面向5G的massive MIMO关键技术研究

2018-11-29汪红梅

中国科技纵横 2018年2期

汪红梅

(合肥工业大学,安徽合肥 230009)

以近年来移动信息业务的不断增长趋势来看,在2020年的业务量最高会增长至2010年的1000倍左右。并且目前移动通信发展的主要目标之一就是减少通信系统的能耗占比。随着4 G的发展,发现已经越来越不能够在频谱效率与功率效率方面满足人民日益增长的需求。人们对于5G的要求需要实现更高频谱与绿色发展双向发展。这就说明,需要在网络架构、组网协议及无线传输技术等方面进行改革与创新。

1 大规模天线阵列(Massive MIMO)

多入多出(Multiple Input Multiple Output,MIMO)技术,也被称为多天线技术。它的工作原理就是充分的利用空间,在通信链路的收发两端设置多个天线,通过分集增益技术,保障系统的可靠性,同时能够为系统的频谱效率的提升,提供增加复用增益,为系统的功率效率的提升,提供阵列增益。

而大规模天线阵列(Massive MIMO)[1]能够在现有的许多天线的基础上加入数十个相对独立的空间数据流,达到能够增加并行传输用户的目的,将频谱效率进行数倍的提升,Massive MIMO广泛的应用于5G的信道测量与反馈,参考信号设计、天线阵列设计以及低成本实现等方面的问题。

在目前的4 G系统之中,已经将大规模天线技术广泛的推广与应用。天线数目的增加,是现在5G传输速率以及系统容量等方面的迫切需求,也是MIMO技术继续演进的重要的方向。根据目前的概率统计学的原理进行分析,用户天线数少于基站侧天线数时,联通基站与用户之间的信道呈现正交的情况,这种状态会使得用户间的相互干扰的状态减弱。MIMO中阵列增益的增多能够使每个用户的信噪比得以提升,进而在将空分多址(SDMA)技术充分利用的基础上,多各用户能够在相同的时频资源得到相应的服务[2]。

空分多址技术(SDMA)是在利用波束赋形技术为原理的基础上进行运作的,主要的作用就是对天线阵列技术进行有力的支撑。通过对大规模天线阵列中的每个阵元的加权系数进行相应的调整,得到具有指向性的波束,进而使信号方向性增益有更明显的变化,同时会与SDMA产生比较精密的联系。

2 Massive MIMO的技术优势与应用场景

2.1 Massive MIMO技术的主要优势如下

(1)根天线消耗的功率极低。在比较理想的状态下,限定总发射率一定,单根天线所用的发射功率与天线数量成正相关;限定发射信噪比一定,总发射功率与天线数量成负相关。这就说明,单根天线所需要的发射功率与天线的数量的平方呈现负相关的状态。以此能够大幅度的降低MIMO应用之中所消耗的功率。

(2)信道“硬化”。如果天线的数量无线的增多,信道矩阵就会通过随机矩阵的理论进行相应的分析,信道矩阵的奇异值就会向已知的渐近分布靠近,信道向量就会逐渐的趋向于正交方面,其中最简便的信号处理方式是渐进最优的。

(3)减少热噪声和小尺度衰落的影响。天线数量的增加会使得热噪声、小尺度衰落对于系统性能的影响相应的进行减少,但是前提是在使用现行信号处理方法。并且,热噪声以及小尺度衰落的影响不足以与小区间的干扰相对比。

(4)空间分辨率提升。在massive MIMO系统中,在站天线数增多的情况下,基站能够对于每一个用户进行精确的定位分析,波束形成能够将传输的信号都集中在空间的一个相应的电上,继而将空间辨别的能力提升到最强。

2.2 Massive MIMO应用场景

面向5G的大规模的多天线MIMO技术,主要是以宏蜂窝与微蜂窝的形式在阵列应用场景(包括室内场景与室外场景)中实现并存,具体的应用场景网络主要分为同构网络与异构网络两种类型。根据测试的相关文献的记载,移动通信系统的通信在陆地上有七成是在室内进行的,因此就可以据此将massive MIMO信道对室内与室外用户分为宏小区与微小区两种[3]。与此同时,微小区也能够作为一个中继基站进行信息的传输。信道通常也可以划分为微小区基站与宏小区基站,对于基站的天线数没有固定,可以进行无限的增大,基站小区中的天线数也能够进行无限的增多。

