一種水平和垂直聯(lián)合優(yōu)化的3D波束成形算法

張仕宇，馮 輝，宗志遠(yuǎn)，劉 凱，楊 濤，胡 波，2

（1.復(fù)旦大學(xué) 電子工程系，上海 200433；2.復(fù)旦大學(xué) 電磁波信息科學(xué)教育部重點實驗室，上海 200433）

波束成形的基本思想是通過天線陣列對發(fā)送信號進(jìn)行預(yù)編碼，形成多個具有不同指向性的窄帶波束來動態(tài)地跟蹤服務(wù)多個用戶.多用戶多輸入多輸出（Mutiluser Multiple－Input Multiple－Output，Mu－MIMO）預(yù)編碼波束成形方法使得基站能夠在同一頻譜資源上同時服務(wù)多個用戶.下行多用戶傳輸通常建模為一個MIMO 廣播信道模型，基站端采用多根天線同時服務(wù)多個用戶.為了減小用戶間的干擾，通常在基站端對發(fā)給各個用戶的信號進(jìn)行聯(lián)合預(yù)編碼處理.比較經(jīng)典的預(yù)編碼方法包括迫零（ZF）［1］，塊對角化（BD）［2］，最大信漏噪比（SLNR）［3］等算法.其中，一種基于凸優(yōu)化的預(yù)編碼方法［4－6］能夠在滿足各個用戶服務(wù)質(zhì)量的要求下，最小化基站的發(fā)射能量.

在傳統(tǒng)的蜂窩移動網(wǎng)系統(tǒng)中，基站往往采用的是無源天線陣列，只能選取固定的下傾角然后根據(jù)水平維度的信道信息來調(diào)整水平維度的波束方向.然而，實際的信號傳播信道是具有三維空間特性的，這就使得2D 的MIMO 預(yù)編碼技術(shù)并不是最優(yōu)的.如果能夠在三維空間上進(jìn)行發(fā)射波束設(shè)計，必然能夠帶來更強(qiáng)的干擾控制能力，實現(xiàn)系統(tǒng)性能的提升.尤其是對于類似現(xiàn)代市區(qū)環(huán)境這樣的應(yīng)用場景，用戶在三維空間上分布得很分散，具有可區(qū)分的俯仰角時，在水平維度和垂直維度上進(jìn)行聯(lián)合波束成形設(shè)計將能夠更加充分地利用三維空間自由度，減小用戶間干擾，提升小區(qū)的和速率（sum－rate）.

于是，3D 波束成形的概念越來越受到主流通信系統(tǒng)的重視.而3D 波束成形能夠得以實現(xiàn)的一個核心技術(shù)是有源天線系統(tǒng)（Active Antenna System，AAS）.有源天線將射頻鏈路（功率放大器、收發(fā)機(jī)）與天線陣元集成在一起.通過這種設(shè)計使得每個天線陣元信號的幅度、相位和時延都能夠進(jìn)行獨立的控制［7］，從而使得更加靈活和智能的波束成形設(shè)計成為可能.而在基站端采用2D（如：面陣、L 形陣）或3D（如：球形陣）天線陣列的有源天線，便能夠在水平維度與垂直維度上同時動態(tài)調(diào)整發(fā)送波束方向，即實現(xiàn)3D 波束成形設(shè)計.文獻(xiàn)［8］通過實地測試表明基于AAS的自適應(yīng)垂直波束成形技術(shù)能夠顯著提升蜂窩移動通信網(wǎng)絡(luò)的性能.文獻(xiàn)［9］研究了動態(tài)垂直波束在干擾避讓中的應(yīng)用策略.文獻(xiàn)［10］提出了多基站根據(jù)用戶位置協(xié)作調(diào)整垂直下傾角的方案.文獻(xiàn)［11］研究了單小區(qū)MU－MIMO 場景中采用多個固定下傾角構(gòu)建多個虛擬垂直小區(qū)的系統(tǒng)性能.文獻(xiàn)［12］通過使用垂直預(yù)編碼碼本的方法來進(jìn)行下傾角的動態(tài)調(diào)節(jié).文獻(xiàn)［13］和［14］推導(dǎo)了3D 信道場景下用戶下傾角分布的概率密度函數(shù)，然后分別對單用戶和多用戶場景設(shè)計了統(tǒng)計最優(yōu)的基站下傾角.上述文獻(xiàn)均表明有效利用垂直維度空間自由度能夠帶來顯著的容量提升.不過，它們僅僅只是將垂直下傾角設(shè)計作為傳統(tǒng)水平2D 波束成形的一種補(bǔ)充，而沒有將垂直預(yù)編碼與水平預(yù)編碼聯(lián)合起來進(jìn)行設(shè)計，因此，尚未發(fā)揮出3D 波束成形技術(shù)的最大優(yōu)勢.

