基于大规模mimo的智能反射环境波束赋形

基于大规模mimo的智能反射环境波束赋形

原文题目BEAMFORMING IN INTELLIGENT ENVIRONMENTS BASED ON ULTRA-MASSIVE MIMO PLATFORMS IN MILLIMETER WAVE AND TERAHERTZ BANDS
文章出自ICASSP2020 简单翻译 自己学习用

Purpose：作者基于分段编程优化开发了一种联合波束成形的方法，目的是使在实际大规模MIMO通信环境下的受限制的频谱效率最大化
（频谱效率：指最大的传输速率除以系统频带宽度，单位为bps/Hz。频谱效率是一个0到1之间的数。最大为1，也就是说，最大的传输速率，即你所谓的带宽为系统所占的频带宽度。对于二进制，波特率等于比特率。）
Introduction: 之前关于IRS的研究主要侧重在小于6GHZ的频率下， 然而由于30-300GHz的毫米波和Thz在空气中传播的严重衰退效应，他们可能是最适合IRS的，大规模MIMO质粒反射矩阵提供了一个集中并且引导波束指向不同方向的潜力，通过控制RF chains的模拟相移器。特殊的是， 这种技术可以对BS的NLoS区域的用户进行前所未有的增益。最精使用IRS技术的研究表明，通常假设BS和UE间的的直接链接存在，这样的假设在实际应用中可能并不会总是存在，并且可能对低估IRS的潜力，因为LoS路径会主导信道的性能。
有一个值得指出的不同于存在的IRS解决方案的方法，叫做基于UM MIMO的智能环境，或者反射矩阵，或者IRS等。反射矩阵中的电子调相效率极度以来矩阵的排列形式和环境的复杂度，这意味着在大规模或者反射严重的环境中， 它的效率会收到影响。而IRS可以实现环境可控。
由于UM MIMO通信平台在收发器和环保领域的优势，如何共同优化光束成形重量矩阵和传输功率，以最大限度地提高目标UE的信噪比（SNR）和能源效率，是一个相关的挑战。在以前的研究中，可重新配置的智能表面的相移进行了优化，以在多输入单输出下行链路通信系统中实现能效最大化，这是最近提出的6G无线网络全息MIMO表面概念的一部分。在之前的研究中，能量效率只考虑发射端没有考虑IRS侧，因为 IRS被认为是只有相变换的功能，消耗能量忽略不计。然而，UM MIMO通信平台是一个整体系统，由有源天线阵列和信号处理组成。因此，还应优化能源效率。此外，尽管毫米波和THz频段通道由于固有的高自由空间路径损耗而噪声有限，但UE的传输功率电平与有效路径增益之间存在权衡。通过联合优化UM MIMO通信平台收发器和环境的光束成形权重，可以达到所需的功率水平。
System Model

本篇论文设定的UMMIMO 由 Ns个天线的BS 和 Nd天线的 UE 以及 Na 天线元素的反射平面组成。
本文只考虑在室内环境中BS和UE没有直接连接的情况，由上图所示。并且假设已知信道信息。 BS-IRS的接收信息ya,s可以被表示为

Ha,s是BS-IRS信道 Hd,a是IRS-UE信道。 Ws 是BS处的预编码矩阵，S是传输符号矢量， N是AWGN。
IRS-UE信道接收信息yd,a被表示为

Wd是权重矩阵，（我觉得这个就是别的文章中的active matrix 激活设备矩阵）Ga是反射系数矩阵 phase matrix。
把1 2 中的 噪声合并，

单个用户最大吞吐量‘

|| || ^2 是L2范数
文章的目的是优化在最大传输功率和最大UMMIMO阵列功率的限制下的UE的吞吐量，作者把这个问题转换成求（4）最大值的问题

P（s）和P（a）分别是 基站和反射矩阵的最大输出功率。这是一个非凸问题，很难求解。在解决这个问题之前，作者试图寻找一个最优的BS的预编码矩阵Ws的波束成形向量，然后把这个问题转化为凸优化问题并迭代求解。
在 BS，作者假设传输的符号由 ws 加权，例如在 BS 的能耗约束 Pmax 下，在环境中的 UM MIMO 阵列中观察到接收的最大信号。这个问题可以被表示为：

这个问题是一个二次方规划问题，也是一种非凸问题。驾驶应用这个最大的传输比（MRT），那么解是
Ωs是随着MRT系统中最大化成本函数，其中Ws是Hsa的主要右单数向量（dominant right singular vector）。导频信号将会从NS发送到UMMIMO并且反馈会送回BS用于权重优化。

因为这个优化问题是一个具有矢量变量的非凸分层规划（non-convex fractional programming with vector variables），传统的方法将该问题转化为凸优化问题并且变换原来可能产生次优解的问题。作者采用了二次变换，基于Dinkelbach变换，保留了原来的分层规划形式。基于P0的解，可以把P1重写为P1’

用一个辅助变量y帮助求解Ga，P1’可以被改写为P1‘’

P1’'现在就是一个在y确定的情况下关于Ga的凸优化问题，在给Ga一个初始化值时，y的最优值如下：

因此，最优的Ga可以通过迭代解决凸优化问题不断更新直到最佳。


Simulation and Analysis
基于提出的波束成形方法，作者在3d端到端信道中进行了UMMIMO性能的分析。采用的评估标准是在在不同位置处UE获得的SNR值

参数：antennas：1024（BS和UMMIMO) 在UMMIMO中每个自矩阵由16*16个天线组成 最多可以同时反射四个不同方向。
传输功率默认为30dBm，Ga的初始相移取随机值

图三所示，UMMIMO矩阵分别有两块不同的区域指向BS和UE。性能结果如图四

可以发现UMMIMO极大的提高了性能