资料下载
×
大规模多天线技术现状探究
消耗积分:0 |
格式:rar |
大小:0.4 MB |
2017-11-09
分享资料个
随着无线通信技术的不断发展，高速数据业务以及无处不在接入的需求正呈现出一种爆炸式的增长。根据预测到2020年，业务量将为目前业务量的1000倍，基于此，需要提升宽带无线接入网的能力，适应未来用户业务需求。
针对宽带无线接入的需求，目前欧盟、中国、日本、美国等均启动了第五代移动通信系统的需求与关键技术研究。从2G/3G到4G，每一代系统的更新，都伴随着新技术的更新，都是为了解决当时最主要的需求。5G（后4G）时代，小区越来越密集，对容量、耗能和业务的需求越来越高。提升网络吞吐量的主要手段包括，提升点到点链路的传输速率、扩展频谱资源、高密度部署的异构网络；对于高速发展的数据流量和用户对带宽的需求，现有4G蜂窝网络的多天线技术（8端口MU-MIMO、CoMP）很难满足需求。最近的研究表明，在基站端采用超大规模天线阵列（比如数百个天线或更多）可以带来很多的性能优势。这种基站采用大规模天线阵列的MU-MIMO被称为大规模天线阵列系统（Large Scale Antenna System，或称为Massive MIMO）。
本文旨在介绍5G中关键技术之一，Massive MIMO的现状以及在系统仿真中最关注的研究点。
应用场景
天线集中配置的Massive MIMO主要应用场景有城区覆盖、无线回传、郊区覆盖、局部热点。其中城区覆盖分为宏覆盖和微覆盖（例如高层写字楼）两种。无线回传主要解决基站之间的数 据传输问题，特别是宏站与Small Cell之间的数据传输问题，郊区覆盖主要解决偏远地区的无线传输问题，局部热点主要针对大型赛事、演唱会、商场、露天集会、交通枢纽等用户密度高的区 域。
考虑到天线尺寸、安装等实际问题，分布式天线也有用武之地，重点需要考虑天线之间的协作机制及信令传输问题。大规模天线未来主要应用场景可以从室外宏覆盖、高层覆盖、室内覆盖这三种主要场景划分。
研究方向
Massive MIMO，又称为large-scale MIMO。顾名思义，就是在基站端安装几百根天线（128根、256根或者更多），从而实现几百个天线同时发数据。
在沿用现有的LTE系统MAC+PHY的结构下，Massive MIMO的物理层研究的方向主要包括：基站天线架构设计、基站端预编码、基站端信号检测、基站端信道估计、控制信道性能改进（见表1）。
Massive MIMO的物理层研究的方向
天线阵元大幅增加，需要扩展到二维平面/曲面或三维阵列。是全向天线（球形），或者是一个面阵天线（面板型），还是如中国移动所提出的“和”之类的异形状态？同时，由于天线数较多，满足隔离度的天线尺寸可能较大，因此较高频段（》5GHz）的使用也是研究课题之一。
天线数增多，同时带来了天线外形尺寸的增大，传统以平面波方式进行信道的建模对于近场偏差就会变得较大，合适的信道建模方式也是需要关注的问题之一。
此外，MIMO所要用的有源天线transever模式，在LTE中已经有所应用。
随着天线数的增多，Massive MIMO的性能将会趋于平缓，此时可以使用多用户复用（Multi-User MIMO，MU-MIMO）。MU-MIMO技术的核心是预编码。现有的预编码技术主要是：MRT、ZF以及DPC。这些技术中，DPC被认为是最优 的，MRT性能最差，ZF居中。寻找合适的预编码算法也非常重要，通常在工程中使用ZF，是否能有复杂度和性能兼备的新的预编码算法是物理层最关键的问题 之一。
与传统的MIMO相比，Massive MIMO的不同之处主要在于，天线趋于很多（无穷）时，信道之间趋于正交。系统的很多性能都只与大尺度相关，与小尺度无关。基站几百根天线的导频设计需要 耗费大量时频资源，所以基于导频的信道估计方式不可取。具体的实施方案，包括TDD和FDD两种模式，其中TDD有天然的优势，这是因为随着天线数的增 多，CSI-RS的开销增大，而TDD可以利用信道的互易性进行信道估计，不需要导频进行信道估计，TDD的方式是首选；FDD覆盖面广，普及面高，采用 较小开销的码本来进行信道系数的估计和反馈也是可以的，信道反馈时可以考虑CS（Compressive Sensing）等算法，所以FDD下的信道检测、估计和反馈也是不可忽视的一部分。
