面向工業(yè)物聯(lián)網(wǎng)的無小區(qū)巨連接大規(guī)模MIMO研究

王志敏，宋榮方，2

（1.南京郵電大學(xué)通信與信息工程學(xué)院；2.南京郵電大學(xué)江蘇省通信與網(wǎng)絡(luò)技術(shù)工程研究中心，江蘇南京 210003）

0 引言

隨著工業(yè)物聯(lián)網(wǎng)（Industrial Internet of Things，IIoT）設(shè)備數(shù)量的迅猛增加，構(gòu)建強大的IIoT網(wǎng)絡(luò)連接各種IIoT設(shè)備才能保護相關(guān)大數(shù)據(jù)。巨量設(shè)備的大規(guī)模連通性是目前無線網(wǎng)絡(luò)面臨的巨大挑戰(zhàn)，為了支持這種大規(guī)模連接，數(shù)據(jù)中心需要一個強大通用的數(shù)據(jù)處理單元，大規(guī)模多輸入多輸出（Multiple-Input Multiple-Output，MIMO）技術(shù)因為能夠明顯提高頻譜效率（spectral efficiency，SE）以及其可靠性而被廣泛關(guān)注。文獻(xiàn)［5-11］闡述了利用大規(guī)模MIMO技術(shù)來支持IIoT設(shè)備的可行性。在典型的情況下，大規(guī)模MIMO的服務(wù)天線數(shù)量比用戶實體數(shù)多很多，一個顯著特點是通道硬化效應(yīng)，這種效應(yīng)使得快速變化的信道收斂到恒定的信道，從而簡化了網(wǎng)絡(luò)操作。但是，在IIoT網(wǎng)絡(luò)中使用大規(guī)模MIMO來支持大規(guī)模連接，用戶終端的數(shù)量會遠(yuǎn)大于服務(wù)天線的數(shù)量，這將和傳統(tǒng)情況大不相同。

研究表明，大規(guī)模MIMO可以很好地適用于蜂窩網(wǎng)絡(luò)。在蜂窩網(wǎng)絡(luò)中，每個基站服務(wù)于一組專屬的用戶設(shè)備，這種網(wǎng)絡(luò)拓?fù)湟呀?jīng)使用了幾十年，應(yīng)用于IIoT方面的研究也非常豐富。如文獻(xiàn)［14］研究了單小區(qū)中基于巨連接大規(guī)模MIMO的IIoT網(wǎng)絡(luò)上行鏈路性能，并研究了有效支持大量IIoT設(shè)備的方法，提出一個由單小區(qū)巨連接大規(guī)模MIMO支持的具有經(jīng)濟效益的IIoT網(wǎng)絡(luò)；文獻(xiàn)［15-16］考慮了一種可以替代蜂窩網(wǎng)絡(luò)的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，命名為無小區(qū)大規(guī)模MIMO，如圖1所示。在網(wǎng)絡(luò)中部署大量的分布式接入點（Access Points，AP），這些AP共同連接到中央處理單元（Central Processing Unit，CPU）服務(wù)于所有的用戶終端，沒有單元邊界，提倡在每個AP局部使用最大比（maximum-ratio，MR）處理；文獻(xiàn)［16-17］則認(rèn)為，在CPU上部分或完全集中式處理可以獲得更高的SE；文獻(xiàn)［18］中將AP間的合作程度分為4個等級，并比較了無小區(qū)MIMO和傳統(tǒng)小區(qū)MIMO的性能。但上述文獻(xiàn)沒有考慮到用戶設(shè)備數(shù)量非常大的情況，因此不能應(yīng)用于IIoT具有龐大設(shè)備數(shù)量場景。

Fig.1 Cell-freemassive MIMO network圖1無小區(qū)大規(guī)模MIMO網(wǎng)絡(luò)