本文針對一個基站端采用有源天線面陣的MU－MIMO 下行通信系統(tǒng)，將3D 波束成形問題建模成一個對水平和垂直波束成形預(yù)編碼的聯(lián)合設(shè)計問題，并引入一種最小化基站發(fā)射能量的優(yōu)化模型.由于直接求解水平預(yù)編碼和垂直預(yù)編碼比較困難，于是將原問題分解成兩個半定規(guī)劃（Semi－Definite Programming，SDP）子問題，再通過交替迭代優(yōu)化的方法逐步逼近最優(yōu)的3D 波束成形預(yù)編碼.仿真結(jié)果表明采用本文提出的算法得到的小區(qū)和速率性能顯著優(yōu)于其他對比方案.

1 系統(tǒng)模型

本文考慮由一個基站和K 個用戶構(gòu)成的單小區(qū)MU－MIMO 下行通信系統(tǒng).基站離地面高度為hBS，裝備有面陣天線（水平天線陣元數(shù)目為Nh，陣元間距為dh；垂直天線陣元數(shù)目為Nv，陣元間距為dv）.用戶離基站的最小水平距離為Rmin，小區(qū)半徑為Rmax，用戶均勻分布在小區(qū)范圍內(nèi).假設(shè)每個用戶的高度均為hUE，并且只配備有單根天線.整個系統(tǒng)模型如圖1所示，其中Nv＝4，Nh＝8.

1.1 有源天線陣列

圖1 3D－MIMO 通信系統(tǒng)Fig.1 3D－MIMO communication system

傳統(tǒng)基站采用無源天線，在垂直維度上利用無源饋電網(wǎng)絡(luò)激勵各陣元產(chǎn)生振幅相同，但相位沿陣軸方向按等差數(shù)列遞變的信號，從而形成固定的小區(qū)下傾角，如圖2（a）所示.采用這種無源天線陣列成本低，配置簡單，但是每次在垂直維度上只能產(chǎn)生一個波束方向.為了實現(xiàn)3D 波束成形，需要在垂直維度上動態(tài)調(diào)整下傾角，并能根據(jù)用戶位置對不同用戶的信號施加不同的相移，即產(chǎn)生多個下傾角不同的波束.

圖2 （a）無源天線陣列和（b）有源天線陣列Fig.2 （a）Passive antenna array and（b）Active antenna array

因此，3D－MIMO 系統(tǒng)更傾向于采用有源天線技術(shù).有源天線系統(tǒng)（AAS）如圖2（b）所示，它將天線陣列與射頻鏈路集成在一起，可以獨立控制每個天線陣元信號的相位、幅度、時延等，從而可以實現(xiàn)波束在垂直維度上的動態(tài)調(diào)整以及同時多個下傾角的波束的形成［7］.