天线数增多后，业务信道的覆盖通常能满足要求，而控制信道的能力并不会随着天线数增多而增强，因此控制信道的覆盖将会成为系统性能的瓶颈。
Massive MIMO的MAC研究的方向主要包括：MU-MIMO配对算法、用户调度和资源分配策略。
Massive MIMO由于天线数较多，多用户之间的信道趋于正交，此时可以使用相同的时频资源对用户进行数据的传输。当使用MU-MIMO时，由于基站侧同时给多个用 户发送数据，每个用户能获得的实际发送功率会等比减小，众所周知，功率降低，就会带来性能的损失。那么，判断哪些用户适合配对、怎样配对对系统的性能最 优，在Massive MIMO中是非常重要的。
由于Massive MIMO天线数众多，相隔较远的天线之间的间距较大，为了充分使用天线，以达到提高系统容量的目的，用户分块使用天线，一部分天线给A用户，一部分天线给B用户。这就是用户天线资源的分配策略。
同时，发送天线可以同时给多个用户发送，也可以只给某一个用户发送，这就是RB资源的分配策略。目前可以采用跟传统资源分配一样的方式进行，此时还需要考虑配对用户重传时的策略。
此外，Massive MIMO还可以跟其他组网技术相结合，如LTE系统中的CoMP技术等。
综上所述，在5G中，Massive MIMO是非常关键的技术，其核心问题的解决主要在PHY层和MAC层。Massive MIMO中重要的研究课题环环相扣，我们首先要确定Massive MIMO的天线形态、频段；选择合适的方法进行信道建模以完成后续的研究；合理的预编码设计，快速有效的信道检测与估计；提升控制信道性能；根据场景和应 用，选择合适的MU配对算法和天线分块或者分布式的天线分配方法，进行物理资源的调度和资源分配；最终达到提升系统性能的目的。
针对宽带无线接入的需求，目前欧盟、中国、日本、美国等均启动了第五代移动通信系统的需求与关键技术研究。从2G/3G到4G，每一代系统的更新，都伴随着新技术的更新，都是为了解决当时最主要的需求。5G（后4G）时代，小区越来越密集，对容量、耗能和业务的需求越来越高。提升网络吞吐量的主要手段包括，提升点到点链路的传输速率、扩展频谱资源、高密度部署的异构网络；对于高速发展的数据流量和用户对带宽的需求，现有4G蜂窝网络的多天线技术（8端口MU-MIMO、CoMP）很难满足需求。最近的研究表明，在基站端采用超大规模天线阵列（比如数百个天线或更多）可以带来很多的性能优势。这种基站采用大规模天线阵列的MU-MIMO被称为大规模天线阵列系统（Large Scale Antenna System，或称为Massive MIMO）。
本文旨在介绍5G中关键技术之一，Massive MIMO的现状以及在系统仿真中最关注的研究点。
应用场景
天线集中配置的Massive MIMO主要应用场景有城区覆盖、无线回传、郊区覆盖、局部热点。其中城区覆盖分为宏覆盖和微覆盖（例如高层写字楼）两种。无线回传主要解决基站之间的数 据传输问题，特别是宏站与Small Cell之间的数据传输问题，郊区覆盖主要解决偏远地区的无线传输问题，局部热点主要针对大型赛事、演唱会、商场、露天集会、交通枢纽等用户密度高的区 域。
考虑到天线尺寸、安装等实际问题，分布式天线也有用武之地，重点需要考虑天线之间的协作机制及信令传输问题。大规模天线未来主要应用场景可以从室外宏覆盖、高层覆盖、室内覆盖这三种主要场景划分。
研究方向
Massive MIMO，又称为large-scale MIMO。顾名思义，就是在基站端安装几百根天线（128根、256根或者更多），从而实现几百个天线同时发数据。
