5G中大規(guī)模MIMO技術研究

天津電子信息職業(yè)技術學院電子技術系 龐雪蓮

5G中大規(guī)模MIMO技術研究

天津電子信息職業(yè)技術學院電子技術系 龐雪蓮

在國內外移動通信領域中5G移動通信技術逐漸成為熱門研究熱點，而5G移動通信技術中的核心技術大規(guī)模MIMO技術也成為學術界研究重點。基于這一點，筆者主要分析了Massive MIMO 技術的技術原理、產生背景，對主要技術及其存在的問題進行了相關的介紹。

5G；信道估計；大規(guī)模MIMO

1 引言

作為新一代移動通信系統(tǒng)5G己經逐步成為新時代國內外研究的重點。相較于4G移動通信而言,5G在傳輸速率資率利用等方面顯然具有更多的優(yōu)勢。5G上有超高的頻譜利用力及能效。另外5G在無線覆蓋性能、系統(tǒng)安全、用戶體驗等方面也具有明顯的優(yōu)勢。未來10年5G移動通信將與結合其它無線移動通信技術構成新一代無所不在的移動信息網絡,其適應范圍將不斷擴大,機器M2M、海量傳感設備等通信將成為5G系統(tǒng)設計的重要指標。隨著科學的不斷發(fā)展,為了進一步滿足社會對移動信息的快速變化,5G系統(tǒng)將具備智能化特點。

無線傳輸技術、無線網絡技術是5G移動通信標志技術。特別是大規(guī)模的無線傳輸技術MIMO將在4G移動網絡的基礎上在提高一個量級的頻譜效率、功率效率［1］。

2 大規(guī)模MIMO技術

2.1 概述

一般情況下大規(guī)模的MIMO基站都配置許多天線,從而保證一個時頻資源可以服務更多的用戶。在天線的配置方式上,MIMO技術更具靈活性,其可以是集中配置,也要分散配置在各個節(jié)點上,從而形成大規(guī)模的MIMO。

大規(guī)模MIMO主要有以下幾方面的優(yōu)勢：

第一,分辨率增強,大規(guī)模的MIMO能夠挖掘出更多的維度資源,從而使一個頻資源可以滿足多個用戶共同使用空間自由度與基站同步通信,從而大大提高其頻譜效率,而且在提高效率的同時不需要另外增加寬帶、基站密度。

第二,減少干擾,利用大規(guī)模MIMO交波束集中在一定的范圍之內。

第三,可大幅降低發(fā)射功率,從而提高功率效率。

第四,如果天線數(shù)量足夠大即可保證線性預編碼、線性檢測器性能是最好的,同時其存在的噪音污染等方面也將是最少的。

總之大規(guī)模MIMO技術具有很大的優(yōu)勢,而這也是5G能夠成為同內外高度研究的一種技術的主要原因,是5G其別于其它系統(tǒng)的核心技術。

2.2 主要技術

2．2．1 信道估計

在大規(guī)模MIMO無線傳辦輸中信道估計中有著非常重要的作用,信道估計是自適應傳輸、信號檢測的前提條件。

復用相鄰小區(qū)頻率會大大影響小區(qū)的服務質量,對小區(qū)間的干擾造成一定的影響。在防干擾上大規(guī)模MIMO系統(tǒng)充分利用基站波束技術、預編碼技術等技術?？紤]到貝葉斯協(xié)方差信息能夠減少導頻污染的問題,所以文獻［2］提出了低速率協(xié)調機制使用信道估計。從而解決了存在導頻污染多小區(qū)信道干擾的環(huán)境下的系統(tǒng)信道估計問題。文獻［3-7］主要比較了Massive MIMO下行鏈路系統(tǒng)線性預編碼機制,同時鑒于一BS擁有天線數(shù)N,每小區(qū)用戶數(shù)K以相同速度趨于無窮,推導出不同預編碼技術近似可達速率。文獻［8］則CSI反饋機制,CSI反饋機制在Massive-MIMO中可隨機形成波束成形權重。首先通過CSI獲得波束成型權重,隨機波束成型權重與有限目的CSI波束估計權重迭代修正。預計這一方法的性能與傳統(tǒng)全天線搜索CSI估計性能一致。在文獻［9］中基于Underlay 模式不僅提出導頻分配方法,同時設計了信道估計器——魯棒性信道估計器是基于協(xié)方差信息設計的。這一信道估計器一方面解決了主系統(tǒng)信道估計,另一方面避免了次級發(fā)射端引起的污染問題。由于導頻污染的影響,成為制約信道估計系統(tǒng)性能的主要原因。就目前的發(fā)展水平來看,并沒有什么有效的方法可以完全避免導頻污染。正是因為這樣,所以未來研究人員的工作將以怎樣消除導頻污染為主。

2．2．2 信道模型與系統(tǒng)性能分析

無線通信系統(tǒng)設計的前提是系統(tǒng)性能分析、信道模型分析。在大規(guī)模MIMO無線通信,基站側配置了大量的天線,從而進一步提高其傳輸信道的空間分辨率,無線傳輸信道即擁有新的特性,需要深入系統(tǒng)地探討。值得一提的是,雖然當前國際上廣泛關注大規(guī)模MIMO。但是其相關的實測建模、理論建模等工作還處于起步階段。

在現(xiàn)有的文獻中［10-11］中經常看MIMO信道當成IID信道。但是筆者通過實測結果 發(fā)現(xiàn),實際的MIMO無線傳輸信道并不完全等同于II信道,也就是說把MIMO信道假設成IID并不成立。有限的空間方向集中了大量的信道能量,而這也影響了IID信道的分析結果?？偟脕碚f大規(guī)模MIMO無線信道需要建設各種適應應用場景的實測建模、理論建模。