1.2 3D－MIMO信道

由于引入了垂直維度發(fā)射天線，信道系數(shù)矩陣具有三個維度，即接收天線數(shù)目Nr，基站垂直天線數(shù)目Nv和基站水平天線數(shù)目Nh.為了簡化問題，本文中主要考慮用戶為單接收天線的場景，因此第k 個用戶的信道系數(shù)矩陣表示為Hk∈CNv×Nh.

在傳統(tǒng)的2D－MIMO 信道建模中，往往不考慮基站和用戶的高度，認(rèn)為信號傳播路徑和環(huán)境中的各種散射體都處在同一水平面上［15］，這并不符合實際的信號傳播情況.而在本文采用的3D－MIMO 信道模型中，引入了基站到用戶的垂直維度的角度信息.假設(shè)基站的高度遠(yuǎn)高于傳播環(huán)境中的大尺度散射體（例如房屋、樹木等），而用戶都貼近于地面并且被散射體環(huán)繞，并且這里不考慮散射體頂部的衍射效應(yīng).在這種假設(shè)前提下，隨機(jī)散射主要發(fā)生在水平平面上（街道層級），因此認(rèn)為垂直維度上的多徑衰落與水平維度相比可以忽略不計.考慮窄帶平坦衰落信道，基站采用Nv×Nh的面陣天線，用戶為單接收天線，則用戶k的信道系數(shù)可以表示為

其中，PL（dk）為路徑損耗因子，采用文獻(xiàn)［16］中的模型PL（dk）＝128.1＋37.6lg（dk），單位為dB.dk表示用戶k 與基站間的距離，單位為km；表征基站到用戶k之間水平維度的小尺度衰落，這里假設(shè)hk的各個元素滿足獨立的復(fù)高斯分布CN（0，1）.此外，e（θk）為垂直維度的信號導(dǎo)向矢量

其中，θk表示從基站到用戶k 的垂直維度信號離開角度（Angle of Departure，AoD）.

1.3 接收信號模型

通過這種處理可以有效降低預(yù)編碼設(shè)計問題的復(fù)雜度，許多現(xiàn)有的3D 波束成形方案都可以歸結(jié)到wk與vk的設(shè)計問題上.假設(shè)對于用戶k，基站的所有天線陣元都進(jìn)行服務(wù)并且只傳輸單層數(shù)據(jù)sk，則基站發(fā)送的信號為

用戶k接收到的信號為

其中，vec（A）表示由矩陣A 的各個列向量依次拼接而成的向量.第三個等式中第一項為有用信號，第二項為用戶間干擾信號，第三項nk為噪聲并假設(shè)nk～CN（0，）.于是，第k 個用戶的信干噪比（Signal to Interference plus Noise Ratio，SINR）可以表示為

本文用于表征波束成形預(yù)編碼性能的指標(biāo)是小區(qū)用戶和速率，即各個用戶的傳輸速率之和，與各個用戶的SINR 相關(guān)，其表達(dá)式如下：

2 3D 波束成形算法

本文3D 波束成形算法的最終目的是在給定基站發(fā)射功率P0的前提下，盡可能提高小區(qū)用戶的和速率.優(yōu)化問題如下所示：

由于優(yōu)化問題（8）中wk與vk耦合在一起，且優(yōu)化目標(biāo)形式復(fù)雜，該問題非凸，求解十分困難.同時，文獻(xiàn)［18］也證明了，一般的給定發(fā)射功率的最大和速率波束成形優(yōu)化問題是一個NP難題.下面本文介紹一種將原問題分解為分別關(guān)于wk與vk的最小發(fā)射能量優(yōu)化子問題，并通過迭代逼近求解的方法.

2.1 優(yōu)化子問題設(shè)計

在本節(jié)中，原問題被轉(zhuǎn)換為最小化功率設(shè)計問題，并分解為分別關(guān)于垂直預(yù)編碼和水平預(yù)編碼的優(yōu)化子問題進(jìn)行求解.

