⚡ electrical engineering

Optimal Analog Beamforming and Power Allocation for Multiuser TDMA Systems

本文针对单射频链多用户 TDMA 系统，在最大最小信噪比准则下研究了硬件高效的模拟波束成形与功率分配联合设计问题，通过推导固定波束成形下的最优功率分配闭式解，将原问题转化为相位优化问题，并提出了针对离散和连续相移的全局最优分支定界算法。

原作者： Songnan Gu, Chongjun Ouyang, Hao Jiang, Xingqi Zhang

发布于 2026-04-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Songnan Gu, Chongjun Ouyang, Hao Jiang, Xingqi Zhang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章主要讲的是如何在一个“单线多任务”的无线通信系统中，让所有用户都能公平地获得最好的信号质量。

为了让你更容易理解，我们可以把这个系统想象成一个只有一根“魔法指挥棒”的交响乐团指挥家，正在指挥一群乐手（用户）演奏。

1. 核心场景：只有一个指挥棒（单射频链）

在传统的多天线系统中，每个天线可能都有自己的“指挥棒”（射频链），可以独立控制。但这篇论文研究的是一个低成本、高效率的架构：整个系统只有一根指挥棒。

比喻：想象你只有一个指挥家，但他面前有 $N$ 个乐手（天线）。因为只有一根指挥棒，他不能同时指挥所有人演奏不同的曲子（不能同时给不同用户发不同数据）。
解决方案（TDMA）：所以，他只能轮流指挥。先指挥乐手 A 演奏一会儿，再指挥乐手 B，以此类推。这就是论文里的“时分多址（TDMA）”技术。

2. 两大难题：怎么挥棒？怎么分配时间？

在这个轮流指挥的过程中，指挥家面临两个核心问题：

怎么挥棒（模拟波束成形）？
- 指挥棒（波束向量）必须指向特定的方向，才能让声音（信号）清晰地传达到某个乐手耳朵里。
- 限制：这根指挥棒有个物理限制，它挥动的幅度是固定的（恒模约束），只能改变方向（相位），不能改变力度大小。这就像指挥家只能改变手势的角度，不能改变手臂的长短。
- 目标：找到一组完美的角度，让信号最强。
怎么分配时间（功率分配）？
- 指挥家总共只有有限的体力（总功率预算 $P$ ）。他给乐手 A 多花点力气，给乐手 B 就得少花点。
- 目标：如何分配这有限的体力，让最弱的那个乐手也能获得尽可能好的演奏效果？这就是论文里的“最大 - 最小（Max-Min）”公平准则。

3. 论文做了什么？（解题思路）

作者发现，如果指挥棒的角度（相位）固定了，那么**怎么分配体力（功率）**其实有一个非常简单的数学公式可以直接算出来（就像切蛋糕，大家分到的比例是固定的）。

一旦算出了完美的“分蛋糕”方案，问题就简化成了：只找那个最完美的指挥棒角度。

但是，找这个角度非常难，因为：

角度可以是连续的（0 到 360 度任意转）。
或者离散的（只能停在 0、90、180、270 度，像老式收音机）。
或者二进制的（只能停在 0 或 180 度，像开关）。

这就变成了一个巨大的迷宫，普通的“试错法”（交替优化算法，AO）很容易走进死胡同，找到的是一个局部最优解（以为找到了最好的，其实旁边还有更好的）。

4. 作者的绝招：分支定界法（BB 算法）

为了找到真正的全球最优解（迷宫的终极宝藏），作者开发了一套**“分支定界”（Branch-and-Bound, BB）**的搜索策略。

比喻：想象你在找迷宫里最亮的宝石。
- 普通方法（AO）：你随便走一步，觉得前面亮就继续走，很容易走到一个亮的小坑里就停下来了，以为那就是最亮的。
- 作者的方法（BB）：
  1. 分支（Branch）：把整个迷宫切成很多小块。
  2. 定界（Bound）：在每一小块里，先算一个“理论上的最亮程度”（下界）。
  3. 剪枝（Pruning）：如果你发现某一块的“理论最亮程度”还不如你手里已经找到的宝石亮，那就直接放弃这一块，不用进去找了！
  4. 通过这种聪明的“排除法”，系统能确保不遗漏任何可能更好的角落，最终找到真正的全球最优解。

