大规模mimo关键技术及物理实现综述

莫特华南理工大学电子与信息学院14级

4班::

disco大规模MIMO及物理实现综述内容5G与大规模MIMO大规模MIMO的原理和特性大规模MIMO的优势大规模MIMO的问题与大规模MIMO的

点物理实现中的射频前端与天线阵列总结2/433/431.5G与大规模MIMO1.1

移动数据的增长在4G系统中，低移动性的通信场景下提供峰值达1Gbps的数据率，在高速移动的情况下，也能维持峰值在100Mbps的数据率；世界无线研究

（World

Wireless

Research

Forum，WWRF）在

其报告中 到2017年将会有7万亿的无线设备服务全球70亿人，也就是说网络互连的无线设备将会是全球人口的1000倍；下一代无线通信5G必须比4G在网络容量，数据传输率上抬升一个量级才能满足这样的需求。Reference：WWRF,L

.Sorensen

and

K.

E.

Skouby,

User

Scenarios

2020,report,July

2009;.4/431.2

大规模MIMO应用于5G考虑到网络容量，频谱效率和能量效率以及数据率还有小区平均吞吐率，5G小区架构将采用异构的形式混合多种技术继续演进。而作为5G五个最有潜力的技术方向之一，大规模MIMO能够在不增加功率和频谱带宽的前提下显著提高网络容量，并且大规模MIMO带来的阵列增益和空分复用极大地提高了频谱使用效率以及通信系统的能量使用效率。Reference：P.

Kwadwo

Agyapong

et

al.,

“Design

considerations

for

a

5G

network

architecture,”IEEE

Commun.

Mag.,

vol.52,

no.

11,

pp.

65–75,

Nov.2014.5/432.大规模MIMO的原理与特性6/432.1

大规模MIMO的原理信号的分辨取决于信号的相关性。不同信号之间的相关性越高（接近于

1）那么不同信号长得越像，越难将不同信号分辨出来；反之，如果不同信号之间的相关性很低（接近于0），那么不同信号长得越不像，越容易将不同信号分辨出来；下图给出了实际信道环境下不同用户信道相关系数累计部分概率，这说明随着发射天线规模的增大，相关系数值小的部分的概率会逐渐增大，信道系数向量之间服从的是独立分布，可以认为任意信道以大概率趋于正交；Reference：,,肖华华．大规模天线阵列系统技术探析［J］．电视技术，2014，38(

5)

:132－135.7/43在误码率一样的情况下，256根天线相比8根天线的场景可以是通信信噪比降低18dB。相对传统小规模MIMO，大规模MIMO可以给系统带来空间分集增益和阵列增益，这大大提升了无线链路的接收性能，提高了干扰抑制能力。Reference：,,肖华华．大规模天线阵列系统技术探析［J］．电视技术，2014，38(

5)

:132－135.8/43在同样的条件下，小区的频谱使用效率与发射天线数的关系。由于大规模

MIMO在空间上提供了

的

度，使用精准波束控制可以在同一时间内提高空分复用的效率从而使得频谱资源的使用效率得到了数十倍的提升。Reference：,,肖华华．大规模天线阵列系统技术探析［J］．电视技术，2014，38(

5)

:132－135.9/432.2

MIMO信道与发射天线和接收天线之间的具体关系MIMO信道表示（其中nr为接收天线数目，nt为发射天线数目）x其中，x是nr维的接s是nt维的发射信号G是nt

nr维的信道传输

w是nr维的接收噪声，是链路信噪比SNR。MIMO信道容量22)rtrrtlog

(1

n)

C

min(n

,n

)log

(1nt

max(n

,n

)这表明，在良好的

情况和高信噪比的条件下，可实现的信道容量与发射和接收天线中的最小值成正比。Reference：F.

Rusek,Persson

D,Lau

B

K,et

al.,

“Scaling

up

MIMO:

opportunities

and

challenges

withvery

large

arrays,

”IEEE

Signal

Processing

Magazine,

vol.

30,no.

1,

2013,pp.

40-60.10/43对于低信噪比的情况，只有波束成形增益是重要的，此时分两种情况，当发射天线远大于接收天线时Cnt

nr

nr

log2(1

)当接收天线远大于发射天线时2)rntrtn

n

tC

n

log

(1n11/43当天线数量足够大时，大规模MIMO系统物理层传输将会获得如下特性：一些原先在小规模MIMO系统中影响系统性能的因素（如信道快衰、非理想CSI、噪声以及小区内多用户间干扰）将可以被忽略；主要影响系统性能因素是相邻小区复用导频信号而产生的导频污染；使用特征波束赋形和匹配滤波等简单的预编码算法将会

近最优性能；能够将

降低至很小水平；大规模MIMO技术更加适用于TDD模式，这是因为TDD模式下无线信有互易性，理论上可花费相对较小的代价通过检测上行信道信息获得下行信道信息。对于上行信道，通过检测终端发送的导频信号可以很容易地实现信道检测。对于下行信道，由于正交导频码本和时频资源块的限制，信道检测会变得更加些。2.3

大规模MIMO的特性Reference：.基于TDD的较大规模天线系统发端研究[D].邮电大学2014.12/4313/433.