由于一般的給定功率最大和速率波束成形優(yōu)化問題求解十分困難，下面考慮一種在保證每個用戶的SINR 最低門限的前提下，最小化基站的總發(fā)射功率的波束成形設(shè)計思想［4］.針對本文的3D－MIMO 場景，該優(yōu)化模型可以表述為

其中，γk為用戶k 的SINR 門限.文獻(xiàn)［5］證明了當(dāng)γk，k＝1，2，…，K 選取合適時，最小發(fā)射能量問題（9）的解同時也是最大和速率問題（8）的解，因此從（8）到（9）的轉(zhuǎn)換是合理的.然而，我們很難預(yù)先知道合適的SINR 門限值是多少.下一節(jié)將介紹一種通過迭代求解優(yōu)化問題（9）并不斷提升SINR 門限的方法來逼近優(yōu)化問題（8）的解.本小節(jié)將專注于優(yōu)化問題（9）的求解方法.

由于優(yōu)化問題（9）中wk與vk耦合在一起，問題非凸，求解困難.下面考慮將其分解為關(guān)于垂直預(yù)編碼和水平預(yù)編碼的優(yōu)化子問題進(jìn)行求解.首先介紹一條關(guān)于面陣發(fā)射預(yù)編碼總功率的引理.

其中tr（A）表示矩陣A 的跡，第二個等號運用了跡的性質(zhì)tr（AB）＝tr（BA）.

根據(jù)引理1，發(fā)射總功率優(yōu)化目標(biāo)可以表示為

于是考慮在求解原問題（9）時，采用一種交替迭代的思想（類似文獻(xiàn)［19］），即先將vk固定，優(yōu)化求解wk，然后根據(jù)求得的wk再來優(yōu)化求解vk，如此反復(fù)交替迭代求解vk和wk.下面給出當(dāng)vk和wk分別已知時的兩個優(yōu)化子問題：

其中，pk＝分別表示第k個用戶垂直和水平預(yù)編碼的發(fā)送能量，hk，i＝表示基站到用戶k的信道矩陣Hk經(jīng)過垂直預(yù)編碼vi后得到的等效水平信道系數(shù)；表示基站到用戶k的信道矩陣Hk經(jīng)過水平預(yù)編碼wi后得到的等效垂直信道系數(shù).

接下來采用半定松弛（Semi－Definite Relaxation，SDR）［6］方法求解這兩個優(yōu)化子問題.

以求解水平預(yù)編碼為例，當(dāng)vk固定時，優(yōu)化問題（13）可以歸結(jié)為經(jīng)典的加權(quán)能量優(yōu)化波束成形設(shè)計問題［5］.定義矩陣，優(yōu)化問題（13）可以轉(zhuǎn)換為

其中，A?0表示矩陣A 是半正定的，rank（A）表示矩陣A 的秩.當(dāng)舍棄限制條件rank（Wk）＝1時，優(yōu)化問題（15）可以轉(zhuǎn)化為一個松弛的半定規(guī)劃問題［6］，繼而可以利用凸優(yōu)化工具包CVX［20］進(jìn)行快速求解.同理，在wk給定時，對于優(yōu)化問題（14），可以采用同樣的方法松弛求解.因此，可以通過交替迭代優(yōu)化wk和vk來實現(xiàn)水平和垂直預(yù)編碼的聯(lián)合優(yōu)化設(shè)計.

2.2 迭代逼近算法

根據(jù)上一節(jié)的說明可知，只有當(dāng)γk，k＝1，2，…，K 選取合適時，最小發(fā)射能量問題（9）的解才與最大和速率問題（8）的解相同.否則在保證初始SINR 門限在P0功率限制下可達(dá)到的前提下，通過優(yōu)化問題（9）求解出的預(yù)編碼功率往往小于功率P0，并沒有充分利用給定的發(fā)射功率，進(jìn)而導(dǎo)致系統(tǒng)和速率無法達(dá)到最大.此時，若對求解出的預(yù)編碼進(jìn)行等比例放大，使其功率等于P0，則用戶SINR 能夠進(jìn)一步提升.于是，本文希望通過迭代求解最小發(fā)射能量問題，并不斷提升SINR 門限的方法來逼近最大和速率問題的解.下面給出對具體的迭代逼近過程的描述.

