基于天线分组的高铁大规模多输入多输出自适应波束赋形方案

席皓哲 王瑞峰

摘 要：针对高铁大规模多输入多输出（MIMO）系统的吞吐量未被充分提升的问题，提出一种基于天线分组的自适应波束传输方案。首先利用基站（BS）预知的列车位置信息，并将波束赋形技术引入高速场景，建立高铁大规模MIMO的三维模型;其次验证BS天线分组情况下，子波束的吞吐量与其对应的发射天线数满足非线性关系，且子波束天线数变化并未对其他波束的吞吐量产生影响。基于此，以天线分组的自适应波束赋形方案对列车运行至不同位置的波束数和子波束所需的发射天线数进行调整，保证不同位置的最优系统吞吐量。计算机仿真表明，该方案与传统的单波束、双波束、八波束相比，在列车距基站125m范围内分别实现了系统吞吐量87.9%、62.3%、50.6%的提升，在125m之外与单波束赋形的系统吞吐量相近。实验结果表明，所提方案无论列车距BS较近或较远时，系统吞吐量均处于最佳水平，更好地适应高速铁路环境。

关键词：吞吐量;高速铁路;波束赋形;大规模多输入多输出;多波束

中图分类号： TN929.5

文献标志码：A

文章编号：1001-9081（2019）03-0839-06

Abstract： Aiming at the throughput of high-speed railway Multiple Input Multiple Output （MIMO） system has not been fully improved， an adaptive beam transmission scheme based on antenna grouping was proposed. Firstly， the train position information was predicted by the Base Station （BS）， and the beamforming technology was introduced into high-speed railway environment to establish a high-speed Massive MIMO three-dimensional model. Secondly， it was verified that in BS antenna grouping situation， the throughput of a sub-beam and its corresponding number of transmit antennas satisfied nonlinear relationship and the number change of sub-beam antennas did not affect the throughput of other beams. Finally， based on the above， an adaptive beamforming scheme based on antenna grouping was used to adjust the number of beams required and the number of transmit antennas required by the sub-beams when the train runed at different locations to ensure optimal system throughput at all the locations. The computer simulation results show that compared with the traditional single-beam， dual-beam and eight-beam schemes， the proposed scheme achieves 87.9%， 62.3%， and 50.6% improvement respectively in system throughput when the distance between the train and the BS is less than 125m， achieves a similar system throughput of single beamforming when the distance is more than 125m. The experimental results show that the proposed scheme has best system throughput whether the train is far away from or close to the BS， and is better adapted to high-speed railway environment.

Key words： throughput; high-speed railway; beamforming; massive MIMO （Multiple Input Multiple Output）; multi-beam

0 引言

隨着无线通信技术的飞速发展，未来铁路旅客移动通信业务将逐渐转变为视频监控、无线语音、电视和广播等高速数据接入业务。目前的铁路专用全球数字移动通信系统（Global System for Mobile Communications-Railway， GSM-R）主要承载低速率的车地双向数据传输业务，无法满足旅客多样的通信业务需求，这就迫切地要求通信系统提供更高的吞吐量并保障高可靠性。

无线通信一直以来备受许多科研院所和高校的关注。文献[1]对高铁车地通信的大规模单输入多输出信道建模并对容量进行了改善，却未深入研究高速场景的大规模多输入多输出（Multiple Input Multiple Output， MIMO）系统。文献[2]提出了一种多波束机会波束成形。文献[3-7]均是基于单流或双流波束赋形，未分析多波束赋形下系统性能。文献[8]提出采用二分法的组内天线数调整策略。文献[9]以提高系统能效为目标研究波束赋形技术，并未从选择性激活天线角度，提高系统能效性能。因此，高铁大规模多输入多输出波束赋形技术还有待进一步研究。

本文从最大化系统吞吐量角度出发对大规模MIMO波束赋形展开研究，提出基于天线分组的大规模MIMO自适应多波束赋形方案。在这种方案设计中，列车车顶等间隔配置多根接收天线，再将基站天线根据接收天线个数分成若干组，基站每个天线组生成的波束分别指向不同的接收天线，与此同时，根据列车的不同运行位置，自适应调节波束数和子波束所需的发射天线数目，以实现高吞吐量的车地无线传输。

