极大规模MIMO的分层波束训练：从远场到近场
信息论
2023-05-25 v2 math.IT
摘要
极大规模MIMO（XL-MIMO）是未来6G通信的一项有前景的技术。天线数量的急剧增加使得电磁传播由远场转变为近场。由于近场效应，在所有角度和距离上进行穷举式近场波束训练需要极高的开销。基于时延结构的改进快速近场波束训练方案可降低开销，但其受限于时延电路带来的极高硬件成本与能耗。在本文中，我们提出一种近场二维（2D）分层波束训练方案，以在无额外硬件电路需求的情况下降低开销。具体而言，我们首先 formulation 覆盖不同角度和距离的多分辨率近场码字设计问题。接着，受数字全息成像技术中相位恢复问题的启发，我们提出一种基于Gerchberg-Saxton（GS）的算法，在理想全数字架构下获取理论码字。基于该理论码字，进而提出一种交替优化算法，在混合数字模拟架构下获取实际码字。最后，借助多分辨率码本，我们提出一种近场2D分层波束训练方案，可显著减少训练开销，并经大量仿真结果验证。
引用
@article{arxiv.2212.14705,
title = {Hierarchical Beam Training for Extremely Large-Scale MIMO: From Far-Field to Near-Field},
author = {Yu Lu and Zijian Zhang and Linglong Dai},
journal= {arXiv preprint arXiv:2212.14705},
year = {2023}
}
备注
27 pages, 6 figures. submitted to IEEE Transactions on Communications In this paper, a near-field two dimension (2D) hierarchical beam training scheme is proposed to reduce the overhead without the need for extra hardware circuits