3 信道测量与建模

3.1 信道测量

在massive MIMO的实际特性研究中重要的一环就是进行信道的测量,随着近几年的信道测量的工作的进展,已经取得的相应的进展包括：

(1)容量测量。大规模的MI MO能够将频谱效率进行有效的提升,频谱效率与天线数呈现正相关的增长趋势。根据massive MIMO基站不同天线所对应的信道间的准正交性,想要获取相当高的容量,利用低复杂度的线性处理也能够进行。

(2)球面波与非平稳特性测量。Massive MIMO因为平面波近似不再适用、功率不平衡以及不同天线间的R ician信道K因子不平衡,使得广义平稳特性(Wide－Sense Stationary,WSS)不再出现[4]。使得massive MIMO信道测量面临着许多的挑战：

一方面是由于massive MIMO阵列在天线轴以及时间轴存在的非平稳性,波动性比较的强烈,对于相关参数的测量存在较大的阻碍。

另一方面是由于多数的测量都是在均匀阵线的情况下进行的,还需要对其他形态的阵列进行考虑,比如说平面阵、立方阵等,这都是由于实际布阵中的空间限制。

3.2 信道建模

目前,massive MIMO的信道建模工作已经取得了相应的成绩,相关组成部分主要是随机建模(CB-SM)与几何建模(GBSM)两种情况。一方面CBSM类无法将massive MIMO的电波传播的近场效应与非平稳两个关键的特征有效的展现出来,而建模的复杂程度也在低至中等方面;另一方面,GBSM类能够相应的描述出massive MIMO的相关重要特征,并且其复杂程度也是比较的高[5]。

该技术的未来的发展方向一般是将massive MIMO信道测量结果与5G应用场景的特性进行相应的结合,并且在总结CBS M和GBS M的优势以及劣势的基础上,通过尽量的获取massive MIMO信道特性,来取得建模准确性与复杂度之间的最优的折中方案。

4 信道信息获取

4.1 基本问题

将massive MIMO与传统的MIMO进行比较可以看出,massive MIMO系统中的基站天线数以及空分用户数远比传统的数量多,信道信息的获取的难度也是相应的增加,是系统增益中的一大障碍。再利用正交导频的时候,上行链路与下行链路的导频开销与空分用户总天线数呈现正相关的关系。

就一般的情况来说,基站能够利用用户发送的导频来进行上性信道信息的估算。更深一步来讲,基站能够在时分双工(Time Division Duplexing,TDD)系统中采用上下行信道的互易性,对上行信道的信道信息进行收取与分析,然后对下行预编码;但是由于上下行信道缺乏互易性的频分双工(Frequency Division Duplexing,FDD)系统的作用,基站获取下行信道信息就会增加更多的开销,比如说增加下行信道信息的用户信道信息反馈的环节。这也是整个P D D系统中应用massive MIMO的最主要的挑战之一[6]。

4.2 导频设计和信道估计

Massive MIMO进行传输的前提以及基础是经过对信道估计取得信道信息。而信道估计的基础又是进行导频的设计。传统的正交导频设计(包括时分正交、频分正交、码分正交等)一般需要付出较大的开销来得到较小的干扰,这在4G标准中已经得出广泛的应用。但是在多小区的massive MIMO系统中,正交设计就不太适宜,因为基站天线数/空分用户数有了更大程度的增加,所需的开销也会相应的增加,甚至到了不可承受的地步。

所以,非正交导频设计就显得尤为重要,设计的主要思路包括以下几个方面：

4.2.1 导频复用

伴随着massive MIMO信道研究的进一步发展,不少学者发现了对信道的时延域/空间域的稀疏等角度进行探索以及基于导频分配的小区协作等几方面进行探索,能够找出减少或者是抑制导频污染的各种的方案类型。

4.2.2 导频数据叠加

通过几个小区上行导频在时域错开,能够降低导频的污染程度。但是,当空分用户增加的时候,基站需要增加更多的天线来取得较好的性能,达到异步导频的需求,更重要的是能够产生导频与数据间的互相干扰。Massive MIMO的特性就是集合了传统MIMO信道的设计方案(比如说MM SE准则)与待估计信道系数数量更多的特点,从而形成了一部分的新的框架与方法。主要包括以下几种类型：(1)通过利用massive MIMO信道的稀疏特性以及先进的信号处理的算法进行信道估计精度的提升,比如说,参数化信道估计以及压缩感知这两种信道估计方法能够很大程度的提升信道估计的精确程度。(2)利用数据辅助进行信道估计,能够通过将迭代接收机增强massive MIMO信道估计的精确程度。但是,如果想要获取更好的估计性能,就需要对数据、其复杂程度进行更高的要求,因为用户数量以及数据长度的增加会使复杂性程度更深。

