低精度相位仅控波束赋形：当廉价硬件遇上智能算法【附python代码】

低精度相位仅控波束赋形当廉价硬件遇上智能算法用最低精度的移相器实现近乎理想的阵列信号处理性能原文链接摘要在大规模天线阵列系统中传统数字波束赋形需要为每个阵元配备高分辨率模数转换器和高精度移相器硬件成本与功耗随阵列规模线性增长。本文系统性地研究了一种低精度相位仅控波束赋形技术将Slepian子空间降维方法与离散相位优化相结合证明了即使在1比特相位量化条件下仅需2至3路测量即可逼近连续精度MPDR波束赋形器的理论上限。实验表明所提方法在干扰抑制深度、阵列增益及鲁棒性三个维度上均显著优于经典离散单模MPDR方法为低成本大规模MIMO前端设计提供了新的理论依据与实践方案。关键词波束赋形相位仅控低精度量化Slepian子空间MPDR一、引言1.1 研究背景第五代与第六代移动通信系统对大规模天线阵列的需求日益迫切。传统全数字波束赋形架构中每根天线均需配备独立的射频链路包含高精度模数转换器与可调移相器。当阵元数目达到数百甚至数千量级时硬件功耗、成本和散热压力急剧攀升成为制约系统部署的关键瓶颈。相位仅控架构是一种极具吸引力的折中方案每个天线阵元仅通过一个移相器控制相位幅度保持恒定从而大幅简化射频前端。然而实际工程中的移相器只能工作在有限精度——典型器件提供4至6比特的分辨率而追求更低成本时甚至可能降至1至2比特。关键问题在于在极低相位精度约束下能否依然设计出性能接近理想值的波束赋形器1.2 问题定义考虑一个M阵元的均匀线阵阵列接收信号模型为y a_s · s a_i · i n其中a_s与a_i分别为信号与干扰的导向矢量s与i为信号与干扰复幅度n为复高斯噪声。MPDR波束赋形器的目标是在保证目标方向增益无失真的约束下最小化输出总功率min_w w^H·R·w , s.t. w^H·a_s 1其闭式解为 w_opt ∝ R⁻¹·a_s即经典的Capon波束赋形器。当加入相位仅控约束|w_m| 1/√M和b比特相位量化相位取值限于2^b个离散值后该问题变为一个NP困难的组合优化问题。传统方法通常采用朴素量化先计算连续MPDR解再将其相位四舍五入到最近的离散网格。这种方法在高精度时性能尚可但在b ≤ 2时退化严重。1.3 核心创新本文的核心思路来自DeLude等人发表在IEEE JSTSP 2025上的低比特精度降维宽带波束赋形框架并将其窄带化与单模化。核心创新包括三点测量矩阵设计替代波束赋形器设计不直接优化波束赋形权向量w而是设计一个K×M的测量矩阵ΦK ≪ M其每一行均为b比特单模量化向量。阵列输出经Φ降维压缩后再做数字重构。单调性保证的递归设计算法提出design_monotone方法通过从b-1比特解做热启动并结合逐元素坐标优化严格保证了估计方差随比特数单调递减消除了朴素贪婪算法在b ≥ 2时的性能倒退现象。多测量向量协同增益经典单模MPDR只在K1的设定下工作一个权向量对应一次测量。本文证明通过K ≥ 2路低比特测量向量的联合设计可以在不增加单路精度的前提下显著提升干扰抑制性能。二、方法2.1 信号模型与Slepian波束赋形在Slepian框架下原始M维阵列输出y首先通过测量矩阵Φ压缩为K维w_meas Φ · y Φ · (a_s·s a_i·i n)重构阶段通过加权最小二乘估计信号幅度α̂ (Ψ^H·W·Ψ δ·I)⁻¹ · Ψ^H·W·w_meas其中 Ψ Φ·A_θ 为经测量矩阵投影后的导向矩阵W为加权矩阵。对于MPDR情况W取降维协方差矩阵的逆。重构出的等效权向量为w_eff^H (Ψ^H·R_w⁻¹·Ψ)⁻¹ · Ψ^H·R_w⁻¹·Φ该w_eff即为可直接与原始M维阵列输出做内积的等效波束赋形权向量使得波束方向图、零陷深度等经典指标的计算方法与全精度MPDR完全一致。2.2 测量矩阵设计对于MPDR目标设定目标测量列向量 φ_star R⁻¹·a_s。随机生成候选测量行的方法是v φ_star · ββ ~ CN(0, I_D)随后对v的每个元素做b比特相位量化得到候选单模向量。在J个随机候选中采用直接方差贪婪最小化准则选出使估计后验方差最小者加入Φ。方差计算公式为Var tr[(ΨH·(Φ·R·ΦH)⁻¹·Ψ)⁻¹]该公式同时考虑了测量矩阵的结构和噪声/干扰协方差矩阵的影响是最为直接和严格的选优指标。2.3 单调性保证的递归设计朴素贪婪设计面临一个关键失败模式b2比特测量矩阵的设计方差可能反而高于b1的设计方差。这是因为b2的可行集虽然包含b1可行集任何b1的向量也是合法的b2向量但随机候选生成器几乎从不采样到b1样的模式。贪婪算法一旦在一个局部最优处收敛就无法发现低比特解。design_monotone算法通过以下递归结构解决了该问题基例b1使用标准贪婪搜索设计初始Φ并进行逐元素坐标优化递归步b→b1将b比特最优解作为b1比特的初始解在该解基础上做逐元素坐标优化——对Φ的每个元素逐一尝试所有2^(b1)个离散相位值保留使方差最小的选择由于逐元素坐标优化可以遍历所有单元素变化而b比特解在b1比特空间内至少保证方差不增因此严格保证了Var(b1) ≤ Var(b)。