鑒于IIoT需要中等的數(shù)據(jù)速率和較低的成本，本文集中研究了一個以成本為中心的系統(tǒng)，即將無小區(qū)巨連接的大規(guī)模MIMO應(yīng)用于IIoT網(wǎng)絡(luò)場景，研究有效支持大量IIoT設(shè)備的方法。與傳統(tǒng)的大規(guī)模MIMO不同，巨連接的大規(guī)模MIMO系統(tǒng)中用戶設(shè)備數(shù)量龐大，大于AP天線數(shù)。采用最小化均方誤差（Minimum mean-square error，MMSE）處理及MR處理，將AP間的合作等級分為完全集中式處理以及分布式處理。完全集中式處理是將每個AP接收到的導(dǎo)頻信號和數(shù)據(jù)信號通過前傳鏈路發(fā)送到CPU上，執(zhí)行信道估計和數(shù)據(jù)檢測；分布式處理是在每個AP局部估計信道并應(yīng)用一個任意的接收組合器來獲得終端數(shù)據(jù)的局部估計，然后在CPU上收集這些數(shù)據(jù)并取局部估計的平均值來執(zhí)行檢測。只有信道統(tǒng)計信息可以被CPU利用，因為導(dǎo)頻信號沒有在前傳鏈路上被共享。同文獻(xiàn)［14］相同，本文假設(shè)服務(wù)天線數(shù)小于用戶終端的天線數(shù)，對比不同AP合作方式時不同數(shù)據(jù)處理方法下系統(tǒng)的SE和SINR，并將本文提出的面向IIoT的無小區(qū)巨連接大規(guī)模MIMO方案同文獻(xiàn)［14］中單小區(qū)方案進(jìn)行比較。仿真結(jié)果表明，集中式MR處理的無小區(qū)巨連接大規(guī)模MIMO技術(shù)可同時支持大量低復(fù)雜度和低延遲的IIoT設(shè)備，并且比單小區(qū)方案更有優(yōu)勢。因此，本文提出的方案可以應(yīng)用于需要中等數(shù)據(jù)速率和低成本的IIoT網(wǎng)絡(luò)。

1 系統(tǒng)模型

一個無小區(qū)巨連接大規(guī)模MIMO系統(tǒng)，

M

個AP和

K

個用戶都配有一個天線，隨機分布在一個很大的區(qū)域（如圖1所示），所有的AP通過前傳鏈路連接到CPU，假設(shè)

M

個AP同時服務(wù)于同一時頻資源中的

K

個用戶。在典型的IIoT場景中，設(shè)備數(shù)量龐大，同時處于活動狀態(tài)的設(shè)備數(shù)量也非常大，所以與傳統(tǒng)的大規(guī)模MIMO不同，這里的

K

可以比

M

大得多，即

K＞M

，因此用于信道估計的導(dǎo)頻會被復(fù)用。本文考慮上行鏈路，相干間隔為

τ

，分為信道估計和上行數(shù)據(jù)傳輸兩個階段。用戶

k

與第

m

個AP間的信道系數(shù)用

g

表示，

g

建模如下：

1.1 信道估計

第

m

個接入點接收到的導(dǎo)頻信號為：

使用最小化均方誤差準(zhǔn)則進(jìn)行信道估計，則信道系數(shù)的估計為：

其中：

1.2 上行鏈路數(shù)據(jù)傳輸

在無小區(qū)巨連接大規(guī)模MIMO的上行鏈路傳輸階段，所有的IIOT設(shè)備在同一時頻資源上將數(shù)據(jù)信號經(jīng)過功率控制系數(shù)

η

加權(quán)后分別發(fā)送給每個接入點。本文采用全功率發(fā)送，即

η

=1，令上行數(shù)據(jù)符號向量為

q

∈C，第

l

組的第

j

個用戶發(fā)送的符號為

q

。假設(shè)

q

為零均值方差為1且不相關(guān)的向量，即E(

qq

)=

I

，則接入點

m

接到的信號為：

式（9）中，

p

是用戶上行鏈路發(fā)射功率，這里假設(shè)所有用戶采用相同的發(fā)射功率，w～CN(0，1)是第

m

個接入點處的附加噪聲矢量。

2 性能分析

2.1 集中式處理

所有的

M

個接入點將接收到的導(dǎo)頻信號和數(shù)據(jù)信號都發(fā)送到CPU，由CPU進(jìn)行導(dǎo)頻估計和信號檢測，接入點可以看成是中繼器。在一個相干塊內(nèi)，每個接入點發(fā)送

