蜂巢发动机5G关键技术MassiveMIMO深度解读
⼀、关于5G的探究
1.1 5G的背景及需求
在第四代移动通信⽹络（4G）的部署⽅兴未艾之时，第五代移动通信⽹络（5G）的研究开发已在全球开启⼤幕。移动互联⽹和物联⽹领域的蓬勃发展有⼒推动了⼯业界和学术界对未来5G⽹络的研发⼯作。随着移动互联⽹领域的⾼速发展，各种智能终端以及各类新业务新应⽤的出现将导致移动数据流量呈现爆炸式增长，预计2020年全球移动数据流量将会⽐2010年增长1000倍[1-2]。除数据流量的急速上升外，物联⽹⾏业的快速发展也将使移动通信的服务范围从⽬前⼈与⼈之间的通信进⼀步扩展到⼈与物、物与物之间的通信，随之⽽来的是⽹络中海量设备的同时在线链接，预计2020年联⽹的智能终端数⽬将达到数百亿甚⾄数千亿。⾯对2020年及未来如此庞⼤的数据流量及其他应⽤需求，当前的4G⽹络技术显然⽆法给予满⾜。因此，加快5G技术研发和标准制定的步伐已成为国际主流共识。
5G是⾯向2020 年以后移动通信需求⽽发展的新⼀代移动通信系统。虽然⽬前业界对5G的相关标准尚未达成共识，但普遍认为，5G的关键性能指标主要包括：能量效率、频谱效率、⽤户体验、时延、⽤户峰值速率以及连接数密度等[3]。其中，5G⽹络与4G⽹络相⽐需要在能量效率⽅⾯提升100倍以上，在频谱效率⽅⾯提升5~15倍以及传输时延⽅⾯需缩短10倍以上[4]。 1.2 5G的关键技术及国内外研究现状
为应对移动互联⽹和物联⽹爆炸式发展带来的千倍业务流量增长和海量设备连接，5G 已经成为国内外移动通信领域的研究热点。业界普遍认为，5G应该具备超⾼的能量效率和频谱效率，与4G相⽐在传输速率、时延和⽤户体验⽅⾯也要有较⼤性能提升。为实现5G⽹络的关键性能指标，起基础⽀撑作⽤的5G关键技术主要包括：⼤规模多输⼊多输出（⼤规模 MIMO)、超密集部署、毫⽶波通信、终端直通技术（D2D）、全双⼯技术以及新型⽹络架构[5-6]。基于⼤规模MIMO 的⽆线传输技术能够使5G⽹络的频谱效率和能量效率在4G 的基础上再提升⼀个数量级[7]。超密集部署异构⽹络将使系统的吞吐率提⾼25 倍左右[8]。D2D通信允许终端之间交换的数据⽆需经过的转发处理⽽直接进⾏通信，因⽽可以很好的提⾼系统的频谱效率、减⼩能量消耗及缩短传输时延。未来5G可能采⽤新型的软件定义⽹络的⽆线接⼊⽹（SDN-RAN)架构，其基本思想是通过将软件定义的⽹络（SDN）技术集成到C-RAN接⼊⽹中，把控制功能从回程⽹络中的路由器和⽆线接⼊⽹中的设备中分离出来从⽽实现控制和转发业务的分离。在较⼤程度上降低了⽹络节点的能量消耗，延长了节点⼯作寿命。同时，终端设备在超密集部署的蜂窝⽹间因移动⽽可能带来的“漫游切换信号风暴”隐患得以消除，进⽽降低了⽹络时延并提⾼了系统可靠性，实现更佳的⽤户体验。云中⼼强⼤的数据并⾏处理能⼒为复杂的异构5G⽹络中海量的数据处理提供强有⼒的⽀撑。如图1.1所⽰
图1.1 5G⽹络结构图
⼆、 Massive MIMO技术
2.1 Massive MIMO的背景介绍
多⽤户多输⼊多输出(Multi-user Multiple-input multiple-output，多⽤户MIMO)通信系统是⼀种考
