面向5G無線通信系統(tǒng)的關鍵技術綜述＊

楊綠溪 何世文 王 毅 代海波

（東南大學信息科學與工程學院，南京，210096）

引 言

經(jīng)過20多年的飛速發(fā)展，移動通信給人們的生活方式、工作方式以及社會的政治、經(jīng)濟等各方面都帶來了巨大的影響。如今的人類社會邁進了高效率的信息化時代，小型移動通信設備普及，多媒體等數(shù)據(jù)業(yè)務需求呈現(xiàn)爆發(fā)式增長。據(jù)預測，到2020年，移動通信網(wǎng)絡將面臨1 000倍容量和100倍連接數(shù)增長的挑戰(zhàn)，同時還需要滿足用戶友好接入、網(wǎng)絡本身靈活升級部署和低成本運營維護等需求。面向2020年以后人類信息社會需求的5G寬帶移動通信系統(tǒng)將成為一個多業(yè)務、多技術融合的網(wǎng)絡系統(tǒng)，通過技術的演進和創(chuàng)新，滿足未來廣泛的數(shù)據(jù)業(yè)務及連接數(shù)的發(fā)展需求，并進一步提升用戶的體驗［1-3］。

隨著個人和行業(yè)的移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)應用快速發(fā)展，移動通信網(wǎng)絡系統(tǒng)結構將發(fā)生重要變化，將由傳統(tǒng)的宏基站和用戶終端組成的蜂窩網(wǎng)絡架構，轉(zhuǎn)變?yōu)橛啥鄻踊耐ㄐ旁O備組成的異構移動通信網(wǎng)絡結構，例如研究者們通常所稱呼的異構蜂窩網(wǎng)絡等［4］。無線移動通信技術與計算機及信息技術會更加緊密和更深層次地相互交叉和融合，集成電路、器件工藝、軟件技術等也將持續(xù)快速發(fā)展，從而支撐未來5G寬帶移動產(chǎn)業(yè)的發(fā)展［5］。而隨著移動通信網(wǎng)絡規(guī)模的急劇擴大，以及多樣化移動終端設備的急劇增加，移動通信系統(tǒng)的能源消耗也將隨之急速增長，導致能效通信將成為未來通信技術發(fā)展的主要趨勢之一［6］。除了從網(wǎng)絡架構方面提升通信系統(tǒng)的吞吐量之外，研究人員還通過增加收發(fā)機的天線數(shù)到數(shù)百根天線，即設計大規(guī)模多輸入多輸出（Massive MIMO）無線通信系統(tǒng)來有效提升通信系統(tǒng)的性能，有效抑制小尺度衰落對系統(tǒng)性能的影響，并克服用戶間、小區(qū)間干擾的影響［7］。為了自適應地協(xié)調(diào)管理網(wǎng)絡及提升用戶的自愈能力，自組織通信技術及軟件定義網(wǎng)絡也成為未來通信系統(tǒng)的關鍵技術之一［8］。

為了滿足未來1 000倍甚至更多的通信流量的增長，單靠技術進步帶來的增益是有限的，還需要尋求更多的無線通信頻段，即解決微波頻段稀缺這一制約通信系統(tǒng)速率提升的主要瓶頸問題，以滿足2020年及以后無線通信市場發(fā)展的需要。最近，毫米波通信技術的發(fā)展為彌補與解決微波頻段稀缺的問題提供了有效的途徑［9］。但是，如何有效地利用毫米波頻段來提升通信系統(tǒng)容量卻是通信技術人員仍需解決的關鍵技術難點之一。

1 無線通信網(wǎng)絡的異構化演化

1.1 異構無線通信網(wǎng)絡

近年來，集成電路技術快速發(fā)展，通信系統(tǒng)和終端能力極大提升，通信技術和計算機技術深度融合，各種無線接入技術逐漸成熟并廣泛應用。未來第五代移動通信系統(tǒng)（5G）不再是宏基站覆蓋下、面向簡單的傳統(tǒng)數(shù)據(jù)語音業(yè)務、簡單的短信業(yè)務的通信系統(tǒng)，即不能再用某項業(yè)務能力或者某個典型技術特征來簡單定義，而是多樣化的異構密集分布網(wǎng)絡節(jié)點覆蓋下、面向各種服務需求的多業(yè)務、多技術融合的新型網(wǎng)絡系統(tǒng)。其實早在4G移動通信系統(tǒng)中（例如LTE-Advanced），就提出采用多樣化的網(wǎng)絡節(jié)點或覆蓋區(qū)域，包括宏小區(qū)（macro cell）、微小區(qū)（micro cell）、微微小區(qū)（pico cell），中繼（relay）、家庭基站（femto cell）、WiFi接入點等，以及相應的各種不同業(yè)務需要的通信收發(fā)裝置。如圖1所示，圖1（a）是指傳統(tǒng)宏蜂窩小區(qū)基站覆蓋所構成的傳統(tǒng)通信網(wǎng)絡系統(tǒng)，圖1（b）則是包括多樣化的發(fā)射裝置與接收節(jié)點的異構蜂窩網(wǎng)絡系統(tǒng)。

傳統(tǒng)的基于信干噪比或者接收信號強度的接入節(jié)點選擇機制將不再適用于多樣化通信節(jié)點的異構通信系統(tǒng)網(wǎng)絡。為了實現(xiàn)負載轉(zhuǎn)移，并有效提升網(wǎng)絡吞吐量及彌補宏基站覆蓋的黑洞，異構網(wǎng)絡中引入了各種不同發(fā)射功率的接入節(jié)點。而要真正發(fā)揮這些接入節(jié)點的功能，將需要引入新穎的接收節(jié)點選擇機制。例如文獻［10］中引入了覆蓋范圍擴展機制，即用戶節(jié)點在所接收的低功率接入節(jié)點的信號強度上附加上一定的偏量值，并基于此修正值來選擇合適的接入節(jié)點。顯然，這種修正的接入機制可以更有效地實現(xiàn)負載均衡轉(zhuǎn)移的目的。

圖1 傳統(tǒng)網(wǎng)絡與異構網(wǎng)絡Fig.1 Conventional cellular network and heterogeneous cellular network

在當前面向第五代移動通信系統(tǒng)（5G）的理論與技術研究中，有關異構網(wǎng)絡的內(nèi)容至少包括小小區(qū)（small cell，SC）部署和 D2D （device-to-device）通信這兩大技術［11，12］。前者是指利用小而精致基站（small cell）的低功耗和低花費特點，將它們部署在現(xiàn)有的宏蜂窩網(wǎng)絡下以實現(xiàn)整個網(wǎng)絡的數(shù)據(jù)容量的提升和滿足更高的服務需求［11］；后者是為應對局部區(qū)域突發(fā)性的通信需求，蜂窩網(wǎng)絡下的一些物理位置相近的移動裝置被賦予相互之間通過直達鏈路傳遞數(shù)據(jù)信號的能力，這種通信方式被稱為D2D通信［12，13］。

盡管這兩種異構網(wǎng)絡架構能提供巨大的網(wǎng)絡性能增益，但是它們的部署仍然面臨一些挑戰(zhàn)，其中干擾的管理就是一個很棘手的問題。相比于傳統(tǒng)通信網(wǎng)絡而言，由于異構通信網(wǎng)絡中宏基站與低功率基站均采用相同的頻段，小區(qū)間干擾、小區(qū)內(nèi)干擾以及用戶間干擾將會更加嚴重。具體說，雖然小小區(qū)（SC）部署或D2D通信通過重復利用蜂窩網(wǎng)絡的現(xiàn)有資源能夠提高頻譜效率，增加系統(tǒng)容量和降低宏基站的負載，但是這樣會對宏蜂窩用戶、其他的小小區(qū)用戶或D2D用戶均可能產(chǎn)生干擾。在異構網(wǎng)絡中，進一步提升數(shù)據(jù)速率或服務用戶數(shù)會使得一部分宏蜂窩用戶轉(zhuǎn)變?yōu)樾⌒^(qū)用戶或進行D2D通信，這種部署密度的增大進而使得大部分減輕網(wǎng)絡中干擾的方法變得復雜或無效，反過來又影響網(wǎng)絡的性能。因此，研究與探索適用于異構無線通信網(wǎng)絡的多點協(xié)作機制，也自然而然地成為解決上述問題的有效技術之一［14］。而大規(guī)模MIMO技術的出現(xiàn)也緩解了這種矛盾。但是，在D2D通信中，隨著天線數(shù)的增多，D2D自身又會消耗更多的能量。另外，基于D2D裝置儲存的能量有限，近期興起的無線功率傳輸（Wireless power transfer，WPT）技術可被用于延長這種移動裝置的壽命。這些新技術之間既矛盾又互補的關系，使得異構網(wǎng)絡中產(chǎn)生的干擾變得異常復雜和嚴重，因此其資源分配問題，特別是針對分布式異構網(wǎng)絡節(jié)點的資源分配問題，在5G通信中將是一個非常值得研究的方向［15］。

