5G时代广义空间调制的机遇与挑战研究

高江奇

摘要：广义空间调制是空间调制的一般性推广。广义空间调制作为一种新的MIMO调制技术能降低MIMO系统中多天线带来的高功耗和系统的复杂度。为了研究大规模MIMO系统中广义空间调制与空间调制性能对比，通过计算机仿真研究了采用广义空间调制与空间调制的大规模MIMO系统的性能。在瑞利信道下分别对不同天线数目性能进行了研究，并且分析广义空间调制与空间调制在瑞利信道的性能差异。结果表明，在相同频谱效率下，广义空间调制的性能优于空间调制，而且当天线数目增大时广义空间调制的优势更加明显。

关键词：大规模MIMO 广义空间调制 频谱效率

1 引言

无线通信系统进入4G通信时代后，业界对无线通信的传输速率要求越来越高。一方面是因为移动用户的数量持续增长，另一方面是因为随着新型个人移动智能终端的普及，移动数据业务的类型和需求日益丰富。面对未来对速率更大的业务如VR、3D视频，5G系统提出了最高高达1 Gbps的用户体验速率要求。为了满足速率要求，大规模MIMO作为5G的关键技术被广泛地进行研究[1]。但是MIMO技术的一些技术弊端，如发射天线同步比较难以保证，多天线传输时接收端产生强烈信道间干扰，多射频传输带来的高能耗和高成本[2]，这些弊端将在采用了成百上千的天线数目的大规模MIMO中显得更加突出而不能忽视。

针对这些问题，R Mesleh与H Haas等人提出了一种新的多天线传输方案，并命名为空间调制（Spatial Modulation，SM）技术[3-4]。空间调制混合了MIMO和数字调制技术，每根发射天线的索引代表了一个空间星座点，而在同一时隙只有一根发射天线处于工作状态来传输数据，其余天线处于静默状态。这样只激活单根发射天线消除了信道间的干扰和天线间同步的要求，同时降低了接收机的复杂度。但是SM的传输数据速率的增长只能以天线数目对数增长，天线数目的增加对SM的增益影响不大，这个缺陷限制了SM的应用[5]。而广义空间调制（Generalized Spatial Modulation，GSM）[6]可以很好地克服这点，GSM通过采用激活天线组合来传输空间信息，这样能提升频谱效率，同时保持SM的优势。在未来5G通信时代GSM将具有很好的应用前景。

2 系统模型

2.1 广义空间调制原理及系统模型

广义空间调制系统模型如图1所示，假设系统具有NT根发射天线和NR根接收天线，而广义空间调制同一时隙选取NT根中NP根发射天线传输相同的调制符号。那么在NT根发射天线中选择NP根发射天线的组合总数为CNPNT，但是可用的天线组合数必须是二的次方，所以只有N=2种天线组合数用于信息比特映射，表示向下取整。因此，GSM同一时隙数据信息比特分为两部分传输，一部分用于选择天线组合，需要的比特长度为l1=，另一部分用于选择M-QAM需要的比特，长度为l2=log2M，其中M为调制阶数。因此GSM每次能传输的比特为：

M （1）

从图1可以看出数据是如何分为两部分映射和传输的。传入的数据被映射成一个空间符号和一个数字符号。映射过程中，首先取前l1比特用于选择天线组合，接下来的l2比特采用M-QAM调制。以NT发射天线为5，激活天线数NP为2为例，那么可能的组合数种，但是可用的组合数，如果系统采用BPSK调制，则每个时隙映射的信息比特总长度L，具体的映射表如表1所示。

2.2 信道模型

信号通过广义空间调制后产生一个NT×1维矢量，设x=[x1，x2，…，xNT]T是发射向量，表示矩阵或向量的转置。因此GSM系统的发射信号可以表示为：

（2）

其中s所在的位置表示激活天线索引，其中只有NP根天线处于激活状态。

发送向量在一个平坦瑞利衰落MIMO信道的传递函数H中传输，采用NR根接收天线接收。则NR×1维接收向量可以表示为：

（3）

其中为传输星座映射，是信道矩阵，其元素，表示均值为0，方差为N0的加性高斯白噪声向量，其各元素相互独立，hk表示矩阵H的第k列对应的元素。

在接收端对空间符号和数字符号进行联合检测，假设接收端已知信道状态信息，采用最大似然检测准则可以表示如下：

（4）

其中（i1，i2，…，iNP）表示可能的天线组合，S为所有的星座映射组合。MLD（Maximum Likelihood Detection，最大似然检测）遍历所有的天线组合和星座点符号然后找到最优组合，所以MLD具有最优BER（Bit Error Rate，误码率），但是计算复杂度也最高。

3 GSM与SM性能对比分析

SM能克服现有MIMO技术的缺点，但是频谱效率只能以对数方式增长限制了SM在大规模MIMO中的应用，而GSM在保持SM优势的同时大大地提高了频谱效率，因此GSM在未来5G有很大的研究价值。

下面采用蒙特卡洛仿真，对瑞利信道下不同天线数的SM和GSM进行仿真性能对比。仿真结果为在不同SNR下固定频谱效率传输106比特误码率曲线，其中发射和接收天线的相关度都为0.7，GSM每次激活天线数Np=2。

固定L=8 bits/（s·Hz-1 ），发射天线为16根，接收天线为4根时的BER性能和SNR如图2所示。那么SM数字调制采用16-QAM的条件下，GSM达到同样的频谱效率只需采用QPSK。