5. 三种不同的“指挥棒”

作者针对三种不同的硬件条件设计了三种算法：

二进制相位（Binary）：指挥棒只能指“左”或“右”。这是最便宜、最简单的硬件。
多进制离散相位（M-ary）：指挥棒可以指 4 个、8 个或更多固定方向。这是目前常见的硬件。
连续相位（Continuous）：指挥棒可以指向任意角度。这是最完美的，但硬件成本最高。

6. 结论：为什么这很重要？

基准线（Benchmark）：作者的方法找到了“绝对真理”（全局最优解）。这就像给其他低成本的“试错法”（AO）提供了一个完美的评分标准。
发现：实验结果显示，虽然作者的方法能找到绝对最好的解，但在很多情况下，普通的“试错法”（AO）已经做得非常接近完美了。
意义：这意味着，在实际工程中，我们可能不需要那么复杂的算法，用简单的“试错法”就能获得 99% 的效果，从而节省计算资源。但作者的方法告诉我们，那剩下的 1% 差距到底在哪里，以及硬件限制（比如只能选 4 个方向）到底会损失多少性能。

一句话总结：
这篇论文就像是为一个“只有一根指挥棒”的乐团，设计了一套最聪明的找路算法，不仅找到了让所有乐手都满意的完美指挥方案，还顺便告诉了我们：那些简单的指挥方法其实已经很棒了，但我们要知道它们离完美还有多远。

这是一份关于论文《Optimal Analog Beamforming and Power Allocation for Multiuser TDMA Systems》（多用户 TDMA 系统的最优模拟波束成形与功率分配）的详细技术总结。

1. 研究问题 (Problem Statement)

本文研究的是单射频链（Single-RF-chain）多用户时分多址（TDMA）系统中的联合设计问题。具体场景如下：

系统架构：采用硬件高效的相控阵架构，仅配备一个射频链，通过模拟移相器连接所有天线。
约束条件：
- 恒模约束：由于模拟波束成形权重的模必须为常数（单位模），导致优化问题高度非凸。
- TDMA 机制：同一时刻只能服务一个用户，因此需要在不同用户间分配功率和波束方向。
优化目标：在满足总功率预算的前提下，最大化所有用户中的最小接收信噪比（Max-Min SNR），以保障用户间的公平性。
核心挑战：模拟波束成形向量（相位）与功率分配变量相互耦合，且相位受到离散或连续的非凸约束，使得寻找全局最优解非常困难。现有的交替优化（AO）等方法通常只能提供局部最优解，缺乏全局基准来评估其性能损失。

2. 方法论 (Methodology)

作者提出了一套系统的优化框架，将原问题分解为两个主要步骤：

A. 固定波束成形下的最优功率分配 (Optimal Power Allocation)

对于任意给定的模拟波束成形向量 $v$ ，作者利用凸优化理论推导出了功率分配的闭式解。
关键结论：在最优解处，所有用户的接收信噪比（SNR）必须相等。
降维：基于上述结论，原联合优化问题被简化为仅关于**相位偏移（Phase Shift）**的优化问题。目标函数转化为最小化各用户有效信道增益倒数之和。