同樣以水平預(yù)編碼wk設(shè)計問題為例（假定vk已知，其功率為pk，k＝1，2，…，K），首先給定基站發(fā)射功率P0，并選取合適的初始用戶SINR 門限γk，k＝1，2，…，K，注意該門限需要保證在預(yù)編碼功率不大于P0的前提下是能夠達(dá)到的.然后通過前述的SDR 方法求解最小發(fā)射功率問題（13），記最優(yōu)解為，k＝1，2，…，K.容易知道采用時的發(fā)射總功率將小于設(shè)定的基站發(fā)射功率P0，即.根據(jù)文獻(xiàn)［5］，在最優(yōu)解處，最小發(fā)射功率問題（13）的約束條件必然取等號，即

然后，將各個用戶的預(yù)編碼等比例放大得到新預(yù)編碼w′k，使得w′k的功率等于P0，即w′k＝μw＊k，其中μ為放大系數(shù)，滿足μ ＝.于是根據(jù)新預(yù)編碼得到的用戶SINR 滿足

雖然在本節(jié)中描述的只是針對求解wk的迭代逼近方法，但是迭代提升門限的方法在wk與vk的交替迭代求解過程中也同樣適用，具體的算法步驟將在下一節(jié)中說明.

2.3 交替迭代算法步驟

結(jié)合前述的子問題設(shè)計和迭代逼近方法，表1列出了本文提出的交替迭代優(yōu)化算法的詳細(xì)步驟，其中分別表示第m 次迭代時的水平預(yù)編碼和垂直預(yù)編碼，分別表示第m 次迭代時，對應(yīng)于子優(yōu)化問題（13）和（14）的SINR 門限.

下面對算法的收斂性進(jìn)行說明：在每次算法迭代的第2步和第4步的優(yōu)化目標(biāo)都是基站端的總發(fā)射功率，所以每輪迭代得到的發(fā)射預(yù)編碼功率總小于或等于初始功率P0；而在第3步和第5步中，將預(yù)編碼功率放大至P0，計算并更新優(yōu)化限制中的SINR 門限（提高SINR 門限），使得各個用戶的SINR 隨著迭代的進(jìn)行不斷提高，在發(fā)射功率有限的前提下最終將收斂.

表1 交替迭代優(yōu)化算法流程Tab.1 Alternating iterative optimization algorithm

3 仿真結(jié)果分析

本節(jié)將通過蒙特卡洛方法對本文提出的迭代優(yōu)化算法的性能進(jìn)行仿真驗證和分析.

3.1 小區(qū)參數(shù)配置

小區(qū)的基本配置情況：基站天線高度hBS＝25m，用戶天線高度hUE＝1.5m，用戶與基站最小水平距離Rmin＝10m，小區(qū)半徑Rmax＝250m，基站水平天線數(shù)目Nh＝8，基站垂直天線數(shù)目Nv＝1，2，4或8，路徑損耗模型［16］PL（d）＝128.1＋37.6lg（d），其中d 為基站到用戶的距離.每次仿真時，用戶隨機(jī)均勻地分布在小區(qū)服務(wù)范圍內(nèi)，進(jìn)而根據(jù)用戶的位置按照1.2節(jié)中的方法生成信道.同時，假設(shè)基站發(fā)射天線采用有源面陣天線，天線陣元間距為dv＝dh＝λ／2，其中λ表示載波波長.

