IMT-2030（6G）推进组 -集中式超大规模MIMO关键技术研究报告2023

IMT-2030(6G)推进组3IMT-2030(6G)PromotionGroup1第一章概述 52第二章超大规模天线信道建模 52.1近场信道建模 52.2远场信道建模 92.3混合近场/远场信道建模 3第三章新型天线架构 3.1稀布阵 3.2基于RIS的新型天线架构 3.3RIS辅助MEGAMIMO 4第四章信道状态信息反馈 4.1近场球面波信道的CSI反馈码本设计 4.2近场非平稳信道的CSI反馈设计 204.3面向模块化天线的CSI反馈优化设计 214.4面向RIS的CSI反馈增强 235第五章预处理算法 255.1面向广义极化MIMO的预处理算法 255.2对抗波束分裂的预编码码本设计 286第六章非平稳信道下接收机算法设计 296.1算法描述 306.2性能评估 7第七章波束管理 337.1基于RIS的波束管理 337.2分层RIS波束训练技术 358第八章总结及发展建议 37 378.2研究方向发展建议 379参考文献 3710主要贡献单位 4011缩略语 414IMT-2030(6G)PromotionGroup图2.1-1电磁波波前示意图 6图2.1-2基于几何的随机统计的近场信道建模流程 8图2.2-1远场平面波传播示意图 9图2.2-2超大规模天线远场传播场景几何建模示意图 图2.2-3超大规模天线远场信道建模流程图 图3.1-2TypeA用户分布下的系统吞吐性能CDF曲线 图3.1-3TypeB用户分布下的系统吞吐性能CDF曲线 图3.2-1RIS用作收发机的设备实物 图3.3-1RIS辅助MegaMIMO示意图 图3.3-2可达吞吐性能随相控阵天线总发射功率的变化 图4.1-1不同方案量化性能比较 20图4.2-1空间非平稳LoS径信道示意图 20图4.2-2空间非平稳多径信道示意图 21图4.3-1模块化天线阵列示意图 22图4.3-2两级码本示意图 23图4.3-3不规则天线模块码本构造示意图 23图4.4-1基于RIS的无线通信系统 23图4.4-2RIS示意图 24图5.1-1极化编码-调制-预编码的联合设计 25图5.1-2基于广义极化的MIMO预处理框图 26图5.1-3基于广义极化的MIMIO预处理框图 26图5.1-4GP-RP、PC-MIMO-QR和DFT-QR方案容量对比 27图5.1-5不同调制阶数下GP-RP、PC-MIMO-QR和DFT-QR方案的BLER 28 30图6.2-2PE-EP因子图模型 31图6.3-1算法性能分析 33图6.3-2不同检测器性能对比 34图7.1-1RIS接收波束扫描示意图 34图7.1-2RIS发送波束扫描示意图 35图7.2-1分层训练的设计逻辑训练决策示意图 36图7.2-2两种分层码本的波束训练成功率 36表3.3-1两种RIS辅助MegaMIMO传输方案 27表6.3-1计算复杂度对比 325IMT-2030(6G)PromotionGroup在4G、5G中MIMO技术与大规模MIMO技术一直承担着提高数据传输速率、频谱利用效率和覆盖能力的重任，在6G中超大规模MIMO技术将继续支撑系统性能指标的进一步提升。然而，随着天线规模的持续增加，超大规模MIMO系统在众多方面展现出了新的特性并遇到了新的技术挑战：超大规模MIMO信道表现出了近场特性、空间非平稳特性；超大规模天线阵列所形成的波束具有更高的空间分辨率，给波束管理带来新的挑战；天线数的大幅增加所带来的功耗和数据处理复杂度的大幅提升、CSI反馈开销的大幅增加等问题。本报告针对集中式超大规模MIMO所面临的挑战与问题开展研究，提供有效的解决方案，指出当前研究中尚存在的不足，探讨超大规模MIMO未来的发展方向，以使得超大规模MIMO能为6G提供更有力的技术支撑与性能提升。关于分布式超大规模MIMO技术、低功耗以及智能化超大规模MIMO技术的研究进展和成果将在《分布式超大规模MIMO研究报告》和《绿色智能化超大规模MIMO研究报告》中呈现。本报告主要包含以下研究内容：.在信道建模方面，需要新的信道建模方法去刻划超大规模MIMO随天线数增加所表现出的近场特性与空间非平稳特性；.在天线形态方面，随着天线规模的扩大，天线的功耗也将变得不可忽视，需要研究具有低功耗、高能效的新型天线架构；.在CSI反馈方面，特别是在基于码本的CSI反馈方案设计中，需要充分考虑超大规模信道的近场特性、空间非平稳特性、以及新型天线架构的影响；.在预处理算法方面，特别是预编码的设计方面，需要充分考虑超大规模MIMO的信道特点、高频段下的大带宽特性、以及新型天线架构的影响；.在接收机算法方面，随着天线数的增加，接收机算法的复杂度变得很高，需要设计考虑超大规模信道特点的低复杂度的接收机算法；.在波束管理方面，需要考虑超大规模MIMO的高空间分辨率特性，并考虑新型天线架构的引入对波束管理的影响。2第二章超大规模天线信道建模2.1近场信道建模2.1.1近场信道建模的背景与挑战根据电磁理论和天线理论，发射机周围的场可分为近场和远场，近场区可进一步分为反应近场区域和辐射近场区域[1]。其中，反应近场区域仅限于靠近天线的空间，在这6IMT-2030(6G)PromotionGroup一区域内倏逝波占主导地位，电磁场并不以辐射波的形式从天线传播出去。辐射近场区域位于距离天线几个波长以上的区域，在此区域内，辐射的电磁波还没有完全发展成具有远场特征的平面波，而主要以球形波前的形式进行传播。远场区域包围着辐射近场区域，在远场中电磁波可以近似视为平面波前。由于反应近场区域通常较小，且倏逝波随距离呈指数级衰减，因此在实际的近场通信系统中，通常主要关注辐射近场区域内的无线通信，即“近场”一般表示辐射近场区域。近场与远场区域并没有严格统一的界限，因此，也有着多种边界划分的指标来表征近场与远场区域的边界。从相位误差角度看，出现了几种常用的经验法则，包括瑞利距离、夫琅禾费距离[1]、基于MIMO收发器和RIS场景的扩展瑞利距离[2]，这些距离主要适用于靠近天线孔径主轴的场边界。从信道增益误差的角度来看，可以对离轴区域给出更准确的场边界描述。近场与远场的边界不仅取决于天线孔径大小和波长，还取决于出发角、到达角和发射天线形状[3]。从波束聚焦能力角度，可以基于近场增益和最大波束聚焦距离划分近场与远场区域[4]。从信道容量表征角度，可以结合信道的秩来评估远场平面波与近场球面波的适用区域，通过等秩面给出近场与远场边界，可以证明近场范围会随着视距和非视距环境中散射体数量的增加而增加，且在非视距环境中增加更为显著[5]。在诸多近远场边界划分方法中，夫琅禾费距离(2L2/λ,其中，L表示天线孔径，λ表示波长)是最为广泛使用的划分指标，其主要与表征发射信号的相位行为有关。传统MIMO天线系统中，由于天线数量较少，天线孔径较小，天线阵列的近场区域范围很小。例如，考虑64端口的2.4GHzMIMO面天线阵列，以每端口对应4个天线单元为例，天线孔径不足1米，夫琅禾费距离约为14米。