在沿用现有的LTE系统MAC+PHY的结构下，Massive MIMO的物理层研究的方向主要包括：基站天线架构设计、基站端预编码、基站端信号检测、基站端信道估计、控制信道性能改进（见表1）。
Massive MIMO的物理层研究的方向
天线阵元大幅增加，需要扩展到二维平面/曲面或三维阵列。是全向天线（球形），或者是一个面阵天线（面板型），还是如中国移动所提出的“和”之类的异形状态？同时，由于天线数较多，满足隔离度的天线尺寸可能较大，因此较高频段（》5GHz）的使用也是研究课题之一。
天线数增多，同时带来了天线外形尺寸的增大，传统以平面波方式进行信道的建模对于近场偏差就会变得较大，合适的信道建模方式也是需要关注的问题之一。
此外，MIMO所要用的有源天线transever模式，在LTE中已经有所应用。
随着天线数的增多，Massive MIMO的性能将会趋于平缓，此时可以使用多用户复用（Multi-User MIMO，MU-MIMO）。MU-MIMO技术的核心是预编码。现有的预编码技术主要是：MRT、ZF以及DPC。这些技术中，DPC被认为是最优 的，MRT性能最差，ZF居中。寻找合适的预编码算法也非常重要，通常在工程中使用ZF，是否能有复杂度和性能兼备的新的预编码算法是物理层最关键的问题 之一。
与传统的MIMO相比，Massive MIMO的不同之处主要在于，天线趋于很多（无穷）时，信道之间趋于正交。系统的很多性能都只与大尺度相关，与小尺度无关。基站几百根天线的导频设计需要 耗费大量时频资源，所以基于导频的信道估计方式不可取。具体的实施方案，包括TDD和FDD两种模式，其中TDD有天然的优势，这是因为随着天线数的增 多，CSI-RS的开销增大，而TDD可以利用信道的互易性进行信道估计，不需要导频进行信道估计，TDD的方式是首选；FDD覆盖面广，普及面高，采用 较小开销的码本来进行信道系数的估计和反馈也是可以的，信道反馈时可以考虑CS（Compressive Sensing）等算法，所以FDD下的信道检测、估计和反馈也是不可忽视的一部分。
天线数增多后，业务信道的覆盖通常能满足要求，而控制信道的能力并不会随着天线数增多而增强，因此控制信道的覆盖将会成为系统性能的瓶颈。
Massive MIMO的MAC研究的方向主要包括：MU-MIMO配对算法、用户调度和资源分配策略。
Massive MIMO由于天线数较多，多用户之间的信道趋于正交，此时可以使用相同的时频资源对用户进行数据的传输。当使用MU-MIMO时，由于基站侧同时给多个用 户发送数据，每个用户能获得的实际发送功率会等比减小，众所周知，功率降低，就会带来性能的损失。那么，判断哪些用户适合配对、怎样配对对系统的性能最 优，在Massive MIMO中是非常重要的。
由于Massive MIMO天线数众多，相隔较远的天线之间的间距较大，为了充分使用天线，以达到提高系统容量的目的，用户分块使用天线，一部分天线给A用户，一部分天线给B用户。这就是用户天线资源的分配策略。
同时，发送天线可以同时给多个用户发送，也可以只给某一个用户发送，这就是RB资源的分配策略。目前可以采用跟传统资源分配一样的方式进行，此时还需要考虑配对用户重传时的策略。
此外，Massive MIMO还可以跟其他组网技术相结合，如LTE系统中的CoMP技术等。
综上所述，在5G中，Massive MIMO是非常关键的技术，其核心问题的解决主要在PHY层和MAC层。Massive MIMO中重要的研究课题环环相扣，我们首先要确定Massive MIMO的天线形态、频段；选择合适的方法进行信道建模以完成后续的研究；合理的预编码设计，快速有效的信道检测与估计；提升控制信道性能；根据场景和应 用，选择合适的MU配对算法和天线分块或者分布式的天线分配方法，进行物理资源的调度和资源分配；最终达到提升系统性能的目的。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
