1. 程式人生 > >聚焦LS-MIMO的四大層面,淺談5G關鍵技術

聚焦LS-MIMO的四大層面,淺談5G關鍵技術

摘要:本文簡要講述了5G關鍵技術之一的LS-MIMO,分別從導頻汙染、通道估計、預編碼技術、訊號檢測四個部分入手。

導頻汙染

理想情況下,時分複用(TDD)系統中上行鏈路和下行鏈路之間各個導頻符號之間是相互正交的關係,正是因為這種關係 使接收機在接收到相鄰訊號的干擾時,可以將干擾抵消,降低導頻汙染。但是,在實際的大規模多輸入多輸出系統中,相互正交的導頻序列數量有限,這會使得相鄰小區間必須使用相同的導頻序列,以滿足多使用者對通訊網路的需求,這就不可避免地帶來相鄰小區間的導頻汙染,這將直接影響到TDD制式下大規模MIMO系統的容量,成為一個需要解決的問題。

通道估計

訊號傳輸的有效性依賴於通道狀態資訊的準確性,但由於基站端天線的大量增加和海量使用者對網路的需求,使得通道狀態資訊的獲取變得很複雜,如何準確獲取通道狀態資訊是一個研究的熱點問題。

訊號檢測

接收端訊號檢測器的主要作用是在MIMO系統中對上行鏈路中多傳輸天線傳送的期望接收估號進行恢復。因為大規模MIMO天線數量龐大,訊號檢測異常複雜,設計功率消耗低,計算複雜度低的接收端具有重要的研究意義,常用的演算法包括最大似然檢測、迫零檢測、最小均方誤差檢測等。

這裡我們更關心的是通道,來讓我們看看通道模型如何用數學語言表達,首先是點對點的通道模型,簡要數學描述可表達。

根據主導因素不同,可以做

近似簡化,使用通過SVD獲得的奇異矩陣的對角線數來表示相同的事物。

其次是多使用者MIMO訊號模型,這意味著同時為2個以上的UE執行MIMO,如下所示。這不是一個新概念。我們在當前的LTE(TM5)和WLAN(802.11ad)中具有MU-MIMO。然而,MU-MIMO的規模將更大,部署也將更加普遍。據我[連結]所知,我還沒有看到TM5真正用於當前LTE直播網路的任何情況。在802.11ad的情況下,與5G網路相比,UE和發射機天線之間的距離設計得非常短。因此,針對5G的MU-MIMO的真正實現將更具挑戰性。

實施MU-MIMO有多大的挑戰性?根據許多因素,答案會有所不同。即使具有相同數量的使用者和相同數量的Tx / Rx天線,也可以有不同的天線分配模式,如下所示。在MU-MIMO實現中可以考慮如下幾個因素。

  • 應該覆蓋多少個UE?
  • 將使用多少Tx天線和Rx天線?
  • 將使用什麼樣的接收器設計(均衡器設計)?
  • 將使用什麼樣的預編碼演算法?

假設BTS具有大量天線並且它們與多個UE通訊並且每個UE僅具有一個天線。我們假設BTS天線的數量與UE的數量相比非常大。我們也假設這是TDD系統。

通道矩陣可以表示如下。在TDD中,假設通道互易性成立。如果您有上行鏈路的通道矩陣,您可以通過轉置它來獲得下行鏈路通道模型,反之亦然。

反向連結(上行鏈路)的容量可以描述如下。

前向鏈路(下行鏈路)的容量可以描述如下。

預編碼技術

預編碼技術主要是在發射端對於傳輸訊號進行處理的過程,其主要目的是優化傳輸訊號,簡化接收端複雜程度,提升系統容量及抗干擾能力。

線性預編碼:匹配濾波器(MF)、迫零預編碼(ZF)

非線性預編碼:髒紙編碼(DPC)、向量預編碼(VP)

線性預編碼複雜度低,實現較簡單。非線性預編碼如髒紙編碼計算複雜度較高,但往往會獲得更佳的效果。然而,在Massive MIMO系統中,隨著基站側天線數目的增長,—些線性預編碼演算法,比如匹配濾波器(MF)、迫零預編碼(ZF)等將會獲得漸進最優的效能。因此,在實際應用中,採用低複雜度的線性預編碼演算法更為現實。

雖然有很多困難,大規模輸入輸出技術的商用進展也是令人欣喜的,在2015年,中興公司基於TDD的Pre5G Massive MIMO完成產品開發和外場測試,多家運營商開始商用測試和部署。2016年2月,在巴塞羅那舉行的MWC 2016世界行動通訊大會上,該產品榮獲 “最佳移動技術突破”(Best Mobile Technology Breakthrough)以及“CTO之選”(Outstanding overall Mobile Technology-The CTO’s Choice 2016)雙料大獎,這可是被業界認可的最高榮譽。