用户到基站发射端的距离往往大于夫琅禾费距离，使用户处于天线阵列的远场区域。此时可认为所有收发天线对间的信道经历相同的散射体，同一个散射路径信号到达天线阵列的各天线阵元近似平行，可近似为平面波前。图2.1-1(a)给出了平面波示意图。相对于传统的MIMO天线系统，超大规模MIMO系统的天线阵列规模更大。随着天线阵列尺寸的增加，天线阵列的夫琅禾费距离也会增大，用户与基站之间的距离可能不再满足远场条件。以1600单元、半波长单元间距、2.4GHz的超大规模正方形天线阵列为例，夫琅禾费距离达到约100米。此时，到达天线阵列不同阵元的电磁波会呈现出球面波特性。图2.1-1(b)所示给出了一个位于近场的终端球面波示意图。（a）平面波前示意图（b）球面波前示意图图2.1-1电磁波波前示意图对于超大规模天线阵列来说，信道不能被看作是平稳的。阵列天线的不同部分可能会经历不同的传播环境，即阵列天线的每一部分能够观察到的反射体（或散射体）可能是不一样的。因此，从超大规模天线阵不同空间位置的阵元上发射的信号在传播过程中7IMT-2030(6G)PromotionGroup可能由不同的反射体（或散射体）反射（或散射导致信号在不同的收发天线阵元对之间经历的信道不同，呈现出空间非平稳特性。以上近场球面波效应和空间非平稳特性是超大规模MIMO信道建模的重要特征，对系统设计带来相应的挑战。当采用球面波假设和随机几何特性对超大规模MIMO的近场效应进行信道建模时，通过对不同的天线收发对分别建模路损、角度参数、多普勒频移等可以更精确地进行信道建模。但天线规模巨大，意味着子信道增多，信道的建模也将变得非常复杂。找到一种兼顾复杂度和精确度的球面波（近似）建模方法是亟需解决的问题。针对近场信道的空间非平稳特性，空间非平稳信道的建模方法、非平稳信道的关键参数设计、信道测量方案设计等问题同样需要解决，不同典型场景下的非平稳信道特征也需要进一步探明。2.1.2近场信道建模方法如上文所述，近场超大规模MIMO信道具备两个显著特征：球面波传播以及空间非平稳[6][7]。实际上，这两种信道特征在以往室内场景的大规模MIMO信道测量中已被广泛观测到。例如，在文献[9]的测量结果显示，多径的离开方位角和离开俯仰角的测量值会随着检测区域在整个阵列的位置变化而变化，这反映了近场超大规模MIMO信道的球面波传播特征。此外，大规模阵列上不同检测区域位置提取得到的多径数量也不尽相同，且不同的簇（Cluster）具有不同的可视区域，这反映了近场超大规模MIMO信道的空间非平稳特征。几何的随机统计信道建模方法(Geometry-BasedStochasticChannelModel,GBSM)在各大标准模型中广泛使用。近场信道建模可以使用基于位置的确定性信道建模或者半统计的确定性建模方法。文献[6]中提出了一种面向多径信道的半统计的确定性信道建模方法。文献[6]假设终端和多径散射体都可能处于近场范围内，分别对端到端的近场直射路径、近场散射体提供的非直射路径进行了建模。在收发两端是位于同一平面的均匀线阵天线的情况下，直射路径建模为HLOSn2,n1)Tn2,n1=Tcosθ−d2sinφT2n1Tsin其中，Tn2,n1表示发射端天线n2与接收端天线n1之间的距离；T表示发射端天线1与接收端天线1之间的距离，d1和d2分别表示接收天线阵列和发送天线阵列的天线间隔，θ和φ分别表示接收天线阵列和发送天线阵列之间的夹角和发送天线阵列的离开角（AngleofDeparture,AOD）。在非直射路径建模中，假设近场散射体l与发送天线阵列/接收天线阵列的距离和角度分别为d,θ}/d,θ}，按照直射路径建模发射端与散射体l之间的导向矢量bd,θ)和散射体l与接收端之间的导向矢量bd,θ)。基于近场散射体l的非直射路径建模为8IMT-2030(6G)PromotionGroupHHLOS=gl∙bd,θ)∙bd,θ))（公式2.1-3）H其中gl为散射体l的路径增益。近场区域内LOS和NLOS多径路径最终建模为LH=HLOS+HLOS（公式2.1-4）在近场超大规模MIMO信道统计模型中，由于簇内子径的相位与簇到阵列的距离直接相关，超大规模天线的近场信道建模需要考虑近场簇（Near-FieldCluster）的空间位置[7]。5GNR所采用的3GPPTR38.901信道模型尚未对近场簇的空间位置进行确定性建模。文献[8]给出了一种在3GPPTR38.901信道模型的基础上改进的近场信道建模。该方法基于3GPPTR38.901信道模型的多径时延、角度参数，通过几何关系确定了首跳散射体（First-BounceScatterer，FBS）簇或末跳散射体（Last-BounceScatterer，LBS）簇在信道坐标系中的确切位置，且簇中的多径成份（Multi-PathComponent，MPC）到阵列每个阵元的相位都是根据FBS或LBS与阵元之间的距离独立计算，这个过程实现了近场信道的球面波建模。对于空间非平稳特征建模，关键是需要对信道中簇的可视区域的大小和位置进行刻画，可以采用基于概率模型的建模方式，也可以采用基于信道测量的统计性建模方式[9]，或者采用结合上述两种方法的混合建模方式。图2.1-2基于几何的随机统计的近场信道建模流程基于GBSM建模超大规模天线近场信道的流程如图2.1-2所示。该流程以3GPPTR38.901信道建模流程为基础，考虑了公式(2.1-1)-公式(2.1-3)中近场球面波对信道衰落建模的影响，生成并采用球面波信道矩阵系数。超大规模MIMO近场信道MIMO系统设计主要有以下影响：1)波束赋形时，仅用基站与用户之间角度信息无法准确对准用户，需要利用基站和用户之间的距离信息。2)近场超大规模MIMO的LoS信道具有丰富的空间自由度能够提高空间复用增益，从而支持多流传输，但需要合理设计预编码矩阵充分利用空间自由度。92.2远场信道建模IMT-2030(6G)PromotionGroup相对于近场通信，超大规模天线远场通信信道中特定多径分量角度参数对于不同天线阵元被认为是一致的。对于超大规模天线信道，电磁波到达不同阵元的相位差只与特定角度和阵元间隔有关。图2.2-1远场平面波传播示意图图2.2-1为发射天线远场传播平面波示意图。相对于近场球面波前多径分量与收发机之间角度不同，远场信道中平面波前与收发机之间的角度是相同的。考虑收发端均为超大规模天线，分别具有LTY×LTz个面阵天线和LRY×LRz个面阵天线。Aq为第p行第q列发射天线位置矢量，AV为第w行第n列接收天线位置矢量。发射端导向矢量aTφT,θT和接收端导向矢量aRφR,θR)分别表示为：//--直出发/到达角度，δT与δR分别表示发射端与接收端天线的阵元间距。目前，主流的信道建模包括统计性建模、确定性建模以及基于几何的随机性建模方法。基于实测的统计性建模通过采集实际通信数据进行统计分析，提供真实场景下信道特性，但受限于实测数据的数量和覆盖范围[10]。确定性建模根据几何光学和一致性绕射理论进行建模，可以提供高精度的信道信息，但计算复杂度相对较高[11]。