买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种超大规模阵列通信系统的两阶段波束训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115208442B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210597131.7，技术领域涉及：H04B7/0426；该发明授权一种超大规模阵列通信系统的两阶段波束训练方法是由戚晨皓;肖镇江;陈康建设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本一种超大规模阵列通信系统的两阶段波束训练方法在说明书摘要公布了：本发明公开了一种超大规模阵列通信系统的两阶段波束训练方法。在波束训练第一阶段，超大规模多输入多输出系统的每个子阵列使用一系列远场导向矢量进行模拟合并。在波束训练第二阶段，针对视距路径信道估计，首先，为预设码本中的每一个码字设计专用的数字合并器。然后，数字处理单元使用专用的数字合并器对第一阶段模拟合并后的信号进行数字合并处理。最后，将预设码本中能够实现最大合并功率的码字输出作为波束训练的结果。针对多径信道估计，对波束训练第一阶段中模拟合并后的信号进行数字处理完成信道传输矩阵的重建。在大大减少训练开销的前提下，本发明可以逼近现有混合场波束扫描方案的性能并完成高精度的信道估计。

本发明授权一种超大规模阵列通信系统的两阶段波束训练方法在权利要求书中公布了：1.一种超大规模阵列通信系统的两阶段波束训练方法，其特征在于，该方法包括如下步骤： 1设置超大规模多输入多输出系统基本参数； 2构建基站与用户之间的超大规模多输入多输出系统以及系统中的信道模型； 3设计用于估计步骤2中信道的混合码本； 4基于步骤3的混合码本，针对视距路径信道估计，为确定最适合信道的导向矢量，对超大规模多输入多输出系统进行两阶段波束训练； 5基于步骤4的第一阶段波束训练，针对多径信道估计，为重建信道，对超大规模多输入多输出系统进行两阶段波束训练； 步骤1中，设置超大规模多输入多输出系统基本参数的方法如下：设置在一个基站和一个用户之间的上行波束训练场景中，基站端天线阵列均为间隔为半波长的均匀线性阵，天线数为N，采用部分连接混合合并结构，包括模拟合并和数字合并，射频链路数目为NRF，天线包含NRF个非重叠子阵列；每个子阵列有M＝NNRF根天线，通过模拟合并后与一个射频链相连；所有的NRF个射频链连接到一个数字处理单元进行数字合并；用户端采用单天线； 步骤2中，构建超大规模多输入多输出系统模型的方法如下： 2.1构建基站与用户之间的超大规模多输入多输出系统模型 在上行波束训练中，用户端发送的训练符号为xk，k＝1，2，...，K，其中，K为信号长度，基站和用户之间的信道表示为h，则信号在基站经过混合合并之后得到接收信号表示为： yk＝vkWkhxk+vkWkη 其中，Wk表示模拟合并，vk表示数字合并，η表示加性高斯白噪声，且噪声满足 表示均值为μ方差为σ2的复高斯分布； 2.2构建超大规模多输入多输出系统中的信道模型 在用户和基站之间设置由一个主径和多个从径构成的多径信道，基站的N根天线沿笛卡尔坐标系y轴放置，第n根天线的坐标为0，δnλ，其中，n＝1，2，...，N， λ表示波长，第t个子阵列中心的坐标为0，△tλ，其中，t＝1，2，…，NRF，△t＝[2t-1M-N]4，用户的坐标表示为p1＝r1cosθ1，r1sinθ1，其中r1表示用户和坐标原点之间的距离，θ1∈[-π2，π2]表示用户相对于x轴正半轴的角度，第l条路径中散射点的坐标表示为pl＝rlcosθl，rlsinθl，其中，l＞2，rl表示用户和坐标原点之间的距离，θl∈[-π2，π2]表示用户相对于x轴正半轴的角度，pl和第n根天线之间的距离表示为 其中，为角度的正弦值，且Ωl∈[-1，1]；基站和用户之间的信道被建模如下： 其中，L和gl分别表示路径数目和第l条路径的信道增益，α·表示信道导向向量，定义为： 通常使用瑞利距离来区分近场和远场，瑞利距离表示为 其中，D＝Nλ2表示天线阵列孔径；当辐射源和基站之间的距离超过Z时，无线信道定义为远场信道；反之，无线信道定义为近场信道； 当距离rl＞2D2λ时，使用以下近似， 其中，远场信道的导向矢量定义为βN，Ωl； 步骤3中，设计用于估计步骤2中信道的混合码本的方法如下： 3.1设Ch表示混合码本，Cf表示远场码本，Cn表示近场码本； 3.2步骤3.1中描述的远场码本Cf中的第n个码字表示为 3.3步骤3.1中描述的近场码本Cn中的码字通过下列步骤设计： ①将近场分成角度维上相等的N部分和距离维上不等的S部分； ②第n个量化角度为Θn＝2n-1-NN； ③在第n个角度上的第s个量化距离为 ④近场码本Cn表示为 其中，[Cn]：，s＝αN，Θn，dn，s； ⑤步骤3.1中描述的混合码本表示为 步骤4中，基于步骤3的混合码本，针对视距路径信道估计，对超大规模多输入多输出系统进行两阶段波束训练，方法如下： 4.1对于每个子阵，常用的波束训练DFT码本为 其中，Φm＝2m-1-MM，m＝1，2，…，M； 4.2在波束训练第一阶段，用户端向基站发送训练符号，持续M个时隙，基站顺序接收，对于第k次波束训练，不经过数字合并的接收信号表示为 其中，第k个模拟合并表示为blkdig{·}表示块对角化操作，至此，完成两阶段波束训练方案中的第一阶段； 4.3第一阶段设计了模拟合并，第二阶段将通过测试混合码本覆盖的NS+N个码字，设计数字合并vp，p＝1，2，…NS+N，将混合码本中第p个码字表示为 其中， 表示对元素值取下界； 4.4对于第p个码字，该码字对应的量化位置相对于第t个子阵列中心的角度的正弦值为 其中，△t＝[2t-1M-N]4； 4.5设置 其中 4.6数字合并表示为 其中， 4.7第一阶段的接收信号经过数字合并后表示为 其中， 4.8比较所有NS+N个合并信号，选择能量最大的信号对应的量化位置，表示为 4.9最终选择的最适合信道的码字为 步骤5中，基于步骤4的第一阶段波束训练，针对多径信道估计，对超大规模多输入多输出系统进行两阶段波束训练，方法如下： 5.1在第一阶段的基础上，将模拟合并后的信号表示为 定义 其中， 5.2初始化残差为R0＝Y，索引集Y0＝φ，其中φ表示空集； 5.3对第l条路径，其中 为一预设的路径遍历数，通常具体步骤如下： ①计算相关矩阵Γl＝ΨHRl-1； ②得到相关矩阵中最大模值对应的索引其中，|·|表示取模； ③更新索引集Υl＝Υl-1∪p*，其中，U表示并集运算； ④更新正交函数其中，表示求伪逆； ⑤更新残差 5.4重复执行步骤5.4，直到遍历所有条路径结束，得到信道矩阵估计值为

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。