一种基于问答式学习的自适应多波束对准方法

1.本发明属于多波束对准技术领域，具体涉及一种基于问答式学习的自适应多波束对准方法。


背景技术：

2.波束成形技术是空分多址（space division multiple access, sdma）技术的一种，依托于大规模多入多出（multiple input multiple output, mimo）技术，通过对各阵元信号进行加权求和，将天线阵列波束“导向”成期望方向上高增益而非期望方向上低增益甚至无增益的定向波束。波束成形技术主要分为模拟波束成形和数字波束成形两种，其中后者主要依赖信道估计技术。然而在大规模mimo通信系统中，信道环境十分复杂，传统信道估计方法计算开销过大，难以应用。因此，大规模mimo通信系统主要采用模拟波束成形技术。在模拟波束成形技术中，寻找期望方向以获得最大波束成形增益的过程叫做波束对准，也可叫做波束训练或者波束搜索，该过程是波束对准技术的第一步也是非常关键的一步。
3.考虑到实际通信环境复杂多变，且存在多用户间的相互干扰的情况，波束对准过程容易产生偏差。传统的稳健自适应波束对准算法主要分为基于导向矢量矫正的相关算法和基于干扰加噪声协方差（interference-plus-noise covariance, inc）矩阵重构的相关算法。但由于在实际场景下，无法准确判断偏差的产生因素，也无法排除多种产生因素共同作用的可能性，因而大多稳健自适应波束对准算法的适用性相对较窄。此外，绝大多数算法考虑的是单用户场景、单基站多用户下行场景或者非同时（tdma）非同频（ofdma）非同接收信号强度（noma）的单基站多用户上行场景，对同时同频同接收信号强度的单基站多用户上行场景的研究较少。目前基于经典sortpm算法拓展的多波束对准方法主要聚焦于多用户的联合搜索，即搜索范围设定为各个用户分布情况的组合，根据搜索结果更新所有组合的后验概率。这使得算法收敛速度慢，计算量大，复杂度高，难以满足实际场景下低时延的需求。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种适用于上述同时同频同接收信号强度的单基站多用户上行场景的稳健的低复杂度自适应多波束对准方法。
5.为达到上述目的，本发明提供如下技术方案：一种基于问答式学习的自适应多波束对准方法，包括以下步骤：s1：构造波束对准问题和波束搜索过程的数学模型；s2：初始化各子空间存在目标的概率；s3：随机生成固定长度的波束搜索向量；s4：根据波束搜索向量确定天线权重矢量；s5：将天线权重矢量与信号相乘再平方，计算出信号功率；s6：将信号功率与阈值比较得到波束搜索结果；s7：根据已生成的波束搜索向量及其对应的搜索结果更新各子空间对应的后验概
率；s8：判断最大后验概率是否大于1-，其中表示基站设定的错误概率阈值；若小于，则返回步骤s3；若大于，则认为最大后验概率对应的子空间内存在目标；s9：基站进行全扫描，判断是否存在可区分的新用户，若存在，则返回步骤s2重新进行波束搜索，直到基站全扫描后未发现可区分的新用户。
6.进一步，步骤s1所述构造波束对准问题和波束搜索过程的数学模型具体包括：将基站及其周围的空间抽象成球型空间，各用户发射的信号由球面射向球心，将大小的空间分成个等大小的子空间；将波束对准问题等价成在个子空间上搜索某几个随机变量，波束搜索的分辨率为；在长度为的波束搜索向量中，若第个元素的取值为1，则表示该次波束搜索会判断用户是否在第个元素对应的子空间内，若第个元素的取值为0，则表示该次波束搜索不会判断用户是否在第个元素对应的子空间内。
7.进一步，步骤s2具体包括：在初始阶段，基站先进行一次全波束扫描，确认是否存在用户接入；假设个用户分布在个子空间内的概率相同且相互独立，则对于任意，子空间存在目标的概率初始化为。
8.进一步，步骤s3具体包括：在第次波束搜索时，假设基站的阵列天线同时接收到的来自这个用户的同频同信号强度的信号；基站依照伯努利分布概率随机生成一个长度为的二元波束搜索向量，其中。
9.进一步，步骤s4-s6具体包括：根据求出对应的天线权重矢量并用其与信号相乘再取平方得到经阵列天线处理后的信号功率，并与事先设定的信号功率阈值进行比较；若信号功率超过阈值，则将此次波束搜索的结果标记为1，表示搜索区域内存在目标；若信号功率未超过阈值，则将此次波束搜索的结果标记为0，表示搜索区域内不存在目标。