τ

個復(fù)標(biāo)量的導(dǎo)頻信號和

τ

-

τ

個復(fù)標(biāo)量的數(shù)據(jù)信號，

M

個接入點總計

τM

個，并且假設(shè)在CPU處已知信道信息，則在CPU處的接收信號為：

由得到的導(dǎo)頻信號和信道信息計算出信道估計，這些估計可以單獨計算且不失最佳性，為：

估計的均方誤差為：

采用文獻(xiàn)［18］相同的證明方法可得用戶的瞬時有效SINR為：

分子是通過估計信道接收到的期望信號功率，分母是干擾加上噪聲。計算用戶的SE為：

當(dāng)為MMSE合并時，合并向量為：

MMSE處理計算復(fù)雜度很高，但系統(tǒng)的CPU具有很強的計算能力，所以可以考慮實施。

2.2 分布式處理

和集中式處理不同，分布式處理不需要所有的AP將接收到的導(dǎo)頻信號和數(shù)據(jù)信號都發(fā)送給CPU，而是在每個AP處進(jìn)行各自的本地信道估計，再利用信道信息進(jìn)行數(shù)據(jù)預(yù)處理，最終將處理得到的數(shù)據(jù)發(fā)送給CPU進(jìn)行最終解碼。本文選擇一種簡單易行的方法，即CPU直接將接收到的每個AP發(fā)送來的用戶預(yù)處理信號進(jìn)行平均，不需要任何統(tǒng)計參數(shù)。在一個相干塊里，每個AP需要發(fā)送(

ττ

)

K

個復(fù)標(biāo)量給CPU，總計(

τ

-

τ

)

KM

個。數(shù)據(jù)信號的局部估計為：

經(jīng)過CPU處理后得到最終的信號估計值為：

用戶的瞬時有效SINR為：

用戶的SE為：

當(dāng)選擇MMSE合并時，合并向量為：

3 系統(tǒng)仿真

3.1 仿真場景和參數(shù)設(shè)置

式（23）中，

γ

為第

k

個用戶到第

m

個接入點的距離。

3.2 仿真結(jié)果

圖2（彩圖掃OSID碼可見，下同）展示了使用MR處理時，不同相干時間下SE隨用戶數(shù)的變化。由圖2可知，集中式處理性能先優(yōu)于分布式處理，后隨著用戶數(shù)的不斷增加，兩者性能逐漸趨于一致，在

T

≥1

ms

情況下，即使用戶數(shù)大于總服務(wù)天線數(shù)時，系統(tǒng)的SE依然隨著

K

或者

L

的增加而增加，直至一個特定點之后下降，這說明本文考慮的無小區(qū)巨連接大規(guī)模MIMO系統(tǒng)可以支持大量IIoT設(shè)備，而SE損耗或者宕機的情況很少。

Fig.2 Spectral efficiency（bit/s/Hz）changing with the number of users K when using MR processing圖2 MR處理時頻譜效率（bit/s/HZ）隨用戶數(shù)K的變化情況

圖3展示了使用MMSE處理時，不同相干時間下SE隨用戶數(shù)的變化。圖3中采用MMSE方法集中處理的性能優(yōu)勢巨大，在用戶數(shù)等于兩倍服務(wù)天線數(shù)時性能優(yōu)勢也非常明顯。由前面的分析可知，集中式需要的前向信令數(shù)為

τ

M

，分布式需要的前向信令數(shù)為(

τ

-

τ

)

KM

，由于：

Fig.3 Spectral efficiency（bit/s/Hz）changing with the number of users K when using MMSE processing圖3 MMSE處理時頻譜效率（bit/s/HZ）隨用戶數(shù)K的變化情況

Fig.4 Cumulativedistribution function of SNR圖4 信干噪比的累計分布函數(shù)

在

T

=1ms，

M=

40的情況下，將本文提出的支持IIoT場景的無小區(qū)巨連接大規(guī)模MIMO集中式MR處理方案與文獻(xiàn)［14］的單小區(qū)巨連接大規(guī)模MIMO方案進(jìn)行對比，可以看出本文提出的方案具有一定優(yōu)勢，如圖5所示。

Fig.5 Comparison between centralized cell-free missive MIMO and single-cell missive MIMO when using MR processing圖5 無小區(qū)集中式MR處理與單小區(qū)MR處理對比

4 結(jié)語

本文研究了無小區(qū)巨連接大規(guī)模MIMO用于支持大量設(shè)備的IIoT場景可行性。首先，將接入點的合作程度分為集中式和分布式處理兩種，然后對比MR和MMSE處理后系統(tǒng)的頻譜效率和信干噪比，最后考慮計算復(fù)雜度、需要的前向信令數(shù)及系統(tǒng)性能，提出采用集中式MR處理的無小區(qū)巨連接大規(guī)模MIMO技術(shù)來支持大量IIoT設(shè)備的方案。與文獻(xiàn)［14］提出的單小區(qū)方案進(jìn)行對比，本文方案具有一定優(yōu)勢。因為IIoT需要中等的數(shù)據(jù)速率和較低的成本，因此該方案可以成功應(yīng)用于IIoT網(wǎng)絡(luò)中。后續(xù)將對AP不同的合作方式進(jìn)行研究。