基于几何的随机性建模将实际通信场景抽象为几何模型，通过定义随机变量和概率分布描述信道特性，具有较低的计算复杂度，广泛应用于标准化研究中[12][13]。本节考虑基于几何原理以及导向矢量建立随机性信道模型。图2.2-2为超大规模天线传播远场场景几何建模示意图。IMT-2030(6G)PromotionGroup图2.2-2超大规模天线远场传播场景几何建模示意图信道矩阵Ht,f)是维度大小为LTY×LTz)×LRY×LRz)的复矩阵，具体表示为：Ht,f)=PHLoSt,f+PHLoSt,f(公式2.2-3)HLoSt,f)=aRφ,θ)ej2πfc−f)τt)aφHLoSt,f)=aRφ,θ)ej2πfc−f)τt)aφ,θ)(公式2.2-4)HNLoSt,f=aR,mnφn,θnej2πfc−fτmnt×a,mnφn,θn)(公式2.2-5)其中，M和N分别表示多径簇和簇内子径的数目，φ/R和θ/R分别表示LoS径的水平出发/到达角度和垂直出发/到达角度，φR和θR分别表示第m个簇中n条子径的水平出发/到达角度和垂直出发/到达角度。τt和τmnt分别表示时变的LoS径和NLoS径时延。aRφ,θ)，aTφ,θ)，aR,mnφn,θn)和aT,mnφn,θn)分别表示LoS和NLoS分量的波导矢量。基于上述描述，超大规模天线远场信道建模的流程如图2.2-3所示，涵盖了大尺度信道参数、小尺度信道参数和时变信道参数的更新过程。与3GPP标准化信道模型不同的是，基于几何原理进行远场信道建模时多径分量的角度、时延等信道参数的生成更加注重几何关系的描述，对实测统计参数的依赖较低，该建模方式较为准确且复杂度适中。标准化模型中以上参数的生成通常是基于概率分布和统计参数等方式生成。图2.2-3超大规模天线远场信道建模流程图2.3混合近场/远场信道建模在现有的远场或近场信道模型中，假设所有散射体都在远场或近场区域。实际上，在超大规模MIMO系统中更容易出现混合场通信环境，即其中一些散射体位于远场区域，而另一些位于近场区域。换句话说，超大规模MIMO信道通常由远场和近场路径分量共同组成。然而，现有的远场或近场信道模型与混合场信道特征并不能完全匹配，这使得现有的远场或近场信道模型无法直接用于精确描述混合近场/远场信道。为了应对这一挑战，一种可行的方案是通过对近场和远场散射体分别建模，将混合场的信道表示成一定比例的近场径分量和远场径分量的加和，其中近场径经由近场散射体反射（或散射采用2.1节中的近场信道模型，远场径经由远场散射体反射（或散射IMT-2030(6G)PromotionGroup采用2.2节中的远场信道模型，从而得到混合近场/远场场景下的多径信道模型[14]。3第三章新型天线架构3.1.1基本原理稀布阵技术实现的基本原理是，利用子空间的采样定理，通过优化阵元位置、幅度激励等方法，减少阵元数/通道数，且保证天线增益、旁瓣抑制等与半波长间距的均匀阵保持相同。如图3.1-1所示，稀布阵按照是否网格抽取阵元样点，可分为稀疏阵列、稀布阵列，前者按格点抽取，后者不限阵元位置，更具灵活性；按照阵列形态，稀布阵又可分为直线阵、平面阵、圆环阵。图3.1-1稀布阵示例3.1.2技术优势由图3.1-1可以看出，此时相邻天线阵元的阵间距不再相同，且不再受半波长的约束，部分阵间距甚至可达到若干个半波长，因此稀布阵具有节省天线数、简化阵列结构、减轻阵列重量、抑制天线间互耦效应等优势。除此之外，相比于基于均匀阵增加天线阵列间距的方式，稀布阵可以通过优化位置、激励振幅等设计达到比相同阵子数的均匀阵更好的通信效果，实现更高的空间自由度，并有助于达到更好的小区边缘性能。3.1.3设计算法天线方向图综合是稀布阵设计的核心关键。为了获得与原均匀阵相当的性能，稀布阵天线综合需要在给定阵列尺寸、最小阵元间距等诸多约束条件下，对天线阵元的位置、激励幅度等目标参数进行优化设计。由此可见，稀布阵天线综合是一个多变量的非线性优化问题。业界针对稀布阵天线综合算法的有效性开展了广泛的研究，目前应用于稀布阵天线综合的算法主要有：IMT-2030(6G)PromotionGroup.智能化优化算法，包括遗传算法(geneticalgorithm，GA)[15]、粒子群算法(particleswarmoptimization,PSO)[16]、差分算法(differentialevolution，DE)[17]等，该类算法可在较小天线规模阵列中应用，而对于大规模天线阵列，其算法的复杂度显著增加。.快速傅里叶变换(fastFourierTransform,FFT)[18]、矩阵束(matrixpencilmethod,MPM)[19]、前后向矩阵束(forward-backwardMPM,FBMPM)[20]等算法有效提升了计算效率，使得大规模天线阵列的稀布综合成为可能，但这类算法大多需要目标优化天线数作为先验信息，无法获取最优天线数。.压缩感知类算法，例如基于凸优化(convexoptimization,CO)[21][22]的算法等，可同时优化阵元分布和阵元激励幅度，同时灵活处理最小阵间距等约束条件，具有较高的自由度。考虑移动通信环境下用户分布不确定性和移动特性，文献[23]提出了一种联合凸优化（jointconvexoptimization,JCO）的稀布综合理论模型，有效抑制天线阵列扫描产生的旁瓣/栅瓣引入的干扰。3.1.4系统级性能评估系统级性能评估基于时分双工（timedivisionduplexing,TDD）移动通信系统以及宏蜂窝（UrbanMacrocell,UMa）应用场景展开，并根据3GPPTR38.901[26]构建5G信道模型。仿真中，基站将分别配置64-UPA、32-UPA、CO-based32-SPA、JCO-based32-SPA天线阵列对不同的用户分布模型进行性能对比分析。系统带宽为100MHz，载频为2.4GHz，用户分布模型分为TypeA、TypeB。TypeA：用户随机分布在阵列法线方向，波束的辐射方向固定为φ。用于直观地比较基于CO和基于JCO的合成方法在无波束扫描的情况下的性能差异。TypeB：用户随机分布在以面板为中心，半径为为R的圆上，波束的辐射方向φ沿位置变化。用于验证基于JCO的合成方法在抑制导致相邻干涉的光栅波瓣方面的有效性。图3.1-2给出在TypeA用户分布模型下，64-UPA、32-UPA、CO-based32-SPA、JCO-based32-SPA四种阵列应用系统的CDF曲线图。图3.1-2TypeA用户分布下的系统吞吐性能CDF曲线在TypeA模型下，对于相同32阵子的面板，JCO-based32-SPA系统的小区边缘用户吞吐量比32-UPA系统高13.36%，并且比CO-based32-SPA系统高9.36%。这是因为SPA的主瓣辐射能力取决于θ方向上的扫描能力，而θ方向与天线元件在垂直方向上的位置有关。每列中的SPAs上的天线元件的位置不平行于z轴，使SPA拥有比32-UPA更IMT-2030(6G)PromotionGroup高的空间自由度，并有助于达到更好的小区边缘性能。