虑合作信号处理的⽆线通信技术，其核⼼思想在于使⽤完全相同的时间块和频率块资源为多个⽤户提供传输。多⽤户MIMO技术利⽤⽆线通信系统中⽤户的独⽴性来增加整个系统的通信性能，从⽽实现多⽤户分集和复⽤。
多天线技术作为提⾼系统频谱效率和传输可靠性的有效⼿段，已经应⽤于多种⽆线通信系统。通信时的天线数量越多，频谱效率和可靠性提升越明显。尤其是，当发射天线和接收天线数量很⼤时，MIMO信道容量将随收发天线数中的最⼩值近似线性增长。因此，采⽤⼤数量的天线，为⼤幅度提⾼系统的容量提供了⼀个有效的途径。在分布式协作⽹络系统中，处于不同地理位置的节点（、远程天线阵列单元或⽆线中继站）在同⼀时频资源上协作完成与多个移动通信终端的通信，形成⽹络多输⼊多输出（MIMO）信道，可以克服传统蜂窝系统中MIMO技术应⽤的局限，在提⾼频谱效率和功率效率的同时，改善⼩区边缘的传输性能。然⽽，在⽬前典型的节点天线个数配置和⼩区设置的情况下，研究⼯作表明⽹络MIMO传输系统会出现频谱和功率效率提升的“瓶颈”问题[9]。为此，研究者们提出在各节点以⼤规模阵列天线替代⽬前采⽤的多天线[10-11]，由此形成⼤规模MIMO⽆线通信环境（如图2.1所⽰），以深度挖掘利⽤空间维度⽆线资源，解决未来移动通信的频谱效率及功率效率问题 2.2 Massive MIMO技术的优势及研究现状
⼤规模ＭＩＭＯ技术之所以受到如此关注，在于部署⼤规模天线阵列之后，系统可以获得许多传统ＭＩＭＯ系统所⽆法⽐拟的物理特性和性能优势［20］。主要包括：
（１）随着天线数的急剧增长，不同⽤户之间的信道将呈现出渐进正交特性，这意味着⽤户间⼲扰可以得到有效的甚⾄完全的消除，从⽽⼤⼤提升系统总容量；
（2）天线数的增加，使得信道快衰落和热噪声将被有效地平均，也即信道硬化作⽤，从⽽以极⼤概率避免了⽤户陷于深衰落，⼤⼤缩短了空中接⼝的等待延迟，简化了调度策略；
（３）⼤量天线的使⽤，使得波束能量可以聚焦对准到很⼩的空间区域，极⼤提升了空间分辨率；
（４）⼤量额外的⾃由度，可以⽤于发射信号波束赋形，甚⾄于采⽤恒定包络信号，从⽽有效降低发射信号的峰均⽐，这就使得射频前端可以采⽤低线性度、低成本和低功耗的功放，⼤⼤降低系统部署成本；
（５）巨量天线的使⽤，使得阵列增益⼤⼤增加，从⽽有效地降低发射端的功率消耗，使得系统总能效能够提升多个数量级。
除此之外，⼤规模ＭＩＭＯ系统的传输⽅案可以采⽤简单的线性处理⽅式，如最⼤⽐发送或接收来达到近似最优的系统性能，从⽽⼤⼤简化了系统的实现复杂度。以上这些特性，使得⼤规模ＭＩＭＯ技术在实现千倍数据量、零延迟和多样化业务需求⽅⾯具有⽆穷的潜能。
由于多天线所占空间、实现复杂度等技术条件的限制，⽬前的⽆线通信系统中，收发端配置的天线数量都不多，⽐如在LTE 系统中最多采⽤了4根天线，LTE-A 系统中最多采⽤了8根天线[12]。但由于其巨⼤的容量和可靠性增益，针对⼤天线数的MIMO系统相关技术的研究吸引了研究⼈员的关注，如单个⼩区情况下，配有⼤⼤超过移动台天线数量的天线的多⽤户MIMO系统的研究等[13]。近两年针对⼤规模MIMO技术的研究⼯作主要集中在信道模型、容量和传输技术性能分析、预编码技术、信道估计与信号检测技术等⽅⾯，但还存在⼀些问题: 由于理论建模和实测模型⼯作较少，还没有被⼴泛认可的信道模型；由于需要利⽤信道互易性减少信道状态信息获取的开销，⽬前的传输⽅案⼤都假设采⽤TDD 系统，⽤户都是单天线的，并且其数量远⼩于天线数量。 2.3 Massive MIMO的关键技术