3.2 對比方案設(shè)計

在進(jìn)行3D 波束成形設(shè)計時，現(xiàn)有的許多研究［9－14］常常把水平維度與垂直維度的預(yù)編碼設(shè)計完全獨立開來.水平維度預(yù)編碼設(shè)計與基于等效水平MIMO 信道的傳統(tǒng)波束成形設(shè)計問題一樣，采用包括迫零（ZF）［1］、塊對角化（BD）［2］、最小發(fā)射能量［4－6］等算法.而在垂直維度上，可以考慮以下兩種簡單的垂直預(yù)編碼策略.

1）固定下傾角（Cell－Fixed）

傳統(tǒng)蜂窩移動網(wǎng)絡(luò)中基站端通常采用圖2（a）所示的無源天線陣列作為一個水平的天線端口（Antenna Port），使得發(fā)送信號具有一個固定的下傾角.通常該下傾角需要根據(jù)小區(qū)實際情況進(jìn)行確定，使得某些小區(qū)統(tǒng)計性能指標(biāo)達(dá)到最優(yōu).不失一般性，這里讓發(fā)射波束在垂直維度上指向小區(qū)中心，即取發(fā)射下傾角為

則此時各個用戶的垂直預(yù)編碼固定為

2）指向用戶（User－Specific）［21］

根據(jù)有源天線的特性，對于每個用戶可以采用不同的垂直預(yù)編碼，產(chǎn)生多個波束分別指向各個用戶，使得每個用戶的接收信號功率達(dá)到最大，此時用戶的垂直預(yù)編碼為

這種方法試圖最大化用戶接收到的有用信號的功率，卻沒有考慮用戶之間干擾的影響.下面將各種垂直預(yù)編碼策略與水平預(yù)編碼算法進(jìn)行組合，提出4種簡單的3D 波束成形方案，如表2所示.本文將以它們作為基準(zhǔn)，在仿真過程中與前面提出的迭代優(yōu)化算法進(jìn)行性能對比.

其中，方案1和方案3對應(yīng)于傳統(tǒng)的無源天線陣列基站，垂直維度上采用固定下傾角，只在水平維度上進(jìn)行波束成形設(shè)計；方案2和方案4對應(yīng)于有源天線陣列基站，但是在垂直維度上只是簡單地將波束方向指向用戶，最大用戶接收有用信號功率.

表2 3D波束成形對比方案Tab.2 The comparison scheme for 3Dbeamforming

3.3 仿真結(jié)果及分析

下面比較了不同3D 波束成形方案在8用戶下行場景下的小區(qū)和速率性能，基站天線采用4×8面陣，用戶端均為單接收天線，設(shè)定迭代交替算法的收斂判決因子為τ＝10－3.這里，定義邊緣信噪比（Edge SNR）為不考慮信道小尺度衰落影響時的小區(qū)邊緣處信噪比，即SNREdge＝

圖3顯示了不同3D 波束成形方案下小區(qū)和速率與邊緣SNR 之間的關(guān)系，從圖中可以看出，在垂直維度上指向用戶的預(yù)編碼方案較之固定下傾角方案具有5%～6%的和速率提升，說明利用垂直空間的自由度確實能夠有效提升系統(tǒng)性能.同時，本文提出的迭代優(yōu)化算法在2dB 邊緣信噪比條件下，較之傳統(tǒng)塊對角化方案（Scheme 1、Scheme 2）分別有39%和31%的性能提升，較之最小發(fā)射能量優(yōu)化方案（Scheme 3、Scheme 4）也分別有10%和5%的性能提升.

