劉紫燕,馬珊珊,白 鶴
(貴州大學(xué)大數(shù)據(jù)與信息工程學(xué)院,貴陽(yáng) 550025)
(*通信作者電子郵箱leizy@sina.com)
毫米波大規(guī)模多輸入多輸出(millimeter-Wave Massive Multi-Input Multi-Output,mmWave Massive MIMO)技術(shù)作為5G 的關(guān)鍵技術(shù)之一,由于系統(tǒng)具有高帶寬、大吞吐量、低能效等優(yōu)點(diǎn)而受到學(xué)者廣泛關(guān)注[1]。在傳統(tǒng)的大規(guī)模MIMO 系統(tǒng)中,每根天線通常都需要配置一根射頻鏈路(Radio Frequency Chain,RF Chain)從而實(shí)現(xiàn)全數(shù)字信號(hào)處理。但在大規(guī)模MIMO 系統(tǒng)中天線數(shù)目的不斷增多,使射頻鏈路的能效呈爆炸式增長(zhǎng)。為了降低系統(tǒng)硬件成本和能量消耗,混合預(yù)編碼方案應(yīng)運(yùn)而生[2],其基本原理是將傳統(tǒng)的全數(shù)字預(yù)編碼器拆分為高維模擬預(yù)編碼器和低維數(shù)字預(yù)編碼器兩部分。模擬預(yù)編碼器和數(shù)字預(yù)編碼器分別通過(guò)模擬電路和射頻鏈路實(shí)現(xiàn),可以有效提升天線陣列增益和消除用戶間干擾[3]。常用的混合預(yù)編碼方案主要有兩種:一是將每條射頻鏈路連接所有天線的全連接結(jié)構(gòu)混合預(yù)編碼;二是將每條射頻鏈路只需連接一個(gè)天線子集的部分連接結(jié)構(gòu)混合預(yù)編碼[4]。研究表明,全連接混合預(yù)編碼可以有效提高系統(tǒng)的頻譜效率,部分連接混合預(yù)編碼則能夠?qū)崿F(xiàn)更高的能量效率[5]。
因此,為獲得近似最優(yōu)的系統(tǒng)性能,如何設(shè)計(jì)混合預(yù)編碼結(jié)構(gòu)已經(jīng)成為當(dāng)前毫米波大規(guī)模MIMO 系統(tǒng)研究的熱點(diǎn)問題。文獻(xiàn)[6]提出一種基于交替優(yōu)化和干擾對(duì)齊的低復(fù)雜度混合波束成型預(yù)編碼算法,通過(guò)優(yōu)化波束控制矢量提升了系統(tǒng)的可達(dá)和速率;文獻(xiàn)[7]針對(duì)能量效率優(yōu)化問題提出一種基于連續(xù)干擾消除的迭代混合預(yù)編碼算法,該算法假設(shè)數(shù)字預(yù)編碼矩陣采用對(duì)角矩陣結(jié)構(gòu),合理分配功率降低能效的同時(shí)犧牲了系統(tǒng)性能;文獻(xiàn)[8]將混合預(yù)編碼設(shè)計(jì)問題描述為稀疏信號(hào)的重構(gòu)問題,并提出一種基于空間稀疏性的混合預(yù)編碼算法來(lái)重構(gòu)稀疏信號(hào);文獻(xiàn)[9]在假設(shè)獲得完全信道狀態(tài)信息(Channel State Information,CSI)的情況下,提出一種基于正交匹配追蹤(Orthogonal Matching Pursuit,OMP)算法的低復(fù)雜度混合預(yù)編碼,該方法可以有效提升系統(tǒng)空間復(fù)用增益,但是RF(Radio Frequency)預(yù)編碼矢量的選擇增加了系統(tǒng)復(fù)雜度;針對(duì)OMP 混合預(yù)編碼計(jì)算復(fù)雜的問題,文獻(xiàn)[10]中提出一種基于鳥群算法(Bird Swarm Algorithm,BSA)的OMP 的混合預(yù)編碼方案,該方案利用BSA 的快速搜索全局最優(yōu)值的特點(diǎn)直接搜索RF預(yù)編碼矩陣,同時(shí)利用分塊矩陣廣義逆進(jìn)行高低維度矩陣轉(zhuǎn)換避免矩陣求逆,降低了系統(tǒng)誤碼率和復(fù)雜度。