[论文解读] A Low-Resolution ADC Module Assisted Hybrid Beamforming Architecture for mmWave Communications

Jie Yang, Xi Yang+3 more|arXiv (Cornell University)|Mar 26, 2018

Millimeter-Wave Propagation and Modeling参考文献 7被引用 3

一句话总结

该论文提出了一种低分辨率ADC模块辅助的混合波束成形架构，用于毫米波通信，显著降低了波束训练时间和复杂度，同时保持了高性能的数据传输。通过在训练期间在低分辨率ADC和混合波束成形模块之间切换，并采用基于压缩感知的两阶段波束训练方法，系统仅用$L+1$个时隙即可实现精确的波束对准，其中$L$为传播路径数。

ABSTRACT

We propose a low-resolution analog-to-digital converter (ADC) module assisted hybrid beamforming architecture for millimeter-wave (mmWave) communications. We prove that the proposed low-cost and flexible architecture can reduce the beam training time and complexity dramatically without degradation in the data transmission performance. In addition, we design a fast beam training method which is suitable for the proposed system architecture. The proposed beam training method requires only L + 1 (where L is the number of paths) time slots which is smaller compared to the state-of-the-art.

研究动机与目标

• 解决毫米波混合波束成形系统中硬件复杂度高和波束训练时间长的问题。
• 通过采用低分辨率ADC降低接收端的功耗和计算负载。
• 设计一种与低分辨率ADC兼容的快速、高效的波束训练方法。
• 即使ADC分辨率降低，仍保持高谱效率和数据传输性能。
• 实现硬件可实现、低成本的毫米波收发器，且训练开销最小化。

提出的方法

• 系统在基站和移动台均使用电子开关，在低分辨率ADC模块与混合波束成形模块之间进行切换。
• 在波束训练期间，发射端使用混合波束成形模块，接收端使用低分辨率ADC模块，确保总功耗不增加。
• 提出一种两阶段波束训练方法：第一阶段进行全向发送以估计所有可能的到达角（AoA），第二阶段通过压缩感知匹配发射与接收波束。
• 该方法利用压缩感知技术，从$G_t \times L$次测量中，使用1比特或2比特量化反馈重建信道状态信息。
• 信道在角度域被建模为稀疏响应，包含$L$条路径，方向性波束通过ULA响应向量表示。
• 通过识别重构信道矩阵中的最强分量实现波束对准，使用正交匹配追踪进行信号恢复。

实验结果

研究问题

• RQ1 如何将低分辨率ADC集成到混合波束成形架构中，以降低硬件复杂度而不牺牲性能？
• RQ2 何种波束训练方法可在低分辨率ADC约束下实现快速且精确的波束对准？
• RQ3 所提出的架构能否在比传统方法更少的时隙内完成波束训练？
• RQ4 1比特与2比特ADC分辨率对波束训练成功率和系统性能有何影响？
• RQ5 增加网格点数量对波束对准的准确性和可靠性有何影响？

主要发现

• 所提出的波束训练方法仅需$L+1$个时隙，与传统方法相比显著降低了训练开销。
• 在$2$比特量化且$L=1$时，波束训练成功率在$-10$ dB信噪比下达到100%。
• 在$1$比特量化且$L=2$时，波束训练成功率在0 dB信噪比下达到100%。
• 增加网格点数量（$G_t, G_r = 32$）相比$G_t, G_r = 16$可提高成功率，证实了方法的可扩展性。
• 在典型设置下，该方法将波束训练时间从$20T_{\text{Slot}}$（基础方法）减少至$3T_{\text{Slot}}$，展示了显著的效率提升。
• 尽管使用低分辨率ADC，系统仍保持了高性能的数据传输能力，证明了低成本毫米波收发器的可行性。