另外，低功率接入節(jié)點的隨機性部署特點也給通信系統(tǒng)網(wǎng)絡的系統(tǒng)容量、用戶接入、干擾抑制等帶來了更加艱巨的挑戰(zhàn)。同時，隨著通信系統(tǒng)網(wǎng)絡裝置的急劇增加，整個網(wǎng)絡系統(tǒng)所消耗的能量也呈指數(shù)方式增加，這也激發(fā)了通信技術向綠色通信的方向邁進。

1.2 異構無線通信網(wǎng)絡中的分布式資源分配

在異構無線網(wǎng)絡中，存在兩種資源分配方案：局部資源分配（小小區(qū)用戶／D2D用戶重復選取使用宏基站用戶的資源）和全局資源分配（宏基站用戶和小小區(qū)用戶／D2D用戶聯(lián)合選擇資源）［16，17］。近年來，不同的場景下資源分配問題的研究引起了人們巨大的興趣和廣泛的關注［18-25］。對于一個由分布式節(jié)點組成的異構網(wǎng)絡中的資源分配問題，小小區(qū)用戶或D2D用戶的個體或聯(lián)盟的行為能夠利用博弈論的內(nèi)在特性進行有效的建模和分析［16，17，19］，這主要是由于用戶相互之間將合作或競爭地使用網(wǎng)絡資源。圖2給出了使用博弈論這一數(shù)學工具優(yōu)化資源分配問題的具體流程圖：（1）把優(yōu)化問題建模成某種博弈模型和證明它存在均衡且恰好是這個優(yōu)化問題的局部或全局最優(yōu)解；（2）利用傳統(tǒng)的優(yōu)化方法或?qū)W習算法去找到這個均衡點。因而，非合作或合作博弈理論方法已經(jīng)被廣泛用于研究無線通信網(wǎng)絡的資源分配問題，并且大部分是設計基于博弈理論框架的分布式算法來降低宏基站的計算負擔［26-30］。

圖2 在異構網(wǎng)絡中針對資源分配問題基于博弈理論的學習方法流程圖Fig.2 Flowchart of game theoretic learning approaches for resource allocation in heterogeneous networks

首先，非合作博弈方法已經(jīng)在解決分布式資源分配問題方面引起了極大的關注［28-30］。在文獻［28］中，作者利用Stackelberg博弈理論分析了蜂窩網(wǎng)絡中上行功率分配問題并得到了一個次優(yōu)解。文獻［29］把干擾管理問題建模成兩個logit均衡博弈，用于最大化異構網(wǎng)絡的頻譜效率，文中的方法是有效的，但是僅考慮了小基站閉式接入的場景，而沒有研究基站的關聯(lián)問題。另外利用這種非合作博弈方法得到的均衡點有時并不是實際的最優(yōu)解。

文獻［30-32］的研究表明資源分配問題可以用一類非合作博弈來精準建模，這類博弈模型被稱為勢博弈。其主要原因是當某個用戶單方面改變他的策略時，這個用戶的效用函數(shù)的變化需要完全反應全局優(yōu)化目標的變化，而勢博弈恰好具有這樣的性質(zhì)?；谶@一特性，文獻［16］在異構網(wǎng)絡場景中（包含開放接入和閉式接入小小區(qū)），利用勢博弈理論的隨機學習方法研究了聯(lián)合的基站選取和資源分配問題。然而，資源分配問題中勢博弈的建模通常存在兩種挑戰(zhàn)：（1）每個用戶效用函數(shù)的設計需符合勢博弈的定義，但通常情況下用戶之間的效用是耦合的；（2）相對應的學習算法的設計，能夠確保收斂到最優(yōu)均衡解。

針對效用函數(shù)的設計，需要滿足的兩個主要性能目標是：（1）存在性（保證至少存在一個均衡解）和（2）有效性（對于全局目標，所有的均衡解都是有效的）［33］。在最近的研究中，通過綜合考慮計算復雜度、均衡存在性和所需代價等目標，研究者建立了博弈模型并基于這種博弈模型的要求設計了相應的效用函數(shù)［29，34-36］。然而，勢博弈的框架建立，尤其是完全勢博弈，受限于用戶行動選擇間的耦合性和勢函數(shù)與目標函數(shù)的一致性。為了解決這一棘手問題，文獻［16］提出了兩種有效的方法：（1）把原優(yōu)化問題轉(zhuǎn)化為帶有權重的多目標優(yōu)化問題，但是最優(yōu)權重的確定也是一個挑戰(zhàn)；（2）對效用函數(shù)添加附加信息，例如狀態(tài)變量。但是，效用函數(shù)的設計對于異構網(wǎng)絡中許多資源分配優(yōu)化問題依然是一個不可避免的挑戰(zhàn)。

利用博弈理論這一數(shù)學工具建立一個優(yōu)化問題的目的，就是找到一個均衡點，并確定它是一個可行的最優(yōu)解［37］。對于如何找到這個均衡點，學習算法恰好能夠通過感應外界環(huán)境的行動信息，動態(tài)更新行動，并最終收斂到一個均衡點。實際上，分布的學習算法根據(jù)所需信息的不同可以分為兩類：耦合的和非耦合的［38］。具體來說，耦合的分布學習算法需要每個用戶知道其他用戶所選擇的行動或得到的效用，而非耦合的分布學習算法僅需要用戶獲取局部的信息。在某種條件下，耦合的學習算法（例如，Best response dynamics（BRD）［39］，F(xiàn)ictitious play［40］，No-regret matching［41］，Spatial adaptive play［42］）和非耦合算法 （例如，Probe and adjust［43］，Sample experimentation dynamics［44］，Reinforcement learn-ing［28，45，34］，Learning automata［46］，log-linear learning［47，48］，γ-Logit learning［35］，Trial and error learning［49］）都能夠收斂到某種博弈的均衡點。不同的學習算法適用于不同通信場景所建立的博弈模型，并且相比于耦合的學習算法而言，非耦合方法通常需要較少的信息交換。然而，某些學習算法僅僅能夠確保收斂到一個均衡點，當建立的博弈模型存在多個均衡點時，這個均衡點可能僅是優(yōu)化問題的一個局部最優(yōu)解［50，51］。為了克服這點不足，一種有效的方式是重復執(zhí)行這種學習算法直到找到最優(yōu)均衡點（也即是全局最優(yōu)解），另一種就是提出能夠確保收斂到最優(yōu)均衡的學習算法［16，29，31，32，35］。因此，人們傾向于設計一個同步的、分布式的非耦合學習方法去獲得分布式通信系統(tǒng)中的全局最優(yōu)解。

再次，對于合作博弈，近年主要關注的工作是通過資源分配和功率控制來緩解異構網(wǎng)絡中用戶間的干擾［52］。文獻［53］把定價機制引入到博弈論中，并提出了基于拍賣的資源分配算法去降低D2D通信中移動裝置的能量消耗。但是，文中提出的算法得到的均衡解僅是優(yōu)化問題的一個Pareto解。為了研究D2D之間的聯(lián)盟行為，文獻［54］則提出用一種聯(lián)盟博弈的方法得到一個漸進最優(yōu)解。

最后，在基于博弈論的學習方法應用于無線通信的研究中，能效通信作為下一代異構網(wǎng)絡一個有效的性能度量也引起了極大的關注［2，3］。在文獻 ［32］中，作者利用勢博弈對聯(lián)合的功率分配和用戶調(diào)度問題進行建模，并采用Logit學習方法收斂到最優(yōu)納什均衡點，但是功率控制的可行域只能是離散的，這受限于所選用學習方法內(nèi)在的迭代機制。相應地，文獻［50］提出采用BRD學習算法去獲得連續(xù)功率控制的解，并利用窮舉方法獲得最優(yōu)的子載波分配，但隨著用戶數(shù)或子載波數(shù)的增加，該方法的計算復雜度會急劇增大，并且BRD算法也不能保證收斂到最優(yōu)的納什均衡解。