以上方法均包含一個(gè)假設(shè)條件,即系統(tǒng)可以獲得完全信道狀態(tài)信息?;诖?,在基于非完全信道狀態(tài)信息的情況下,本文提出一種基于改進(jìn)智能水滴(Intelligent Water Drop,IWD)的正交匹配追蹤(Orthogonal Matching Pursuit based on improved Intelligent Water Drop,IWD-OMP)混合預(yù)編碼算法。
搭建一個(gè)單用戶毫米波大規(guī)模多輸入多輸出下行鏈路系統(tǒng)模型,假設(shè)該模型工作在頻分雙工(Frequency Division Duplexing,F(xiàn)DD)模式[11]下,其中基站端配備Nt根發(fā)射天線和條RF 鏈路,接收端配備Nr根接收天線和條RF 鏈路,假設(shè)發(fā)送端向接收端發(fā)送Ns條數(shù)據(jù)流,其中Ns≤≤Nt,Ns≤≤Nr?;旌项A(yù)編碼系統(tǒng)框圖如圖1所示。
圖1 混合預(yù)編碼系統(tǒng)框圖Fig.1 Block diagram of hybrid precoding system
其中:s為Ns×1維的發(fā)送信號(hào)數(shù)據(jù)流矢量,且滿足E(ssH)=。模擬預(yù)編碼器滿足條件表示RF 模擬預(yù)編碼矩陣的主對(duì)角線元素。假設(shè)接收端的用戶均為單天線用戶且滿足等功率分配條件,則預(yù)編碼矩陣需滿足
由于毫米波信道散射簇?cái)?shù)目少,散射能力有限,不適用于傳統(tǒng)的瑞利衰落信道模型,因此,采用基于擴(kuò)展的Saleh-Valenzuela 窄帶群簇信道模型對(duì)毫米波大規(guī)模多輸入多輸出信道進(jìn)行建模[12]。窄帶平坦衰落信道矩陣H可以用Ncl個(gè)散射簇分布表示,每個(gè)散射簇包含Nray條傳播路徑,即:
其中:αi,l表示第i個(gè)散射簇中的第l條傳播路徑的增益因子,服從均值為0、方差為的復(fù)高斯分布。為了確保等式=NtNr成立,需滿足條件=γ,條件中的γ為標(biāo)準(zhǔn)化因子。和分別表示收發(fā)兩端天線陣列的響應(yīng)矢量分別表示第i個(gè)散射簇第l條傳播路徑的天線陣列中方位角的到達(dá)角(Angle of Arrival,AOA)和離開角(Angle of Departure,AOD)。當(dāng)收發(fā)兩端天線陣列采用均勻線性陣列(Uniform Linear Array,ULA),且天線間距為半波長(zhǎng)時(shí),陣列的響應(yīng)矢量可以表示為:
式(3)中:λ表示載波的波長(zhǎng),d表示天線元素間距。當(dāng)天線陣列采用均勻平面陣列(Uniform Planar Array,UPA)時(shí),可以根據(jù)文獻(xiàn)[13]推導(dǎo)出相對(duì)應(yīng)的陣列響應(yīng)矢量。
發(fā)送信號(hào)經(jīng)信道傳輸?shù)竭_(dá)接收端后,依次通過(guò)模擬射頻組合器WRF和數(shù)字基帶組合器WBB處理,下行鏈路接收信號(hào)y可以表示為:
其中:y∈為用戶獲得的總接收信號(hào),ρ為系統(tǒng)接收功率,為服從均值為0、方差為的加性高斯白噪聲(Additive White Gaussian Noise,AWGN)。同模擬預(yù)編碼器FRF類似,模擬射頻組合器WRF需滿足條件假設(shè)系統(tǒng)收發(fā)兩端可以獲得完全信道狀態(tài)信息,且傳輸數(shù)據(jù)流滿足等功率分配條件,其系統(tǒng)頻譜可以表示為:
其中:P表示系統(tǒng)發(fā)射功率,Rn=表示組合噪聲的協(xié)方差矩陣,G=表示等效處理矩陣。假設(shè)接收端可以完全解碼,根據(jù)頻譜效率最大化原則,將混合預(yù)編碼問題等效為如下優(yōu)化問題:
式(6)中:φRF表示RF 預(yù)編碼矩陣的可行解集合,其中的所有元素均滿足恒模約束條件。由于FRF∈φRF是非凸約束條件,因此難以獲得式(6)的通用解。文獻(xiàn)[14]證明頻譜效率的最大值近似等價(jià)于混合預(yù)編碼矩陣和全數(shù)字預(yù)編碼矩陣的最小歐氏距離,因此,對(duì)于混合預(yù)編碼設(shè)計(jì)問題可以進(jìn)一步描述為:
其中Fopt表示最優(yōu)無(wú)約束全數(shù)字預(yù)編碼器,由對(duì)應(yīng)于信道矩陣H的右奇異矩陣的前Ns列奇異向量組成。式(7)表明可以通過(guò)尋找最優(yōu)預(yù)編碼矩陣Fopt在混合預(yù)編碼矩陣FRFFBB上的最大投影來(lái)設(shè)計(jì)混合預(yù)編碼。然而由于非凸約束條件FRF∈φRF的限制,導(dǎo)致在算法求解過(guò)程中尋找全局最優(yōu)變量十分困難。
文獻(xiàn)[15]表明陣列天線響應(yīng)矢量具有的相位恒定和幅度恒定特性與式(7)中的恒模約束條件一致,因此可以利用陣列天線響應(yīng)矢量的線性組合求解RF 預(yù)編碼矩陣,將式(7)等效為:
式(8)將混合預(yù)編碼設(shè)計(jì)問題轉(zhuǎn)換為從陣列天線響應(yīng)矢量at中求解最優(yōu)向量作為模擬預(yù)編碼矩陣FRF,將模擬預(yù)編碼矩陣FRF的約束條件嵌入優(yōu)化目標(biāo),尋找數(shù)字預(yù)編碼矩陣FBB的最佳低維表示,可以得到以下優(yōu)化問題:
其中At為陣列天線響應(yīng)矢量的集合。當(dāng)Ns≥1時(shí),式(9)為稀疏信號(hào)重構(gòu)問題。OMP 算法在信號(hào)重構(gòu)時(shí)具有速度快、精確高等優(yōu)點(diǎn),因此在混合預(yù)編碼優(yōu)化設(shè)計(jì)中采用基于OMP的優(yōu)化算法,其偽代碼程序如下:
OMP混合預(yù)編碼算法偽代碼程序如下:
輸出 模擬預(yù)編碼矩陣FRF和數(shù)字預(yù)編碼矩陣FBB
其中k是通過(guò)不斷搜索生成內(nèi)積計(jì)算中最大值對(duì)應(yīng)的索引值,是不停更新迭代的,在此不再設(shè)置下標(biāo)。由偽代碼可知,基于OMP 混合預(yù)編碼算法分為兩步實(shí)現(xiàn):首先通過(guò)迭代和最小二乘法求得近似最優(yōu)模擬預(yù)編碼矩陣;然后對(duì)信道矩陣進(jìn)行奇異值分解求得近似最優(yōu)的數(shù)字預(yù)編碼矩陣FBB。該算法最重要的步驟是求解最大投影來(lái)更新模擬預(yù)編碼矩陣FRF。模擬預(yù)編碼矩陣FRF需滿足恒模約束條件和發(fā)射功率約束條件,求解難度較大,矩陣維度會(huì)隨著向量數(shù)量的增加而增加,高維度矩陣求逆操作計(jì)算復(fù)雜,且會(huì)造成一定程度的功率消耗。