如今,5G網路已經實現了較為廣闊的覆蓋,我們也已經使用上了5G手機。

(1) 精確的3D波束賦形,提高終端接收訊號強度。不同的波束都有各自非常小的聚焦區域,保證使用者始終處於最佳訊號區域。

(2) 同時同頻服務更多使用者,數十倍提升系統吞吐量,提高網路容量。

(3) 有效減少區域間的干擾。

(4) 更好覆蓋遠端和近端的區域。

相比於第四代行動通訊,適用場景更加廣泛,使用者體驗更好。

(1) 重點區域的多使用者場景,特別是演唱會、聚會等人群密集場所,可顯著提升使用者體驗。

(2) 高樓覆蓋場景

不得不說的是大規模多輸入多輸出技術已經成功應用到現實生活中,併發揮了巨大的作用,但還面臨著許多挑戰,我們簡單來介紹一下。

(1) 如何放置天線。
面對眾多的天線,系統該如何安排以達到最佳效能。

(2) 如何建立3D頻道。

(3) 如何應用到頻分雙工。

為了執行最佳波束成形,需要獲得不斷變化的通道的準確(詳細)資訊。為了獲得此類資訊,需要從UE獲取有關下行鏈路通道質量的報告。為此,需要為下行鏈路參考訊號分配大量資源,這將導致嚴重的資源浪費。在頻分雙工中,我們沒有任何好主意在不使用基於參考訊號的這種通道質量報告的情況下獲得通道資訊。

然而,在時分雙工中,我們可以使用一些可能不需要這種UE報告的替代技術。在時分雙工中,我們對下行鏈路和上行鏈路使用相同的頻帶。因此,如果網路可以從UE傳輸訊號估計上行鏈路通道質量,則可以將該資訊用作下行鏈路通道質量。因此,在時分雙工中,您可以建立非常優化的波束,而無需從UE獲得明確的通道質量報告。

當然,從上行鏈路訊號匯出的估計可能與下行鏈路訊號不完全相同,因為上行鏈路和下行鏈路的時隙是不同的。因此,在某個時隙的UL的通道估計可能與下行鏈路時隙不完全相同。然而,這是目前最常被接受和實踐的想法。

由於這個原因,大多數大規模多輸入多輸出技術實現都是在時分雙工模式下完成的。

(4)如何從大陣列生成寬光束。
大規模多輸入多輸出技術的關鍵思想之一是通過將單個波束的多個天線輸出建設性地相加來增加天線增益,並且通過該過程,所得波束的寬度趨於變窄。我們可以說這種窄光束在能量密度方面是好的,但它也意味著光束覆蓋的區域將非常窄。這意味著波束成形和引導應該非常快速和準確以適當地聚焦在目標UE上,但是這並不總是簡單且容易的,尤其是當UE處於快速移動狀態時。

因此,有必要在不犧牲大規模多輸入多輸出技術的太多效能的情況下加寬波束寬度。

(5)如何校準天線系統。
設計/測試的複雜性和難度會隨著訊號路徑的增加呈指數級增長。即使假設設計正確完成,您也必須確保所有訊號路徑和天線都經過適當校準,以便天線系統按預期工作。校準那些巨大數量的天線路徑絕對是一項具有挑戰性的任務。

(6)處理排程和預編碼的複雜性

大規模輸入輸出技術最大動力是增加指定目標裝置的方向性和增益。另一個動機(或由波束形成引起的要求)是實現MU-MIMO(多使用者MIMO)。然而,隨著使用更多天線並且更多使用者被瞄準,排程和預編碼將變得更復雜。如何處理這種情況將是一個大問題,這需要用巧妙的數學方法來解決。

LS-MIMO系統的概念可以看作是無線通訊和訊號處理領域的一個範例轉變。在這個大維度的環境中,MIMO檢測問題變得更加具有挑戰性和重要。在這裡,我們簡要討論了不同型別LS-MIMO系統的不同檢測策略,並總結了LS-MIMO檢測的最新進展。從小/中尺度MIMO檢測的豐富遺產中提取了相關的見解和教訓。我們注意到,當考慮LS-MIMO探測器的設計時,有必要首先確定考慮的是哪種型別的LS-MIMO系統。具體地說,使用幾種流行的MIMO檢測器(例如基於SD的MIMO檢測器)在Type-I中可能變得不可行。一些低複雜度線性MIMO探測器可以在ii型LS-MIMO系統中獲得接近最佳效能。此外,據報道,在LS-MIMO上下文中,基於區域性鄰域搜尋的元啟發式、基於貝葉斯的訊息傳遞方法以及基於凸優化的方法都有可能在效能和複雜度之間取得折衷。

未來研究的方向應該是關注以下幾個方面:

(1) 滿足未來高速率通訊的目的,這對硬體裝置要求更高,功率消耗更大,因為研發綠色通訊是很有必要的。

(2) 導頻汙染是一個問題,如何有效降低導頻汙染對訊號傳輸的影響是很關鍵的。

(3) 迫切需要高性價比的非線性與編碼器實現訊號的預處理,特別是在複雜的實際應用場景下。

 

點選關注,第一時間瞭解華為雲新鮮技