毫米波大规模阵列中的AOA估计

1.AOA估计在毫米波大规模MIMO中的重要性

在毫米波大规模MIMO的CSI估计中，AoA估计具有重要地位，主要原因归纳如下：

1. 毫米波大规模MIMO 的信道具有空域稀疏性，可以简单通过AoA 和路径增益将其准确建模。这类似于波束域MIMO 的几何信道模型。基于该信道模型，CSI 估计可以先获取角度信息，然后通过最小二乘（Least Square, LS）逼近求解 路径增益。相比之下，传统MIMO 的散射信道模型不但不能准确反映毫米波大规模MIMO信道的稀疏特性，反而会增加信道建模的复杂性，这是因为大规模意味着信道的高维度，估计的时间和运算复杂度一般比较高；

2. 毫米波信道中AoA 具有慢衰落特性，而路径增益服从快衰落。从大量毫米波信道测量结果中可以看出，毫米波信道中AoA的变化时间一般比路径增益的变化慢若干倍。基于该现象，估计AoA之后，便可将AoA信息应用到同一相关时间帧的其它传输块，这样不仅可以减少信道估计的运算和时间复杂性， 而且提高了路径增益估计的准确性，这是由于在得到AoA之后，便可以设计波束形成以利用阵列增益提高接收信噪比（Signal-to-Noise Ratio, SNR）；

3. 5G 的一些关键技术需要借助AoA 估计得以有效实现，例如能量和信号同时传输（Simultaneous Wireless Information and Power Transfer, SWIPT），空间调制（Spatial Modulation, SM）和NOMA等技术。例如，在SWIPT中，能量收集需要准确的AoA，以提高收集效率。能量收集效率受微波信号与能量之间的转化电路的影响一般效率较低，因而利用精确的AoA估计来导向能量接收阵列对提高能量收集效率具有重要意义。另外，在SWIPT中，能量信号对信息信号的信道估计形成强干扰，因而需要准确估计能量信号的AoA以尽可能完全的消 除能量信号进行信息信号的估计和参数提取。

4. AoA估计可以减少甚至消除CSI反馈（回传），提高通信速率和安全性。低复杂度AoA估计方案不仅可以在基站端执行，还能在用户端执行。通过设计合理的训练 方案，可以减少甚至消除CSI 信息在基站和用户之间的回传，从而提高波束训练 效率。除此之外，还能提高安全性， 因为物理层安全研究中，窃听者一般利用基站与用户之间的交互侦听CSI。

5. 利用AoA 估计可以减少大规模混合阵列中波束形成设计的复杂度。毫米波大规模MIMO可以通过简单的线性收发方案逼近容量上限。如果能获取AoA信息，简单利用导向矢量的共轭进行波束形成便可在AoA方向获得较大的阵列增益。然而，在仅有CSI的情况下，需要通过设计优化问题来求解模数混合波束形成器，且由于模拟部分一般有恒模约束，该类问题成为非确定性多项式难题（Non-Deterministic Polynomial-Hard, NPH）。

2. 大规模混合阵列的AoA估计面临的一些严峻的挑战

1. 混合阵列中的数字信号处理将受到模拟波束形成方式的影响，换言之，模拟波束 形成的设计也是混合阵列AoA 估计的一部分。由于估计SNR 比较低，且缺少 AoA 先验信息，模拟波束形成增益无法完全利用，甚至会对目标信号造成衰减， 这导致初始AoA 估计不准确，精度较低。这时，一般需要把AoA 估计反馈到模 拟波束形成设计中，进行AoA 的迭代估计。

2. 在毫米波通信中，阵列接收SNR 比较低。这是由于，一方面毫米波传播衰减大，导致阵列接收的信号功率较弱；另一方面毫米波段下系统带宽相应较大，意味着接收机热噪声功率较大。系统热噪声功率一般可以通过