此外，在阵子数减少一半的情况下，JCO-based32-SPA系统的小区边缘用户吞吐量与64-UPA系统接近。图3.1-3给出TypeB用户分布模型下，64-UPA、32-UPA、CO-based32-SPA、JCO-based32-SPA四种阵列应用系统的CDF曲线图。其中(a)表示半径R=ISD/6，(b)表示R=ISD/2。(a)半径R=ISD/6(b)半径R=ISD/2图3.1-3TypeB用户分布下的系统吞吐性能CDF曲线在TypeB模型下，对于32阵子的面板，随着半径R增大，JCO-based32-SPA系统、CO-based32-SPA系统、32-UPA系统之间的性能差距进一步扩大。这是因为较小的R表示UE位于基站附近，因此系统可以提供更好的服务。但对于较大的R，其他扇区的潜在干扰的可能性增加。当R达到ISD/2时，JCO-based的32-SPA系统的小区边缘用户吞吐量比32-UPA系统高28.17%，并且比CO-based的32-SPA体系高17.86%。与预期相同，JCO-based的32-SPA系统得益于波束成形和联合方向图，受到的干扰比CO-based32-SPA更小，尤其是当UE位于小区边缘时。此外，在阵子数减少一半的情况下，JCO-based32-SPA系统的每个用户的净吞吐量接近64-UPA系统。结合上述分析，可获得以下结论：阵子数相同时，JCO-based32-SPA系统优于32-UPA系统和CO-based32-SPA系统。特别在面对邻区干扰时，JCO-based32-SPA系统鲁棒性更强。此外，当天线单元的数量减少近50%时，基于JCO的32-SPA系统的性能接近64-UPA系统，这对于未来B5G和6G移动通信的实际部署具有吸引力。3.1.5预编码方案设计当稀布阵技术应用考虑基于码本的预编码方案时，由于现有标准仅支持特定天线数（2的幂次方）的均匀阵预编码码本，并不支持稀布阵对应的预编码码本，因此系统采用稀布阵进行数据传输时，UE无法向基站反馈基于稀布阵天线数规格的预编码矩阵指示（PrecodingMatrixIndicator,PMI）信息。此外，由于稀布阵的天线数量、天线间距与应用场景、稀布综合算法有关，因此未来稀布阵的阵列形式一定是多样化的，对稀布阵预编码码本进行标准化难度较大。针对这个技术难题，需要对PMI信息反馈方面进行优化设计，设计思路可以从基站侧或终端侧两个方面开展：对于基站侧，可以考虑通过某IMT-2030(6G)PromotionGroup种技术手段将天线激活信息和码本信息进行显示或隐示的指示，同时考虑复用现有的均匀阵码本，并在其基础上通过预处理的方式得到适配的稀布阵码本；对于终端侧，可以考虑设计基于测量信息主动上报的方式，协助基站侧进行预编码矩阵的选择。3.1.6小结总的来说，在实际移动通信环境中，稀布阵可在小幅性能损失的情况下，大幅降低天线数/射频通道数（可高达50%），进而大幅降低整机成本和系统复杂度，因此实际部署可综合权衡性能下降和天线数降低两者之间的关系。面向未来B5G和6G移动通信网络，稀布阵技术未来有望在以下方向得到广泛研究与应用：.高频段（例如毫米波）应用：高频段波长小，天线尺寸可进一步压缩，因此面板空间相对于天线阵子更大，这也意味着每个天线单元有更大的排布空间，有利于相同规模阵元数在更大的阵面空间进行自由排布，进而降低阵元间耦合效应。因此该技术有可能成为未来全数字毫米波提升系统性能的可行解决方案。.用户特定分布下的应用：面向未来高容量场景，大量用户有可能集中分布在某个方向（例如写字楼等），因此，未来移动通信系统可根据这些特定方向进行阵列优化，降低整机成本的同时满足上述方向用户获得较好的服务体验的需求，从而提升系统整体性能。3.2基于RIS的新型天线架构3.2.1基本原理RIS(ReconfigurableIntelligentSurfaces)技术是一种基于可调控超材料的新型天线架构。通过简单的改变有源器件两端的电压，即可改变RIS超单元的反射系数，进而影响反射电磁波的幅度和相位。对于无源RIS来说，为尽可能减小损耗，在设计上一般不做幅值调控，因此无源RIS主要通过调相来对电磁波进行调控。3.2.2技术优势从结构上来说，基于RIS的新天线架构基于超材料原理，可以实现远小于半波长的单元间距，因此在调控电磁波的精细程度上相对传统相控阵具有明显优势。接近于连续表面的RIS类器件能够实现更好的空间分辨率和更细的调控颗粒度。从成本上来说，基于RIS的新天线架构大部分采用成熟的PCB工艺，且无需采用能耗高的RFchain和相移器，因此在功耗上具有明显优势。同时RIS单个单元的工业化制造成本也相对较低，能够轻易地在低成本的情况下实现超大规模MIMO。从部署上来说，基于RIS的新天线架构能够低成本地任意部署在靠近基站侧、靠近终端侧作为中继，部署在建筑物、装饰物、玻璃等的表面，具有改变电磁环境的能力。3.2.3传输方案IMT-2030(6G)PromotionGroup对于无源RIS和大部分有源RIS天线架构来说，其至少存在基站馈源到RIS，RIS到用户的两段级联信道。此时，传输方案可以总结为在发端的数字波束赋形（或混合波束赋形）与在RIS侧的模拟波束赋形的综合系统。当RIS用作发射机的模拟天线阵列时，基站使用纯数字天线阵列将发射信号发射到一个RIS阵面上，信号经由RIS阵面反射后达到UE。此时RIS相当于基站的模拟天线阵列。与传统的天线阵列的区别在于RIS阵面天线无法直接通过电路与基站的射频电路相连。RIS用作发射机的模拟天线阵列时，基站发射天线与RIS距离较近，可以考虑不定义新的接口。图3.2-1RIS用作收发机的设备实物将RIS面板用作发射机模拟天线阵列的一种实现结构如图3.2-1所示。图3.2-1所示收发机支持的数据流数为Ns=2。将发送信号表示为S=s1,s2,…,sNsT，数据流经过维度为NRF×Ns的数字预编码矩阵FB，输出NRF路数据X=x1,x2,…,xNRFT=FBS。NRF路数据通过射频链连接的NRF个馈源天线发出，传播到包含NRIS个单元的RIS(相移矩阵为Φ)面板，经由RIS进行模拟波束赋形以后发射出去。理想情况下RIS的调控矩阵为Φ,从馈源到RIS的信道为HT；RIS到UE的信道矩阵为HR。馈源信号不经过RIS直接到UE的信道表示为g，噪声为n0。则在完全已知信道信息的情况下UE侧的接收信号为y=(HRΦHT+g)x+n0（公式3.3-2）在实际场景下，由于工艺的误差和信道测量反馈的损失，不可避免地会引入一些非理想因素。这些非理想因素可以建模为相位误差和信道估计误差。相位误差模型可以建模为Φ'=Φ+ΔΦ（公式3.3-3）其中ΔΦ作为相位误差。对于RIS的两段信道来说，由于RIS无源的特性，其信道估计存在的误差以及发端和收端的噪声nT和nR导致的综合影响可以体现在最终估计的信道，即（公式3.3-3）中的理想信道估计HT和HR需要被替换为--IMT-2030(6G)PromotionGroup此时的传输方案转化为，在考虑误差情况下，保证系统的指标（如接收信噪比）能够最大概率地满足要求。