（1）信道模型及系统性能分析技术
信道模型与系统性能分析是⽆线通信系统设计的基础。在⼤规模MIMO ⽆线通信环境下，侧配置⼤规模阵列天线，MIMO 传输信道的空间分辨率得到显著增强，⼤规模MIMO ⽆线传输信道存在着新
的特性，需要深⼊系统地探讨。值得注意的是，尽管⼤规模 MIMO 已引起国际上的⼴泛关注，但有关⼤规模 MIMO信道的理论建模和实测建模的⼯作较少。
已报道的⽂献中往往假设⼤规模 MIMO 信道是 IID 信道[10,14]。然⽽部分实测结果表明，实际的⼤规模MIMO ⽆线传输信道并不能满⾜ IID假设，信道能量往往集中在有限的空间⽅向上[15]，这使得基于IID信道的相关分析结果存在着较⼤的局限性。各种应⽤场景下⼤规模MIMO⽆线信道的理论建模和实测建模的⼯作是有待进⼀步开展。
在给定的信道模型和发射功率约束下，精确地表征信道能够⽀持的最⼤传输速率，即信道容量，并由此揭⽰各种信道特性对信道容量的影响，可为传输系统优化设计、频谱以及功率效率等性能评估提供重要的依据。
在已报道的⽂献中，有关容量和传输⽅案性能分析⼤都假设信道满⾜IID条件，在此条件下，导频污染被认为是⼤规模 MIMO 系统中的“瓶颈”问题[10,16]，⽽最近的⼯作已表明，如果这⼀理想信道假设条件成⽴，通过在多个之间联合实施统计预编码，理论上可以完全消除导频污染问题。
对于带空间相关性的⼤规模MIMO信道，利⽤各⽤户的统计信道信息，通过多个之间联合实施导频调度，也可以有效减轻导频污染[17]。对于典型实际应⽤场景下⽆线信道特性对⼤规模MIMO传输性能影响的研究⼯作则有待进⼀步开展。
（2）信道状态信息获取技术
信道估计是信号检测和⾃适应传输的基础，对于⼤规模 MIMO ⽆线传输性能起重要影响作⽤。在贝尔实验室提出的 TDD ⼤规模 MIMO 传输⽅案中，⼩区中的各⽤户（通常假设配置单个天线）向发送相互正交的导频信号，利⽤接收到的导频信号，获得上⾏链路信道参数的估计值，再利⽤TDD系统上下⾏信道的互易性，获得下⾏链路信道参数的估计值，由此实施上⾏检测和下⾏预编码传输。随着⽤户数⽬的增加，⽤于信道参数估计的导频开销随之线性增加，特别地，在中⾼速移动通信场景，导频开销将会消耗掉⼤部分的时频资源，成为系统的“瓶颈”。开展导频受限条件下的 TDD ⼤规模 MIMO信道信息获取技术研究具有重要的实际应⽤价值[18]。
此外，贝尔实验室提出的传输⽅案需要利⽤ TDD 模式上下⾏信道互异性[6]，不适⽤于 FDD 模式。针对该问题，美国南加州⼤学提出了联合空分复⽤（JSDM）传输⽅案[8]。其主要思想是，侧利⽤不同⽤户的信道⼆阶统计量进⾏⽤户分组及预波束赋形，由于预波束赋形之后的等效信道维度显著降低，在该等效信道上实施信道估计能够显著降低信道状态信息获取所需的开销，这使得FDD模式下⼤规模MIMO信道信息获取成为可能。
JSDM ⽅案假设在同⼀组内的不同⽤户的信道协⽅差矩阵具有相同的特征向量，⽽组间⽤户的信道协⽅差矩阵相互正交，该信道假设过于理想，在实际中通常难以满⾜。深⼊开展在实际信道条件下的导频受限FDD⼤规模MIMO传输技术研究具有重要性[19]。