2．2．3 天線技術

在一些路徑損耗、實際信道相干時間、相干帶寬中大規(guī)模MIMO系統(tǒng)其增受受維數(shù)的影響,當然了頻譜效率相對較高。文獻［12-13］的提出了MIMOTOO架構,這一架構的頻譜效率與Massive-MIMO差不多,減少每一個活躍用戶所需發(fā)射天線數(shù)——每個小區(qū)每個活躍用戶需要的天線數(shù)大約在50-500之間。文獻［14-15］由主要考慮實際系統(tǒng)模型如導頻污染、CSI、路徑衰落及非合作蜂窩時雙工系統(tǒng)上上鏈路,并且假定每個基站的天線數(shù)N和每個蜂窩的用戶終端數(shù)K很大。

在大規(guī)模MIMO系統(tǒng)中大量的天線緊密排列在有限的尺寸中,這樣很容易引起天線元之間的耦合效應、空間相關性等問題。而在大規(guī)模MIMO系統(tǒng)中,無線元的耦合、空間相關性等因素又會影響到基站內最大的天線數(shù),從而影響其頻譜的效率。鑒于此文獻［16］中考慮了補丁、偶極子天線等天線元素。天線陣列的全波仿真用于確定耦合與空間相關,而不需要解析表達式,這在大多數(shù)實際場景中是不適用的。在實際場景中使用半波長偶極子線性天線陣列,因為它們的空間相關性和相互耦合效應的的解析表達式是己知的。

2．2．4 多用戶傳輸技術

由于大規(guī)模的MIMO無線通信系統(tǒng)中用戶端與基站側的用戶都很難獲得完整的信瞬時狀態(tài)信息。這也就說明現(xiàn)有的MIMO傳輸技術與MIMO傳輸技術還是具有很大的區(qū)別的。當前貝爾實驗室提出的方案仍是大部分相關報道中的基本傳輸方案?；緜韧ㄟ^TDD系統(tǒng)、鏈路正交導頻即可獲得信道參數(shù)估計值。

在上述傳輸方案中,信道估計值做為真實值進行上下行傳輸,無法保證傳輸?shù)聂敯粜?由于單個有用戶只配置了單根天線,因此如果系統(tǒng)的用戶過少,頻譜的效率也會變低;系統(tǒng)進行信號檢測、預編碼傳輸、高維矩陣求運算的難度高;對FDD系統(tǒng)有適用性要求,用戶獲得信道信息較難等等,這些問題都是大規(guī)模MIMO無線傳輸急需解決的問題。

3 總結與展望

總而言之在5G無線通信領域中大規(guī)模MIMO無線通信具有提高功率利用率、系統(tǒng)頻譜利用率等優(yōu)勢,因此大規(guī)模MIMO無線通信也將成為21世紀最具研究價值的方向。但不可否認的是當前大規(guī)模MIMO無線通信技術仍處于起步階段。

本文介紹了大規(guī)模MIMO的思想,并綜合匯總了大規(guī)模MIMO的主要技術及存在的問題。學術界對這一高起步的技術仍要加大研究。比如信道容量、波束成形、空時編碼等信息方面的研究等等都是值得未來關注的。

[1]DEMESTICHAS P,GEORGAKOPOULOS A, KARVOUNAS D, et al．5G on the Horizon:Key Challenges for the Radio-Access Network[J]．IEEE vehicular technology Magazine,2013,8(3):47-53．

[2]A Compressed Analog Feedback Strategy for Spatially Correlated Massive MIMO Systems．

[3]Mohammed S K,Larsson E G．Per-antenna constant envelope precoding for large multi-user MIMO systems．IEEE Trans Commun,2013,61:1059-1071．

[4]A Compressed Analog Feedback Strategy for Spatially Correlated Massive MIMO Systems．

[5]METIS．Mobile and wireless communications enablers for the 2020 information society．In:EU 7th Framework Programme Project, https://www．metis2020．com．

[6]Rusek F Persson D,Lan B K et al． Scaling up MIMO: Oppor-tunities and challenges with very large arrays． IEEE Signal Processing Magazine,2013,30(1):40-60．

[7]Comparison of Linear Precoding Schemes for Downlink Massive MIMO．

[8]CSI Estimation Method Based on Random Beamforming for Massive Number of Transmit．

[9]Decontaminating pilots in cognitive massive MIMO networks．

[10]MARZETTA T L． Noncooperative cellularwireless with unlimited numbers of basestation antennas[J]． IEEE Transactions onWireless Communications,2010, 9(11):3590-3600． doi: 10．1109/TWC．2010．092810．091092．

[11]NGO H Q, LARSSON E G, MARZETTA T L．Energy and spectral efficiency of very largemultiuser MIMO systems[J]．IEEETransactions on Communications, 2013, 61(4):1436-1449．doi:10．1109/TCOMM．2013．020413．110848．

[12]Achieving“Massive MIMO”Spectral Efficiency with a Not-so-Large Number of Antennas．

[13]Achieving Large Spectral Efficiency with TDD and Not-so-Many Base-Station Antennas．

[14]Massive MIMO: How many antennas do we need?

[15]Massive MIMO in the UL/DL of Cellular Networks: How Many Antennas Do We Need?

[16]Mutual Coupling Effects in Multi-User Massive MIMO Base Stations．

龐雪蓮（1980—），女，講師，主要從事光纖通信、移動通信、融合通信等方面的教學研究工作。