10.进一步，步骤s7具体包括：经过第次波束搜索，得到搜索结果后，结合二元波束搜索向量更新各子空间对应的后验概率，具体公式如下假设基站因受到干扰，致使其计算出的信号功率错误地高于或低于设定阈值的概率为，将其抽象成概率为的bsc信道，则后验概率更新因子定义如下 。
11.进一步，步骤s8中，令第次波束搜索时的最大后验概率的下标为
则假设基站设定的错误概率阈值为，经过次波束搜索后，若则认为子空间内存在目标。
12.进一步，步骤s9中，重新将各子空间对应的概率初始化为，并从步骤s3开始重复，其中在生成二元波束搜索向量时，令，其它操作不变；经过次波束搜索后，找到另一存在目标的子空间。
13.进一步，在实际场景中，多个用户可能位于同一个子空间中，这种情况下应认为这些用户是不可区分的，用表示可区分的目标数；若基站全扫描后未发现可区分的新用户，则算法结束，单基站与多用户间实现波束对准，总搜索次数为。
14.本发明的有益效果在于：通过分析和仿真不难看出，在单基站多用户上行场景下，与传统的联合自适应多波束对准算法相比，本发明所提算法的准确率更高且波动更小，降到相同角度误差所需的波束搜索次数更少，波束搜索时间也显著更少，且随着子空间基数的不断变大，波束搜索时间增长很慢。综上所述，本发明是一种基于问答式学习的低复杂度自适应多波束对准算法，能够实现单基站多用户上行场景下快速准确的波束对准。
15.本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
16.为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：图1为单基站多用户上行场景示意图；图2为本发明均匀平面阵列天线示意图；图3为天线方向角与俯仰角示意图；图4为二元对称信道示意图；图5为非自适应波束对准算法流程图；图6为自适应波束对准算法流程图；图7为波束搜索过程示意图；图8为本发明所提多波束对准算法流程图；图9为本发明所提多波束对准算法伪代码；图10为问答式波束对准算法准确率仿真图；图11为问答式波束对准算法角度误差与波束搜索次数仿真图；图12为问答式波束对准算法波束搜索时间与波束搜索次数仿真图；图13为问答式波束对准算法波束搜索时间与子空间基数仿真图。
具体实施方式
17.本发明通过一种基于问答式学习的自适应多波束对准方法，假设基站接收到的信号的来波方向即为发射该信号的用户所在的方向，考虑到多用户间信号干扰，可认为波束搜索的每次判断依某一特定概率出错。由此，本发明提出的方法的简要过程是，多个用户同时同频同接收信号强度地向一个基站发送信号，基站接收到叠加的信号后，在判断可能出错的情况下，通过问答式学习的方法，准确得到各个用户的方向角度，系统结构示意图如图1所示。
18.考虑单基站多用户上行场景，假设基站上的阵列天线为均匀平面阵列（uniform planar array, upa）如图2所示，则其对于来自某方向信号的导向矢量为其中，水平方向上有根天线，垂直方向上有根天线，表示毫米波信号的波长，表示天线阵列间隔，和分别为物理空间上的方位角和俯仰角且二者之间相互独立，如图3所示，，。
19.假设同时同频存在个用户，基站接收到各用户发射信号的信号强度也基本相同。基站天线阵列在时刻接收到的信号为：其中，表示时刻第个用户在信道中的信号。经过基站upa处理后的信号为其中，表示upa的天线权重矢量。
20.若空间中只有一个来自方向的信号，其导向矢量为。当天线权重矢量取作时，最大，由此实现导向定位作用。若空间中有多个来自不同方向的信号，则根据角域分离策略，可令天线权重矢量，其中表示波束融合系数向量，。因此，基站根据波束搜索码本更换方向角和俯仰角，求出其对应的加权导向矢量组，再取转置右乘天线阵列接收到的信号，取平方后若输出值超过某个设定阈值，则表示该加权导向矢量组对应的区域内存在用户，反之则没有。
21.由于存在波的干涉，基站接收到的来自个用户的信号会相互干扰，因此在判断搜索区域是否存在用户时会出现以下两种误判。以两个用户为例，若基站接收到的两个用户的信号相位基本相同，则两个信号相互叠加，这时天线阵列接收到的信号较大，在搜索区域错误的情况下也可能高于设定阈值；若基站接收到的两个用户的信号相位基本相反，则两个信号相互抵消，这时天线阵列接收到的信号较小，在搜索区域正确的情况下也可能低于设定阈值。