除此之外,在構(gòu)造候選矩陣時(shí)需要使用精度較高的信道估計(jì)算法從而獲得天線陣列中方位角的到達(dá)角和離開角,不同的信道估計(jì)算法對(duì)預(yù)編碼算法的性能影響較大,且提前構(gòu)造候選矩陣不僅浪費(fèi)系統(tǒng)資源,更容易引起系統(tǒng)延時(shí)。由此可見,基于OMP 的混合預(yù)編碼算法雖然可以有效減少射頻鏈路數(shù)量、降低系統(tǒng)復(fù)雜度,但是資源消耗過(guò)大。針對(duì)以上問題,本文提出一種基于改進(jìn)IWD的OMP混合預(yù)編碼算法。
Hamed-Shah-Hosseini 于2007 年模擬自然水滴流動(dòng)所提出智能水滴算法[16],它通過(guò)模擬現(xiàn)實(shí)生活中水流形成河道的過(guò)程,依次迭代獲得最優(yōu)解。其基本原理是當(dāng)水滴遇到距離差異不同的多條路徑時(shí),將以較大概率選擇攜帶泥土量較少的一條路徑通過(guò)。缺點(diǎn)主要在于初期求解速度慢,迭代結(jié)果依賴初始值,容易陷入局部最優(yōu)且出現(xiàn)大量無(wú)效搜索。為了解決上述問題,在智能水滴算法中引入變異機(jī)制,對(duì)尋找的路徑以一定概率進(jìn)行交叉變異操作。由于全局算法是典型的概率算法,容易早熟收斂,局部尋優(yōu)能力差,將局部搜索和變異操作同時(shí)混合到OMP 算法中,通過(guò)適當(dāng)?shù)恼{(diào)節(jié),發(fā)揮各自的優(yōu)點(diǎn),提高算法的開發(fā)能力,增加變異操作防止算法早熟,可以共同提高OMP 算法的全局尋優(yōu)能力,獲得全局最優(yōu)結(jié)果且能實(shí)現(xiàn)快速收斂。
通過(guò)2.1 節(jié)分析可知,想要獲得最優(yōu)模擬預(yù)編碼矩陣FRF,必須從候選矩陣A*t中選擇與殘差矩陣Fres內(nèi)積相乘最大索引向量,即求其全局最優(yōu)索引向量k。需提前構(gòu)造候選矩陣FRF是傳統(tǒng)OMP混合預(yù)編碼算法的前提,算法實(shí)現(xiàn)復(fù)雜,系統(tǒng)開銷過(guò)大。因此,本節(jié)引入智能水滴(Intelligent Water Drop,IWD)算法對(duì)OMP 混合預(yù)編碼算法進(jìn)行改進(jìn),通過(guò)智能水滴算法求解最優(yōu)索引向量k,不需提前構(gòu)造候選矩陣。
將目標(biāo)函數(shù)最優(yōu)索引向量k=變?yōu)橐韵卤磉_(dá)式:
其中φ=AHFres為候選矩陣與殘差矩陣的內(nèi)積,A=為當(dāng)收發(fā)兩端天線陣列采用均勻線性陣列時(shí)的天線陣列響應(yīng)矢量。
改進(jìn)智能水滴算法求解最優(yōu)索引向量k的偽代碼程序如下:
輸入 智能水滴k和泥土量α
根據(jù)文獻(xiàn)[17]OMP 混合預(yù)編碼算法偽代碼可知,復(fù)雜度為OOMP根據(jù)2.2 節(jié)改進(jìn)后IWDOMP 算法復(fù)雜度偽代碼可知,計(jì)算內(nèi)積φ需要L×Nt的和Nt× 1 的Fres相乘,復(fù)雜度為O(L×Nt)。計(jì)算最優(yōu)索引向量k需要L× 1 的φ和L× 1 的φ*相乘,復(fù)雜度為O(L2),計(jì)算FRF的復(fù)雜度為計(jì)算FBB的復(fù)雜度為計(jì)算Fres的復(fù)雜度為則改進(jìn)IWD 的OMP 混合預(yù)編碼IWDOMP 的復(fù)雜度為Nt)。由復(fù)雜度表達(dá)式可知,相較于OMP 混合預(yù)編碼算法,計(jì)算復(fù)雜度降低。
