一种5G密集型组网的分布式多天线校正方法

杨波靖，魏 蕾

（1.中兴通讯股份有限公司，陕西 西安 710014；2.西北农林科技大学，陕西 杨凌 712100）

0 引 言

随着5G技术商用化，尤其大规模天线技术（Massive MIMO）在密集型组网场景的应用，通过大规模运用多矩阵多天线系统，达到了立体波束赋形和多流多用户资源复用的效果，在空分传输过程中提供了一套高频谱利用率、低功耗的解决方案。Massive MIMO是MIMO技术的拓展，其基本特征是在基站侧配置大规模的天线阵列[1-3]，对信号进行多模收发解调与处理，利用空分多址方式同时服务多个用户，提升单链路质量，从而增强网络链路性能和分集传输能力。此外，多天线技术能够提升空分波束指向性，抑制干扰，降低功耗，由此也对天线阵列提出高性能、高聚合度的要求。

Massive MIMO要求天线阵列中每阵元间在时频域相位与幅度严格对齐，从而保证波束增益最大化，同时抑制波束间的干扰。如图1所示，在5G密集型组网场景下，基站间交叠复杂度比传统4G网络更大，同一个覆盖区域存在不同方向波束的多维覆盖，要求分布式基站天线阵列间业务波束正交性分布。

图1 5G密集型组网示意图

5G业务特性对天线阵列通道一致性提出了严格要求，在频域范畴内要求同一业务波束内阵元幅值相同、相位正交排列；在时域范畴内要求波束内快拍采样加权前后信噪比相同，信号加权后符合波束线性分布。此外，多天线技术中也同样定义天线校正功能，在上下行方向发送校正序列，通过空间传输后天线阵列接收校正序列，加权运算后与校正序列进行幅度、相位偏置运算，计算结果的求逆矩阵作为天线阵列权值调整偏量[4]。通过周期闭环校正过程，调整天线阵列同波束天线权值，从而保证同波束下的阵元正交性。

传统方式主要采用校正（Calibration）端口进行连接，需要使用射频馈缆进行校正信号传输，此方式限定实际工程部署的物理传输距离与传输质量，无法在5G密集型组网场景下进行分布式部署。基于上述问题，本文提出了一种高效、灵活的分布式多天线阵列联合校正方法，结合空间谱函数估算方法以及时频域离散卷积方法，通过调整阵列通道校正因子，保证各阵元幅相一致性。

1 分布式天线校正

1.1 天线校正原理

传统天线阵列AC（Antenna Calibration）校正过程中，利用阵列校正（Calibration）端口与收发天线间发送校正序列数据，再经由空口耦合后回传到基带，计算各天线接收数据间的幅相差，完成通道间幅相差异计算和补偿。其中：Ri①表示天线阵列①第i个接收通道引入的校正序列；Ti①表示天线阵列①第i个发射通道引入的校正序列。

图2 传统多天线阵列校正模型

1.2 分布式多天线联合校正

5G密集型组网场景下，需要一种高效、灵活、智能的分布式多天线阵列联合校正方法，不仅能够解除传统校正方式的局限和约束，还能够在密集型组网下尤其是交叠覆盖区域有效解决干扰问题，提升频谱利用率。

如图3所示，通过多天线阵列与基带处理单元（BBU）的前传接口进行汇聚，汇聚节点部署多天线联合校正单元（Multi Antenna Calibration Unit, eMACU）。通过BBU发起基于业务模式的多天线阵列校正动作，指令通过前传接口（FrontHaul）分解到eMACU，根据业务小区模式、空分波束方式、天线阵列组网形态以及对应天线位图生成业务小区校正序列，继而通过前传接口经由对应天线阵列及相应阵元进行空分覆盖传输。

图3 分布式多天线阵列联合校正模型

模型中的序列模块根据小区模式、天线位图等信息生成每个阵元校正序列，并按照等幅等差相位排列，且每个阵元校正序列在时间域进行间隔传输，从而避免空间谱重叠干扰。

当各阵元接收到来自不同阵列、阵元的校正序列，通过前传接口汇聚到eMACU进行校正核对，以初始校正序列为基准进行归一化处理，计算各个阵元权值校正因子并发送到阵列进行天线幅相调整。与此同时，针对校正序列进行神经网络算法训练，生成性能优化后校正序列，重新触发联合天线校正，从而组成自学习闭环校正系统。