B. 全局最优分支定界算法 (Globally Optimal Branch-and-Bound, BB)

针对简化后的相位优化问题，作者针对三种典型的相位约束场景开发了全局最优的 BB 算法：

二进制相位设计 (Binary-Phase, $M=2$ )：
- 相位集合为 $\{0, \pi\}$ ，对应波束向量元素为 $\{-1, +1\}$ 。
- 策略：利用二次型 $w^T R w$ 的上界推导目标函数的下界。通过分支定界树搜索，剪枝掉下界大于当前最优值的节点。
M 进制离散相位设计 (M-ary Discrete Phase)：
- 相位集合为有限分辨率的离散点（如 $M=4, 8$ 等）。
- 策略：提出了一种**双层下界（Dual-layer Lower Bound）**机制：
  - 用户级下界：基于三角不等式对单个用户的信道响应进行界。
  - 聚合系统级下界：利用所有用户信道矩阵之和的二次型上界。
  - 取两者的最大值作为剪枝依据，提高了搜索效率。
连续相位设计 (Continuous Phase)：
- 相位在 $[0, 2\pi)$ 连续变化。
- 策略：提出**空间分支定界（Spatial BB, SBB）**算法。
  - 引入辅助变量将问题重写为 Epigraph 形式。
  - 利用**半定松弛（SDR）**技术处理单位模约束，构建凸松弛问题以获得下界。
  - 通过构造两个可行解（基于区间中点和松弛解投影）获得上界。
  - 随着子区域划分变细，算法保证收敛到全局最优解。

3. 主要贡献 (Key Contributions)

理论推导：首次为单射频链多用户 TDMA 系统下的 Max-Min SNR 问题提供了全局最优解的完整框架。推导了固定波束下的最优功率分配闭式解，将问题简化为纯相位优化。
算法创新：针对二进制、M 进制离散和连续三种相位设置，分别设计了高效的分支定界算法。特别是针对离散相位提出的双层下界机制，有效平衡了计算复杂度与剪枝效率。
性能基准：建立了可靠的全局最优基准（Benchmark），使得量化低复杂度算法（如交替优化 AO）的性能损失成为可能。
收敛性证明：证明了所提出的 SBB 算法在连续相位情况下能收敛到预设精度内的全局最优解。

4. 数值结果 (Numerical Results)

通过蒙特卡洛仿真（瑞利衰落信道），验证了算法的有效性：

天线数量影响：随着天线数 $N$ 增加，最大最小 SNR 显著提升。连续相位性能最佳，4 进制离散相位（ $M=4$ ）非常接近连续相位，而二进制相位（ $M=2$ ）性能损失较明显。
全局最优 vs. 交替优化 (AO)：
- 在二进制和 $M=4$ 离散相位场景下，提出的 BB 算法始终优于 AO 算法，但性能差距通常较小，说明 AO 在多数情况下已能提供近似最优解。
- 在连续相位场景下，SBB 算法在中小规模天线阵列（Small-N）中优势明显，随着 $N$ 增大，差距逐渐缩小。
基准价值：BB 算法作为“黄金标准”，证实了 AO 方法在实际应用中是可行的低复杂度替代方案，同时也揭示了在特定场景下（如小阵列、严格离散约束）AO 可能存在的次优性。

5. 意义与影响 (Significance)

理论填补：解决了单射频链多用户系统中全局最优设计长期缺乏理论基准的问题，量化了现有启发式算法的性能边界。
工程指导：
- 为低成本毫米波通信系统（如固定无线接入、小基站回传）提供了硬件约束下的设计参考。
- 结果表明，虽然全局最优算法计算复杂，但在设计阶段可作为评估低复杂度算法性能的工具；而在实际部署中，若 $N$ 较大，低复杂度的 AO 方法已具备足够的性能。
未来展望：该框架为未来混合波束成形（Hybrid Beamforming）及更复杂硬件约束下的系统优化提供了重要的理论见解和算法基础。

总结：该论文通过严谨的数学推导和高效的分支定界算法，成功解决了单射频链多用户 TDMA 系统的联合波束成形与功率分配的全局优化问题，不仅提供了理论上的最优解，也为实际工程中的算法选择提供了科学的评估依据。