在未來的研究中，通過整合現(xiàn)有的技術可以從資源分配的角度對5G通信網(wǎng)絡的架構做進一步的探討。例如，假設存在這樣一個網(wǎng)絡系統(tǒng)：在傳統(tǒng)的蜂窩網(wǎng)絡中部署有D2D通信，每個D2D傳輸端能夠重復利用蜂窩網(wǎng)絡的資源和被賦予能量收集的功能，并且基站和每個D2D傳輸端的天線都是大規(guī)模的。在這樣的異構網(wǎng)絡中，如此設計的期望是獲得所用技術的一些增益，如D2D通信滿足局部區(qū)域的服務需求以減少基站負載和提高頻譜效率，大規(guī)模MIMO技術增大無線通信的數(shù)據(jù)速率和可靠性，以及能量收集技術為每個移動的D2D傳輸端提供足夠的能量用于信息傳輸。當然，資源分配問題的解決在這樣的異構網(wǎng)絡中也是急需的，并將會更加復雜，而這時博弈論和學習算法在資源分配問題中的聯(lián)合應用也將存在更大的挑戰(zhàn)。

2 大規(guī)模MIMO通信技術

2.1 大規(guī)模MIMO的特點

多輸入多輸出通信技術為無線蜂窩通信提供了更加靈活的技術實現(xiàn)空間，進而給無線通信帶來了不需要使用附加發(fā)射功率和帶寬的復用和分集增益的益處，從而使無線蜂窩通信系統(tǒng)獲得明顯的系統(tǒng)性能改善。為提高頻譜利用率、增強系統(tǒng)覆蓋性能、顯著降低單位比特能耗，最近，一種具有明顯增加頻譜效率且同時可以降低硬件實現(xiàn)復雜度的新穎網(wǎng)絡架構——大規(guī)模MIMO通信網(wǎng)絡在通信領域得到廣泛關注與研究。

實際上，MIMO通信技術，已為無線通信領域的發(fā)展帶來了巨大潛能，使得通信域從最初的時域和頻域維度擴展到了更為廣闊的空域維度［55］。從最初的點對點 MIMO技術到以后的多用戶 MIMO（MU-MIMO）技術，通過在發(fā)射端和／或接收端配置多根天線，可以在不增加時頻資源開銷的情況下，獲取空間分集增益、空間多路復用增益、空間陣列增益以及多用戶分集增益等，提高系統(tǒng)容量和鏈路可靠性，最后極大提升了系統(tǒng)的總吞吐量。然而，隨著無線數(shù)據(jù)業(yè)務的海量增長，特別是業(yè)內(nèi)預測的到2020年無線通信數(shù)據(jù)量將較2010年增長千倍量級這一強勢需求，現(xiàn)有的MIMO無線通信系統(tǒng)遠無法滿足如此龐大的信息傳輸要求［56，57］。此外，隨著物聯(lián)網(wǎng)等新興領域的興起，各類智能終端的涌現(xiàn)，通信業(yè)務類型及應用場景的多樣化等，都對新一代MIMO無線通信系統(tǒng)在頻譜效率、延時、高能效等性能方面提出了更高的要求［58，59］。

從理論上來說，隨著基站天線數(shù)的不斷增多，系統(tǒng)性能可以在頻譜效率、鏈路可靠性、干擾抑制和能效等方面獲得不斷提升［60］。然而，對傳統(tǒng)MIMO系統(tǒng)的研究和標準化制定都只考慮了少量的天線數(shù)配置，以最新的4G通信標準LTE-Advanced為例，也僅僅支持8個天線端口。與豐富的空間資源相比，現(xiàn)有的MIMO技術開發(fā)程度仍與其相距甚遠［7］?；诖?，美國貝爾實驗室著名學者Thomas L.Marzetta于2010年正式提出了大規(guī)模 MIMO技術（Massive MIMO，Large-Scale MIMO，Large-Scale Antenna System）［61］。該技術自提出以來，便受到工業(yè)界和學術界的廣泛關注，短短幾年內(nèi)已經(jīng)在理論研究和實際系統(tǒng)設計等方面取得了顯著的成果，包括大規(guī)模MIMO系統(tǒng)性能分析［62］、信道狀態(tài)信息獲取和信道估計［63］、導頻污染的抑制［64］、下行預編碼方案［65］以及原型機系統(tǒng)設計［66］等。

大規(guī)模MIMO技術是指在基站端配置遠多于現(xiàn)有系統(tǒng)中天線數(shù)若干數(shù)量級的大規(guī)模天線陣列來同時服務于多個用戶（通常認為天線數(shù)為上百甚至幾百根，而同時服務用戶數(shù)為天線數(shù)的1／10左右［7］）。這些天線可分散在小區(qū)內(nèi)，或以大規(guī)模天線陣列方式集中放置，如圖3所示。

圖3 大規(guī)模MIMO通信網(wǎng)絡Fig.3 Massive MIMO communication network

考慮到天線尺寸以及基站架設的要求，大規(guī)模天線陣列的使用與天線部署方式密切相關。目前，業(yè)內(nèi)關注較多的天線排布方式包括：均勻線性陣列、均勻圓陣列、均勻面陣列以及三維圓柱陣列［62］。上述幾種天線排布方式，也正是通常意義上的集中式天線排布，即天線集中部署在基站架頂端。作為一種有益擴展，近年來有學者將大規(guī)模MIMO與云無線接入網(wǎng)（Cloud radio access network，C-RAN）架構相互融合，提出了新型的分布式大規(guī)模MIMO系統(tǒng)，有機地結合了兩種技術的優(yōu)勢，獲得了進一步的系統(tǒng)性能提升［67］。

大規(guī)模MIMO技術之所以受到如此關注，在于部署大規(guī)模天線陣列之后，系統(tǒng)可以獲得許多傳統(tǒng)MIMO系統(tǒng)所無法比擬的物理特性和性能優(yōu)勢［68］。主要包括：（1）隨著天線數(shù)的急劇增長，不同用戶之間的信道將呈現(xiàn)出漸進正交特性，這意味著用戶間干擾可以得到有效的甚至完全的消除，從而大大提升系統(tǒng)總容量；（2）基站天線數(shù)的增加，使得信道快衰落和熱噪聲將被有效地平均，也即信道硬化作用，從而以極大概率避免了用戶陷于深衰落，大大縮短了空中接口的等待延遲，簡化了調(diào)度策略；（3）大量天線的使用，使得波束能量可以聚焦對準到很小的空間區(qū)域，極大提升了空間分辨率；（4）大量額外的自由度，可以用于發(fā)射信號波束賦形，甚至于采用恒定包絡信號［69］，從而有效降低發(fā)射信號的峰均比，這就使得射頻前端可以采用低線性度、低成本和低功耗的功放，大大降低系統(tǒng)部署成本；（5）巨量天線的使用，使得陣列增益大大增加，從而有效地降低發(fā)射端的功率消耗，使得系統(tǒng)總能效能夠提升多個數(shù)量級［70］。除此之外，大規(guī)模MIMO系統(tǒng)的傳輸方案可以采用簡單的線性處理方式，如最大比發(fā)送或接收來達到近似最優(yōu)的系統(tǒng)性能，從而大大簡化了系統(tǒng)的實現(xiàn)復雜度。以上這些特性，使得大規(guī)模MIMO技術在實現(xiàn)千倍數(shù)據(jù)量、零延遲和多樣化業(yè)務需求方面具有無窮的潛能。也正是由于這些前所未有的特性，業(yè)內(nèi)普遍將大規(guī)模MIMO技術認為是第五代移動通信系統(tǒng)中最具前景的關鍵技術之一［71］。

2.2 大規(guī)模MIMO研究進展舉例

下面以配置大規(guī)模MIMO天線的協(xié)同多用戶傳輸方案的研究和分析為例，給出一些簡單的推導結果和說明。

假設基站端的發(fā)射天線數(shù)趨于無窮且用戶端只有單根接收天線，上行鏈路采用簡單的線性處理最大合并（即信道h為匹配濾波器的系數(shù)），下行鏈路采用簡單的最大比發(fā)送（hH／‖h‖）。首先看點到點MIMO通信系統(tǒng)，簡單的窄帶通信系統(tǒng)中的發(fā)射信號與接收信號之間關系為［68］

