Full-Duplex (FD) communication can revolutionize wireless communications as it doubles spectral efficiency and offers numerous other advantages over a half-duplex (HD) system. In this paper, we present a novel and practical joint hybrid beamforming (HYBF) and combining scheme for millimeter-wave (mmWave) massive MIMO FD system for weighted sum-rate (WSR) maximization with multi-antenna HD uplink and downlink users with non-ideal hardware. Moreover, we present a novel interference and self-interference (SI) aware optimal power allocation scheme for the optimal beamforming directions. The analog processing stage is assumed to be quantized, and both the unit-modulus and unconstrained cases are considered. Moreover, compared to the traditional sum-power constraints, the proposed algorithm is designed under the joint sum-power and the practical per-antenna power constraints. To model the non-ideal hardware of a hybrid FD transceiver, we extend the traditional limited dynamic range (LDR) noise model to mmWave. Our HYBF design relies on alternating optimization based on the minorization-maximization method. We investigate the maximum achievable gain of a hybrid FD system with different levels of the LDR noise variance and with different numbers of radio-frequency (RF) chains over a HD system. Simulation results show that the mmWave massive MIMO FD systems can significantly outperform the fully digital HD systems with only a few RF chains if the LDR noise generated from the limited number of RF chains available is low. If the LDR noise variance dominates, FD communication with HYBF results to be disadvantageous than a HD system.


翻译:全方位(DD)通信可以使无线通信发生革命性变化,因为它使光谱效率翻番,并且为半双面(HD)系统提供了许多其他优势。在本文中,我们提出了一个新颖和实用的联合混合束成型(HYBF)和将大型毫米波(mmWave)的大型MIMIM FD系统组合为加权总和率(WSR)最大化的计算系统与多亚硝基HD上链和非理想硬件的下链接用户相结合。此外,我们提出了一个新的干扰和自我干预(SI),了解最佳波形成形(HDH)系统的最佳动力分配方案。模拟处理阶段假定是四分级化的,同时考虑单位-模版和未受限制的个案。此外,与传统的超模量电量(MRDR)相比,拟议的算法是在联合总电量和实际/安纳电量限制下设计的。要建模混合的DFD(LDR)系统只能将传统的有限动态变频范围扩大到毫米Wave。我们的HBFMM系统设计依赖于基于低度的交替的RDRDRDRDRDM(我们以不同的显示RRRRRRRRRRRR)系统。

0
下载
关闭预览

相关内容

【电子书】大数据挖掘,Mining of Massive Datasets,附513页PDF
专知会员服务
104+阅读 · 2020年3月22日
专知会员服务
60+阅读 · 2020年3月19日
MIT新书《强化学习与最优控制》
专知会员服务
276+阅读 · 2019年10月9日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
PRL导读-2018年120卷15期
中科院物理所
4+阅读 · 2018年4月23日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
语义分割+视频分割开源代码集合
极市平台
35+阅读 · 2018年3月5日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
VIP会员
相关资讯
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
PRL导读-2018年120卷15期
中科院物理所
4+阅读 · 2018年4月23日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
语义分割+视频分割开源代码集合
极市平台
35+阅读 · 2018年3月5日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员