本文档属于类型a，即单篇原创研究的学术报告。以下是针对该研究的详细报告：

主要作者及研究机构
本研究由Noud Kanters和Andrés Alayón Glazunov共同完成。Noud Kanters来自荷兰特温特大学（Universiteit Twente）电气工程系，而Andrés Alayón Glazunov则隶属于瑞典林雪平大学（Linköping University）诺尔雪平校区的科学与技术系。研究发表于《IEEE Transactions on Vehicular Technology》期刊，提交日期为2025年1月17日。

学术背景
本研究的主要科学领域为无线通信技术，特别是多用户大规模多输入多输出（Multi-User Massive MIMO）系统。随着5G及未来无线通信网络的发展，Massive MIMO技术成为关键使能技术之一。然而，传统的全数字（Full-Digital, FD）Massive MIMO系统由于每个天线单元需要独立的射频（Radio Frequency, RF）链，导致功耗、成本和尺寸问题，尤其在毫米波（Millimeter Wave, mmWave）频段更为突出。因此，研究旨在提出一种基于子阵列（Subarray, SA）的混合波束成形（Hybrid Beamforming, HBF）天线布局，以近似全数字Massive MIMO的性能，同时减少RF链的数量。研究目标包括开发适用于实际实现的信道估计和HBF算法，并验证其在真实传播场景中的有效性。

研究流程
研究分为以下几个主要步骤：

1. 系统模型与问题描述
   研究首先建立了一个基站（Base Station, BS）配备N元天线阵列服务K个单天线用户设备（User Equipment, UE）的上行链路信号模型。信号模型包括接收信号、噪声和信道矩阵的定义，并引入部分连接（Partially-Connected, PC）HBF架构，将天线单元分组为不重叠的子阵列（SA）。每个SA能够形成B个不同的波束，并通过Butler矩阵（Butler Matrix, BM）或透镜实现模拟波束成形。

2. 信号处理算法
   研究提出了两种信号处理算法：信道估计和混合波束成形。

   • 信道估计算法：包括传统的LS（Least Squares）估计器、基于方向到达（Direction of Arrival, DOA）的LS-1-DOA估计器以及两阶段（LS-2）估计器。LS-1-DOA估计器利用已知的阵列流形，假设信道为单平面波，从而减少训练时间。LS-2估计器则通过先估计主波束方向，再重新配置波束，进一步优化训练效率。
     
   • 混合波束成形算法：包括模拟波束选择（Beam Selection）和数字波束成形（Regularized Zero Forcing, RZF）。波束选择算法根据信道估计结果选择每个SA的波束，以最大化接收功率。RZF则用于计算数字波束成形向量，以减少用户间干扰。
     

3. 数值仿真
   研究在3GPP定义的UMi（Urban Micro）传播场景下进行了数值仿真，包括LOS（Line of Sight）和NLOS（Non-Line of Sight）条件下的性能评估。仿真参数包括天线阵列配置、信道模型和信号处理算法。通过对比全数字阵列和MF-ZF部分连接HBF方法，验证了所提出架构和算法的有效性。

主要结果
1. 信道估计性能
- LS-1-DOA估计器在LOS场景下表现出色，能够显著减少训练时间，同时保持较高的估计精度。在NLOS场景下，LS-2估计器表现出与LS-B相似的性能，但训练时间减少了一半。
- LS-B估计器通过波束扫描实现了全维信道状态信息（Channel State Information, CSI），但训练时间较长。

1. 通信性能
   
   • 在LOS场景下，所提出的HBF架构在无用户调度时，能够实现全数字阵列92.6%的平均频谱效率（Spectral Efficiency, SE），在用户调度后提升至99.7%。
     
   • 在NLOS场景下，HBF架构在无调度时实现了全数字阵列89.7%的平均SE，在调度后提升至99.7%。
     
   • 与传统的MF-ZF HBF方法相比，所提出的HBF架构在简化硬件设计的同时，实现了更优的性能。
     

结论
本研究提出了一种基于Butler矩阵或透镜的部分连接混合波束成形架构，为多用户Massive MIMO系统提供了一种高效且实用的解决方案。通过开发新颖的信道估计和波束成形算法，研究显著减少了训练时间，并充分利用了毫米波信道的稀疏特性。研究结果表明，所提出的方法在LOS和NLOS场景下均表现出色，能够以较低的硬件复杂度实现接近全数字阵列的性能。

研究亮点
1. 创新性方法：提出了基于子阵列的混合波束成形架构，结合Butler矩阵或透镜实现模拟波束选择，显著简化了硬件设计。
2. 高效算法：开发了LS-1-DOA和LS-2信道估计算法，减少了训练时间，同时保持了高精度。
3. 性能验证：通过数值仿真验证了所提出方法在真实传播场景中的有效性，特别是在用户调度后能够实现接近全数字阵列的性能。
4. 应用价值：为下一代无线通信系统提供了一种低功耗、低成本的Massive MIMO解决方案，具有重要的实际应用价值。

其他有价值的内容
研究还探讨了用户调度对系统性能的影响，提出了简单的调度标准，以通过子扇区化（Sub-sectorization）显著提升频谱效率。此外，研究还分析了不同信道估计和波束成形算法在快变信道下的适用性，为实际系统设计提供了重要参考。

以上是本研究的详细报告，涵盖了研究的背景、流程、结果、结论及其重要性，为相关领域的研究人员提供了全面的参考。