三、实验设计3.1 场景设置参数取值阵元数M32阵元间距λ/2信号方向5°干扰方向27°SNR0 dBSIR-30 dB实验1、2候选数量J1500独立试验次数3~10次3.2 对比基线连续MPDRCapon波束赋形器无约束理论上限连续单模MPDRTranter 2017黎曼梯度下降连续相位单模的理论上限经典离散单模MPDR 局部搜索K1, b1~6最强经典基线Slepian K2/K3, b1~6本文所提方法3.3 实验安排实验1零陷深度 vs 量化比特数—— 固定SIR-30 dB考察各方法的干扰方向零陷深度随比特数变化。零陷深度越负干扰抑制越强。实验2波束方向图对比—— 绘制各方法在-90°至90°范围内的空间响应重点关注干扰方向附近的零陷形态。实验3阵列增益 vs 信干比—— 固定比特预算在SIR从60 dB到-60 dB的宽动态范围内考察阵列增益是否接近理想值10·log₁₀M ≈ 15 dB。四、实验结果与分析4.1 零陷深度随比特数的变化连续MPDR在-30 dB SIR条件下可达到约-95 dB的零陷深度连续单模MPDR约为-55 dB——这是单模约束的理论天花板。经典离散单模方法K1在b1时零陷深度仅约-10 dB随比特数增加逐步改善b6时接近连续单模上限。而Slepian K2方法在b1时即可达到约-25 dB的零陷深度Slepian K3更可达到约-35 dB——分别比同比特的经典方法提升了约15 dB和25 dB。更值得关注的是Slepian K3在b1仅2个相位值条件下实现的零陷已优于经典K1在b416个相位值时的表现。这意味着用3路1比特路径替代单路4比特路径可在保持甚至提升性能的同时大幅降低单路硬件复杂度。4.2 波束方向图分析从波束方向图可以直观看出连续MPDR在信号方向5°形成尖锐主瓣在干扰方向27°形成超过-90 dB的深零陷旁瓣整体低于-40 dB经典单模b1方法主瓣展宽、干扰方向零陷较浅约-10 dB与连续MPDR差距显著经典单模b6方法零陷明显改善但旁瓣电平仍高于连续MPDRSlepian K2 b1方法在干扰方向的零陷深度约-25 dB远优于经典b1旁瓣控制也明显更优Slepian K3 b1方法已较为接近连续单模MPDR的波束图形态印证了零陷深度指标的定量优势4.3 阵列增益对信干比的鲁棒性在SIR从60 dB到-60 dB的宽动态范围内理想阵列增益恒定为15 dB仅取决于阵元数M32经典单模b2方法在强干扰SIR -20 dB时阵列增益明显下降弱干扰严重制约其性能经典单模b5方法表现显著改善但仍略低于理想值Slepian K2/K3且在b1条件下阵列增益在全SIR范围内贴近理想值15 dB仅在最极端干扰SIR-60 dB时出现轻微下降该结果说明Slepian多测量向量MPDR不仅能更有效地抑制固定方向的干扰而且对不同干扰强度的适应性也远优于经典方法——这一特性在实际通信场景中尤为重要因为信干比通常未知且变化剧烈。五、讨论5.1 K与b的权衡实验数据揭示了一个有趣的工程权衡增加测量路数K比增加单路精度b具有更高的性能增益/硬件代价比。以Slepian K3 b1 vs 经典K1 b4为例前者使用3个1比特移相器每个仅需一个反相器总硬件代价极低后者使用1个4比特移相器需要精密级联相位网络。前者零陷深度反而优于后者。这从根本上挑战了波束赋形性能必然与移相器精度强相关的传统认知。5.2 单调性保证的意义design_monotone算法的单调性保证在实践中具有重要意义。在低比特区域b1,2,3朴素贪婪算法经常出现b2方差高于b1的悖论导致工程师难以确定最佳比特选择。单调性保证从根本上消除了这一困扰使得任何比特数的增加无论多小都能稳定带来性能增益简化了系统设计与部署决策。5.3 局限性与展望当前研究聚焦于窄带场景和单目标信号未来可向三个方向延伸宽带扩展将窄带Slepian MPDR推广至宽带OFDM系统利用频域相关性进一步降低等效测量维度多目标场景同时处理多路信号的多波束赋形问题硬件验证在FPGA或实际射频前端上验证算法的真实性能特别是考虑移相器非理想性相位误差、插损不一致等的影响六、结论本文系统性地研究了低精度相位仅控MPDR波束赋形问题提出了一种基于Slepian子空间降维与单调性保证递归设计的解决方案。实验结果表明K2/K3路1比特测量矩阵的Slepian MPDR在干扰抑制深度上分别较经典方法提升约15 dB和25 dBSlepian方案在b1时即可实现与经典b4方案相当甚至更优的性能为超低成本前端设计提供了新路径所提design_monotone算法严格保证了性能随比特数单调改善消除了低比特区域的性能倒退风险在宽动态信干比范围内Slepian MPDR的阵列增益始终保持接近理论理想值这一研究为用算法弥补硬件精度不足这一理念提供了一个具体的成功案例对大规模阵列的工程化部署具有切实的指导意义。参考文献[1] DeLude et al., “Broadband Beamforming using Low-Bit Precision Dimensionality Reduction,” IEEE JSTSP, 2025.[2] Tranter, Sidiropoulos, Fu, Swami, “The Unimodular Waveform Design Problem,” IEEE T-SP, 2017.[3] Capon, “High-Resolution Frequency-Wavenumber Spectrum Analysis,” Proc. IEEE, 1969.