為驗(yàn)證本文所提算法的有效性,根據(jù)式(5)將基于改進(jìn)IWD 的OMP 混合預(yù)編碼算法與全數(shù)字預(yù)編碼、OMP 混合預(yù)編碼兩種算法進(jìn)行系統(tǒng)可達(dá)和速率和誤碼率性能的對(duì)比。
搭建毫米波大規(guī)模多輸入多輸出下行鏈路系統(tǒng)模型,假設(shè)基站端發(fā)送天線Nt的值分別設(shè)置為128 和64,用戶端接收天線Nr的值為16,使用4 條RF 鏈路,配置方式為均勻線性陣列,相鄰兩根天線之間的距離為λ。假設(shè)信道模型采用基于擴(kuò)展的Saleh-Valenzuela 窄帶群簇信道模型;每次數(shù)據(jù)傳輸2條數(shù)據(jù)流;每個(gè)傳播路徑的發(fā)送和到達(dá)角均服從拉普拉斯分布[18],每個(gè)用戶對(duì)應(yīng)的擴(kuò)展角為5°;迭代次數(shù)設(shè)置為100 次。為凸顯算法性能差異,信噪比取值范圍為0~28 dB,以4 dB 為單位間隔,發(fā)送信號(hào)采用16QAM 調(diào)制方式。仿真參數(shù)如表1所示。
表1 系統(tǒng)仿真參數(shù)Tab.1 System simulation parameters
圖2和圖3分別表示發(fā)送端配置不同數(shù)量的天線情況下,所提預(yù)編碼算法同其他兩種預(yù)編碼算法在系統(tǒng)可達(dá)和速率性能上的比較。從圖2 中曲線可以看出,改進(jìn)IWD-OMP 混合預(yù)編碼算法在信噪比為0~16 dB 時(shí),同OMP 混合預(yù)編碼算法在系統(tǒng)可達(dá)和速率性能上相差不大;當(dāng)信噪比取值12 dB 時(shí),改進(jìn)IWD-OMP 混合預(yù)編碼算法相較于OMP 混合預(yù)編碼算法,系統(tǒng)可達(dá)和速率提升約3.98%。
圖2 Nt=64時(shí)系統(tǒng)可達(dá)和速率性能比較Fig.2 Comparison of system achievable sum rate performance with Nt=64
圖3 Nt=128時(shí)系統(tǒng)可達(dá)和速率性能比較Fig.3 Comparison of system achievable sum rate performance with Nt=128
當(dāng)信噪比為16~28 dB 時(shí),改進(jìn)IWD-OMP 混合預(yù)編碼性能曲線略低于OMP 混合預(yù)編碼算法曲線,這是因?yàn)樵诎l(fā)送端天線數(shù)量較少時(shí),改進(jìn)IWD-OMP 混合預(yù)編碼算法通過(guò)IWD算法迭代求解最優(yōu)索引向量,隨迭代次數(shù)的增加影響了系統(tǒng)性能。當(dāng)信噪比為28 dB 時(shí),相較于全數(shù)字預(yù)編碼算法,OMP混合預(yù)編碼算法系統(tǒng)可達(dá)和速率降低約6.76%;改進(jìn)IWDOMP混合預(yù)編碼算法系統(tǒng)可達(dá)和速率降低約12.83%。
隨著發(fā)送端天線數(shù)的增加,改進(jìn)IWD-OMP混合預(yù)編碼系統(tǒng)可達(dá)和速率性能明顯提升。從圖3 中可以看出,圓圈曲線所代表的OMP 混合預(yù)編碼算法系統(tǒng)可達(dá)和速率性能明顯低于圖中實(shí)線和虛線曲線所代表的改進(jìn)IWD-OMP 混合預(yù)編碼及全數(shù)字預(yù)編碼。當(dāng)發(fā)送端天線數(shù)為128,信噪比為28 dB時(shí),相較于全數(shù)字混合預(yù)編碼,改進(jìn)IWD-OMP 混合預(yù)編碼系統(tǒng)可達(dá)和速率降低約8.15%;相較于傳統(tǒng)OMP 混合預(yù)編碼,其系統(tǒng)可達(dá)和速率提高約7.71%。
