浅谈下一代移动通信技术——大规模MIMO系统

唐　锟 谭永宏 刘爱林 唐鑫凌



浅谈下一代移动通信技术——大规模MIMO系统

唐锟 谭永宏 刘爱林 唐鑫凌

（湖南科技学院电子与信息工程学院，湖南永州425199）

由于物联网等新兴技术的发展，未来的通信技术需要支持更高的数据传输速率和满足一定的服务质量。目前，第四代移动通信技术（4G）不足以满足未来大规模用户的高速数据传输。大规模多输入多输出（MIMO）通信系统作为下一代移动通信技术的一个热点，能提供更高的数据传输速率和更好的能效性支持未来对于通信的需求。针对这项技术，本文将从系统模型，信息预估检测和导频污染三个方面进行分析。

大规模MIMO通信技术；数据传输速率；信道预估；信息预编码；导频污染

目前，4G通信已经在全球范围内实现了商用。与前几代通信技术相比，4G通信的优势在于通话质量及数据传输速度的大幅提高，最大数据传输速率可达100Mbit/s[1]。

随着智能终端的普及和新的移动业务的不断增加，网路社会的发展将带来移动数据流量的激增，预计在未来十年中数据流将增加1000倍；与此同时，互联设备将呈现大量的增长，物联网和其他新型创新应用的出现将催生数百亿个互联网设备的出现，预计到2020年将有500亿的设备联接到互联网[2]。由于设备数量的增加、应用环境的多样性和需求的多样性，要求下一代移动通信技术能大幅度提高信道容量、能效并能有效地、安全的访问和共享信息。为此，第五代移动通信技术的研究已经在全世界范围内开展，通过现有的无线技术和开发新的技术构建更加持久的网络社会[3]。

下一代移动通信技术中最重要的是在4G通信技术基础上将无线移动通信的频谱效率和功率效率提升一个量级以上，真正实现高效率的频谱和低功耗的绿色网络。在4G通信技术中，多用户MIMO系统中的基站天线和接收终端的数量大致相等，所以缺乏可扩展性，从而导致了在提升能量和频谱效率时出现了“瓶颈”问题。为了解决这个问题，研究人员在基站部署大规模的天线阵列来替代多天线，充分利用空间上的自由度来提高能量效率和频谱效率[4，5]。大规模MIMO系统中的天线阵列由数百根天线组成。在同一时频资源中利用大规模天线带来的空间自由度与基站覆盖范围内的多个终端用户进行通信，提升多个用户间的频谱复用率和抗干扰能力[6]。大规模MIMO系统目前所涉及的主要问题是解决当基站天线数量趋于无穷大时所引发的天线传输中出现的一系列技术问题：包括设计适合实际应用环境的系统传输模型；信道状态信息的预估和信号的检测；下行链路信号的预编码；导频污染及解决方法。

综上所述，4G之后的移动通信对能量效率及频谱效率提出了更高的要求。通过部署大规模MIMO天线阵列，充分利用空间维度资源，可以有效的提高能量和频谱效率。文章将对大规模MIMO通信系统中的系统模型及性能，信道状态信息的获取及信息检测和导频污染及解决方法进行简要的分析。注释：分别表示矩阵共轭、转置、共轭转置和伪逆。

1　系统模型及性能分析

本文主要采用时分复用（time division duplexing, TDD）系统，通过上下行信道的互易性在基站处获得下行信道的预估信息。

在实际应用中，单蜂窝多用户的大规模MIMO系统是一种基本的通信模型。在该模型中，假设基站的天线数为N, 终端用户数为N，每个终端为单天线用户，信息通过单频带平坦衰落信道进行传输。假设基站能完全获取信道状态信息。

1.1上行传输

在上行传输链路中，基站接收信号向量表示为：

其中，小尺度衰落系数h对应信息在传输过程中的多路径衰落。大尺度衰落系数对应信息在传输中的联合路径衰减和阴影衰落。因此，信道矩阵可以表示为：

当基站的天线数量趋近于无穷大时，总体上行信道容量可以表示为：

因此，式(5)可以表示为：

式(4)可以近似表示为：

在基站处采用匹配滤波法（match filtering, MF）检测信号，检测过程用数学公式表达为：

当基站天线数量趋于无穷大时，信道向量间近似正交，为对角矩阵，分析式(8)可得：简单的匹配滤波法可以将需要的信号从其他信号中分离出来，同时将来自于其他用户的干扰降为零。在大规模MIMO系统中，采用简单的信息检测方法可以达到最优信道容量。

1.2下行传输

在下行传输中，用户端接收的信号向量可以表示为：

总体下行信道容量可以表示为：

在下行传输中，在基站端需要根据上行链路的信道状态信息（CSI）将传送的信息进行预编码。本文采用最简单的最大比合并预编码 (maximal ratio combination, MRC)对下行传输信号进行分析：

比较(11)和(13)，其中信噪比(signal noise ratio, SNR)近似相等。因此说明在大规模MIMO通信中，在已知完整信道状态信息的前提下，通过简单的线性预编码方法可以获取近似完整的信息。

2　信息检测和预编码

2.1信道预估

在信道信息可以完全获取的理想状态下，在大规模MIMO系统中采用简单的线性信号检测和预编码方法即可获得近似最优值。但是在实际传输环境中，信道受到内部干扰及噪声的影响，基站端无法完整获取信道状态信息。因此，通常采用线性最小均方误差法(minimal mean square error, MMSE)对信道状态信息进行预估，其表示为：