经过以上的分析,与传统的MIMO系统相比,massive MIMO系统对于信道参数的获取需要明显的增强,这就对导频设计与信道设计有了更多的要求,也面临着更多的挑战。在以后的发展道路中,除了运用上述的方式进行研究之外,还需要进一步的对应用场景以及天线数量一同进行设计,才能够进一步的取得导频开销与信道估计的比较良好的这种方案。

4.2.3 TDD系统上下行互易性校准

虽然,空中无线部分能够满足上下行的互易性,而通信双方收发机的射频链路不能够实现上下行的互易性,但是实际T D D系统的整体信道还是需要二者共同组成。所以,系统的顺利实现也取决于massive MIMO的TDD上下行互易性校准。经过大量的研究表明,造成基站端的容量损失的因素与射频链路相位以及幅度的失配都有关系,但是用户端的容量损失的因素只与射频链路的幅度失配有关,而且,容量损失与幅度适配的方差成正比例的关系,一方较小,另一方也较小。目前已经有相应的基于校准的解决方案通过了测试并投入到实际的应用。

5 传输方法

5.1 基本的上行检测和下行预编码方法

信息论的观点认为,通过最优多用户监测以及污纸编码分别实现传统的MIMO系统的多用户上行接入与多用户下行发送的可达信息容量。如果想要将这些理论应用于massive MIMO系统也同样适用,但是伴随着基站天线数以及用户数量的不断地增加,实现最优传输是一件比较棘手的事情。

尽管学者们已经不断地研究出了许多的上行监测与下行预编码的方案,包括较高算法的方法,但是根据前面的总结来看,Marzetta进行的研究已经直观的说明,上行链路的信号检测和下行链路的预编码算法,可以分别通过简单的MRC和MRTT来实现最优性能的目标。想要取得更好的性能,可以采取比MRC/MRT复杂度更高的迫零(Zero Forcing,ZF)和MMSE算法作为首要的候选方案[7]。Marzetta通过对此理论的研究,还取得了实验的测试,更可以相应的作为massive MIMO传输方法的重要的参考依据。

经过以上的分析,如果想要应用到实际的应用之中,就应该将MRC/MRT、ZF、MMSE等线性检测/预编码方案作为主要的方法。除此之外,利用ZF/MMSE类方法的时候,需要考虑高维矩阵求逆的因素,矩阵维度一般是与用户总天线数相同,相应的复杂程度还是比较的高,解决这类问题的最好的方式就是将思路引入到简化矩阵求逆以及探索信道稀疏性方面。

5.2 下行模数混合预编码

Massive MIMO中的难点包括下行预编码,在基本的理论研究之时,Massive MIMO都会采用全数字预编码来实现最优的系统性能。全数字预编码会在基带进行数字化的处理,其中天线阵列需要每个阵元(包括天线辐射阵元、射频放大器、上下变频器及数模/模数转换器等)都含有相对独立的射频链路。在实际的探索中,研究射频链路数少于基站天线数的预编码方案更加省时省力。因为,massive MIMO中含有大量的阵元,比起传统的MIMO阵列来说,系统的复杂程度以及成本、功能的消耗会增加的十分迅速,这对于massive MIMO技术的应用会使一个较难的挑战。

对于以上问题的解决方案,需要通过新型的模数混合预编码方案。将传统的全数字预编码分解为两个部分的级联：一部分是数字基带低维度预编码,能够通过少量射频链路来消除用户间的干扰;另一部分是模拟射频高维度预编码,能够通过大量模拟移相器来增加天线阵列增益。这是魔术混合预编码模数混合预编码的基本思想。

以较小的性能损失达到大幅降低射频链路数量和处理复杂度,是模数混合预编码优于全数字预编码的地方,这可以进一步的减少成本以及提升系统的功率效率。根据自身的优势特性,模数混合预编码已经逐步成为massive MIMO下行预编码主要的研究方向,但是目前还有许多的技术问题还未解决。