（3）多⽤户传输技术
如何实现多⽤户空间⽆线资源共享及如何优化设计多⽤户上下⾏传输系统，涉及侧和⽤户端所能够获得的信道状态信息。在⼤规模MIMO ⽆线通信系统中，侧与⽤户端均难以获取完整信道的瞬时状态信息，这意味着⼤规模 MIMO 传输技术将不同于现有的 MIMO 传输技术。在已报道的有关⼯作中，所涉及的基本传输⽅案⼤都是贝尔实验室提出的最初⽅案，利⽤上⾏链路正交导频和TDD系统上下⾏信道互易性，侧可获得多⽤户上下⾏信道参数估计值，侧假定所获取的信道参数估计值为真实值，并以此实施多⽤户联合上⾏接收处理和下⾏预编码传输[10]。
该传输⽅案中，侧将信道估计值作为真实值来实施上下⾏传输，传输的鲁棒性⽆法保证；单个⽤户仅配置单根天线，当系统中⽤户数较少时，频谱效率仍然较低；上⾏链路的信号检测和下⾏链路的预编码传输涉及⾼维矩阵求逆运算，系统实现复杂度⾼；FDD系统中所有⽤户瞬时信道信息获取困难，存在着FDD系统的适⽤性问题。能否突破信道信息获取的“瓶颈”问题，在侧仅知部分信道信息时，实现多⽤户共享空间⽆线资源和⾼性能⾼鲁棒性低复杂度的⼤规模 MIMO ⽆线传输，是有待解决的重要问题。
diy电子显微镜2.4 ⼩结
⼩规模天线配置下的MIMO⽆线通信已趋于成熟并存在性能局限，⼤规模MIMO⽆线通信能够⼤幅度提
升⽆线通信系统频谱利⽤率和功率利⽤率，⽬前已成为 5G ⽆线通信领域最具潜⼒的研究⽅向之⼀。尽管⼤规模MIMO⽆线通信技术已引起国际上的⼴泛关注，但相关研究⼯作尚处在起步阶段。基于⼤规模 MIMO 基本架构，本⽂讨论了信道建模和系统性能分析技术、信道状态信息获取技术及多⽤户上下⾏⽆线传输技术等⼤规模MIMO传输关键技术的研究进展。
为了充分挖掘⼤规模MIMO的潜在技术优势，需要深⼊研究符合实际应⽤场景的信道模型，分析其对信道容量的影响，并在实际信道模型、适度的导频开销、可接受的实现复杂度下，分析其可达的频谱效率、功率效率，并研究最优的⽆线传输⽅法、信道信息获取⽅法、多⽤户共享空间⽆线资源的联合资源调配⽅法。
针对以上问题的研究，存在诸多的挑战，但随着研究的深⼊，⼤规模MIMO在5G中的应⽤被寄予了厚望，可以预计，⼤规模MIMO技术将成为5G区别于现有系统的核⼼技术之⼀。尽管⼤规模MIMO技术在理论研究上和实际系统中仍然存在⼀些问题有待解决，但随着对⼤规模MIMO系统研究结果的不断完善，其预期所带来的性能优势和特性也越来越得到⼯业界和学术界的肯定。并且随着⼤规模MIMO核⼼问题的不断解决，有理由相信⼤规模MIMO技术将在新⼀代⽆线通信系统中发挥更⼤更⼴阔的作⽤。
三、信息和能量同步传输的最优功率分配策略研究
由于本专业为信号与信息处理，当前研究⽅向为⽆线信息和能量同步传输技术（Simultaneous Wireless Information and Power Transfer, SWIPT），但通信场景和模型的建⽴并没有涉及5G ⽹络，现将⾃⼰的学习进展：关于⽆线多播通信系统中的SWIPT的最优功率分配策略研究进⾏总结。
3.1 ⽆线多播通信系统介绍