式中：G表示nr×nt的復數(shù)MIMO信道系數(shù)，x，y和n分別表示發(fā)射信號、接收信號和加性高斯白噪聲矢量。當基站端的發(fā)射天線數(shù)趨于無窮且用戶端接收天線數(shù)固定時，則有［72］

此時，信道容量的計算可以近似為

顯然，收發(fā)端采用低復雜度的簡單線性信號處理即可實現(xiàn)MIMO系統(tǒng)的漸近最優(yōu)性能。

當用戶端的接收天線數(shù)趨于無窮而基站端的發(fā)射天線數(shù)固定時，則

此時，信道容量的計算則可以近似為

也是可達到MIMO系統(tǒng)的漸近最優(yōu)性能。

然后再將上述推導推廣到多用戶MSIO下行鏈路和多用戶SIMO上行鏈路通信系統(tǒng)，且收發(fā)機也是采用簡單的最大比發(fā)送或者最大比合并接收的簡單線性處理，可得到與點到點MIMO類似的結論，即，收發(fā)端采用低復雜度的簡單線性信號處理也可實現(xiàn)多用戶的MIMO系統(tǒng)的漸近最優(yōu)性能［68］。

進一步地，針對大規(guī)模MIMO通信系統(tǒng)，用戶接收信干噪比（Signal to interference and noise ratio，SINR）也可以表示為只與信道的尺度衰落因子有關的簡單形式，利用這些簡單形式可進行相應的功率分配和用戶調(diào)度等優(yōu)化問題求解，從而減少了信道狀態(tài)信息的反饋需求，這些特性可用于協(xié)同多小區(qū)多用戶MIMO通信系統(tǒng)的設計，獲得特別有效的傳輸方案［62，70］。

利用元素取值為獨立同分布的無窮維隨機矢量p和q的如下性質(zhì)

針對上行鏈路通信系統(tǒng)，當基站發(fā)射天線數(shù)趨于無窮、用戶為單天線、發(fā)射天線數(shù)與服務用戶數(shù)的比例固定且基站采用固定接收機，如最大比合并、迫零或者最小均方誤差接收機時，可推導得出如下結論［70］：對于基站已知精確信道系數(shù)情況，用戶采用有限系統(tǒng)中發(fā)射功率的1／nt倍，即可實現(xiàn)相同的用戶速率；而對于基站所得的信道系數(shù)是估計的信道系數(shù)時，用戶采用有限系統(tǒng)中發(fā)射功率的1／倍，即可實現(xiàn)相同的用戶速率。而且，當采用上述這些固定接收機時，用戶速率可以表示成信道大尺度衰落因子的函數(shù)，即只與統(tǒng)計信道信息有關。人們可以利用這一特性研究基于統(tǒng)計信道狀態(tài)信息的用戶功率分配，進而減少基站端對用戶功率分配矢量的更新頻率，最后減少了多點協(xié)作MIMO算法的實現(xiàn)復雜度及運算量［73，74］。其實，2012年的文獻［75］就研究了通過有限反饋方式獲得信道狀態(tài)信息的多輸入單輸出（Multiple input single output，MISO）廣播信道采用正則迫零（Regularized zero-forcing，RZF）波束成形時，用戶速率有關統(tǒng)計信道信息的表達式，而且利用所獲得的簡潔表達式研究了用戶調(diào)度問題及反饋方案設計。更進一步，為了減少多點協(xié)同下行鏈路波束成形優(yōu)化問題的求解復雜度及獲得波束成形的解析表達，上下行鏈路間的對偶關系也成為人們求解波束設計優(yōu)化問題的常用方法。當基站節(jié)點的發(fā)射天線數(shù)趨于無窮時，發(fā)射功率最小化優(yōu)化問題的上下行鏈路對偶關系也可以描述成只與信道統(tǒng)計信息有關的上下行鏈路對偶關系［76］，從而簡化相應的多點協(xié)作波束成形優(yōu)化設計。

此外，相比于常規(guī)MIMO通信系統(tǒng)而言，大規(guī)模MIMO通信的另一大特點是波束集中能量強，且空間分辨高，即它可以有效地劃分空間位置，進而有效抑制用戶間的干擾或者小區(qū)間的干擾。利用這一特性，文獻［77，78］研究了聯(lián)合空間劃分和空間復用機制、機會波束成形機制、用戶調(diào)度和下行鏈路調(diào)度機制，雖然這兩篇文獻的研究是基于全維MIMO（即3D-MIMO）通信系統(tǒng)，但它們均假設垂直方向的波束方向是固定波束，如DFT波束成形，因此，如何聯(lián)合垂直和水平兩個方向，同時結合大規(guī)模MIMO通信的波束能量集中特點，研究更加有效的全維波束成形機制，也是未來無線通信系統(tǒng)的研究方向之一。

2.3 大規(guī)模MIMO技術的難題與挑戰(zhàn)

雖然大規(guī)模MIMO技術呈現(xiàn)出極具吸引力的特性，但是這些特性的實現(xiàn)卻十分依賴于基站端對信道信息（Channel state information，CSI）的獲取程度［7］。針對現(xiàn)有蜂窩系統(tǒng)中的兩種雙工制式，即時分雙工（Time division duplex，TDD）和頻分雙工（Frequency division duplex，F(xiàn)DD），其CSI獲取方式和導頻開銷也有很大的不同。在大規(guī)模MIMO技術出現(xiàn)的初期，大多數(shù)學者都只針對TDD制式下大規(guī)模MIMO的相關內(nèi)容進行研究，這主要是從CSI獲取時的導頻開銷角度來考慮的［68］。由于在TDD制式下，可以利用信道互易性，通過用戶發(fā)送上行訓練序列，基站端直接估計出CSI，因而導頻開銷量只與用戶數(shù)成正比，而用戶數(shù)相對較小，所以導頻開銷量基本可以忽略不計。而在FDD制式下，需要基站發(fā)送下行訓練序列，由各用戶估計CSI再通過反饋鏈路反饋至基站端，導頻開銷量將與基站端天線數(shù)成正比。而在大規(guī)模MIMO系統(tǒng)中，基站端天線數(shù)眾多，直接導致了導頻開銷量龐大，影響到了系統(tǒng)的有效可達速率。雖然TDD制式對于實施大規(guī)模MIMO技術具有先天的優(yōu)勢，但是考慮到多小區(qū)蜂窩系統(tǒng)時，由于導頻數(shù)量的有限，在不同小區(qū)間勢必需要共用導頻序列，而這將導致嚴重的導頻污染現(xiàn)象，直接影響到TDD制式下大規(guī)模MIMO系統(tǒng)的容量性能，也成為制約大規(guī)模MIMO系統(tǒng)性能的瓶頸［68］。針對導頻污染問題，文獻［64，79］給出了導頻污染抑制或消除的方案，一定程度上緩解了導頻污染現(xiàn)象。雖然FDD制式下大規(guī)模MIMO系統(tǒng)的訓練序列開銷過大，但是考慮到現(xiàn)行蜂窩系統(tǒng)中絕對多數(shù)都是FDD制式，而且全球范圍內(nèi)頒發(fā)的LTE牌照中多數(shù)頻帶指定使用FDD制式，因而為了能夠平滑過渡，從工業(yè)界的角度看，在FDD制式下推廣大規(guī)模MIMO技術是大勢所趨［80］?；诖耍珹dhikary等學者先期開展了大規(guī)模MIMO技術應用于FDD制式下的探索，利用信道相關性和稀疏特性，提出了兩層預編碼方案——聯(lián)合空分與多路（Joint spatial division and multiplexing，JSDM）方案［77］。通過用戶分組，并使用信道統(tǒng)計信息進行第一層預編碼，將原始高維信道轉(zhuǎn)化為有效低維信道，從而大大降低了估計有效信道時所需要的導頻開銷。通過仿真實驗，也驗證了JSDM方案的可行性，為大規(guī)模MIMO技術在FDD制式下的推廣奠定了基礎。

