度之间存在一定的间隔，因此所选的阵列响应向量不一定是全局最优解，从而
导致频谱效率较低。

发明内容

[0006] 鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及系统，用于解决现有技术中的OMP算法在进行混合预
编码处理时的计算复杂度较高，且所选的阵列响应向量不一定是全局最优解的问题。

[0007] 本发明的第一方面提供一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法，应用于发射端，所述发射端用于接收信号并对其进行预编码处理，再将处理后的所述信
号发射到信道中；其特征在于，包括：

[0008] 步骤一：定义射频预编码器为空矩阵，同时将最优无约束预编码器赋值给残差矩阵；

[0009] 步骤二：根据所述残差矩阵得到相关矩阵；

[0010] 步骤三：利用量子遗传算法得到与所述残差矩阵相匹配的最佳索引，根据所述最佳索引得到最优阵列响应向量；

[0011] 步骤四：将所述最优阵列响应向量合并到所述射频预编码器中，得到第一射频预编码器；

[0012] 步骤五：根据所述第一射频预编码器和所述最优无约束预编码器，更新基带预编码器，得到第一基带预编码器；

[0013] 步骤六：根据所述第一射频预编码器、所述第一基带预编码器及所述最优无约束预编码器，更新所述残差矩阵；

[0014] 步骤七：对所述第一基带预编码器进行归一化处理，得到最优基带预编码器；同时，将所述第一射频预编码器记为最优射频预编码器。

[0015] 于本发明的一实施例中，其特征在于，所述最优无约束预编码器是通过对信道矩阵进行奇异值分解而获得。

[0016] 于本发明的一实施例中，其特征在于，当迭代次数为多次，且迭代次数小于射频链路，则重复执行步骤二到步骤六，否则，执行步骤七，其中，所述最优射频预编码器为最后一
次迭代时所得到的所述第一射频预编码器。

[0017] 于本发明的一实施例中，获取所述相关矩阵的步骤包括：

[0018]

[0019] 其中，At为阵列响应向量矩阵；Fres为残差矩阵。

[0020] 于本发明的一实施例中，获取所述最优阵列响应向量的步骤包括：

[0021]

[0022] 其中， 表示方位角； λ表示波长；d表示天线单元间距；Nt为发射端天线数量。

[0023] 于本发明的一实施例中，获取所述第一射频预编码器的步骤包括：

[0024] FRF1＝[FRF|w]；

[0025] 其中，FRF为射频预编码器。

[0026] 于本发明的一实施例中，获取所述第一基带预编码器的步骤包括：

[0027]

[0028] 其中，FRF1为合并后的射频预编码矩阵；Fopt为最优无约束预编码器。

[0029] 于本发明的一实施例中，更新所述残差矩阵的步骤包括：

[0030]

[0031] 其中，F是为范数。

[0032] 于本发明的一实施例中，获取所述最优基带预编码器的步骤包括：

[0033]

[0034] 其中,||FRF1FBB1||F称为F‑范数；NS为发射端的数据流数量。

[0035] 本发明的第二方面提供一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码系统，包括：发射模块，其设于发射端，用于接收信号并对其进行预编码处理，再将处理后的所
述信号发射到信道中；其中，预编码处理的方法为上述第一方面中任意一项所述的一种基
于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法。

[0036] 如上所述，本发明的一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及系统，具有以下有益效果：

[0037] 在传统的OMP算法用于毫米波大规模MIMO混合预编码的研究基础上，利用QGA(Quantum Genetic Algorithm，量子遗传算法)算法模拟自然进化过程、快速搜索全局最优
值的特点，搜索与残差内积相乘最大的阵列响应矢量，获得全局最优解的阵列响应向量，从
而在发射端获得最优的基带预编码器和射频预编码器，消除了对已知候选矩阵的需求、降
低了计算的复杂度；同时，QGA算法获得的全局最优解的阵列响应向量，使本发明的混合预
编码性能接近于最优的全数字预编码，极大的提高了系统的频谱效益。

附图说明

[0038] 图1显示为本发明现有技术中的系统架构示意图。

[0039] 图2显示为本发明第一实施方式中的一种流程示意图。

[0040] 图3显示为本发明第一实施方式中的另一种流程示意图。

[0041] 图4显示为本发明第一实施方式中的量子遗传算法的流程示意图。

[0042] 图5显示为本发明第一实施方式中的数据流等于射频链路数时的系统系能曲线图。

[0043] 图6显示为本发明第一实施方式中的射频链路数固定时不同数据流的系统系能曲线图。

具体实施方式

[0044] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实
施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离
本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施
例中的特征可以相互组合。

[0045] 需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘
制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可
能更为复杂。

[0046] 请参阅图2，本发明的第一实施方式涉及一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法，该方法应用于发射端，该发射端用于接收信号并对其进行预编码处
理，再将处理后的所述信号发射到信道中，具体包括：