大规模MIMO的优势3.1

改善无线通信的辐射效率，提高幅度可达两个量级大规模MIMO有大量的天线单元，可以通过控制天线馈电的相位幅度改变阵列辐射波束的指向，而且高增益的天线阵列带来了宽度很窄的辐射波束，这使得有限的能量能尽可能地集中于一个小区域内。Reference：Larsson

E.,

Edfors

0.,

TufVesson

F.,

et

al.,

“Massive

MIMO

for

next

generation

wirelesssystems,

”IEEE

Communications

Magazine,

vol.

52,no.

2,Feb.

2014,pp.186-195.14/433.2

提升频谱效率，增大系统容量，提高了一个量级大规模MIMO相对单天线单终端的方式可以将频谱效率成倍地提高，在同一个时频资源块下，大规模MIMO的频谱效率可以比传统MIMO提升10倍以上，并且可以同时服务数十部终端。在多终端的情况下采用MRC和ZF预编码方式还能获得更加可观的能量效率。Reference：Larsson

E.,

Edfors

0.,

TufVesson

F.,

et

al.,

“Massive

MIMO

for

next

generation

wirelesssystems,

”IEEE

Communications

Magazine,

vol.

52,no.

2,Feb.

2014,pp.186-195.15/433.3

在物理实现上，大规模MIMO将可以采用更加便宜和更低功耗的射频器件由于大规模MIMO在射频前端架构上倾向于采用独立控制的有源天线技术，使得

RRU发生了很大的变化，每一个天线下边直接连接一个功率放大器PA和低噪声放大器LNA。这使得原来整个系统需要几十W的大功率功放可以使用很多个只有mW级的功率放大器代替，在成本上将得到削减，并且使得整个架构更加低功耗，同时也减小了馈线带来的无谓损耗，这也迎合了绿色通信的概念。16/433.4

有效减小空中接口的延时很大程度上影响着无线通信的性能。和多路径给低时延无线通信链路的建立造成了 ，如果终端陷入深度

，那么只好等到

信道有效改善之后才能接收信号。的而大规模MIMO本身就是通过大量的天线和波束赋形避免深度，所以在大规模MIMO系统中，

将不再限制通信时延。3.5有效降低小区内干扰，减小终端之间的和人为的干扰，增强系统的鲁棒性大规模MIMO提供了很大的度消除信号的干扰，并且通过控制天线单元辐射的组合，可以在空间形成叠加，在需要的地方信号叠加增强，在不需要的地方信号相互抵消。而且阵列形成的波束可以是信号覆盖小范围的目标区域，在其他非目标区域场强迅速减小，降低了小区内终端之间的干扰。17/434.大规模MIMO的问题与18/43尽管大规模MIMO拥有巨大的潜力，在系统集成和实际应用中仍然诸多与，例如大规模MIMO信道的特性，信道相互作用的校准，导频污染，下行信道检测，物理上射频前端低成本低功耗的实现，天线阵列的物理实现以及天线单元之间的有源耦合效应等。以上问题都会破坏大规模MIMO信道的相关性和正交性，从而影响网络容量、频谱效率和能量效率。以下将具体探讨几个关键的。19/434.1

导频污染理想情况下，在大规模MIMO系统中的每一个终端都分配有正交的上行导频序列。然而导频序列的最大数量有一个上限值，这个上限值与想干间隔的持续时间比上信道延时 的值有关。在典型的工作场景下，1ms间隔时间内正交导频序列估计大约有200个；基于污染导频信道估计的下行波束将会在共用这些导频序列的终端间形成直接的干扰，同样的情况也会出现在上行数据的传输中。并且随着大规模MIMO天线数量的增大，在一定数据率的情况下，导频污染的情况将会更加严重。在小区1

导频阶段，检测到了来自小区

2的复用导频信号，结果是小区1的发射波束将有部分赋形指向了小区2，从而造成了干扰。Reference：T.

L.

Marzetta,“Noncooperative

Cellular

Wireless

with

Unlimited

Numbers

of

Base

StationAntennas,”

IEEE

Trans.

Wireless

Commun.,

vol.

9,

no.11,

Nov.

2010,pp.