隨著通信系統(tǒng)的收發(fā)天線數(shù)量增加，收發(fā)機波束矩陣的計算復雜度也成指數(shù)級增加，特別是涉及矩陣乘法、矩陣求逆的波束成形優(yōu)化設計，其復雜度將導致現(xiàn)有收發(fā)機的計算能力無法承受。因此，針對大規(guī)模MIMO通信系統(tǒng)，如何設計有效的低復雜度的收發(fā)機波束成形及功率分配算法，自然而然地成為重要研究課題之一［81，82］。而且，伴隨著通信系統(tǒng)的收發(fā)天線數(shù)量增加及移動用戶終端節(jié)點的增加，通信系統(tǒng)的能量消耗也成指數(shù)級增加。因此，如何有效地減少大規(guī)模MIMO通信系統(tǒng)的能量消耗也成為熱點話題，特別是在能量消耗成為下代無線通信系統(tǒng)的關鍵指標之一的大背景下，高能效的大規(guī)模MIMO通信技術的設計與實現(xiàn)也會是5G無線通信技術的主要方向之一。

綜上所述，雖然大規(guī)模MIMO系統(tǒng)具有如上所述的諸多優(yōu)越特點，但是如何突破基站側天線個數(shù)顯著增加所引發(fā)的無線傳輸及資源調(diào)配技術瓶頸問題，及探尋適于大規(guī)模協(xié)作通信場景的無線傳輸與空中接口理論方法等，將成為大規(guī)模MIMO通信技術研究中亟待解決的基本問題。特別是在頻分雙工通信系統(tǒng)中上下鏈路間不存在互異性的特點，基站發(fā)射端難以獲得信道信息，導致簡單的相干波束設計也將難以實現(xiàn)。而且，在復用因子為1的無線通信系統(tǒng)中，如何有效地解決大規(guī)模MIMO的TDD通信系統(tǒng)的信道估計與導頻污染問題也是相關研究的難點。因此，5G通信系統(tǒng)中使用大規(guī)模MIMO通信技術仍然需要解決許多的關鍵技術問題［61，83］。

盡管大規(guī)模MIMO技術在理論研究上和實際系統(tǒng)中仍然存在一些問題有待解決，但隨著對大規(guī)模MIMO系統(tǒng)研究結果的不斷完善，其預期所帶來的性能優(yōu)勢和特性也越來越得到工業(yè)界和學術界的肯定。并且隨著大規(guī)模MIMO核心問題的不斷解決，有理由相信大規(guī)模MIMO技術將在新一代無線通信系統(tǒng)中發(fā)揮更大更廣闊的作用。

3 綠色通信技術

近年來，信息通訊技術所帶來的能量消耗問題吸引了全球通信領域研究人員的廣泛關注，也給全球通信技術可持續(xù)發(fā)展帶來了一大挑戰(zhàn)。信息通訊技術所消耗的能量約占全球能量消耗的3%，而且每年以15%～20%的速度增長［84］。伴隨4G通信網(wǎng)絡的普及，信息通訊技術所帶來的能量消耗也隨之變得更加嚴重。而零等待零距離通信的全球即連5G通信系統(tǒng)的目標是要實現(xiàn)通信系統(tǒng)能源效率改善1 000倍。

目前，很多學術研究團隊及企業(yè)研究團隊集中精力研究能效（綠色）通信技術。而這些能效通信技術主要以提升通信系統(tǒng)的能源效率為目的，但某種程度上降低了通信系統(tǒng)的頻譜效率。即現(xiàn)有文獻研究通信技術要么以提升通信系統(tǒng)容量為目的，要么以提升通信系統(tǒng)能源效率為目的。例如考慮多小區(qū)多用戶的MISO下行鏈路系統(tǒng)，為了方便敘述，將圖1（a）模型的基站j的服務用戶k的接收信號表示為

式中：Pj表示基站j的最大發(fā)射功率約束。其二是在滿足一定服務質(zhì)量需求的條件下，設計協(xié)同波束成形，使得系統(tǒng)的發(fā)射總功率最小化，即

其中，γj，k表示基站j的服務用戶k的目標服務質(zhì)量（Quality of service，QoS）需求?；诎l(fā)射功率最小化的協(xié)同波束設計問題雖然在某種程度上是從系統(tǒng)能源效率的優(yōu)化設計出發(fā)的，但是這種設計方法沒有從直接的角度使系統(tǒng)能源效率最大化或者使系統(tǒng)資源效率最大化。若直接從能源效率最大化角度設計協(xié)同波束成形，其優(yōu)化問題可以表示為

式中：Pc表示每根天線所有的功率消耗，P0表示維持基站活躍狀態(tài)所需的固定功率消耗，ζ表示功率轉(zhuǎn)換效率且ζ≥1。圖4給出了多小區(qū)多用戶通信系統(tǒng)中，協(xié)同系統(tǒng)容量最大化與協(xié)同系統(tǒng)能效最大化波束成形算法的性能比較曲線［85］。

圖4 協(xié)同能效算法與和速率最大化性能比較Fig.4 Perfermance comparison of coordinated energy efficient algorithm with sum-rate maximization algorithm

如圖5所示，雖然在低發(fā)射功率情況時，滿功率發(fā)射可以同時實現(xiàn)最優(yōu)的頻譜效率與能源效率，但是在高發(fā)射功率情況時，頻譜效率與能源效率卻呈現(xiàn)出不同的增長趨勢［85-89］。在通信網(wǎng)絡系統(tǒng)中，如何有效權衡這兩者的優(yōu)勢也自然而然地成為了通信技術研究的重點及探討平衡頻譜效率與能源效率的基本框架［90］。特別地，如何同時實現(xiàn)高頻譜效率與高能源效率的通信技術已成為面向高頻譜效率、高能源效率的5G通信系統(tǒng)的突出問題［91］。最近，文獻［92，93］分別研究了多小區(qū)多用戶 MISO下行鏈路系統(tǒng)和大規(guī)模MISO下行鏈路系統(tǒng)的資源效率優(yōu)化問題。為了同時平衡系統(tǒng)容量及系統(tǒng)資源消耗，人們可以進一步從系統(tǒng)資源效率角度出發(fā)，其優(yōu)化目標函數(shù)（即資源效率）的數(shù)學描述表示為

式中，β表示系統(tǒng)容量與能源效率之間的平衡關系因子，這個因子的確定可以根據(jù)實際通信系統(tǒng)的需要而定，一般是由通信系統(tǒng)運營商確定。圖5中給出了三小區(qū)且每小區(qū)3個用戶，基站天線為4時，不同優(yōu)化問題求解算法所對應的能源效率與頻譜效率的性能比較。當β的取值比較小時，資源效率優(yōu)化問題等價于能源效率優(yōu)化問題，此時能源效率比較高，而頻譜效率比較低。而當β的取值比較大時，資源效率優(yōu)化問題等價于頻譜效率（和速率最大化）優(yōu)化問題，此時頻譜效率比較高，而能源效率比較低。

上述頻譜效率最大化、能源效率最大化及資源效率最大化波束成形優(yōu)化問題均沒有考慮收發(fā)機的損傷問題，如果將這一硬件影響因素考慮到波束成形優(yōu)化問題中，人們將會發(fā)現(xiàn)一系列更加有意義的問題［94］?？紤]收發(fā)機的固定功率消耗且固定功率消耗不為零時，文獻［95］已證明，這時大規(guī)模MIMO通信系統(tǒng)的能源效率將為零。而文獻［96］指出：當通信系統(tǒng)的信道條件好或者基站／用戶節(jié)點的功率轉(zhuǎn)換效率不高時，基站節(jié)點的天線數(shù)量小且只服務單用戶的方案是一個能源效率最佳的傳輸方案；而當通信系統(tǒng)的信道條件差或者基站／用戶節(jié)點的功率轉(zhuǎn)換效率很高時，大規(guī)模多用戶MIMO通信系統(tǒng)也將成為一個能源效率最佳的通信系統(tǒng)。但是，這些結論是否對于資源效率優(yōu)化問題成立，仍然是開放性課題，也是未來無線通信系統(tǒng)需研究的重點問題之一。