1 高铁MIMO建模

目前CRH这一新型列车，列车长度至少达200m，由于我国铁路列车车身较长的实际特点，可以在列车车厢顶部等间隔安装多根接收天线。系统结构如图1所示，基站采用单天线组发送，列车车载台（Mobile Relay Station， MRS）采用多天线进行接收的分布式MIMO系统。

假设基站可根据上行信道检测获得完全的信道状态信息（Channel State Information， CSI）[10]，系统的同步问题也可以得到解决[11]，且车载台相对于基站处于高速运动状态时，发生的无线信号频偏可以被有效地估计[12]和补偿[13]。下行链路的高速铁路大规模MIMO单波束传输建模如图2。

2 自适应多波束赋形

2.2 子波束性能分析

由2.1节式（14）可知不同位置时子波束i的吞吐量为：

从上式可知子波束的吞吐量与其对应的基站端发射天线数和列车到基站在轨道上投影点的距离有关。对靠近车尾子波束1、子波束2和靠近车头子波束7、子波束8的吞吐量与列车到基站在轨道投影点距离l和子波束发射天线数n之间的关系依据式（15）在Matlab中仿真。即i=1，2，7，8。

主要仿真参数的设置如下：

总的发射天线数Nt=512;波束数Nopt=8;每组天线数ni=64;系统带宽10MHz;载频2.5GHz;基站发射功率阈值46dBm;基站天线高度35m;基站与铁轨垂直距离35m;车载天线高度5m;注：n1、n2、n7、n8均在0～64之间。

仿真结果为图4和图5。

图4为在l=10m时子波束的吞吐量与其他波束对应的发射天线数变化之间的关系。可以看出，子波束的吞吐量大小并未与其余波束对应的发射天线数目相关。以每个子波束64根发射天线作为参照组，当波束2、波束7和波束8的发射天线均由64降为58时，并未影响波束1的吞吐量大小。

图5为子波束的吞吐量与列车到基站在铁轨投影点的距离和子波束发射天线数的关系。从图（a）和（b）看出，在至少l=110m范围内，子波束的吞吐量与天线数存在一种非线性关系，随着天线数目的增长，子波束吞吐量整体上呈现上升趋势。从图（c）和（d）中可以看出，当MRS距基站的距离变大后，子波束的吞吐量与天线数变为非线性增长关系。而子波束的吞吐量与距离的关系，也可经由理论和实验结果说明：理论上，在距基站较近时，随着距离的增大，各个波束的波达角之差会减小，因此波束间干扰量变大，SINR降低，导致子波束吞吐量下降;距离较远后，波束间的波达角之差接近0，因此干扰量趋于稳定，此时SINR变化不大，子波束的吞吐量改变量也变化不大。同时图5也表明，在相同的发射天线数情况下，距基站较近的子波束其吞吐量随距离的增大，整体呈现减小趋势，而距基站较远的子波束的吞吐量随距离增加变化不显著。

2.3 波束选择算法

由2.2节的分析可知，子波束天线数的变化并未对其他波束吞吐量产生影响;在列车距基站一定范围之内时，天线分组情况下会存在子波束的吞吐量与其对应的发射天线数呈非线性非单调递增关系;在一定范围之外，子波束的吞吐量与其对应的发射天线数呈非线性增加关系。因此本文提出一种基于天线分组的波束选择方法。在最大化系统吞吐量的目标下，求解基站最优波束数。该目标函数可构建如下：

3 仿真与分析

本文以整个高铁运行场景中，常见的高架桥作为仿真场景，主要仿真参数设置如表1所示。

图6为单波束、双波束、八波束、本文方案的系统吞吐量仿真结果对比。

采用单波束赋形时，激活车尾天线;双波束赋形时，同时激活车头和车尾的天线;八波束赋形时，激活所有的列车顶部天线。从图中看出，当采用单波束、双波束或八波束时，随着列车位置的改变，会存在不同的最优波束数。在列车距基站较近时，八波束相比单双波束传输，系统会得到更高的吞吐量;在列车距基站较远时，由于八波束间的夹角逐渐减小，因此干扰作用增加，使得其系统吞吐量迅速下降，出现雙波束传输时的系统吞吐量大于八波束的情况，而单波束因发射端功率调节的原因，传输时系统会有稳定的吞吐量。本文所提出的方案，根据列车位置的不同，对激活波束数自适应调整，能获得最优的波束数，从而最大化系统吞吐性能。