圖4給出了基站采用不同數(shù)目的垂直維度天線情況下，8用戶小區(qū)下行和速率情況（對應(yīng)2 dB邊緣信噪比條件）.隨著垂直維度天線數(shù)目的增加，基站在垂直維度上的空間分辨率增大，指向用戶的垂直預(yù)編碼方案相對于傳統(tǒng)固定下傾角系統(tǒng)性能提升越發(fā)顯著，并且逐漸逼近交替迭代優(yōu)化算法性能.當(dāng)天線數(shù)目趨向無窮大時，垂直維度波束將能夠完全區(qū)分用戶，不存在用戶間干擾，指向用戶的垂直預(yù)編碼算法性能將達(dá)到最優(yōu).然而實際應(yīng)用中，天線數(shù)目有限，且很難準(zhǔn)確得到用戶下傾角.相較而言，本文提出的交替迭代算法不需要知道用戶下傾角，根據(jù)信道狀態(tài)信息能夠自適應(yīng)地將波束對準(zhǔn)用戶，收斂到一個較優(yōu)的解.

圖3 不同3D 波束成形方案性能Fig.3 The performance of different 3D beamforming schemes

圖4 不同垂直天線數(shù)目下的系統(tǒng)性能Fig.4 The system performance with different vertical antenna numbers

本文提出的3D 波束成形算法通過交替迭代逐步逼近一個較優(yōu)的波束預(yù)編碼的解.在迭代過程中，基站發(fā)射功率保持不變，用戶SINR 門限不斷提升，保證最終算法能夠收斂.圖5展示了算法的收斂過程，可以看到在2～3次迭代后算法即可收斂，但隨著天線數(shù)目的增多收斂速度會減慢.

圖5 交替迭代優(yōu)化算法收斂速度Fig.5 The convergence rate of the alternating iterative optimization algorithm

圖6給出了基站垂直維度天線分別為4天線和8天線條件下，采用交替迭代算法得到的收斂后的垂直維度波束圖.仿真場景為兩用戶，用戶下傾角分別為20°和30°，迭代初始時給定各個用戶的垂直預(yù)編碼能量相同且波束方向均指向小區(qū)中心.可以看到，在迭代優(yōu)化過程中，算法在垂直維度上進(jìn)行了兩步操作：（1）調(diào)整波束方向自適應(yīng)地指向用戶；（2）在用戶間進(jìn)行功率分配，離基站越遠(yuǎn)，路徑損耗越大，分配的能量越多.

圖6 （a）垂直維度4天線波束方向圖，（b）垂直維度8天線波束方向圖Fig.6 The beam pattern in vertical plane with（a）4vertical antennas and（b）8vertical antennas

4 總結(jié)

本文針對3D－MIMO 場景，對有源面陣天線的3D 波束成形問題進(jìn)行建模，將其抽象為對天線陣列水平預(yù)編碼和垂直預(yù)編碼的聯(lián)合設(shè)計問題.該問題可以進(jìn)一步分解為兩個分別設(shè)計水平和垂直預(yù)編碼的優(yōu)化子問題，并通過半定松弛（SDR）和交替迭代的方法進(jìn)行求解.仿真結(jié)果證明該算法能夠很快收斂，而采用該算法得到的小區(qū)和速率明顯高于固定下傾角方案和直接將波束指向用戶的方案.本算法無需事先知道用戶的下傾角，而是能夠依據(jù)信道狀態(tài)信息自適應(yīng)地調(diào)整波束指向用戶并進(jìn)行用戶間功率分配.基于本文的研究，未來可以進(jìn)一步研究非完全信道狀態(tài)信息反饋時的3D 波束成形算法，并將其擴(kuò)展到多小區(qū)協(xié)作的場景中.

［1］Wiesel A，Eldar Y，Shamai S.Zero－forcing precoding and generalized inverses［J］.IEEE Transactions on Signal Processing，2008，56（9）：4409－4418.

［2］Spencer Q H，Swindlehurst A L，Haardt M.Zero－forcing methods for downlink spatial multiplexing in multiuser MIMO channels［J］.IEEE Transactions on Signal Processing，2004，52（2）：461－471.

［3］Sadek M，Tarighat A，Sayed A H.A leakage－based precoding scheme for downlink multi－user MIMO channels［J］.IEEE Transactions on Wireless Communications，2007，6（5）：1711－1721.

