Beam Selection
1、Beam Selection in mm-Wave Multiuser MIMO Systems Using Compressive Sensing
基于压缩传感的毫米波多用户MIMO系统波束选择
Abstract
本文研究了基站和用户配置天线阵列的毫米波多用户多输入多输出（MIMO）系统的波束选择问题。利用毫米波信道的一定稀疏性，提出了一种低复杂度的模拟波束形成波束选择方法。结果表明，利用压缩传感（CS）的概念，可以在不进行显式信道估计的情况下进行波束选择。由于各种原因（如背景噪声和干扰），一些用户可能会选择相同的BS光束，从而导致用户间的干扰较高。为了解决这一问题，我们进一步考虑了用户对BS波束的选择。仿真结果表明，该方法与需要全信道状态信息（CSI）的最优波束形成方法相比，在中/低信噪比（SNR）下，对于更多的用户，性能差距变得更小。由于大用户数天线阵计算复杂度高，难以采用最优波束形成方法，因此该方法在大天线阵可使用的毫米波系统中对BSS和用户具有很大的吸引力。
Introduction
毫米波（mm波）波段已被考虑为蜂窝系统，因为有一个更宽的带宽，这可以让我们轻松地增加数据率，以满足不断增长的无线高速数据服务需求[5]。由于毫米波信道的高路径损耗[6]，室内通信通常考虑毫米波段。对于室外通信，波束形成可以采用[2]、[7]、[8]，因为它可以利用高增益窄波束扩展通信范围，以克服高路径损耗。此外，波束形成有助于减少来自邻近小区的干扰，这可能是重要的，因为毫米波系统的站间距离较小。
波束形成在微波蜂窝系统中也起着至关重要的作用。如果在配备天线阵列的基站（BS）上可以获得信道状态信息（CSI），则可以使用多用户下行波束形成来通过减轻多用户干扰来提高频谱效率[9]、[10]。对于大型天线阵，用户对基站的CSI反馈可能不可行，因为其开销过高。在这种情况下，对于具有有限CSI反馈的下行波束形成，在丰富散射环境下的随机（正交）波束可以与用户选择一起使用[11]、[12]。特别地，在[12]中，有多组正交光束和多个时隙。在每个时隙中，导频或训练信号由BS使用相应的正交波束集传输，每个用户可以选择其中一个正交波束并反馈其索引以供下行链路波束选择。在BS中，可以根据总和率选择多组正交梁中的最佳组。虽然由于每组正交波束的数量有限（取决于天线的数量），活动用户的数量受到限制，但通过利用多用户分集，随着用户数量的增加，可以获得更好的性能[13]。此外，随着正交波束组数或时隙的增加，以训练过热为代价，可以提高性能。
一般来说，毫米波系统的波束形成不同于微波系统。如[1]所示，毫米波信道具有高路径衰减。此外，由于可靠传输的路径可能很少[3]，波束形成需要利用有限散射环境下定向波束的路径[8]。在这种情况下，波束的结构不同于微波信道，混合波束形成在有限的硬件复杂度下可以获得良好的性能。
压缩传感（CS）已被引入估计稀疏信号或参数从测量或观测大空间。CS是一个强大的工具，可以应用于从图像压缩到雷达应用的许多问题[18]。在无线通信中，CS也应用于各种稀疏多径信道估计问题[19]C[21]和CSI反馈问题[22]、[23]。对于特定稀疏（或有限散射）环境下的毫米波信道估计，在[14]、[24]中使用了基于CS的方法
本文研究了由大天线阵的多用户和多用户组成的毫米波多用户系统中的波束选择1，该系统利用高空间选择性有效地降低了波束间干扰。特别地，我们将CS应用于BS和用户的模拟波束形成器的波束选择。在毫米波系统中，虽然模拟波束形成器可以用于BS的大型天线阵或前面提到的硬件复杂度有限的用户，但大型天线阵存在另一个关键问题。为了在多用户系统中进行波束选择，通常需要信道估计。由于基站必须同时估计所有用户的CSI，因此由于上行链路训练序列较长，预计会产生较高的信令开销。本文利用毫米波信道的一定稀疏性（或有限散射），提出了一种无需利用CS概念进行信道估计即可实现的波束选择方法。因此，对于具有模拟波束形成器的毫米波多用户系统，在成本（由于模拟波束形成器）和低信令开销（因为波束选择需要一个导频符号）方面，该方法可能是一个有吸引力的解决方案。请注意，使用cs选择梁的方法与[24]中的方法类似。然而，主要区别在于本文考虑了BS和用户梁的联合梁选择，而[24]中分别对每个用户进行了梁选择。本文的主要贡献如下：i）针对多用户毫米波多输入多输出（MIMO）系统，提出了一种模拟波束形成器波束选择方法；ii）（低复杂度）推导了基于CS的用户和基站波束选择算法，无需显式信道估计。