图7为列车距基站不同距离时，所提方案中选择的最佳波束数目。从图中可以看出，在列车距基站较近时，选择激活的波束数目比较多，但随着列车距基站距离的增大，激活的波束数目会不断减少，最终会在l=175m时变为单波束传输。同时也说明系统的吞吐量与选择的激活的波束数并非正比例关系。

图8为子波束的发射天线与列车到基站在铁轨投影点距离l的关系。从图中可以看出看出，子波束7和子波束8的发射天线数总为0;子波束1的天线数始终都不为0，其他波束的发射天线在不同l时变为0。在l=0m时，系统采用5个波束传输，图8中波束6、波束7和波束8的发射天线数恰好为0;在l=5m时，波束数由5变为6，对应波束6的发射天线数量增加，而其他波束对应的发射天线相应地减少;在l=150m时，会发现波束1的发射天线数为1024，而其余所有波束的发射天线数都为0;在l=175m时，波束1的发射天线数量又变为1024，而其他波束对应的发射天线数量都为0，即列车距基站175m时后系统会退化为单波束赋形。实际上，上述列车在不同运行位置时子波束天线数量的变化，是波束选择算法对列车不同位置时波束数量和子波束所需发射天线数自适应调整之后的结果。

图9为迭代次数与列车到基站在铁轨投影点距离l的关系。从图中发现在l=70m以内，迭代次数的变化非常密集，表明这时波束数的选择和组内天线数的调整动作很频繁。从l=175m开始，迭代次数仅为1，即最优波束数变为1时，只需要迭代1次。可以看出来，虽然存在组内天线遍历的过程，但此算法在本文的仿真参数下，迭代次数只有在l=0m时出现最高值20次，而随着l的增加，波束数目整体上出现减少的趋势，同时迭代次数也减少，这样可减少波束成形的设计时间，更好地适应高铁通信场景。

4 结语

本文从最大化系统吞吐量角度出发对高铁大规模MIMO波束赋形进行了研究，首先分析了基站天线分组情况下子波束的性能，结果表明子波束吞吐量随着天线数增加整体上呈现上升趋势，但并不是线性增长关系;并且子波束的吞吐量大小并未与其他波束对应的发射天线数目相关。基于此，提出基于天线分组的波束数调整策略，根据系统吞吐量最优原则，对波束数、不同子波束所需的发射天线数自适应选择。最后仿真结果表明，系统吞吐量与激活的波束数目呈非线性关系，且提出的波束赋形方案与以往的单波束、双波束和八波束赋形方案相比，在距基站较近时性能优势更明显，在距基站较远时也可保证与单波束相同的吞吐量，可适应列车的不同运行位置，使系统吞吐量始终处于最佳的水平。

参考文献 （References）

[1] 罗万团，方旭明，程梦，等.高速列车车载多天线系统传输方案及容量分析[J].通信学报，2013， 34（3）： 90-98.（LUO W T， FANG X M， CHENG M， et al. Transmission scheme and capacity analysis of onboard multi-antenna system in high-speed train [J].Journal on Communications， 2013， 34（3）： 90-98.）

[2] 高倩，张福金.基于高速铁路通信的多波束机会波束赋形技术[J].计算机工程与应用，2013，49（18）：56-60.（GAO Q， ZHANG F J. Multi-beam opportunistic beamforming for high-speed railway communication [J]. Computer Engineering and Applications， 2013， 49（18）： 56-60.）

[3] CHENG M， FANG X， YAN L. Beamforming and alamouti STBC combined downlink transmission schemes in communication systems for high-speed railway [C]// WCSP 2013： Proceedings of the 2013 International Conference on Wireless Communications and Signal Processing. Piscataway， NJ： IEEE， 2013： 1-6.