圖5 能源效率與頻譜效率的性能比較Fig.5 Comparison of energy efficiency with spectral efficiency

4 毫米波高頻段通信技術

利用毫米波段頻譜進行無線通信是解決微波頻段的頻譜資源稀缺的有效方法之一。通常，毫米波是指頻率在30GHz和300GHz之間、波長在10mm至1mm之間的電磁波。隨著無線電通信技術的發(fā)展，毫米波通信將顯示出越來越多的優(yōu)點。在設計毫米波通信系統(tǒng)時，由于大氣的衰減，需要考慮電磁波在大氣中的傳播特性，在毫米波頻段，由大氣中的水蒸氣和氧分子引起的衰減與頻率有關，因此可以實現(xiàn)對無線電波傳播路徑和大氣層進行遙測的高效頻譜分析。毫米波的主要缺點是在大氣層中傳播時其頻率選擇性吸收比低頻段的無線電波更為嚴重，因此毫米波更適用于短距離無線通信系統(tǒng)［97］。

毫米波通信與微波通信的顯著區(qū)別在于毫米波傳輸所導致的傳輸信道模型、多徑數(shù)目、衰落特性、散射特性、到達角／離開角的典型稀疏特性等。受限于毫米波的上述傳輸特性，現(xiàn)有微波頻段的MIMO通信系統(tǒng)的很多理論方法，如信道建模、信道估計及預編碼設計技術等，都常常不能直接應用于毫米波MIMO通信系統(tǒng)。為了克服毫米波傳輸距離較短的不足之處，同時保持現(xiàn)有MIMO技術的優(yōu)勢特點，結合數(shù)字域波束成形及模擬域波束成形的所謂“混合波束成形”將是5G毫米波通信系統(tǒng)的主要技術之一。圖6給出了傳統(tǒng)MIMO通信系統(tǒng)架構以及目前廣泛研究的毫米波MIMO通信系統(tǒng)架構。從圖中可以看出，毫米波MIMO通信系統(tǒng)中結合了數(shù)字域波束成形及模擬域波束成形。實現(xiàn)混合波束成形時需要解決的首要問題仍然是微波MIMO通信系統(tǒng)中的信道信息獲取問題。但是，基于混合波束成形的通信系統(tǒng)架構下的毫米波信道模型的建模仍然是尚未解決的問題，雖然很多文獻中采用一種S-V信道模型，但這種模型并不一定適用于混合波束成形通信系統(tǒng)［98，99］。因此，如何在5G毫米波通信系統(tǒng)網(wǎng)絡中充分發(fā)揮毫米波通信的作用，已成為無線通信技術研究團隊不可回避的核心問題。

圖6 傳統(tǒng)波束成形示意圖（a）與數(shù)?；旌闲筒ㄊ尚问疽鈭D（b）和（c）Fig.6 Conventional beamforming diagram （a）and mixed beamforming diagram （b）and（c）

圖6系統(tǒng)模型的數(shù)字模擬混合波束成形的收發(fā)信號之間的關系可以描述成如下關系

圖6的右圖系統(tǒng)模型的數(shù)字模擬混合波束成形的收發(fā)信號之間的關系可以描述成如下關系

式中FRF表示模擬波束成形矩陣且具有如下形式

式中：w（θ1）是NBS×1的列向量且元素幅度為1。

相比于傳統(tǒng)數(shù)字波束成形而言，混合波束成形需要設計兩個獨立的波束成形矩陣，且模擬波束矩陣只有相位可以調(diào)整，而幅度是恒定值，也就是附加常數(shù)模波束成形的約束。這樣，點到點MIMO通信系統(tǒng)的頻譜效率最大化混合波束成形優(yōu)化問題可以描述如下

類似地，還可以定義出相應的點到點MIMO通信系統(tǒng)的能源效率最大化或者資源效率最大化混合波束成形設計優(yōu)化問題。

5 結束語

隨著無線通信網(wǎng)絡系統(tǒng)的進一步普及，人們對多媒體等數(shù)據(jù)業(yè)務的需求呈現(xiàn)出爆發(fā)式增長，信息通訊技術所帶來的能量消耗也隨之變得更加嚴重。而零等待零距離通信的全球即連5G通信系統(tǒng)的目標是要實現(xiàn)通信系統(tǒng)吞吐量增加1 000倍左右，且系統(tǒng)能源效率獲得顯著提升。針對這一現(xiàn)狀，本文對未來無線通信系統(tǒng)幾種可能的潛在關鍵通信技術，如異構網(wǎng)絡、大規(guī)模MIMO通信、綠色通信以及毫米波通信，進行了詳盡的論述與討論。

［1］ Soldani D，Manzalini A.Horizon 2020and beyond：On the 5Goperating system for a true digital society［J］.IEEE Vehicular Technology Magazine，2015，10（1）：32-42.

［2］ Wu Y，Chen Y，Tang J，So D，et al.Green transmission technologies for balancing the energy efficiency and spectrum efficiency trade-off［J］.IEEE Communications Magazine，2014，52（11）：112-120.

［3］ Cavalcante R，Sta czak S，Schubert M，et al.Toward energy-efficient 5Gwireless communications technologies［J］.IEEE Signal Processing Magazine，2014，31（6）：24-34.

［4］ Ghosh A，Mangalvedhe N，Ratasuk R，et al.Heterogeneous cellular networks：From theory to practice［J］.IEEE Communications Magazine，2012，50（6）：54-64.

［5］ Zhang X，Cheng W，Zhang H.Heterogeneous statistical QoS provisioning over 5Gmobile wireless networks［J］.IEEE Network，2014，28（6）：46-53.

［6］ Sabellal D，Domenico A，Katranaras E，et al.Energy efficiency benefits of RAN-as-a-Service concept for a cloud-based 5G mobile network infrastructure［J］.IEEE Access，2014，2：1586-1697.

［7］ Larsson E，Edfors O，Tufvesson F，et al.Massive MIMO for next generation wireless systems［J］.IEEE Communications Magazine，2014，52（2）：186-195.

［8］ Imran A，Zoha A，Abu-Dayya A.Challenges in 5G：How to empower SON with big data for enabling 5G［J］.IEEE Network，2014，28（6）：27-33.

［9］ Wei L，Hu R，Qian Y，et al.Key elements to enable millimeter wave communications for 5Gwireless systems［J］.IEEE Wireless Communications，2014，21（6）：136-143.

［10］Madan R，Borran J，Sampath A，et al.Cell association and interference coordination in heterogeneous LTE-A cellular networks［J］.IEEE Journal on Selected Areas in Communications，2010，28（9）：1479-1489.

［11］Nakamura T，Nagata S，Benjebbour A，et al.Trends in small cell enhancements in LTE advanced［J］.IEEE Communications Magazine，2013，51（2）：98-105.

［12］Tehrani M，Uysal M，Yanikomeroglu H.Device-to-device communication in 5Gcellular networks：Challenges，solutions，and future directions［J］.IEEE Communications Magazine，2014，52（5）：86-92.

［13］Asadi A，Wang Q，Mancuso V.A survey on device-to-device communication in cellular networks［J］.IEEE Communication Surveys ＆ Tutorials，2014，16（4）：1801-1819.

［14］Huang Y，He S，Jin S，et al.Area-classified interference coordination for heterogeneous cellular network［J］.EURASIP Journal on Wireless Communications and Networking，2014，2014（1）：1-16.

［15］Feng D，Lu L，Yuan Wu Y，et al.Deviceto-device communications underlaying cellular networks［J］.IEEE Transactions on Communications，2013，61（8）：3541-3551.

［16］Dai H，Huang Y，Yang L.Game theoretic max-logit learning approaches for joint base station selection and resource allocation in heterogeneous networks［J］.IEEE Journal on Selected Areas in Communications，2015，33（6）：1-14.

［17］Song L，Niyato D，Han D，et al.Game-theoretic resource allocation methods for device-to-device communication［J］.IEEE Wireless Communications，2014，21（3）：136-144.

［18］Prehofer C，Bettstetter C.Self-organization in communication networks：Principles and design paradigms［J］.IEEE Communications Magazine，2005，43（7）：78-85.

［19］Han Z，Ji Z，Liu K.Non-cooperative resource competition game by virtual referee in multi-cell OFDMA networks［J］.IEEE Journal on Selected Areas in Communications，2007，25（6）：1079-1090.

［20］Bjornson E，Sanguinetti L，Hoydis J，et al.Optimal design of energy-efficient multi-user mimo systems：Is massive MIMO the answer［J］.IEEE Transactions on Wireless Communications，2015，14（99）：1-16.