［4］Gershman A B，Sidiropoulos N D，ShahbazPanahi S，et al.Convex optimization－based beamforming［J］.IEEE Signal Processing Magazine，2010，27（3）：62－75.

［5］Bjornson E，Bengtsson M，Ottersten B.Optimal multiuser transmit beamforming：A difficult problem with a simple solution structure［J］.IEEE Signal Processing Magazine，2014，31（4）：142－148.

［6］Luo Z Q，Ma W K，Ye Y Y，et al.Semidefinite relaxation of quadratic optimization problems［J］.IEEE Signal Processing Magazine，2010，27（3）：20－34.

［7］Linehan K，Chandrasekaran R.Active antennas：The next step in radio and antenna evolution［EB／OL］.［2014－09－01］.http：∥docs.commscope.com／Public／active＿antenna＿system＿white＿paper.pdf.

［8］Koppenborg J，Halbauer H，Saur S，et al.3Dbeamforming trials with an active antenna array［C］∥International ITG Workshop on Smart Antennas.Dresden，Germany：IEEE Press，2012：110－114.

［9］Halbauer H，Saur S，Koppenborg J，et al.Interference avoidance with dynamic vertical beamsteering in real deployments［C］∥IEEE Wireless Communications and Networking Conference Workshops.Paris，F(xiàn)rance：IEEE Press，2012：294－299.

［10］Seifi N，Coldrey M，Viberg M.Throughput optimization for MISO interference channels via coordinated user－specific tilting［J］.IEEE Communications Letters，2012，16（8）：1248－1251.

［11］Seifi N，Coldrey M，Svensson T.Throughput optimization in MU－MIMO systems via exploiting BS antenna tilt［C］∥IEEE Globecom Workshops.Anaheim，CA，USA：IEEE Press，2012：653－657.

［12］Hoshino K，F(xiàn)ujii T.Improving throughput by multi－cell coordinated vertical plane beam control with precoding［C］∥IEEE Vehicular Technology Conference.Yokohama，Japan：IEEE Press，2012：1－5.

［13］Lee W，Lee S R，Kong H B，et al.3Dbeamforming designs for single user MISO systems［C］∥IEEE Global Communications Conference.Atlanta GA，USA：IEEE Press，2013：3914－3919.

［14］Lee W，Lee S R，Kong H B，et al.Downlink vertical beamforming designs for active antenna systems［J］.IEEE Transactions on Communications，2014，62（6）：1897－1907.

［15］3GPP TR 25.996 V11.0.0.Spatial channel model for Multiple Input Multiple Output（MIMO）simulations［R］.Sophia Antipolis：3GPP，2012.

［16］3GPP TR 36.814 V9.0.0.Further advancements for E－UTRA physical layer aspects［R］.Sophia Antipolis：3GPP，2010.

［17］Li Y，Ji X D，Peng M G，et al.An enhanced beamforming algorithm for three dimensional MIMO in LTE－advanced networks［C］∥International Conference on Wireless Communications ＆Signal Processing.Hangzhou，China：IEEE Press，2013：1－5.

［18］Liu Y F，Dai Y H，Luo Z Q.Coordinated Beamforming for MISO interference channel：Complexity analysis and efficient algorithms［J］.IEEE Transactions on Signal Processing，2011，59（3）：1142－1157.

［19］Serbetli S，Yener A.Transceiver optimization for multiuser MIMO systems［J］.IEEE Transactions on Signal Processing，2004，52（1）：214－226.

［20］Grant M，Boyd S，Ye Y.CVX：Matlab software for disciplined convex programming［OL］.（2009－01－01）.［2015－01－01］.http：∥www.stanford.edu／～boyd／cvx.

［21］Halbauer H，Saur S，Koppenborg J，et al.3D beamforming：Performance improvement for cellular networks［J］.Bell Labs Technical Journal，2013，18（2）：37－56.