2.2信息检测

当用户发送的信息到达基站时，需要通过预估的信道状态信息对其进行分析并检测出预估的信息。当发送和接收天线的数量都比较大时，一般采用线性的信息检测法检测信息，一般采用以下三种方式：

2)当前施工升降机的设计仍然采用传统的CAD技术，停留在二维、三维软件的初级使用阶段，运用一些基本的计算理论进行几何上的设计。而安全系统评价、新型方案设计等创新性设计，很大程度上还是依赖于设计者的自身经验和知识，缺乏设计规范与知识的支持，造成设计质量和效率很难再上一个新的台阶。

3) 最小均方误差(minimal mean square error, MMSE)，，其中表示预估的信道。

图1.大规模MIMO系统中信号检测方法对比

从仿真的结果（图1）分析，当基站天线数量较小时，MF和MMSE检测法的遍历可达速率相近。随着基站天线数量的增加，MMSE检测法表现出更好的性能。从文献[7]的分析可以得出，在单蜂窝环境下，ZF检测法能有效的消除蜂窝间干扰，优于MF检测法；在多蜂窝环境下，由于导频的影响，ZF的性能将降低。

2.3信息预编码

在前一部分中已经简单介绍过在理想状态下简单的线性预编码可以获得近似最优信息。下面简单介绍三种常用的线性预编码方法：

1) 最大比合并(maximal ratio combination, MRC)，；

3) 最小均方误差(minimal mean square error, MMSE)，。

其中，BMRC, BZF, BMMSE 表示Wiener Filter标量。直观来看，在进行预编码时，ZF预编码需要对信道状态信息求伪逆，增加了计算的复杂度。但是，当基站天线数量增加到无穷大时，近似等于一个单位矩阵，因此，ZF预编码与MF预编码的复杂度在基站天线数量较大时近似相等。从性能分析来看，MMSE预编码较MF和ZF预编码能获得更好的能量和频谱效率。

3　导频污染

第一种方法是采用调整顺序的TDD传输协议减少传输过程中的导频污染[9]。在该方案中，所有的蜂窝用户首先被分组。当蜂窝组1中的用户在相干时间T发送导频序列，同时在蜂窝组2和3中的用户接收下行的预编码信息。因此，从蜂窝组1中接收的导频信号避免了来自其他蜂窝组的导频信号干扰，仅剩下蜂窝组内的干扰。

第二种方法采用预编码方案[10]，主要针对减少下行链路的导频污染。根据检测的信号，推导出检测信号的另一表达式(15)

第三种方法采用特征向量分解法(eigenvector decomposition, EVD)，直接在基站端对接收的信息向量进行处理，采用取特征向量的方法预估信道状态信息，而不采用导频进行预估来消除导频污染带来的干扰。该方法首先获得接收信号的协方差，然后利用信道矩阵的列向量对应于接收向量协方差矩阵的特征值进行信道状态信息的预估[11]。

4结束语

文章对大规模MIMO系统进行简述，包括系统模型，信号检测与预编码和导频污染三个方面。在系统模型中，当基站天线数量近似为无穷大时，用户与基站间信道近似为正交，可以极大降低计算复杂度；同时采用简单的线性检测及预编码技术可以获得近似最优信号，提高能量及频谱效率；而在信道预估中，由于采用了导频预估信道的方法，大规模MIMO系统更容易受到导频污染的影响，本文也简单介绍了三种减少导频污染的方法。对于理解大规模MIMO与传统MIMO系统的不同以及相关的关键技术有一定的帮助作用。

[1] J.Govil,J.Govil.4G Mobile Communication Systems:Turns, Trends and Transition[C].2007:13-18.

[2] A.R Mishra.Advanced Cellular Network Planning and Opti-misation[M].Wiley, New York, 2007.

[3] Wang Cheng-Xiang,F.Haider,Gao Xiqi,et. al.Cellular architecture and key technologies for 5G wireless communication networks[J].Communications Magazine, IEEE, 2014, 52(2): 122-130.

[4] T.L.Marzetta.How Much Training is Required for Multiuser Mimo [C]. 2006:359-363.

[5] Marzetta,T.L.Noncooperative Cellular Wireless with Unlimited Numbers of Base Station Antennas[J]. Wireless Communications,IEEE Transactions on,2010,9(11): 3590-3600.

[6] T.L.Marzetta et,Beyond LTE:Hundreds of Base Station Antennas![C]. 2010 IEEE Communication Theory Workshop, 2010.

[7] J.Hoydis,S.ten Brink,M.Debbah. Massive MIMO in the UL/DL of Cellular Networks: How Many Antennas Do We Need?[J]. Selected Areas in Communications, IEEE Journal on,2013,31(2):160-171.

[8] J.Jose,A. Ashikhmin,T. L. Marzetta, et. al. Pilot contamination problem in multi-cell TDD systems[C]. 2009:2184-2188.

[9] K.Appaiah,A.Ashikhmin,T.L. Marzetta. Pilot Contamination Reduction in Multi-User TDD Systems[C].2010:1-5.

[10]A.Ashikhmin,T.Marzetta. Pilot contamination precoding in multi-cell large scale antenna systems[C]. 2012:1137-1141.

[11]Ngo Hien Quoc,E.G. Larsson. EVD-based channel estima-tion in multicell multiuser MIMO systems with very large antenna arrays[C].2012:3249-3252.

（责任编校：宫彦军）

2015－06－08

湖南科技学院校科研项目（项目编号13XKYTB006）。

唐锟（1985－），湖南永州人，助教，工学硕士，主要从事MIMO-OFDM通信技术的教学与科研工作。

TN929.5

A

1673-2219（2015）10-0028-03