频率选择性衰落下的毫米波通信数模混合信号处理研究

Millimeter-wave (mmWave) communication has been recognized as one of the most important technologies for the next generation communication system due to its great potential of ultra-wide bandwidth. However, the unique wireless propagation properties of mmWave and the special hardware constraints bring a lot of challenges and difficulties to its practical applications. In this project, taking into consideration the channel frequency selective fading characteristics and the hardware constraints in mmWave systems such as the expensive and high power-consuming high-speed analog-to-digital converter (A/D), we will investigate the sophisticated schemes of joint single-carrier equalization and hybrid digital-analog beamforming (HBF), aiming at minimizing the mean square error (MSE) of the equalized signal before detection or channel decoding. We will further study the single carrier hybrid digital-analog multiple-input multiple-output (MIMO) equalization technology to mitigate the hard processing burden due to the low-precision A/D and the increasing number of antennas. By utilizing the sparse-scattering multipath structure in both delay spread and spatial domain, we will also propose the low-complexity channel estimation algorithms based on the iterative antenna-array training (IAT) technique and the compressive sensing method. To further reduce the training overhead, we will utilize the soft decisions of transmitted symbols to improve the channel estimation quality. Moreover, we will study the HBF algorithms which integrate the multi-user interference cancellation techniques with the IAT scheme in a multi-user scenario in order to strengthen the spatial multiple access capability. Finally, we will develop an mmWave communication system with a software radio platform and verify the feasibility and evaluate the performance of the proposed algorithms in a practical mmWave communication environment.

毫米波因为其巨大的通信宽带潜力，近年来被公认为是新一代移动通信系统的关键技术之一。毫米波特殊的无线传播特性和硬件实现上的约束，使其在实际应用中面临诸多难度很大的挑战。本课题针对毫米波信道频率选择性衰落以及系统在射频链路上的硬件制约，研究以最小化信道均衡均方误差为准则的单载波均衡与数模混合波束赋形联合的多天线信号处理高效算法，并提出数模混合的均衡设计来减轻因为A/D精度不足而带来的性能损失。针对多径在时延和空间上分布双重稀疏的传播特性，采用迭代天线阵列训练和压缩感知相结合的设计来降低对宽带毫米波信道进行估计的复杂度，并提出利用传输数据软判决来增强信道估计精度的方法，降低训练序列的开销。我们还研究以多用户均方误差为准则并结合多用户干扰抵消和天线阵列训练技术的毫米波数模混合算法，来增强多用户空间接入能力。我们通过毫米波软件无线电实验平台，对算法予以实现，在毫米波实际环境下进行算法验证和性能评估。

按计划项目组主要针对毫米波信道频率选择性衰落以及系统在射频链路上的硬件制约，从点对点通信中的数模混合波束赋形（HBF）和信道估计两个方面展开研究，并拓展至多用户场景。在点对点HBF方面，研究了基于最小均方误差准则（MMSE）的HBF优化算法，引入流形优化方法，有效处理了移相器恒模约束。将最大化频谱效率准则等效转化为最小化加权均方误差准则（WMMSE），分别在全连接和部分连接两种架构下提出了多种HBF优化算法，获得了比传统算法更佳的性能。在信道估计方面，利用毫米波信道的稀疏性，采用了参数化信道建模方法，推导了估计这些参数的克拉美罗下界（CRLB），利用该CRLB是HBF架构下观测矩阵函数的特点，并利用信道参数的部分先验信息，提出了以最小化CRLB为目标的观测矩阵优化算法，较传统算法获得了3dB以上的性能增益。在毫米波多用户场景中，研究了基于MMSE准则的多用户HBF问题，证明了多用户场景下最大化和速率与WMMSE之间的等效性，利用交替优化和流形优化方法，提出了毫米波多用户HBF优化算法。更进一步，考虑到多用户随机分布的特点与用户间公平性的重要意义，提出了最大化效用函数的HBF优化问题，并将其转化为等效的WMMSE问题进行求解。针对近年来无线通信在深度学习和智能反射面（IRS）上的新发展趋势，探讨了毫米波HBF和信道估计在这两个方面的新问题，提出了联合信道估计和HBF的鲁棒深度神经网络，提出了IRS毫米波信道估计与HBF优化算法。.项目组在ICC，GLOBECOM等重要国际会议上发表（录用）了6篇学术论文，在IEEE重要期刊上（包括IEEE TWC，IEEE TCOM）发表（录用）了9篇学术论文，部分论文在IEEEXplore获得了超过30次他引，还有2篇IEEE期刊论文在第2轮审稿中。申请了2项国家发明专利，并和航天院所、华为公司等进行产学研合作，推进本项目成果的实际应用。