面向近场XL-IRS波束训练的基站波束成形设计
信号处理
2023-09-13 v1
摘要
现有关于极大规模智能反射面（XL-IRS）波束训练的研究均假设基站（BS）-IRS链路为远场信道模型。然而，由于BS-IRS链路的近场信道模型，该方法在实践中可能导致波束训练性能下降。为解决此问题，我们提出两种高效方案来优化BS波束成形以提升XL-IRS波束训练性能。具体而言，第一方案旨在最大化XL-IRS上的总接收信号功率，其推广了现有的基于角度的BS波束成形设计，并可使用奇异值分解（SVD）方法求解。第二方案旨在最大化XL-IRS上入射信号的-范数，其被证明可在用户端实现最大接收功率。为求解非凸的-范数最大化问题，我们利用交替优化（AO）技术提出了一种高效算法。数值结果表明，所提基于AO的BS波束成形设计在训练精度和可实现接收信噪比（SNR）方面优于SVD/基于角度的BS波束成形。
引用
@article{arxiv.2309.06259,
title = {Base Station Beamforming Design for Near-field XL-IRS Beam Training},
author = {Tao Wang and Changsheng You and Changchuan Yin},
journal= {arXiv preprint arXiv:2309.06259},
year = {2023}
}