圖4 為不同天線數(shù)下改進(jìn)IWD-OMP 混合預(yù)編碼算法的系統(tǒng)可達(dá)和速率差異對(duì)比。當(dāng)發(fā)送端天線數(shù)目增加一倍時(shí),本文所提算法可達(dá)和速率隨著信噪比的升高而增加。當(dāng)信噪比取值為28 dB 時(shí),以發(fā)送端配置64 根天線時(shí)所提算法的系統(tǒng)可達(dá)和速率為基準(zhǔn)數(shù)據(jù),發(fā)送端天線數(shù)增加一倍時(shí),其可達(dá)和速率性能提升約45.48%。根據(jù)可達(dá)和速率相關(guān)公式可以證明,當(dāng)收發(fā)兩端天線數(shù)成倍增加時(shí),其系統(tǒng)性能可成倍提升;當(dāng)收發(fā)兩端中一端天線數(shù)成倍增加時(shí),其系統(tǒng)性能可提升50%。值得一提的是,隨著天線數(shù)的增多,矩陣計(jì)算復(fù)雜導(dǎo)致系統(tǒng)開銷過(guò)大,影響系統(tǒng)性能無(wú)法達(dá)到理論預(yù)期值。實(shí)驗(yàn)結(jié)果與理論分析一致,由此可見本文所提出的基于改進(jìn)IWDOMP混合預(yù)編碼算法在天線數(shù)增多時(shí)仍能保持良好性能。
圖4 改進(jìn)IWD-OMP混合預(yù)編碼算法在不同天線數(shù)下系統(tǒng)可達(dá)和速率性能比較Fig.4 Comparison of system achievable sum rate performance of the improved IWD-OMP hybrid precoding algorithm under different antenna numbers
圖5 顯示了當(dāng)發(fā)送天線時(shí)本文所提預(yù)編碼算法同其他兩種預(yù)編碼算法在系統(tǒng)誤碼率性能上的比較。改進(jìn)IWD-OMP算法通過(guò)在OMP算法基礎(chǔ)上引入改進(jìn)的IWD 算法,可以快速獲得全局最優(yōu)結(jié)果且實(shí)現(xiàn)快速收斂。從信噪比為24 dB 開始,本文所提改進(jìn)IWD-OMP 算法已經(jīng)開始逐步收斂,其收斂速度明顯高于OMP混合預(yù)編碼。
圖5 系統(tǒng)誤碼率性能比較Fig.5 System bit error rate performance comparison
從圖5 中可以看出,方框曲線所代表的改進(jìn)IWD-OMP 混合預(yù)編碼算法誤碼率性能曲線一直低于圓圈曲線所代表的OMP 混合預(yù)編碼算法誤碼率,即較OMP 混合預(yù)編碼算法,本文所提的改進(jìn)IWD-OMP 混合預(yù)編碼算法誤碼率更低。當(dāng)信噪比為8 dB 時(shí),相較于OMP 混合預(yù)編碼算法,本文所提預(yù)編碼誤碼率降低約19.77%;相較于全數(shù)字預(yù)編碼,本文所提預(yù)編碼誤碼率提高約11.36%。