随着移动终端性能的不断增强和移动互联⽹的快速普及，移动业务量的增长率远远超过空⼝速率提升幅度，有限的频谱带宽资源与迅猛增长的业务量需求之间⽭盾成为移动通信发展过程中的主要⽭盾,⽽⽆线多播技术因其仅需占⽤少量的通信资源便可以为⼤量具有相同信息需求的⽤户有效地传递信息⽽备受关注。它既节约了系统资源,⼜提升了空⼝利⽤效率。⽬前,⽆线多播技术⼰被应⽤于移动电视、视频点播/会议、⼤软件更新和在线⽹络游戏等业务中。
多播传输中，发射端使⽤相同的时频资源向多个⽤户发送相同的信息，因⽽能够节省频谱资源，在未来⽆线系统中受到了较多的关注。由于发射端和多个⽤户之间⽆线信道的差异，多播传输中需要统筹考虑发射端和所有⽤户之间的⽆线信道信息，满⾜尽量多⽤户的QoS需求。为保证所有⽤户的正确接收，多播传输速率受限于多播系统中最差⽤户的信道容量。多播系统中多天线的引⼊能够对抗信道衰落，在不增加信道带宽和发射功率的情况下带来系统容量的成倍提⾼。多天线系统中，预编码问题指多天线系统中在天线端分配不同权值，在发送端对发送数据进⾏预处理以提⾼系统性能的⼀种技术。
多天线多播系统中预编码的引⼊能够通过提⾼系统中最差⽤户的接收信噪⽐(Signal-to-Noise Ratio, SNR)来提⾼多播传输速率。多播能有效地传输相同的内容给多个接收者，节省了⼤量的⽹络资源。
3.2⽆线能量传输与SWIPT技术介绍
⽆论是点到点通信还是能量获取设备组⽹，其共同点是能量获取的节点均为发送节点，即发送端从周围环境中获取能量，并将收集的能量⽤于信息的发送。近来，已有研究者将⽬光投向通信过程中信息的接收⽅获取能量的研究。其中发送端的能量由电⽹或其他稳定的能量来源供应，⽽接收端通信使⽤的能量则从发送端发送的电磁波中获取之后再⽤于信息的发送，类似于⽆线充电技术，⼀般称为⽆线能量传输，也称为SWIPT。
SWIPT 技术研究的可⾏性是基于以下事实：传输信息的⽆线电波在电磁能量可以被获取的情况下，也是⼀种能量的来源，也可以被获取，如蜂窝系统中，对某个⽤户来说是有⽤信号的电磁波，对于其他⽤户来说则是噪声，⽽这部分电磁波如果可以被获取，则可以节约⽤户需要的能耗。在这个研究⽅向中，接收端可以接收信息，也可以接收能量，或者两者同时进⾏。受实际电路限制，接收端不能同时对同⼀个信息进⾏解调与能量收集。因此，SWIPT中接收端对同时进⾏信息解码和能量接收的⽆线电磁流的接收模式通常有两种，⼀种是时域切换（time switching，TS），另⼀种为能量分割（power splitting，PS）。时域切换的⼯作模式是，接收端接收的信号要么被能量获取单元接收，要么被信息
接收单元接收⽤来解决信息；能量分割的⼯作模式是，接收的信号被⼀个能量分割器分割为两路，⼀路传输给能量获取单元，⼀路传送给信息处理单元。在这个研究点中，接收模式⼯作⽅式的设计（如TS中两部分的模式切换的策略，PS中分割给两个单元的能量的策略）是研究的重点。
除此之外，对SWIPT的研究也不仅仅局限于能量流与信息流均被同⼀个接收端接收的情形。在同⼀个接⼊点（AP）下的⽤户终端是从接收的信号中解调出有⽤信息，称为信息接收终端
（information receiver，IR ），有些终端只专注于从接收的信号中获取能量，称为能量获取终端（energy receiver，ER）。通常IR与ER对于功率的敏感程度不⼀致（通常IR为-60dBm，ER 为-10dBm）。在这个系统中，存在⼀个“远近效应”问题，即由于路径损耗，ER终端会部署得与接⼊点更近⼀些。