3590–600.20/434.2

信道状态检测算法信道估计是信号检测和自适应传输的基础，对于大规模

MIMO无线传输而言，必须找到复杂度更低实现更加简单操作更加有效率的上行信道状态检测算法。大规模MIMO阵列产生了极大数量的基带数据，而这些基带数据必须进行实时处理，这一处理要求是线性的或者是接近线性的。随着用户数量的线性增长，上行检测信号的处理量将会呈现指数式增长，如何找到更加快速的算法具有很大的性。21/434.3

天线阵列的设计大规模MIMO需要大量的天线单元组成阵列，但是随着大量天线单元的部署，天线阵列占据的空间将会变大，这使得实际应用中天线阵列的安装成为很大的问题，如何设计天线阵列，减小阵列口径将会是很大的。另外天线单元之间的相互耦合作用也会出现明显的损耗，破坏信号的正交性，减小系统容量影响其工作性能，这需要考虑天线单元之间的间距，当天线单元之间的间距小于半波长时，信号相关性将会增大。同时天线阵列的拓扑结构的不同，例如线性和平面还是三维的，都会导致信道特征的改变。22/43下表给出了不同天线拓扑结构对小区频谱效率的影响。可以看出，在总天线数一定的情况下，天线阵列中水平方向放置的天线越多，大规模天线阵列系统提升频谱效率的能力越强，垂直方向放置的天线阵列越多，大规模天线阵列系统提升频谱效率的能力会降低，形成上述仿真结果的主要原因是垂直方向角度扩展小，终端在垂直方向的角度分布范围很小，需要的天线才能区分这些角度，使得在垂直方向放置天线获得的增益不够大。23/435.大规模MIMO的点24/43针对上一节中

的

和 ，大规模MIMO的点主要集中在信道模型及系统性能分析，信道状态信息获取技术以及多用户传输技术等方面；随着天线单元大规模地增加，邻近小区之间的导频序列复用影响了信道状态信息的获取，严重限制了大规模MIMO系统的性能。而上行信道检测算法的设计涉及如何快速处理大规模天线阵列的信号，对信道模型的建立有很高的要求，这也影响多用户的数据传输。当然在电磁场和射频前端和天线设计层面也会产生诸多。25/435.1

抑制导频污染的导频波形的分配可以再进行优化。一种可能的方案是给导频信号采用更大的频率复用因子，使得相互干扰的小区离得更远些，导频信号的复用强度也随之下降。另一种可能的方案是对在网络内的不同终端协调使用导频序列或者是自适应分配导频序列。采用更加智能的信道估计算法，甚至是采用盲信道估计的方法避免一起使用导频信号，这个方向将会减缓或者是消除导频污染的影响。其中盲信道检测算法是最具潜力的，这种算法联合检测了信道和负载数据的状态。网络架构中采用新型的预编码技术，例如导频污染预编码，可以利用其在多个小区间协调传输的特性部分性地消除导频污染复用带来的直接干扰。与波束赋形协调不一样的是，导频污染预编码并不是检测污染小区内终端与天线阵列之间的真实信道，而是对慢系数的响应。26/435.2

几种检测算法的比较MMSE：最小均方误差算法；MMSE-SIC：带有软干扰消除的最小均方误差算法（MMSEwith

softinterferencecancellation），这种算法将干扰等效为高斯过程，检测残余的干扰噪声加上噪声能量。BI-GDFE：块迭代反馈均衡算法（block-iterative

generalizeddecision

feedback

equalizer），与MMSE-SIC相类似，但是不同的是，其滤波器并不依赖于接收到的信号向量，而是一个依赖于迭代参数的函数；LAS：梯度上升搜索算法，沿着更低的均方误差状态过渡，并且收敛于局部最小值；TS：Tabu

search，是梯度上升搜索算

AS的改进版本，这种算法允许了过渡至更大均方误差值，这样可以避免LAS可能出现的局部最小值；SD：球

算法，sphere

decoder，事实上是一个最大似然器，但是只是考虑在一个拥有某个半径的求体内的点；FCSD：固定复杂度球

算法，fixed

complexity

spheredecoder，是一种相对于SD算法低复杂度较佳的算法。27/43在没有经过预处理的情况，发射天线和接收天线都是40个，信号的发射功率为12dB。从图中可以看出，当误码率为0.002时，TS算法对应复杂度是大约是FCSD算法的千分之一，所以TS算法和MMSE-SIC算法表现得相对较好。28/43在没有进过预处理的情况，发射天线和接收天线都是40个。可见在整个信噪比范围内，标新最好的依然是TS和MMSE-SIC算法。TS和MMSE-SIC算法都接近最优化ML检测。29/435.3