22.考虑到上述提到的两种误判情况，假设出现误判的概率为p，则可用一个概率为p的二元对称信道（binary symmetric channel, bsc）进行表示，输入为搜索区域有无目标
的真实答案，输出为被干扰后的实际答案，如图4所示。基于问答式学习的波束对准场景中，同样有两种波束对准方式，两种方式各有优势。一种是每次波束搜索的搜索区域随机生成且搜索次数固定，这种方式被叫做非自适应性波束对准，如图5所示；另一种是每次波束搜索的搜索区域由之前的搜索区域及其对应搜索结果生成且搜索次数不固定，这种方式被叫做自适应性波束对准，如图6所示。相较于非自适应性波束对准的算法，自适应性波束对准算法错误率低，所需的波束搜索次数少，但算法复杂，计算复杂度高，需要研究低复杂度算法以满足实际工程场景下低时延的需要。
23.具体来说，如图8所示，本发明提出了一种基于问答式学习的低复杂度的问询数自适应的多波束对准算法，具体流程描述如下：1.将基站及其周围的空间抽象成球型空间，各用户发射的信号由球面射向球心。将大小的空间分成个等大小的子空间，波束对准问题就可以等价成在个子空间上搜索某几个随机变量，波束搜索的分辨率（分度值）为。从球面上看，单次波束搜索过程对应的区域如图7所示。在长度为的波束搜索向量中，若第个元素的取值为1，则表示该次波束搜索会判断用户是否在第个元素对应的子空间内，若第个元素的取值为0，则表示该次波束搜索不会判断用户是否在第个元素对应的子空间内。
24.2.算法初始阶段，基站先进行一次全波束扫描，确认是否存在用户接入。假设个用户分布在个子空间内的概率相同且相互独立，则可对于任意，子空间存在目标的概率可初始化为。
25.3.在第次波束搜索时，假设基站的阵列天线同时接收到的来自这个用户的同频同信号强度的信号。基站依照伯努利分布概率随机生成一个长度为的二元波束搜索向量，其中，再根据求出对应的天线权重矢量并用其与信号相乘再取平方得到经阵列天线处理后的信号功率，并与事先设定的信号功率阈值进行比较。若信号功率超过阈值，则将此次波束搜索的结果标记为1，表示搜索区域内存在目标；若信号功率未超过阈值，则将此次波束搜索的结果标记为0，表示搜索区域内不存在目标。
26.4.经过第次波束搜索，得到搜索结果后，结合二元波束搜索向量更新各子空间对应的后验概率，具体公式如下假设基站因受到干扰，致使其计算出的信号功率错误地高于或低于设定阈值的概率为，将其抽象成概率为的bsc信道，则后验概率更新因子定义如下
5.令第次波束搜索时的最大后验概率的下标为则假设基站设定的错误概率阈值为，经过次波束搜索后，若则可认为子空间内存在目标。
27.6.重新将各子空间对应的概率初始化为并从第三步开始重复上述操作，其中在生成二元波束搜索向量时，令，其它操作不变。由此，经过次波束搜索后，找到另一存在目标的子空间。在实际场景中，多个用户可能位于同一个子空间中，这种情况下可以认为这些用户是不可区分的，用表示可区分的目标数。若基站全扫描后未发现可区分的新用户，则算法结束，单基站与多用户间实现波束对准，总搜索次数为。
28.图9为本发明所提多波束对准算法伪代码，本发明的仿真结果如下：（1）当子空间基数，目标数，波束搜索向量生成概率，单次波束搜索错误概率，错误概率阈值时，如图10所示，与基于经典sortpm算法拓展的联合多波束对准算法相比，本发明所提算法的准确率总体较高且波动较小。
29.（2）当子空间基数，目标数，波束搜索向量生成概率，单次波束搜索错误概率，错误概率阈值时，如图11所示，与基于经典sortpm算法拓展的联合多波束对准算法相比，本发明所提算法的降到相同角度误差所需的波束搜索次数更少。
30.（3）当目标数，波束搜索向量生成概率，单次波束搜索错误概率，错误概率阈值时，如图12所示，与基于经典sortpm算法拓展的联合多波束对准算法相比，本发明所提算法的波束搜索时间显著更少，且随着子空间基数的不断变大，传统算法的波束搜索时间增长很快。
31.（4）当目标数，波束搜索向量生成概率，单次波束搜索错误概率，错误概率阈值时，如图13所示，随着子空间基数的不断变大，本发明所提算法的波束搜索时间增长很慢。
32.最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

技术特征：