另外，除了接收信息流与能量流的终端可以不统⼀之外，也研究开始关注传输信息流与能量流的接⼊点不在⼀起的情况，即⽹络中单独有电站通过⽆线给终端传送能量（通常是使⽤微波能量传输），⽽信息的传输与原有的蜂窝⽹络⼀致。
防辐射内衣3.3基于SWIPT的⽆线多播系统最优功率分配策略研究
卷帘门锁在⽆线多播系统中，⽆线信道衰落严重影响系统性能，因此，常采⽤波束成型技术来获得分集增益以
抵抗衰落，进⾏最优的系统功率分配，从⽽有效地提升系统性能。⾼效的波束成型设计⽅案既能有效的减少不同多播组间的⼲扰问题，同时也实现发射功率的合理分配，减⼩功率在⾮⽬标⽅向上的浪费。然⽽，有效的波束成型设计⽅案有赖于所获取的信道状态信息的质量，获得的信道状态信息越完美，传输中断的概率就越⼩。因⽽，信道状态信息的获取在⽆线多播波束成型⽮量设计中就显得格外地重要。在时分双⼯系统中，上下⾏链路的信道状态信息通常具有互易性，因此，可以根据当前时刻接收到的上⾏链路导频信号估计出下⾏链路的信道状态信息，从⽽完成下⾏波束成型设计。
⾸先，我们假设发射端能够获得全部的信道状态信息。虽然在实际情况中，由于各种各样的缘故，获取完美的信道状态信息是⾮常困难的，但是对这种情况进⾏研究仍然很有意义。所得的结果可以作为系统性能的上界，对系统的设计有⼀定的指导意义。
为了满⾜不同接收端的服务质量需求和能量收集需求，更好的提升多播通信的系统性能，在本⽂中我们以系统的发送总功率最⼩化为准则，通过对系统的波束成形向量和接收端功率分离⽐的联合设计，研究系统的最优功率分配策略。
超声波探测在保证系统信息传输连续性的基础上，接收端⽤于信息解码的接收信噪⽐需要总⼤于⼀个给定的值，以满⾜不同的服务质量需求。同时，接收端收集到的能量需要达到⼀个能量收集的有效值。
线圈电磁铁我们研究了接收端能够完全获取信道状态信息情况下，信息解码端的接收信噪⽐和发送端传输功率之
间的关系。从图中可以看出，随着接收端信噪⽐需求的增加，发送端需要更多的功率来进⾏系统信息和能量的传输。同时，由于系统⽆能量收集的需求，“⽆能量收集约束”时接收端接收到的功率全部⽤于信息的解码。因此，“⽆能量收集约束”需要的发送功率要⼩于本⽂提出的策略所需要的发送功率。但随着信噪⽐需求的提⾼，接收端接收到的功率绝⼤部分⽤于信息解码。因此，在⾼信噪⽐区域，提出的策略所需要的发送功率⾮常接近于“⽆能量收集约束”时发送功率的性能上界。同时，在接收端进⾏均匀功率分离时，信息解码和能量收集之间的功率分配⽐并不能随机优化，这就造成了系统资源的浪费，此时，其所需的发送功率明显⼤于本⽂提出的联合优化功率分离策略。
3.5⼩结
由于⽆线通信的快速发展，能量受限的移动⽹络终端对能量的需求越来越成为制约⽹络持续有效运⾏的关键因素，⽽对于传统的能量收集⽅式，由于环境等因素的影响，其并不适⽤于移动⽹络。同时，由于射频（RF）信号能同时传送信息和能量，⽆线信息和能量同步传输策略成为解决能量受限⽹络对能量能量需求问题的有效⽅法。因此研究⽆线多播通信系统中信息和能量同步传输的最优功率分配策略是⾮常有必要的。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议