［21］Bjornson E，Kountouris M，Debbah M.Massive mimo and small cells：Improving energy efficiency by optimal soft-cell coordination［C］／／2013 20th International Conference on Telecommunications（ICT）.Casablanca，Morocco，IEEE，2013：1-5.

［22］Chen X，Yuen C，Zhang Z.Wireless energy and information transfer tradeoff for limited feedback multi-antenna systems with energy beamforming［J］.IEEE Transactions on Vehicular Technology，2014，63（1）：407-412.

［23］Meshkati F，Poor H，Schwartz S，et al.An energy efficient approach to power control and receiver design in wireless data networks［J］.IEEE Transactions on Communications，2005，53（11）：1885-1894.

［24］Buzzi S，Zappone A.Potential games for energy-efficient resource allocation in multipoint-to-multipoint CDMA wireless data networks［J］.Physical Communication，2013，7：1-13.

［25］Ngo H Q，Larsson E，Marzetta T.Energy and spectral efficiency of very large multiuser MIMO systems［J］.IEEE Transactions on Communications，2013，61（4）：1436-1449.

［26］Fodor G，Dahlman E，Mildh G，et al.Design aspects of network assisted device-to-device communications［J］.IEEE Communications Magazine，2012，50（3）：170-177.

［27］Xiao Y，Chen K C，Yuen C，et al.Spectrum sharing for device-to-device communications in cellular networks：A game theoretic approach［C］／／Proc IEEE International Symposium on Dynamic Spectrum Access Networks（DYSPAN）.McLean，VA，USA：［s.n.］，2014：60-71.

［28］Guruacharya S，Niyato D，Hossain E，et al.Hierarchical competition in femtocell-based cellular networks［C］／／Proc 2010 IEEE Global Telecommunications Conference.Miami，USA：IEEE，2010：1-5.

［29］Bennis M.Self-organization in small cell networks：A reinforcement learning approach［J］.IEEE Transactions on Wireless Communications，2013，12（7）：3202-3212.

［30］Xu Y.Opportunistic spectrum access using partially overlapping channels：Graphical game and uncoupled learning［J］.IEEE Transactions on Communications，2013，61（9）：3906-3918.

［31］Zheng J，Cai T，Xu Y，et al.Distributed channel selection for interference mitigation in dynamic environment：A game theoretic stochastic learning solution［J］.IEEE Transactions on Vehicular Technology，2014，63（9）：4757-4762.

［32］Zheng J.Optimal power allocation and user scheduling in multicell networks：Base station cooperation using agame-theoretic approach［J］.IEEE Transactions on Wireless Communications，2014，13（12）：6928-6942.

［33］Marden J，Roughgarden T.Generalized efficiency bounds in distributed resource allocation［J］.IEEE Transactions on Automatic Control，2014，59（3）：571-584.

［34］Now′e A，Vrancx P.Reinforcement learning：State-of-the-art［M］.New York，NY，USA：Springer，2012.

［35］Song Y，Wong S H，Lee K.Optimal gateway selection in multi-domain wireless networks：A potential game perspective［C］／／Proc Proceedings of the 17th ACM Annual International Conf on Mobile Computing and Networking（MobiCom）.Las Vegas，NV，USA：ACM，2011：325-336.

［36］Rose L，Perlaza S，Le M C，et al.Self-organization in decentralized networks：A trial and error learning approach［J］.IEEE Transactions on Wireless Communications，2014，13（1）：268-279.

［37］Rose L，Lasaulce S，Perlaza S，et al.Learning equilibria with partial information in decentralized wireless networks［J］.IEEE Communications Magazine，2011，49（8）：136-142.

［38］Xu Y，Anpalagan A，Wu Q，et al.Decision theoretic distributed channel selection for opportunistic spectrum access：Strategies，challenges and solutions［J］.IEEE Communication Surveys ＆ Tutorials，2013，15（4）：1689-1713.

［39］Monderer D，Shapley L S.Potential games［J］.Games and Economic Behavior，1996，14（1）：124-143.

［40］Marden J，Arslan A，Shamma J.Joint strategy fictitious play with inertia for potential games［J］.IEEE Transactions on Au-tomatic Control，2009，54（2）：208-220.

［41］Zheng J，Cai Y，Xu Y，et al.Distributed channel selection for interference mitigation in dynamic environment：A game theoretic stochastic learning solution［J］.IEEE Transactions on Vehicular Technology，2014，63（9）：4757-4762.

［42］Xu Y，Wang J，Wu Q，et al.Opportunistic spectrum access in cognitive radio networks：Global optimization using local interaction games［J］.IEEE Journal on Selected Topics in Signal Processing，2012，6（2）：180-194.

［43］Huttegger S M.Probe and adjust［J］.Biological Theory，2013，8（2）：195-200.

［44］Marden J，Young H，Arslan G，et al.Payoff based dynamics for multi-player weakly acyclic games［C］／／Proc 46th IEEE Conference on Decision and Control.New Orleans，Louisiana，USA：IEEE，2007：3422-3427.

［45］Coggan M.Exploration and exploitation in reinforcement learning［C］／／Proc Fourth International Conference on Computational Intelligence and Multimedia Applications（ICCIMA’2001）.Yokusika City，Japan：IEEE，2001：1-44.

［46］Xu Yuhua，Wang Jinlong，Wu Qihui，et al.Opportunistic spectrum access in unknown dynamic environment：A game-theoretic stochastic learning solution［J］.IEEE Transactions on Wireless Communications，2012，11（4）：1380-1391.

［47］Marden J，Shamma J.Revisiting log-linear learning：Asynchrony，completeness and payoff-based implementation［C］／／Proc 48th Annual Allerton Conf on Communication，Control，and Computing（Allerton）.Monticello，Illinois：IEEE，2010：1171-1172.

［48］Tatarenko T.Proving convergence of log-linear learning in potential games［C］／／American Control Conference（ACC）.Portland，OR，USA：IEEE，2014：972-977.

［49］Young H P.Learning by trial and error［J］.Games and Economic Behavior，2009，65（2）：626-643.

［50］Buzzi S，Colavolpe G，Saturnino D，et al.Potential games for energy-efficient power control and subcarrier allocation in uplink multicell ofdma systems［J］.IEEE Journal on Selected Topics in Signal Processing，2012，6（2）：89-103.

［51］Huang Yongming，Zeng Gan，Yang Luxi，et al.Distributed multicell beamforming design approaching pareto boundary with max-min fairness［J］.IEEE Transactions on Wireless Communications，2012，11（8）：2921-2933.

［52］Saad W，Han Z，Debbah M，et al.Coalitional game theory for communication networks［J］.IEEE Signal Processing Magazine，2009，26（5）：77-97.

［53］Wang F，Xu C，Song L，et al.Energy-aware resource allocation for device-to-device underlay communication［C］／／Proc 2013 IEEE International Conference on Communications（ICC）.Budapest：［s.n.］，2013：6076-6080.

［54］Li Y，Jin D，Yuan J，et al.Coalitional games for resource allocation in the device-to-device uplink underlaying cellular networks［J］.IEEE Transactions on Wireless Communications，2014，13（7）：3965-3977.

［55］Telatar E.Capacity of multi-antenna Gaussian channels［J］.European Transactions on Telecommunications（ETT），1999，10（6）：585-596.

［56］Incorporated Q.The 1000xdata chanllegne［EB／OL］.http：／／www.qualcomm.com／1000x／，2013-11-20.

［57］Forum U.UMTS forum report：Mobile traffic forecast：2010-2020［EB／OL］.http：／／www.umts-forum.org／component／option，2011-5-11.

［58］Corporation ZTE.5G：Driving the convergence of the physical and digital worlds［EB／OL］.http：／／wwwen.zte.com.cn／en／products／bearer／201402／P020140221415329571322.pdf，2014-2-11.

［59］Hwang I，Song B，Soliman S S.A holistic view on hyper-dense heterogeneous and small cell networks［J］.IEEE Communications Magazine，2013，51（6）：20-27.

［60］Marzetta T L.How much training is required for multiuser MIMO［C］／／Proc Fortieth Asilomar Conference on Signals，Systems and Computers（ACSSC’06）.Pacific Grove，California，USA：IEEE，2006：359-363

［61］Marzetta T L.Noncooperative cellular wireless with unlimited numbers of base station antennas［J］.IEEE Transactions on Wireless Communications，2010，9（1）：3590-3600.