[4] 程梦，方旭明.高铁下一代无线通信系统的波束赋形与大规模多天线传输技术研究[D].成都：西南交通大学，2015： 40-52.（CHENG M，FANG X M. Beamforming and large-scale multi-antenna transmission technologies for next-generation wireless communications of high speed railway [D].Chengdu： Southwest Jiaotong University， 2015： 40-52.）

[5] 何励励，方旭明.高铁毫米波通信与雷达探测波束赋形技术[D].成都：西南交通大学，2017： 17-34.（HE L L，FANG X M. High-speed rail millimeter wave communication and radar detection beamforming technology [D]. Chengdu： Southwest Jiaotong University， 2017： 17-34.）

[6] 王晨，钟章队.高速铁路环境下波束赋形技术探究[D].北京：北京交通大学，2013： 24-53.（WANG C，ZHONG Z D. Research on beamforming for high speed railway [D]. Beijing： Beijing Jiaotong University， 2013： 24-53.）

[7] 閆莉，方旭明.高铁基于毫米波的自适应波束分合传输方案[J].电子与信息学报，2016，38（1）：146-152.（YAN L， FANG X M. Adaptive beam splitting or integrating scheme for railway millimeter wave wireless communications[J]. Journal of Electronics and Information Technology， 2016， 38（1）： 146-152.）

[8] 姜莉莉，穆晓敏.大规模MIMO系统中基于天线分组技术的能效分析[D].郑州：郑州大学，2017：21-34.（JIANG L L，MU X M. Energy efficiency analysis based on antenna grouping in massive MIMO systems [D]. Zhenzhou： Zhengzhou University， 2017： 21-34.）

[9] 陸莹，黄永明.能效优化的大规模MIMO无线传输技术[D].南京：东南大学，2016：9-19.（LU Y，HUANG Y M. Research on energy efficient transmission technology for massive MIMO wireless communication systems [D]. Nanjing： Southeast University， 2016： 9-19.）

[10] 孙德春，刘祖军，易克初.使用变换域预测的TDD系统信道互易性补偿方法[J].西安电子科技大学学报，2012，39（6）：22-25.（SUN D C， LIU Z J， YI K C. Compensation for channel non-reciprocity by using transform-domain prediction in TDD-MIMO-OFDM systems [J]. Journal of Xidian University， 2012， 39（6）： 22-25.）

[11] 张宇，张乃通.MIMO-OFDM系统信道估计与同步技术的研究[D].哈尔滨：哈尔滨工业大学，2009：68-84.（ZHANG Y，ZHANG N T. Study of channel estimation and synchronization for MIMO-OFDM systems [D]. Haerbin： Harbin Institute of Technology， 2009： 68-84.）

[12] 包超峰，王瑞峰，孔德龙.基于改进Fitz算法的多普勒频移估计方法的研究[J].计算机测量与控制，2014，22（2）：611-613.（BAO C F，WANG R F， KONG D L. Study on Doppler frequency shift estimation method based on the improved Fitz algorithm [J]. Computer Measurement and Control， 2014， 22（2）： 611-613.）

[13] PIIRANINEN O. Adaptive compensation of Doppler shift in a mobile communication system： USA， 6473594 [P]. 2002-10-29.

[14] KYSTI P， MEINIL J， HENTIL L， et al. WINNER II channel models [J]. Radio Technologies and Concepts for IMT-Advanced， 2009， 50（2）： 52-92.

https：//www.docin.com/p-500873537.html

[15] 张小飞，陈华伟，仇小锋，等.阵列信号处理及Matlab实现 [M].北京：电子工业出版社，2015：40-42.（ZHANG X F， CHENG H W， QIU X F， et al. Array Signal Processing and Matlab Implementation [M]. Beijing： Publishing House of Electronics Industry， 2015： 40-42.）

[16] LIU L， TAO C， QIU J， et al. Position-based modeling for wireless channel on high-speed railway under a viaduct at 2.35GHz [J]. IEEE Journal on Selected Areas in Communications， 2012， 30（4）： 834-845.