通过考虑误差的问题转化及其鲁棒波束赋形方法，可以使得系统的稳定性大大提升，系统的和速率在高信噪比情况下提升50%，在优化目标为中断概率的问题中，系统的中断概率显著降低（在一些场景下可从80%降低到20%）[25]。3.3RIS辅助MegaMIMO100GHz以上的sub-THz频段可以提供足够的带宽，用于满足6G系统100Gbps以上的极致吞吐需求。为弥补sub-THz信道的高路损，可以在基站（BS）应用基于可重构智能表面（RIS）的大尺寸阵列天线，降低成本和功耗。此外，Sub-THz无线信道具有以视线（LoS）传播为主的“准光”特性，进而影响传统MIMO系统的空间复用能力和频谱效率。一种解决方式是利用大孔径阵列的近场效应。近场中LoS信道具有较高的自由度，因此可以利用近场MIMO技术提升LoS场景中的空间复用增益。例如，LoS-MIMO技术已经应用于微波回传链路[26]。但传统LoS-MIMO技术中天线阵列固定不变，导致用于接入链路时，天线排布非理想，性能下降。本文介绍一种基于RIS辅助的新型MIMO架构，可以针对用户位置和姿态进行自适应孔径调节，以保障LoS-MIMO用于接入链路时的传输性能[27]。3.3.1基本原理图3.3-1所示为RIS辅助MegaMIMO示意图。基站（BS）天线采用相控阵-RIS两重波束赋形天线架构。其中相控阵作为RIS的馈源，用于对RIS馈电；透射式RIS用于将入射波向用户设备（UE）传输。具体来说，各相控阵子阵将已预编码的数据流经过波束赋形向RIS传输。当RIS尺寸足够大时，可以通过控制相控阵波束调整RIS上入射波功率分布，从而选择性激活特定位置的RIS阵元。本方案中，为了降低馈电损耗并在传输方案设计中提高信道正交性，相控阵波束设计考虑聚焦波束。下一步，通过调控被激活的RIS阵元的相位使RIS波束指向UE方向，达到相干的波束赋形传输。而UE侧使用传统相控阵天线接收。图3.3-1RIS辅助MegaMIMO示意图上述相控阵-RIS两重波束赋形天线架构可以在BS天线物理位置不变的条件下，等效的实现自适应孔径调节。从UE侧看，被激活的部分RIS阵元替代了相控阵天线，成为BS的等效发射天线。由于被激活的RIS阵元的的位置可以通过控制相控阵波束方向进行调整，因此等效的实现了自适应孔径调节。这是本方案与传统空馈相控阵的区别。3.3.2技术优势IMT-2030(6G)PromotionGroup首先，RIS辅助MegaMIMO在LoS传播为主的高频信道中可以获得较高的空间复用增益和传输性能。自适应孔径调节能针对用户位置和姿态将BS等效发射天线调整到最优位置[27]。此时，等效MIMO信道近似满足规范正交性（orthonormality即等效MIMO信道不仅正交，而且各特征值也相等，从而可以提高传输性能。相比基于传统相控阵的混合波束赋形（HBF可以获得1.5倍~2倍的增益。其次，RIS辅助MegaMIMO可以降低BS天线的成本和功耗，提高能量效率。BS可以利用较小尺寸的相控阵对RIS馈电，降低成本和功耗。通过相控阵波束的合理设计，还可以达到较低的馈电损耗。尽管需要使用较大尺寸的RIS，但仅有少数RIS阵元被激活用于传输，其它RIS阵元可以配置为功耗较低的关闭或随机散射模式，同时降低计算和控制复杂度。此外，RIS辅助MegaMIMO可以极大简化收发方案设计，实现不依赖发端信道状态信息（CSIT）的传输。具体传输方案将在下一小结中介绍。3.3.3传输方案由于RIS辅助MegaMIMO可以借助自适应孔径调节实现规范正交的等效MIMO信道，收发方案可以称为基于自适应孔径的规范正交空间复用（OrthonormalSpatialMultiplexingwithAdaptiveAperture,OSMA2）。理想情况下，当BS已知用户的精确位置和姿态时，可以据此进行孔径调节和波束赋形，并且可以使用DFT矩阵对数据流进行数字预编码。由于等效MIMO信道各特征值相等，等功率分配即为最优功率分配。此时各接收天线可以接收到无流间串扰的数据流并直接解调，不再需要空域合并。当存在定位误差时，BS可以根据有误差的用户位置和姿态进行孔径调节和波束赋形。各数据流可以不经数字预编码直接传输。此时只需要接收机基于收端CSI估计进行复杂度较低的匹配滤波（matchedfilter，MF）即可获得接近最优的性能。两种收发方案对比见表3.3-1。表3.3-1两种RIS辅助MegaMIMO传输方案方案1方案2BS侧（发端）信息精确用户位置和姿态有误差的用户位置和姿态数字预编码DFT矩阵无（各子阵发射独立数据流）空域接收机无（各接收天线信号独立解调）基于CSIRS估计的MF图3.3-2展示了本方案（OSMA2）在100GHz载频和6.4GHz带宽下的可达吞吐性200~800Gbps的吞吐，是传统HBF的1.5倍~2倍。而且即使存在50cm的定位误差，方案性能下降仍小于10%。IMT-2030(6G)PromotionGroup图3.3-2可达吞吐性能随相控阵天线总发射功率的变化4第四章信道状态信息反馈4.1近场球面波信道的CSI反馈码本设计随着天线阵列向更大规模演进，如超大孔径天线阵列(ExtremelyLargeApertureArray,ELAA)、可重构智能超表面(RIS)技术等，用户会以更大概率出现在近场。以工作在100GHz、单元数256*256、半波长间距的阵列为例，根据经典理论，其近场范围为200m以内。已有CSI反馈方案基于用户位于远场假设，将电磁波视为平面波，基于此设计的CSI反馈码本具有1D/2D-DFT向量形式。然而，近场信道体现出球面波特性，将已有CSI反馈方案直接应用在近场会导致系统性能下降，例如波束赋形增益损失。因此，需要设计适配近场球面波信道的CSI反馈方案。4.1.1码本设计从宏观角度分析，平面波导向矢量仅包含俯仰角和水平角两个维度的信息，现有码本反馈方案即对两个维度的信息进行量化，通过克罗内克积得到码字构造的基本单元。值得注意的是，反馈变量并非分别对应俯仰角和水平角维度信息，而是经由两个维度进行组合变换。近场的CSI反馈码本设计仍然可以沿用远场研究的思路。根据近场球面波模型特性，假设用户球坐标为(T,θ,φ)，均匀线性阵（UniformLinearAntenna,ULA）以及均匀平面阵（UniformPlaantn,为：Tn≈T−sinθyn+ybT,θ,φ=e−jkT1,1−T),…,e−jkT1,N−T),e−jkT2,1−T),…,e−jkTN,N−T)T（公式（公式（公式IMT-2030(6G)PromotionGroup（公式iφcosIMT-2030(6G)PromotionGroup（公式是平面。因此，平面波模型可以视作球面波模型的特例，可以推断出依据球面波导向矢量bT,θ)以及b(T,θ,φ)设计的反馈码本能够兼容已有远场方案。