在實(shí)際毫米波通信場(chǎng)景中,由于信道矩陣的高維特性,很難直接獲得完全信道狀態(tài)信息。因此,在非完美信道狀態(tài)信息條件下評(píng)估本文所提出的改進(jìn)IWD-OMP 混合預(yù)編碼算法的性能是至關(guān)重要的。如圖6 所示為采用兩種常見算法對(duì)系統(tǒng)進(jìn)行信道估計(jì)的標(biāo)準(zhǔn)化均方誤差(Normalized Mean Square Error,NMSE)曲線。從圖中可以看出,虛線曲線一直位于實(shí)線曲線之下,即OMP 信道估計(jì)算法的均方誤差明顯低于傳統(tǒng)最小二乘(Least Square,LS)估計(jì)算法。當(dāng)信噪比取值為28 dB時(shí),相較于LS信道估計(jì)算法,OMP信道估計(jì)算法的均方誤差降低約39.72%。這是由于OMP 算法充分考慮了毫米波系統(tǒng)具有的稀疏特性,利用壓縮感知的思想對(duì)稀疏信號(hào)進(jìn)行重構(gòu),重構(gòu)成功率大。因此,本文選取估計(jì)效果較好的OMP信道估計(jì)算法對(duì)毫米波系統(tǒng)進(jìn)行信道估計(jì),在非理想CSI 情況下對(duì)改進(jìn)預(yù)編碼算法進(jìn)行系統(tǒng)性能仿真。
圖6 不同信道估計(jì)算法的標(biāo)準(zhǔn)化均方誤差比較Fig.6 Comparison of normalized mean square error between different channel estimation algorithms
圖7 為當(dāng)發(fā)送天線時(shí)本文所提預(yù)編碼算法在不同CSI 狀態(tài)下的系統(tǒng)可達(dá)和速率性能比較。由圖7 可以看出,對(duì)兩種混合預(yù)編碼算法而言,其在完全信道狀態(tài)信息情況下系統(tǒng)可達(dá)和速率明顯高于非完全CSI 情況。對(duì)OMP 混合預(yù)編碼而言,當(dāng)信噪比取值為28 dB 時(shí),相較于完全信道狀態(tài)信息,其可達(dá)和速率性能降低約9.65%。對(duì)本文所提出的改進(jìn)IWDOMP 混合預(yù)編碼而言,當(dāng)信噪比取值為0 dB 時(shí),相較于完全信道狀態(tài)信息,其可達(dá)和速率性能降低約0.05%;當(dāng)信噪比取值為28 dB時(shí),其可達(dá)和速率性能降低約1.08%。實(shí)驗(yàn)結(jié)果表明本文所提預(yù)編碼算法對(duì)實(shí)際信道環(huán)境中非完全信道狀態(tài)信息具有魯棒性。
圖7 不同CSI情況下預(yù)編碼算法的性能比較Fig.7 Performance comparison ofprecoding algorithms under different CSI conditions
本文針對(duì)OMP 混合預(yù)編碼算法實(shí)現(xiàn)復(fù)雜系統(tǒng)開銷過(guò)大的問題,運(yùn)用改進(jìn)智能水滴算法求解全局最優(yōu)索引向量。該算法有效解決OMP 混合預(yù)編碼算法需提前構(gòu)造候選矩陣的問題,節(jié)約系統(tǒng)資源。理論分析和仿真表明,本文所提改進(jìn)IWD-OMP 混合預(yù)編碼算法可以高效精確求解最優(yōu)索引向量,同全數(shù)字預(yù)編碼、OMP 混合預(yù)編碼兩種算法相比具有更好的系統(tǒng)性能,可提升系統(tǒng)可達(dá)和速率并降低系統(tǒng)誤碼率。此外,本文采用OMP信道估計(jì)算法模擬實(shí)際通信場(chǎng)景中部分CSI情況,仿真結(jié)果表明本文所提預(yù)編碼算法對(duì)信道估計(jì)誤差具有魯棒性。