［62］Hoydis J，Brink S，Debbah M.Massive MIMO in the UL／DL of cellular networks：How many antennas do we need［J］.IEEE Journal on Selected Areas in Communications，2013，31（2）：160-171.

［63］Choi J，Love D J，Bidigare P.Downlink training techniques for FDD massive MIMO systems：Open-loop and closed-loop training with memory［J］.IEEE Journal on Selected Topics in Signal Processing，2014，8（5）：802-814.

［64］Yin H，Gesbert D，F(xiàn)ilippou M，et al.A coordinated approach to channel estimation in large-scale multiple-antenna systems［J］.IEEE Journal on Selected Areas in Communications，2013，31（2）：264-273.

［65］Jose J，Ashikhmin A，Marzetta T L，et al.Pilot contamination and precoding in multi-cell TDD systems［J］.IEEE Transactions on Wireless Communications，2011，10（8）：2640-2651.

［66］Shepard C，Yu H，Zhong L.ArgosV2：A flexible many-antenna research platform［C］／／Proceedings of The 19th ACM Annual International Conference on Mobile computing ＆ Networking（MobiCom）.Miami，F(xiàn)lorida，USA：ACM，2013：163-166.

［67］Liu L，Zhang R.Optimized uplink transmission in multi-antenna C-RAN with spatial compression and forward［EB／OL］.http：／／http：／／arxiv.org／abs／1501.04764，2015-1.

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

［69］Mohammed S K，Larsson E G.Per-antenna constant envelope precoding for large multi-user MIMO systems［J］.IEEE Transactions on Communications，2013，61（3）：1059-1071.

［70］Ngo H Q，Larsson E G，Marzetta T L.Energy and spectral efficiency of very large multiuser MIMO systems［J］.IEEE Transactions on Communications，2013，61（4）：1436-1449.

［71］Boccardi F，Heath R W，Lozano A，et al.Five disruptive technology directions for 5G［J］.IEEE Communications Magazine，2014，52（2）：74-80.

［72］Matthaiou M，McKay M R，Smith R J，et al.On the condition number distribution of complex Wishart matrices［J］.IEEE Transactions on Communications，2010，58（6）：1705-1717.

［73］Huang Y，Tan C，Rao B.Joint beamforming and power control in coordinated multicell：Max-min duality，effective network and large system transition［J］.IEEE Transactions on Wireless Communications，2013，12（6）：2730-2742.

［74］He S，Huang Y，Yang L，et al.Energy efficient coordinated beamforming for multicell system：Duality based algorithm design and massive MIMO transition［J］.IEEE Transactions on Communications，2015，2015：1-99.

［75］Wagner S，Couillet R，Debbah M，et al.The large system analysis of linear precoding in correlated MISO broadcast channels under limited feedback［J］.IEEE Transactions on Information Theory，2012，58（7）：4509-4537.

［76］Zakhour R，Hanly S V.Base station cooperation on the downlink：Large system analysis［J］.IEEE Transactions on Information Theory，2012，58（4）：6441-6463.

［77］Adhikary A，Nam J，Ahn J，et al.Joint spatial division and multiplexing-The large-scale array regime［J］.IEEE Transactions on Information Theory，2013，59（10）：2079-2106.

［78］Nam J，Adhikary A，Ahn J，et al.Joint spatial division and multiplexing：Opportunistic beamforming，user grouping and simplified downlink scheduling［J］.IEEE Journal on Selected Areas in Communications，2014，8（5）：876-890.

［79］Müller R R，Vehkaper~M，Cottatellucci L.Blind pilot decontamination［C］／／2013 17th International ITG Workshop on Smart Antennas（WSA）.Stuttgart，Germany：VDE，2013：1-6.

［80］Jiang Z，Molisch A F，Caire G，et al.On the achievable rates of FDD massive MIMO systems with spatial channel correlation［C］／／2014IEEE／CIC International Conference on Communications in China（ICCC）.Shenzhen，China：IEEE，2014：276-280.

［81］Kammoun A，Müller A，Bj?rnson E，et al.Linear precoding based on polynomial expansion：Large-scale multi-cell MIMO systems［J］.IEEE Journal on Selected Topics in Signal Processing，2014，8（5）：861-875.

［82］Shariati N，Bj?rnson E，Bengtsson M，et al.Low-complexity polynomial channel estimation in large-scale MIMO with arbitrary statistics［J］.IEEE Journal on Selected Topics in Signal Processing，2014，8（5）：815-830.

［83］Aggarwal R，Emre K C，Schniter P.On the design of large scale wireless systems［J］.IEEE Journal on Selected Areas in Communications，2013，31（2）：215-225.

［84］Oh E，Krishnamachari B，Liu X，et al.Toward dynamic energy-efficient operation of cellular network infrastructure［J］.IEEE Communications Magazine，2011，49（6）：56-61.

［85］He S，Huang Y，Jin S，et al.Coordinated beamforming for energy efficient transmission in multicell multiuser systems［J］.IEEE Transactions on Communications，2013，61（12）：4961-4971.

［86］He S，Huang Y，Jin S，et al.Max-min energy efficient beamforming for multicell multiuser joint transmission systems［J］.IEEE Communications Letters，2013，17（10）：1956-1959.

［87］He S，Huang Y，Yang L，et al.Coordinated multicell multiuser precoding for maximizing weighted sum energy efficiency［J］.IEEE Transactions on Signal Processing，2014，62（3）：741-751.

［88］He S，Huang Y，Wang H，et al.Leakage-aware energy-efficient beamforming for heterogeneous multicell multiuser systems［J］.IEEE Journal on Selected Areas in Communications，2014，32（6）：1268-1281.

［89］Xu J，Qiu L.Energy efficiency optimization for MIMO broadcast channels［J］.IEEE Transactions on Wireless Communications，2013，12（2）：690-701.

［90］Chen Y，Zhang S，Xu S，et al.Fundamental trade-offs on green wireless networks［J］.IEEE Communications Magazine，2011，49（6）：30-37.

［91］Tang J，So D，Alsusa E，et al.Resource efficiency：A new paradigm on energy efficiency and spectral efficiency tradeoff［J］.IEEE Transactions on Wireless Communications，2014，13（8）：4656-4669.

［92］He S，Huang Y，Lu Y，et al.Resource efficiency：A new beamforming design for multicell multiuser systems［J］.IEEE Transactions on Vehicular Technology，2015，2015：1-99.

［93］Huang Y，He S，Qi C，et al.Balancing spectral and energy efficiencies by beamforming design for broadcast channels［J］.IEEE Journal on Selected Areas in Communications，2015，2015：1-99.

［94］He S，Huang Y，Jin S.Energy-efficient coordinated precoding for multicell system with transceiver impairments［C］／／14th International Conference On Communication Systems（ICCS）.Macau，China：IEEE，2014：102-106.

［95］Bj?rnson E，Hoydis J，Kountouris M，et al.Massive MIMO systems with non-ideal hardware：EE，estimation and capacity limits［J］.IEEE Transactions on Information Theory，2014，61（11）：7112-7139.

［96］Mohammed S.Impact of transceiver power consumption on the energy efficiency of zero-forcing detector in massive MIMO systems［J］.IEEE Transactions on Communications，2014，62（11）：3874-3890.

［97］Baykas T，Sum C，Lan Z，et al.IEEE 802.15.3c：The first IEEE wireless standard for data rates over 1Gb／s［J］.IEEE Communications Magazine，2011，49（7）：114-121.

［98］Alkhateeb O，Ayach O，Leus G，et al.Hybrid precoding for millimeter wave cellular systems with partial channel knowledge［J］.Information Theory and Applications Workshop（ITA）.［S.l.］：IEEE，2013：1-5.

［99］Hur S，Kim T，Love D，et al.Millimeter wave beamforming for wireless backhaul and access in small cell networks［J］.IEEE Transactions on Communications，2013，61（10）：4391-4403.

［100］Liu A，Lau V.Phase only RF precoding for massive MIMO systems with limited RF chains［J］.IEEE Transactions on Signal Processing，2014，62（17）：4505-4515.

［101］Ayach O E，Rajagopal S，Abu-Surra S，et al.Spatially sparse precoding in millimeter wave MIMO systems［J］.IEEE Transactions on Wireless Communications，2014，13（3）：1499-1513.