另一点需要注意的是，在远场平面波近似中，Tm,n可以解耦合为关于xm以及yn的两项，因此已有远场UPA码本可以表示为ULA码本克罗内克积的形式。然而，对于近场球面波信道，Tm,n中存在关于xmyn的交叉项，因此UPA码本无法简单设计为ULA码本的克罗内克积。基于上述分析，ULA和UPA的近场CSI反馈码本的基本码字构造单元设计如下：2ci(n)=exp−jkmixm+iyn+0.51−m)nix+0.51−niy−miinixm))（公式4.1-5）（公式4.1-6）其中mi，i以及ni均是根据PMI确定的码字生成参数，其余变量均为配置好的已知变量。对于ULA，mi和ni可以理解为对sinθ以及cos2θ/2T其中mi，i以及ni均是根据PMI确定的码字生成参数，其余变量均为配置好的已知变量。和ni可以理解为对sinθcosφ,sinθsinφ以及1/T的均匀量化。当ni=0时，上述码字构造单元退化为DFT向量形式，保持了对已有远场方案的兼容性。4.1.2性能评估为了评估所述近场反馈码本性能，仿真考虑16*16大小的UPA，工作频率为3GHz，重点关注基本码字构造单元的量化性能，即码字与LoS信道向量相关性为了说明近场CSI需要设计与之匹配的码本，假设用户分布在T∈[1,5]的区域。在保持反馈总比特相同的情况下，对比方案包括：.方案1：传统2D-DFT码本，不考虑距离维度信息；.方案2：对T,θ,φ分别进行均匀量化；.方案3：对θ,φ分别进行均匀量化，对1/T进行均匀量化；.方案4：和所述方案区别仅在于对T进行均匀量化。图4.1-1展示了基本码字单元对近场信道的量化性能，图例中的数字分别表示T,θ,φ三个维度的反馈开销。可以看到，所提方案实现了几乎最好的量化性能。此外，在有限的反馈开销限制下，应平衡角度维度以及距离维度的反馈开销。IMT-2030(6G)PromotionGroup图4.1-1不同方案量化性能比较4.2近场非平稳信道的CSI反馈设计随着通信频率的提高和越来越大的天线阵列，近场区域的范围也逐渐变得不可忽视，由于阵列尺寸的增大和用户的近场分布，阵列不同区域的天线单元经历不同的传播环境，信道更容易呈现空域非平稳特性[28]。在信道非平稳的近场通信场景中，由于球面波传输距离和角度的影响，LoS和多径信号的能量主要由基站天线阵列的一部分提供或接收[29]，即对于一个大规模天线阵列，环境中某些散射体的反射（或散射）信号可能只能被阵列某个局部区域内的天线接收到；反之亦然，只有阵列某个局部区域内的天线发送信号才能被环境中某些散射体反射（或散射）。这会导致不同用户可能会映射到天线阵列的不同区域，对信道测量和波束赋形都提出了更多的挑战。对于一个大规模天线阵列，LoS径上的用户和反射径上的每个散射体都对应着一个天线阵列上一个能接收到信号的局部区域，该局部区域称为（多径在阵列上的）可视区域（VisibilityRegion，VR）[29]。基于基站天线阵列的子阵列分组情况，可视区域也可以用子阵列集合的形式表示。例如，图4.2-1所示为LoS径上终端用户对应的可视区域；图4.2-2所示为空间非平稳的多径信道，其中“远场cluster1”的可视区域为“可视区域1”，“近场cluster1”的可视区域为“可视区域2”。图4.2-1空间非平稳LoS径信道示意图IMT-2030(6G)PromotionGroup图4.2-2空间非平稳多径信道示意图考虑最简单的多用户LOS场景下的上行信道测量过程[29]，终端发送上行参考信号x=[x1,…,xK]，其中xk表示终端k发送的上行参考信号，网络侧接收到的信号y可以表示为y=PHx+n，其中H表示信道矩阵，n表示噪声。基站的大规模天线阵列沿着水平和垂直方向分割成s=sa×sb个子阵列，其中水平方向分成了sa份、垂直方向分成了sb份。针对每个终端k∈[]1,K，基站根据每个子阵列(sa,sb)的位置和范围信息，利用最大比合并等方法分别检测来自终端k的接收功率pk,sa,sb并排序，从高到低依次将接收功率最高的子阵列加入终端k的可视区域，直到满足总接收功率门限。考虑终端k的可视区域为ℤk，表示基站天线阵列上满足总接收功率门限的子阵列集合，那么终端k只需要由可视区域中的子阵列服务，那么只需要考虑终端用户与其基站侧可视区域之间的信道Hk,VR。基于近场信道非平稳特性的可视区域反馈，可以在网络性能损失很小的情况下，将信号处理复杂度大幅度降低（例如，在网络和速率损失低于5%的情况下，可以将信号处理复杂度降低90%以上[29]）。另外，上述过程也可以扩展到下行信道测量，或者进一步扩展到多径场景下的信道测量中。根据不同的近场信道状态测量方案，近场信道状态信息反馈需要考虑增加相应的测量结果，例如多径散射体的距离/角度信息、天线子阵列的分组选择信息等。基于近场信道的非平稳特性，可以考虑将天线选择的思想应用于近场多用户信道测量中，基于基站天线各个子阵的信道测量信息来确定近场多用户或者各个散射体的信号能量集中的子阵列分组，并基于子阵列分组结果进行波束赋形和组内干扰协调，有助于降低终端的信号处理复杂度，并降低网络信号传输的资源开销。4.3面向模块化天线的CSI反馈优化设计在超大规模天线技术研究中，通常将天线阵列形态划分为集中式和分布式两大类。在集中式天线阵列方面，全部天线位于同一个一维或二维面板中。集中式天线阵列的问题是信号源位置单一，导致覆盖范围容易受障碍物遮挡而出现空洞。此外，由于天线元件之间需要半波长距离，因此在实际可行的天线尺寸上能够集成的天线元件数量在低频段受到很大限制。在分布式天线阵列方面，要求环境中部署大量分布式接入点，每个接入点具有各自的天线阵列。分布式天线阵列的一项重要技术为联合传输，即利用多个接入点进行数据传输。IMT-2030(6G)PromotionGroup本节主要研究一种介于集中式与分布式之间的模块化天线形态。该阵列形态需要首先预定义基本的天线模块，再根据部署场景将多个天线模块灵活地连接在一起形成完整的多天线系统，从而能够灵活设计阵列形态，并且可以降低安装维护难度。其中，每个天线模块由多个天线构成，且不同模块的天线形态可以不同。每个模块可以独立进行波束赋形，也可以实现多个天线模块之间的联合传输。模块化天线示意图如图4.3-1所示。为了更好的匹配建筑物的角落或弯曲的建筑表面，天线模块可以为不规则形状。图4.3-1模块化天线阵列示意图模块化天线的概念在学术界已经有了一定的研究，例如在文献[30]中提出了模块化天线的概念，其重点是研究分布式计算复杂度的问题。在预编码方面，该文献仅仅采用简单的ZF预编码，并未针对CSI反馈进行特殊设计。在文献[31]中提出了大规模MIMO系统的模块化概念，并作为一种构建具有较小天线模块的单个大型FD-MIMO天线面板的方法。本章节重点关注分布式模块化天线的CSI反馈方案，通过对分布式模块化天线的反馈码本设计，辅助基站利用多个天线模块进行用户调度。在信道测量方面，基站向终端配置并发送用于信道状态信息测量的参考信号。终端接收参考信号并进行信道估计，获得每个天线模块的信道状态信息。