[0047] 步骤101，定义射频预编码器为空矩阵，同时将最优无约束预编码器赋值给残差矩阵。

[0048] 具体的说，在对接收的信号进行预编码处理前，先对射频预编码器和残差矩阵进行初始化，初始化过程包括：

[0049] 定义射频预编码器 为一个空集；

[0050] 定义残差矩阵Fres＝Fopt；

[0051] 其中，最优无约束预编码器是通过对信道矩阵进行SVD(Singular Value H
Decomposition，奇异值分解)而获得。信道矩阵H＝UΣV ,Fopt＝V1，V1为Nt×Ns的矩阵，Ns为
发射端数据流，Nt为发射端天线数量。

[0052] 应理解，射频预编码器FRF、残差矩阵Fres及最优无约束预编码器Fopt，均为现有OMP算法中的常规名称，为节省篇幅，本方案不对其进行解释。

[0053] 步骤102，根据残差矩阵得到相关矩阵。

[0054] 具体的说，相关矩阵为残差矩阵与阵列响应向量矩阵的乘积，其获取的步骤包括：

[0055]

[0056] 其中，At为天线阵列响应向量矩阵的共轭转置；Fres为残差矩阵。

[0057] 步骤103，利用量子遗传算法得到与残差矩阵相匹配的最佳索引，根据最佳索引得到最优阵列响应向量。

[0058] 具体的说，函数的目标函数可以表示为：

[0059]

[0060] 其中，ψ为相关矩阵；ω为最优阵列响应向量，且最优阵列响应向量获取的步骤包括：

[0061]

[0062] 其中， 表示方位角； λ表示波长；d表示天线单元间距；Nt为发射端天线数量。

[0063] 由此可知，目标函数的目的是利用相关矩阵、残差矩阵和天线阵列响应向量确定全局最优解。从上式可以看出，只有角度 即所求的最优值，为未知数，因此该问题仅仅是1
维问题。

[0064] 进一步说明，请参阅图4，利用量子遗传算法得到与残差矩阵相匹配的最佳索引的步骤包括：

[0065] (一)随机产生种群，该种群的规模为N；

[0066] (二)对种群实施测量，得到二进制编码；

[0067] (三)使用目标函数f(w)计算适应度，得到最佳个体与最大值；

[0068] (四)判断灾变次数是否大于最大迭代次数的十分之一，若大于，获得最优个体，否则判断是否继续进行灾变，若是则保留此次获得的最佳个体，其余个体重新生成，然后依次
执行量子旋转门、量子交叉、量子变异、更新种群后，重复步骤二。

[0069] 需要说明的是，最终获得的最优个体即为最佳索引，此处也为最优阵列响应向量表达式中的角度 在上述表达式中代入角度 即可得到最合适的阵列响应向量ω。

[0070] 步骤104，将最优阵列响应向量合并到射频预编码器中，得到第一射频预编码器。

[0071] 具体的说，第一射频预编码器获取的步骤包括：

[0072] FRF1＝[FRF|ω]；

[0073] 其中，FRF为射频预编码器。

[0074] 步骤105，根据第一射频预编码器和最优无约束预编码器，更新基带预编码器，得到第一基带预编码器。

[0075] 具体的说，第一基带预编码器获取的步骤包括：

[0076]

[0077] 其中，FRF1为合并后的射频预编码矩阵；Fopt为最优无约束预编码器。

[0078] 步骤106，根据第一射频预编码器、第一基带预编码器及最优无约束预编码器，更新残差矩阵。

[0079] 更新残差矩阵的步骤包括：

[0080]

[0081] 其中，F为范数。

[0082] 步骤107，对第一基带预编码器进行归一化处理，得到最优基带预编码器；同时，将第一射频预编码器记为最优射频预编码器。

[0083] 最优基带预编码器获取的步骤包括：

[0084]

[0085] 其中，FRF1为第一射频预编码矩阵；FBB1为第一基带预编码矩阵；NS为发送数据流。

[0086] 可选的，作为一个实施例，迭代次数可以为多次。

[0087] 请参阅图3，当迭代次数为多次时，混合预编码方法与图2中大致相同，只是在步骤106之后对迭代次数是否大于射频链路进行判断，若迭代次数小于射频链路，则重复步骤
102到步骤106，否则，执行步骤107，其中，最优射频预编码器为最后一次迭代时所得到的第
一射频预编码器。

[0088] 请参阅图5，图5中给出了在单用户毫米波大规模MIMO系统下全数字预编码、基于OMP的混合预编码和提出的混合预编码方法的仿真。在仿真场景中，发射端天线数为Nt＝
64，接收端天线数为Nr＝16；信道采用毫米波信道，群簇数Ncl＝5，每个群簇的传播路径数
Nray＝10；天线阵列采用均匀线性阵列，并且方位角的AOA和AOD服从拉普拉斯分布，其中，簇
角度在[0,2π)上服从均匀分布，角度扩展设为10°。仿真所得的结果都是在1000次随机信道
实现的平均。