多天线阵列联合校正过程不同于传统校正CAL互联方法，而是采用eMACU部署在前传接口网络中，此方式能够无缝融合于5G密集型组网。应用此方法不会增加网络管理成本，且天线校正过程中不会影响业务传输时延与传输质量。此外，校正过程中按照小区模式、业务波束计算每个天线的校正序列，采用同幅等差相位因子，保证每个业务小区下校正序列的正交性，能有效消除小区间空分流间的干扰。校正后业务波束指向性更精准，波束增益提升，边缘区域业务体验改善。同时，每个业务波束下的天线可以采用分布式部署，所以具备分布式特性，适合在5G密集型组网场景下普遍应用。

2 多天线联合校正算法

2.1 基于谱空间函数的校正方法

本文考虑直线阵天线阵列系统，系统中共有M个阵元的天线阵列，假设各阵元的收发性能不存在外部方向性差异（外部差异通过阵列机械下倾角进行归一化处理）[7-8]。天线阵列第i次快拍采样输出信号向量表示为：

其 中：S(i)=[S1(k), S2(k), ..., SM(k)]T为 信 号 向 量 矩 阵；N(i)=[N1(k), N2(k), ..., NM(k)]T为噪声向量矩阵；Γ=diag(1, r2, ...,rN)为不一致性矩阵，ri(i=2, 3, ..., N)表示相对第一个通道归一化处理后的传输系数；A(i)=[a(θ1), a(θ2), ..., a(θM)]T为阵列相应矩阵，因不考虑外部来波信号方向差异性，相对第一个阵元统一归一化处理后可得通道 a(θi)=[1, eDj2πcos(βi), ..., eDj2πcos(βM)]T，D为入射波能量系数，βM为第i和i+1阵元相位差。

由公式（2）可得，天线阵列输出的自协方差矩阵为：

通过特征值分解，根据谱空间DOA检测算法可以将谱空间划分为信号子空间Es和噪声子空间En。当两个子空间正交分布时，不一致性矩阵Γ不存在，然而实际谱空间中两者存在非正交性分布，因此通过MUSIC算法构造谱空间函数时需要进行不一致性修订[9-10]，即：

本文针对上述谱空间特征函数，提出了一种针对不一致性矩阵的校正方法，具体步骤如下：

第二步，针对信号矩阵R，计算不一致性矩阵Γ。当Γ为单位矩阵时，通过最优代价函数Jins，求得Γi=Zi-1W/(WTZi-1W)*，而Γi-1逆阵即为校正矩阵。

第三步，利用Γi-1调整各阵元通道幅相，并利用MODE算法重新评估来波信号，根据多快拍前后差值界定算法终止条件，从而得到满足条件的多阵元校正均衡结果。

2.2 基于时频域离散性卷积的校正方法

在联合校正过程中，并非每个天线阵列同时进行校正，因此除了频域权值因素，还需要考虑时域权值因素。多天线时频域权值矩阵为：

矩阵A(i, n, x)只表示快拍采样后联合校正阵列时的频域权值因子，但实际情况是天线阵列联合校正过程中快拍采样信号矩阵不一定对称分布。因此需要将时域多快怕阵元频域信号和时域信号卷积运算，最终得出时频域权值因子为：

其中：Am.n为频域因子矩阵；Ti为时域因子矩阵。为进行时域采样周期内的卷积积分，最终多天线联合校正频域时域因子分布。通过将频域离散因子和时域卷积合并计算，使天线校正因子得到最优调整，从而达到波束正交性和增益最大化。

3 实验结果及分析

（1）边缘区域波束增益

在密集组网场景下拉远测试结果如图4所示，可以看出：64端口业务Beam在采用多天线联合校正后，远近端波束收益优于传统校正方法，尤其在远端覆盖区域信噪比（SNR）小于10时，远端覆盖区域优势最为明显，近端波束收益略优于传统校正方法。

图4 64天线分布式联合校正与传统校正比较

（2）波束宽度的指向性

在64端口业务Beam下，采用1～4相位调幅方式。如图5所示，天线阵列机械下倾7°，调整波束相位+3°、-3°，远近端主瓣波束宽度符合预期，旁瓣抑制在中近端且远端收益明显。此外波束在拉远点位上发散性较小。

图5 64天线联合校正后波束

4 结 语

本文介绍了多天线幅相一致性校正的工作原理及分布式多天线联合校正的方法，进行了分布式多天线联合校正以及算法设计，做出了时频域补偿算法的说明与实验；最后对设计的模型以及算法在分布式64天线场景进行了校正验证。本文提出的基于分布式多天线联合校正方法，在5G密集型组网场景情况下，对于基于小区模式、空分波束方式的多天线幅相一致性可以进行有效校正。

由于在多天线场景下空间谱因素以及空间传输的过程非常复杂，未来可以深入开展多维度因子的天线校正研究，提高分布式多天线校正方法的实际部署能力。