在反馈方面，终端基于每个天线模块的信道状态信息，计算每个天线模块的子码本并进行联合上报，码本结构如图4.3-2所示。其中，W为多个天线模块的预编码矩阵，W1和W2分别为每个天线模块的预编码子矩阵。对于每个预编码子矩阵，可以通过引入空域基矢量来实现两级码本结构。例如W1可以细分为矩阵W1,1和W1,2的乘积。其中W1,1为空域基矢量构成的矩阵，W1,2为空域基矢量之间的线性加权系数构成的矩阵。终端将空域基向量索引及其线性加权系数向基站进行反馈，用于基站恢复多个天线模块的预编码矩阵。IMT-2030(6G)PromotionGroup图4.3-2两级码本示意图当天线模块为不规则形态时，一种可行的方式是在不规则天线模块中选择一个一维或二维规则天线子阵列用于码本构造，如图4.3-3（a）所示。此外，为了充分利用不规则天线模块中的全部天线，也可以将不规则天线模块进一步细分为多个一维或二维规则天线子阵列用于码本构造，如图4.3-3（b）所示。其中，选择天线子阵列的方式有多种，例如优先选择天线数量最多的天线子阵列、垂直方向天线数量最多的天线子阵列或水平方向天线数量最多的天线子阵列等。（ab）（a）选择一个子阵列（b）选择多个子阵列图4.3-3不规则天线模块码本构造示意图4.4面向RIS的CSI反馈增强在基于RIS构建的无线通信系统中，信道估计和CSI反馈不仅用于确定调度信息、波束赋形与预编码矩阵等，还要用于对RIS进行状态调控。随着阵列规模的增大，信道估计与CSI反馈的复杂度与开销也愈发增大，而RIS的无源特性也进一步增加了信道信息获取的复杂度。本节考虑对基于RIS构建的无线通信系统的信道状态信息获取方法进行增强。在如图4.4-1所示基于RIS构建的无线通信系统，基站到UE之间的信道包括基站-RIS、RIS-UE这两段信道。为了调整RIS的状态，最理想的方式是可以获取RIS-UE这段信道的信道状态，并基于该段信道的信道状态确定RIS的状态。为了获得基站侧发射机的波束赋形和预编码矩阵，则需要获取基站-RIS或基站到UE的信道信息。假设基站到RIS段的信道为H1，RIS到UE段的信道为H2。图4.4-1基于RIS的无线通信系统现有的数模混合波束赋形架构下的波束赋形方案，是先确定模拟赋形，在固定的模拟赋形基础下，进行信道估计获得数字赋形。在加入RIS的通信系统中，也可以使用类似的方案，通过波束扫描确定RIS的相移矩阵，然后在确定的RIS相移矩阵下，进行信道测量，获得信道估计，用于基站侧的波束赋形。该方案包括两个过程：波束扫描过程和信道信息获取过程。IMT-2030(6G)PromotionGroup波束扫描过程中，基站需要向UE发送导频信号，进行波束测量。测量过程包含基站波束和RIS波束。假设基站有N个波束，RIS有L个波束，则需要进行N*L个导频信号测量。其中，基站波束指基站发射波束，RIS波束指RIS相移矩阵，一个RIS相移矩阵对应一对RIS接收波束与RIS发送波束对。UE在接收到导频信号后，会将测量结果上报基站。基站根据UE上报的测量结果确定基站发送波束和RIS相移矩阵。信道信息获取过程中，基站根据波束扫描过程中确定的发送波束和RIS相移矩阵，在对应的基站波束和RIS波束上发送导频信号，进行信道测量。UE接收导频信号获得信道估计信息并上报给基站。基站利用UE上报的信道信息进行调度。在信道信息获取过程过程中，RIS的相移矩阵保持不变，直至基站基于UE反馈的信道信息发送数据。该方案导频开销较大。随着频段增高，RIS的规模增大，RIS波束变窄，覆盖服务区域所需的波束数量增多，信道信息获取的难度会大增，对于测量开销与时间也会增加。为了降低复杂度和开销，考虑将RIS阵列划分为多个子阵，仅对部分RIS子阵进行信道测量，然后通过空域插值获得完整RIS阵列的信道。该方法假设在RIS子阵单独控制，可独立开关。以图4.4-2所示的RIS阵列为例，将RIS阵列分为5×9个RIS子阵，其中蓝色高亮的6个子阵具备简单信号发射功能，发送用于RIS-UE段信道测量的测量信号。通过对图中蓝色高亮的6个子阵的进行独立测量，获得6个子阵对应的信道信息。然后通过对6个子阵进行空域插值获得完整RIS阵列对应的信道信息。图4.4-2RIS示意图根据图4.4-1所示链路，经过UE接收到RIS反射的信号为：y=H2ΦH1x+n（公式4.4-1）其中，x为基站发出的信号，H1为BS-RIS段信道，H2为RIS-UE段信道，Φ为RIS的调控矩阵。而当UE接收的是RIS发出的信号时，该信号可以表示为y'=H2s+n（公式4.4-2）整个测量过程分为两部分：.RIS-UE测量过程：逐一打开高亮RIS子阵的发射模块，发射测量信号，UE接收测量信号获取每个高亮子阵的RIS-UE段的信道信息，根据所获得的6组信道信息的空域插值结果获得RIS-UE的完整信道信息H2。.BS-RIS-UE测量过程，关闭RIS子阵的发射模块，基站发射导频信号，经过RIS转发给UE，UE测量获得BS-RIS-UE的等效信道H=H2ΦH1的信道信息。最后，利用测量得到的H2和H，以及已知的Φ,获得BS-RIS段的信道H1的信息，进而确定基站的波束赋形。这一过程，相较传统的波束扫描方案，大大降低了波束扫描过程波束扫描过程中的波束测量开销与波束扫描时间。无需多次扫描与测量即可确定基站IMT-2030(6G)PromotionGroup和RIS处的波束。但是，根据对空域插值的精度要求，在计算H1的信息时，可能存在一定的计算复杂度。在基于RIS-UE的信道信息确定RIS调控矩阵时，也可以选择多个可能的RIS调控矩阵，在第二阶段测量过程中进行选择或校正，降低RIS-UE的信道信息精度损失可能带来的影响。5第五章预处理算法5.1面向广义极化MIMO的预处理算法在信道衰落独立同分布和码长无限100bit）假设下，基于经典香农信息论的MIMO信道容量限为mlog2(1+SNR)，与空间信道的自由度m成正比。然而，经典的容量限没有考虑到信道编码在有限码长条件下的影响。尤其当码长降低到一定程度（例如低于100比特MIMO系统的可达速率会发生严重恶化[32]。因此，亟需开展有限码长条件下的MIMO传输方案设计，提升MIMO系统的可达传输速率。当前MIMO系统预处理方案设计主要是在无限码长条件下以系统容量、最大似然和用户信干噪比等为准则，旨在实现系统容量、用户公平性等指标的最优。在有限码长条件下，信道编码方案也将对MIMO系统的传输速率产生重要影响，开展信道编码与MIMO传输方案的联合设计对于提升MIMO系统在未来低时延、高可靠场景下的传输性能显得尤为重要。图5.1-1极化编码-调制-预编码的联合设计Polar码是基于信道极化理论提出的一种线性分组码，相比于4G的Turbo码和5G数据信道的LDPC编码，Polar码在短码条件下具有明显的性能优势，是目前唯一数学证明可以达到香容量农限的编码方案，被确定为5G控制信道编码方案。信道极化现象已经被发现广泛地存在于很多其他信号处理的过程中。如图5.1-1所示，通过将比特域的极化编码扩展到调制和预编码，可以实现比特、符号和数据流的联合设计，使极化效果可以逐级累加，从而增大极化深度、提升MIMO预处理方案的传输性能。