[0089] 图5为数据流等于射频链路数时的系统系能曲线图。

[0090] 图5中的曲线1表示全数字预编码的系统频谱效率、曲线2表示基于OMP算法的混合预编码的系统频谱效率、曲线3表示本方案的混合预编码的系统频谱效率。

[0091] 图5所示为在 的条件下，不同预编码方案所获得的频谱效率随着信噪比的变化情况。从图中可以看出，随着信噪比的增大，不同预编码的系统频谱效率
都得到了不同程度的提升。而且随着数据流的增加，不同预编码的系统频谱效率也会得到
不同程度的提升。对于不同的数据流，全数字预编码的性能最好，这是因为其是最优的预编
码，所有的预编码都是以逼近它为目标。本方案提出的算法，相比于传统的基于OMP的混合
预编码，性能有所提升，这是因为本文提出的算法对传统的基于OMP的混合预编码的候选矩
阵的问题进行改进。本文提出的算法采用QGA算法搜索全局最优解，而传统的基于OMP的预
编码算法利用候选矩阵选择相关度最高的列，由于传统的基于OMP的预编码算法的候选矩
阵中各列的角度之间存在一定的间隔，所选的阵列响应向量不一定是全局最优解，因此可
见，本方案与传统的混合OMP预编码算法相比，在 条件下，更具有优势。

[0092] 图6为射频链路数固定时不同数据流的系统系能曲线图。

[0093] 图6中的曲线4表示全数字预编码的系统频谱效率、曲线5表示基于OMP算法的混合预编码的系统频谱效率、曲线6表示本方案的混合预编码的系统频谱效率。

[0094] 图6所示为在 Ns＝[1,3]的条件下，不同预编码方案所获得的频谱效率随着信噪比的变化情况。从图中可以看出，随着信噪比的增大，不同预编码的系统频谱
效率都得到不同程度的提升。而且随着数据流的增加，不同预编码的系统频谱效率也会得
到不同程度的提升。在数据流较小时，本方案的混合预编码方法与传统的基于OMP算法的混
合预编码方法的性能几乎接近于最优的全数字预编码方案。在数据流较大时，本方案提出
的算法，相比于传统的基于OMP的混合预编码，性能有所提升。

[0095] 可见，本实施方式在传统的OMP算法用于毫米波大规模MIMO混合预编码的研究基础上，利用QGA(Quantum Genetic Algorithm，量子遗传算法)算法模拟自然进化过程、快速
搜索全局最优值的特点，搜索与残差内积相乘最大的阵列响应矢量，获得全局最优解的阵
列响应向量，从而在发射端获得最优的基带预编码器和射频预编码器，消除了对已知候选
矩阵的需求、降低了计算的复杂度；同时，QGA算法获得的全局最优解的阵列响应向量，使本
发明的混合预编码性能接近于最优的全数字预编码，极大的提高了系统的频谱效益。

[0096] 本发明的第二实施方式涉及一种毫米波大规模MIMO混合预编码系统，包括：

[0097] 发射模块，其设于发射端，用于接收信号并对其进行预编码处理，再将处理后的所述信号发射到信道中；其中，预编码处理的方法为第一实施方式中任一项所述的基于QGA‑
OMP算法的毫米波大规模MIMO混合预编码方法。

[0098] 可见，本实施方式通过发射模块接收信号，并对该信号进行处理，处理方法为在传统的OMP算法用于毫米波大规模MIMO混合预编码的研究基础上，利用QGA(Quantum Genetic 
Algorithm，量子遗传算法)算法模拟自然进化过程、快速搜索全局最优值的特点，搜索与残
差内积相乘最大的阵列响应矢量，获得全局最优解的阵列响应向量，从而在发射端获得最
优的基带预编码器和射频预编码器，消除了对已知候选矩阵的需求、降低了计算的复杂度；
同时，QGA算法获得的全局最优解的阵列响应向量，使本发明的混合预编码性能接近于最优
的全数字预编码，极大的提高了系统的频谱效益。

[0099] 综上所述，本发明的一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及系统，在传统的OMP算法用于毫米波大规模MIMO混合预编码的研究基础上，利用QGA
(Quantum Genetic Algorithm，量子遗传算法)算法模拟自然进化过程、快速搜索全局最优
值的特点，搜索与残差内积相乘最大的阵列响应矢量，获得全局最优解的阵列响应向量，从
而在发射端获得最优的基带预编码器和射频预编码器，消除了对已知候选矩阵的需求、降
低了计算的复杂度；同时，QGA算法获得的全局最优解的阵列响应向量，使本发明的混合预
编码性能接近于最优的全数字预编码，极大的提高了系统的频谱效益。所以，本发明有效克
服了现有技术中的种种缺点而具高度产业利用价值。

[0100] 上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因
此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完
成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。