1.一种基于问答式学习的自适应多波束对准方法，其特征在于：包括以下步骤：s1：构造波束对准问题和波束搜索过程的数学模型；s2：初始化各子空间存在目标的概率；s3：随机生成固定长度的波束搜索向量；s4：根据波束搜索向量确定天线权重矢量；s5：将天线权重矢量与信号相乘再平方，计算出信号功率；s6：将信号功率与阈值比较得到波束搜索结果；s7：根据已生成的波束搜索向量及其对应的搜索结果更新各子空间对应的后验概率；s8：判断最大后验概率是否大于1-，其中表示基站设定的错误概率阈值；若小于，则返回步骤s3；若大于，则认为最大后验概率对应的子空间内存在目标；s9：基站进行全扫描，判断是否存在可区分的新用户，若存在，则返回步骤s2重新进行波束搜索，直到基站全扫描后未发现可区分的新用户。2.根据权利要求1所述的基于问答式学习的自适应多波束对准方法，其特征在于：步骤s1所述构造波束对准问题和波束搜索过程的数学模型具体包括：将基站及其周围的空间抽象成球型空间，各用户发射的信号由球面射向球心，将大小的空间分成个等大小的子空间；将波束对准问题等价成在个子空间上搜索某几个随机变量，波束搜索的分辨率为；在长度为的波束搜索向量中，若第个元素的取值为1，则表示该次波束搜索会判断用户是否在第个元素对应的子空间内，若第个元素的取值为0，则表示该次波束搜索不会判断用户是否在第个元素对应的子空间内。3.根据权利要求1所述的基于问答式学习的自适应多波束对准方法，其特征在于：步骤s2具体包括：在初始阶段，基站先进行一次全波束扫描，确认是否存在用户接入；假设个用户分布在个子空间内的概率相同且相互独立，则对于任意，子空间存在目标的概率初始化为。4.根据权利要求1所述的基于问答式学习的自适应多波束对准方法，其特征在于：步骤s3具体包括：在第次波束搜索时，假设基站的阵列天线同时接收到的来自这个用户的同频同信号强度的信号；基站依照伯努利分布概率随机生成一个长度为的二元波束搜索向量，其中。5.根据权利要求1所述的基于问答式学习的自适应多波束对准方法，其特征在于：步骤s4-s6具体包括：在第次波束搜索时，根据求出对应的天线权重矢量并用其与信号相乘再取平方得到经阵列天线处理后的信号功率，并与事先设定的信号功率阈值进行比较；若信号功率超过阈值，则将此次波束搜索的结果标记为1，表示搜索区域内存在目标；若信号功率未超过阈值，则将此次波束搜索的结果标记为0，表示搜索区域内不存在目标。
6.根据权利要求1所述的基于问答式学习的自适应多波束对准方法，其特征在于：步骤s7具体包括：经过第次波束搜索，得到搜索结果后，结合二元波束搜索向量更新各子空间对应的后验概率，具体公式如下假设基站因受到干扰，致使其计算出的信号功率错误地高于或低于设定阈值的概率为，将其抽象成概率为的bsc信道，则后验概率更新因子定义如下 。7.根据权利要求1所述的基于问答式学习的自适应多波束对准方法，其特征在于：步骤s8中，令第次波束搜索时的最大后验概率的下标为则假设基站设定的错误概率阈值为，经过次波束搜索后，若则认为子空间内存在目标。8.根据权利要求1所述的基于问答式学习的自适应多波束对准方法，其特征在于：步骤s9中，重新将各子空间对应的概率初始化为，并从步骤s3开始重复，其中在生成二元波束搜索向量时，令，其它操作不变；经过次波束搜索后，找到另一存在目标的子空间。9.根据权利要求8所述的基于问答式学习的自适应多波束对准方法，其特征在于：在实际场景中，多个用户可能位于同一个子空间中，这种情况下应认为这些用户是不可区分的，用表示可区分的目标数；若基站全扫描后未发现可区分的新用户，则算法结束，单基站与多用户间实现波束对准，总搜索次数为。

技术总结
本发明公开了一种基于问答式学习的自适应多波束对准方法，属于多波束对准技术领域，包括以下步骤：S1：构造波束对准问题和波束搜索过程的数学模型；S2：初始化各子空间存在目标的概率；S3：随机生成固定长度的波束搜索向量；S4：根据波束搜索向量确定天线权重矢量；S5：将天线权重矢量与信号相乘再平方，计算出信号功率；S6：将信号功率与阈值比较得到波束搜索结果；S7：根据已生成的波束搜索向量及其对应的搜索结果更新各子空间对应的后验概率；S8：若最大后验概率大于错误概率，则认为最大后验概率对应的子空间内存在目标；S9：迭代执行算法直到基站全扫描后未发现可区分的新用户。户。户。


技术研发人员：周琳 白琳 孙椿淞 苏阳
受保护的技术使用者：北京航空航天大学
技术研发日：2023.07.26
技术公布日：2023/9/7