从图2可知在瑞利信道中GSM整体性能好于SM，在误码率（BER）为10-3时，GSM的信噪比（SNR）比SM的信噪比小3 dB左右；而当误码率减小到10-4时，GSM相比SM有近4 dB的性能增益。

接下来分析采用发射天线128根，接收天线4根的大规模MIMO下GSM和SM性能對比，仿真结果如图3所示。这里固定频谱效率L=13 bits/（s·Hz-1 ），GSM采用4-QAM数字调制而SM则需采用64-QAM调制。从图3可知GSM性能依旧好于SM而且优势更加明显。当BER=10-3时，两者的信噪比相差6 dB，但是GSM的误码率随信噪比的增大，下降的趋势明显大于SM。

由分析可知GSM在相同的信噪比条件下误码率低于SM的原因是SM为了达到和GSM相同的频谱效率必须采用更加高阶的星座调制，这样在接收端检测时将增加误码概率。

4 GSM的机遇与挑战

按照国际电信联盟关于2020年的规划，4年后就要全面进入5G时代，而到现在5G的核心技术体系还没有确立。大规模MIMO技术作为5G时代核心技术之一是基于4G网络的技术延伸。天线数目不断地增加，如果其他技术也继续沿用4G网络，那么多天线（成百上千）带来的超多射频链路，高功耗，高复杂度等问题将无法解决，所以必须进行技术革新。空间调制技术作为一种新的MIMO技术很好地解决了这些问题。文献[4]表明空间调制的系统性能优于V-BLAST系统，表明SM在未来5G时代有极大的竞争力。

通过上面的分析可知GSM相比SM更加适用于大规模MIMO，而且误码性能大概能提高5 dB。并且当天线数继续增加时，这时激活天线数目合适时组合数更多，频谱效率会更高。GSM同样继承SM的优点采用单射频发射，保证了较高的能量效率和较低的实现复杂度。同时GSM与V-BLAST传输技术结合，能更大地提高比特传输率，这也让GSM在频谱效率上更加有竞争力，但是给接收端检测带来了更高的复杂度。所以未来5G时代的大规模MIMO应用对GSM来说是重大机遇。

虽然GSM应用前景光明，但GSM还有很多问题待解决，这也是GSM在未来几年面临的重大挑战。首先是信道状态信息直接影响了接收端检测的准确率，当前研究大都假设在接收端获得完整的信道状态信息[8-9]，但实际上接收端获取的为非完整的状态信息。因此，研究基于信道估计的空间调制技术能够体现空间调制技术在实际无线通信环境下的应用价值；其次是GSM现阶段的检测算法复杂度比较大。虽然已经提出了基于接收天线的球形译码算法、基于线性均衡的分块检测算法[10-11]等各种算法，但是当天线数目成百上千时，它们的复杂度依旧很大，新的GSM低复杂度检测算法依然是今后GSM应用面临的挑战。

5 结束语

本文通过对大规模MIMO系统在瑞利信道下GSM与SM的BER性能进行研究和比较。实验结果表明GSM在大规模MIMO系统中比SM更加适合，信噪比性能提高可5 dB。此外，这两种技术只使用一个射频链，并且能保证高的能量效率和低的实现复杂度。因此，GSM技术非常适合大规模MIMO的部署，未来对GSM的研究将集中在低复杂度的检测算法以及基于信道估计的空间调制上。

参考文献：

[1] 尤肖虎，潘志文，高西奇，等. 5G移动通信发展趋势与若干关键技术[J]. 中国科学：信息科学， 2014（5）： 551-563.

[2] Goldsmith A， Jafar S A， Jindal N， et al. Capacity limits of MIMO channels[J]. IEEE Journal on Selected Areas in Communications， 2006，21（5）： 684-702.

[3] Mesleh R， Haas H， Chang W A， et al. Spatial Modulation -A New Low Complexity Spectral Efficiency Enhancing Technique[A]. International Conference on Communications and Networking in China[C]. 2006： 1-5.

[4] RY Mesleh， H Haas， S Sinanovi?， et al. Spatial Modulation -OFDM[J]. IEEE Transactions on Vehicular Technology， 2008，57（4）： 2228-2241

[5] Renzo M D， Haas H， Ghrayeb A， et al. Spatial Modulation for Generalized MIMO： Challenges， Opportunities and Implementation[J]. Proceedings of the IEEE， 2014（1）： 56-103.

[6] Younis A， Serafimovski N， Mesleh R， et al. Generalised spatial modulation[A]. 44th Asilomar Conference on signal， System and Computer[C]. 2010： 1498-1502.

[7] Younis A， Basnayaka D A， Haas H. Performance Analysis for Generalised Spatial Modulation[J]. European Wireless， 2014，45（2）： 1-6.

[8] Wang C， Cheng P， Chen Z， et al. Near-ML Low-Complexity Detection for Generalized Spatial Modulation[J]. IEEE Communications Letters， 2016， 20（3）： 1.

[9] Yang S， Ma L， Xu Y. Low-complexity geometric decoding based detector in generalized spatial modulation[A]. International Conference on Electronics Information and Emergency Communication[C]. 2015.

[10] Chen C E， Li C H， Huang Y H. An Improved Ordered-Block MMSE Detector for Generalized Spatial Modulation[J]. IEEE Communications Letters， 2015，19（5）： 1.

[11] Lin C， Wu W， Liu C. Low-Complexity ML Detectors for Generalized Spatial Modulation Systems[J]. IEEE Transactions on Communications， 2015，63（11）： 1.

[12] 余金磊，馮晓东. 多速率调制解调器设计与实现[J]. 无线电通信技术， 2013，39（6）： 90-93.★