天线阵列设计这里主要考虑的是天线阵列实际应用中的拓扑结构以及天线单元之间的互耦情况。一般情况下，天线阵列的空间是有限的，天线阵列拓扑结构采用线性，平面还是三维的都会影响大规模MIMO系统的工作性能。而且在有限的空间中为了提高控制的度或者是增益要想增加天线单元，会使得天线单元之间的间距减小，天线单元之间的耦合效应增大，天线单元之间的有源耦合将会影响馈电网络的匹配，从而对信号的正交性产生破坏，并且会提高信号的相关性，这不利于网络容量的提高。Reference：尤力,高.大规模MIMO

无线通信［J］.中兴通讯技术，2014，(02):26－28，40.30/43瑞典隆德大学的研究

对天线拓扑结构对大规模MIMO的工作性能进行了研究，他们设计了两种天线阵列，一种是圆柱形的三维阵列，一种是线性的一维阵列，每个阵列都有128个天线单元，只是后者是虚拟形成的线性阵列，并且前者是采用定向的双极化贴片天线，后者采用的是全向天线单元，有128个固定位置供全向天线移动组成虚拟阵列。Reference：X.

Gao,

F.

Tufvesson,

O.

Edfors,

and

F.

Rusek,

“Measured

propagation

characteristics

forvery-large

MIMO

at

2.6

GHz,”

in

2012

4th

Asilomar

Conference

on

Signals,

SystemsandComputers

(ASILOMAR),

2012,

pp.295–299.31/43同样的情况下，采用4个终端与128个 天线单元构成的下行链路中，利用MRT预编码方式可以实现总的数据率如上图所示。可见在同样多的阵列单元下，虚拟线阵可以获得比三维圆柱形阵列更大的数据率，这主要是因为圆柱形的三维阵列较小的口径导致的，其在水平方向上的分辨率比不上虚拟线阵，并且三维圆柱形采用的是有定向性的贴片天线，在错误位置的阴影或者是波瓣叠加都有可能导致信号的相关性增大，降低信道容量。不同的拓扑结构带给天线阵列不一样的辐射口径，造成了不一样空间信号相关性。32/43另外天线单元之间的有源耦合随着有限空间内天线单元数量的增大而增大，最终导致大规模MIMO系统容量不成比例的增大甚至是停滞。对于二维平面拓扑，每一个天线单元会有4个相邻的单元，对于三维结构，则会增加至6个。上图考虑的是在同样的情况下，不同间距对天线单元容量的影响。可见，单天线间距小于一个波长时，互耦效应造成相关性增大的问题很明显，这也造成了相对重复独立信道低下的容量。一般情况下，为了避免单元之间较强的耦合以及辐射方向图栅瓣和副瓣的增大，天线单元之间间距取值在半波长至一个波长之间。33/43而且还有一个很重要的问题是，互耦会降低天线工作的带宽，并且影响馈电网络的匹配。而馈电网络额外的匹配又会增加馈电网络的损耗，降低能量效率和阵列增益。所以提高单元间的隔离度以及选取合适的阵列拓扑结构将会是关键的。34/4335/436.物理实现中的射频前端与天线阵列大规模MIMO系统物理实现的架构主要由大规模天线阵列和射频前端模块（包括LNA接收通路、PA发射通路）组成。36/436.1

瑞典隆德大学开发的是两种大规模天线阵列，一种是采 极化贴片天线单元组成的圆柱形三维阵列，另一种是采用全向天线单元组成的虚拟一维线阵，两种阵列单元格数均是128个，工作在2.6GHz；圆柱形三维阵列解决了在不同俯仰角的散射问题，但是由于口径限制，在方位面分辨率不高。结果证实，当天线数量增大到足够大时，多用户信

有正交性，进而验证了大规模MIMO的可行性。Reference：X.

Gao,

F.

Tufvesson,

O.

Edfors,

and

F.

Rusek,

“Measured

propagation

characteristics

forvery-large

MIMO

at

2.6

GHz,”

in

2012

4th

Asilomar

Conference

on

Signals,

SystemsandComputers

(ASILOMAR),

2012,

pp.295–299.37/436.2莱斯大学Argos开发的Argos工作在2.4GHz频段，系统外观如图13所示。系统包括一个中心控制器，16个射频模块，每个射频模块包含4路射频通道，没录射频通道有一根天线和一个射频前端。根据实测数据，搞系统的总容量可以达到85bit/s/Hz，总功率为1/64的情况下，频谱效率是SISO的6.7倍。Reference：C.

Shepard,

H.

Yu,

N.

Anand,

L.

E.

Li,

T.

L.

Marzetta,

R. ,

and

L.

Zhong,

“Argos:

Practicalmany-antenna

base

stations,”

in

ACM

Int.

Conf.

Mobile

Computing

and

Netwo