5.1.1算法描述如图5.1-2所示为基于广义极化的MIMO预处理框图。发送端的原始比特经过极化编码与调制后生成符号流。经过层映射和预编码，最终通过MIMO信道传输到接收端。系统的第一级进行层信道极化分解，第二级和第三级分别完成调制和比特极化分解最终得到比特极化信道，实现数据流、调制符号、比特的广义极化编码。IMT-2030(6G)PromotionGroup图5.1-2基于广义极化的MIMO预处理框图图5.1-3基于广义极化的MIMIO预处理框图针对第一级，需要通过极化编码与多天线预处理的联合设计，增强数据流间的极化效果进而提升系统整体的极化增益。如图5.1-3所示，预编码矩阵F需要在系统容量最大的前提下，增大数据流间的极化效果（可靠度差异）。因此，将预编码矩阵F定义为两个子矩阵的乘积：F=WQ（公式5.1-1）其中，子矩阵W可以由二维DFT向量采用两级码本W1和W2的乘积构造：W=W1W2；子矩阵Q为极化增强矩阵，可以增大数据流之间容量差异[33]，维度为L×L，L表示数据流（Layer）数。相应地，子矩阵Q需要满足：Q=QagQmaxIi−2（公式5.1-2）i=1利用酉矩阵W具有WWH=I的特性，不失一般性地，利用酉矩阵的排序和旋转可以构造极化增强矩阵Q，数学公示表式为：Q=QFTPL（公式5.1-3）其中，l=0,…,N-1为旋转角度参数，PL为L×L的排序矩阵，由单位阵IL按照数据流的一定排序r=r1,r2,...,rL)经过初等变换得到，即PL=E(r)。r=r1,r2,...,rL)可以通过量化排序索引的方式，利用log2(L!)比特进行反馈。QDFT为旋转基矩阵，数学公式表示QDFT=1e−j2π/Ne−j2(L−1)/N（公式5.1-4）其中，N为固定常数，用于定义旋转角的量化精度。为了确定最优的排序和旋转角度，IMT-2030(6G)PromotionGroup可以建立容量约束下的极化效果最大化问题并进行求解，确定最优的极化增强预编码矩阵[33]：maxi,l（公式5.1-5）Imaxi,l（公式5.1-5）n=1S.t.QR=HF(l,i)，F(l,i)=VHPtaPTm，l=1,...,L，i=1,...,N!5.1.2性能评估表5.1-1仿真参数参数数值信道时隙（N）256码率（R）{0.25,0.5}调制阶数（m）{2,4,6}流数（L）{4,6}参照表5.1-1中的参数设置，对基于排序和旋转的极化增强MIMO方案（GP-RP）的误块率（BLER）进行仿真。在仿真中主要考虑两种对比方案：一是QR分解的极化MIMO方案（PC-MIMO-QR二是将H特征分解矩阵ⅤH和DFT矩阵旋转结合的预编码方案（DFT-QR）。图5.1-4GP-RP、PC-MIMO-QR和DFT-QR方案容量对比图5.1-4首先比较了GP-RP、PC-MIMO-QR和DFT-QR方案中不同数据流的信道容量方差。仿真中将码率设置为0.5，数据流数目为4，分别采用16-QAM和64QAM调制，随机对信道矩阵H进行100次实现并取平均。从图中可以发现，GP-RP方案数据流间的信道容量方差均高于PC-MIMO-QR和DFT-QR方案。从而说明采用矩阵的排序和旋转后，GP-RP方案能够实现更大的极化效果。图5.1-5在数据流数为4的情况下，比较了GP-RP、PC-MIMO-QR和DFT-QR方案采用不同调制阶数的BLER性能。由图5.1-5可以发现，在QPSK、16-QAM和64-QAM配置下，GP-RP的BLER性能均能够优于PC-MIMO-QR和DFT-QR方案，这是由于GP-RP方案能够实现更大的极化深度，从而提升了传输性能。例如对于QPSK，当BLER达到10-2时，GP-RP所需的信噪比相比于PC-MIMO-QR和DFT-QR方案分别获得了1.2dB和0.6dB增益。并且当采用更高阶的调制方式时，GP-RP的信噪比增益可以进一步增大。例如，采用16-QAM调制后PC-MIMO-QR与GP-RP方案的差距缩小到约1dB。这是由IMT-2030(6G)PromotionGroup于在相同信道数N的条件下，采用高阶调制能够增大码长，从而也说明了Polar更适用于短码场景下的传输要求。图5.1-5不同调制阶数下GP-RP、PC-MIMO-QR和DFT-QR方案的BLER广义极化MIMO预处理方案改变了传统通信系统各个模块“分离设计”的范式，实现Polar码与MIMO预编码的联合设计，有利于满足未来6G场景中高可靠、低时延条件下的大容量通信需求。在超大规模MIMO系统中，可以利用天线规模的增大进一步获取更多极化编码增益，提升传输性能，最终实现时延、可靠性、系统谱效的优化折衷。5.2对抗波束分裂的预编码码本设计在毫米波频段和太赫兹频段，系统带宽可能达到几个GHz或几百GHz，此时使用传统的混合模拟数字波束赋形，将会导致严重的波束分裂（beamsquint）现象，即波束像光的色散一样偏离瞄准线而扩散到其他方向，而且波束偏离瞄准线的角度随着信号频率的变化而变化。波束分裂会降低终端接收信号的功率，降低通信系统的传输速率。因此，有必要设计一种能够解决超大规模天线在超大带宽下波束分裂的有效方案。本节通过将大带宽的信号分解成多个子带，分别针对每个子带单独设计数字波束赋形码本，将模拟波束赋形所导致的波束分裂，按照子带补偿回来，以降低降低波束分裂带来的性能损失。本节基于的信号模型为：假设宽带信号的中心频率为fc，带宽为B，带宽范围为（fc-B/2,fc+B/2基站有NT根发送天线，有NRF个射频链，流数为Ns，终端有NR根接收天线，设FRF为模拟波束赋形矩阵，维度为NT×NRF，设FBB为数字预编码矩阵，维度为NRF×Ns，待发送的符号向量为S，其维度为Ns×1，则基站发送的信号X的表达式为X=FRFFBBS（公式5.2-1）模拟波束赋形矩阵的设计过程包括：基站将系统带宽B均匀划分为M个子带，其时的方向角θw与预设的中心方向角θ0之间的角度差θd=θw−θ时的方向角θw与预设的中心方向角θ0之间的角度差θd=θw−θ0小于预设的门限值θT。基站针对每个子带m的中心频率fm，设计等效的模拟波束赋形矩阵wm，使得频率fm在预设角度方向θ0处的天线阵列的增益最大。IMT-2030(6G)PromotionGroup数字波束赋形矩阵的设计过程包括：假设移相器不变，其所生成的模拟波束赋形矩阵为FRF是针对全带宽的，为实现分子带的等效模拟波束赋形矩阵wm，需要在FRF的后面乘以一个补偿的矩阵F。F的设计原则是使得FRFF尽量接近wm，且为了保证发送功率不变，F应该是一个酉矩阵，即应满足以下条件：FRFF−wmF，s.t.F)HF=I（公式5.2-2）其中∙F表示矩阵的F范数，上述最优化问题为典型的Procrustes正交问题，其最优解为以下闭式解：F=ⅤUH（公式5.2-3）其中U和Ⅴ是矩阵wFRF进行奇异值分解得到的酉矩阵，即wFRF=UΣⅤH。虽然F是为了逼近分子带的模拟波束赋形矩阵而