2、Near-Optimal Beam Selection for Beamspace MmWave Massive MIMO Systems
波束空间毫米波多输入多输出系统的近最优波束选择
Abstract
最近提出的波束空间MIMO概念可以利用波束选择来减少毫米波大规模MIMO系统中所需的射频链数量，而不会造成明显的性能损失。然而，由于波束空间中的同一波束可能会被不同的用户选择，传统的波束选择方案会受到严重的多用户干扰，并且由于某些射频链对总速率性能没有贡献，因此可能会浪费一些射频链。为了解决这些问题，在这封信中，我们提出了一种干涉感知（IA）波束选择。具体地说，通过考虑潜在的多用户干扰，提出的IA波束选择首先将所有用户分为两个用户组，即干扰用户（ius）和非干扰用户（nius）。对于NIUS，选择大功率的光束，而对于IUS，则采用基于sumrate最大化准则的低复杂度增量算法来选择合适的光束。仿真结果表明，与传统方案相比，IA波束选择方案能获得接近最优的和速率性能和更高的能量效率
Introduction
毫米波（mmwave）大规模多输入多输出（mimo）被认为是未来5G无线通信的关键技术[1]，因为它的信号带宽[2]更宽，频谱效率更高，可以显著提高数据速率
然而，在实践中实现毫米波大规模多输入多输出并不是一项简单的任务。一个关键的挑战是，MIMO系统中的每个天线通常需要一个专用的射频（RF）链[3]。这导致了毫米波大规模MIMO系统硬件成本和能耗难以承受，天线数量巨大，射频链在毫米波频率下能耗较高[4]。为了减少所需的射频链数量，最近在开创性工作中提出了波束空间MIMO的概念[5]。通过采用可忽略性能损失的离散透镜阵列（DLA），波束空间MIMO可以将传统的空间信道转换为波束空间信道，以捕获毫米波频率下的信道稀疏度[2]。由于每个波束对应于波束空间MIMO[5]中的单个射频链，我们只能根据稀疏的波束空间信道选择少量的波束，以减少毫米波大规模MIMO系统1中所需的射频链数量。然而，大多数现有的波束选择方案都是基于最大幅度准则（本文中称为mm波束选择）[7]，其中每个用户都会选择若干个较大幅度的波束。mm波束选择很简单，但面临两个问题
：i）它的目的是在不考虑多用户干扰的情况下尽可能多地保留每个用户的功率，这会导致可实现和速率的性能损失不可忽略
；ii）由于不同的射频链可能选择相同的波束，一些射频链可能会被浪费，因为它们具有e对总利率绩效没有贡献。
为了解决这些问题，本文提出了一种干涉感知波束选择方法。具体来说，通过考虑潜在的多用户干扰，IA波束选择首先将所有用户分为两个用户组，即干扰用户（IUS）和非干扰用户（NIUS）。对于NIUS，选择功率较大的光束，而对于IUS，则采用基于和速率最大化准则的低复杂度增量算法来选择光束。仿真结果表明，与传统的毫米波波束选择方法相比，该方法能获得更接近最优的和速率性能和更高的能量效率
3、Millimeter Wave Beam-Selection Using Out-of-Band Spatial Information
基于带外空间信息的毫米波波束选择
Abstract
毫米波（mmwave）通信是一种可行的高数据率应用解决方案，如车载覆盖通信和下一代蜂窝通信。配置毫米波链路，这可以通过信道估计或波束选择来完成，但是，这是一个巨大开销的来源。在本文中，我们提出使用在低于6千兆赫的空间信息提取来帮助建立毫米波链路。假设一个低于6千兆赫的全数字体系结构和一个在毫米波的模拟体系结构，我们概述了从低于6千兆赫的空间信息提取策略及其在毫米波压缩光束选择中的应用。具体地说，我们将压缩波束选择作为一个加权稀疏信号恢复问题，并从低于6GHz的信道中获取加权信息。此外，我们还概述了一个结构化的预编/合成器设计，以根据带外信息定制培训。我们还扩展了所提出的带外辅助压缩波束选择方法，以利用毫米波下所有有源副载波的信息。为了模拟多波段频率相关信道，我们回顾了以往对频率相关信道行为的研究，并概述了一个多频段信道模型。仿真结果表明，带外辅助波束选择可以显著降低带内单波束选择的训练开销。