5G時代廣義空間調制的機遇與挑戰(zhàn)研究

高江奇

摘要：廣義空間調制是空間調制的一般性推廣。廣義空間調制作為一種新的MIMO調制技術能降低MIMO系統(tǒng)中多天線帶來的高功耗和系統(tǒng)的復雜度。為了研究大規(guī)模MIMO系統(tǒng)中廣義空間調制與空間調制性能對比，通過計算機仿真研究了采用廣義空間調制與空間調制的大規(guī)模MIMO系統(tǒng)的性能。在瑞利信道下分別對不同天線數(shù)目性能進行了研究，并且分析廣義空間調制與空間調制在瑞利信道的性能差異。結果表明，在相同頻譜效率下，廣義空間調制的性能優(yōu)于空間調制，而且當天線數(shù)目增大時廣義空間調制的優(yōu)勢更加明顯。

關鍵詞：大規(guī)模MIMO 廣義空間調制 頻譜效率

1 引言

無線通信系統(tǒng)進入4G通信時代后，業(yè)界對無線通信的傳輸速率要求越來越高。一方面是因為移動用戶的數(shù)量持續(xù)增長，另一方面是因為隨著新型個人移動智能終端的普及，移動數(shù)據業(yè)務的類型和需求日益豐富。面對未來對速率更大的業(yè)務如VR、3D視頻，5G系統(tǒng)提出了最高高達1 Gbps的用戶體驗速率要求。為了滿足速率要求，大規(guī)模MIMO作為5G的關鍵技術被廣泛地進行研究[1]。但是MIMO技術的一些技術弊端，如發(fā)射天線同步比較難以保證，多天線傳輸時接收端產生強烈信道間干擾，多射頻傳輸帶來的高能耗和高成本[2]，這些弊端將在采用了成百上千的天線數(shù)目的大規(guī)模MIMO中顯得更加突出而不能忽視。

針對這些問題，R Mesleh與H Haas等人提出了一種新的多天線傳輸方案，并命名為空間調制（Spatial Modulation，SM）技術[3-4]。空間調制混合了MIMO和數(shù)字調制技術，每根發(fā)射天線的索引代表了一個空間星座點，而在同一時隙只有一根發(fā)射天線處于工作狀態(tài)來傳輸數(shù)據，其余天線處于靜默狀態(tài)。這樣只激活單根發(fā)射天線消除了信道間的干擾和天線間同步的要求，同時降低了接收機的復雜度。但是SM的傳輸數(shù)據速率的增長只能以天線數(shù)目對數(shù)增長，天線數(shù)目的增加對SM的增益影響不大，這個缺陷限制了SM的應用[5]。而廣義空間調制（Generalized Spatial Modulation，GSM）[6]可以很好地克服這點，GSM通過采用激活天線組合來傳輸空間信息，這樣能提升頻譜效率，同時保持SM的優(yōu)勢。在未來5G通信時代GSM將具有很好的應用前景。

2 系統(tǒng)模型

2.1 廣義空間調制原理及系統(tǒng)模型

廣義空間調制系統(tǒng)模型如圖1所示，假設系統(tǒng)具有NT根發(fā)射天線和NR根接收天線，而廣義空間調制同一時隙選取NT根中NP根發(fā)射天線傳輸相同的調制符號。那么在NT根發(fā)射天線中選擇NP根發(fā)射天線的組合總數(shù)為CNPNT，但是可用的天線組合數(shù)必須是二的次方，所以只有N=2種天線組合數(shù)用于信息比特映射，表示向下取整。因此，GSM同一時隙數(shù)據信息比特分為兩部分傳輸，一部分用于選擇天線組合，需要的比特長度為l1=，另一部分用于選擇M-QAM需要的比特，長度為l2=log2M，其中M為調制階數(shù)。因此GSM每次能傳輸?shù)谋忍貫椋?/p>

M （1）

從圖1可以看出數(shù)據是如何分為兩部分映射和傳輸?shù)摹魅氲臄?shù)據被映射成一個空間符號和一個數(shù)字符號。映射過程中，首先取前l(fā)1比特用于選擇天線組合，接下來的l2比特采用M-QAM調制。以NT發(fā)射天線為5，激活天線數(shù)NP為2為例，那么可能的組合數(shù)種，但是可用的組合數(shù)，如果系統(tǒng)采用BPSK調制，則每個時隙映射的信息比特總長度L，具體的映射表如表1所示。

2.2 信道模型

信號通過廣義空間調制后產生一個NT×1維矢量，設x=[x1，x2，…，xNT]T是發(fā)射向量，表示矩陣或向量的轉置。因此GSM系統(tǒng)的發(fā)射信號可以表示為：

（2）

其中s所在的位置表示激活天線索引，其中只有NP根天線處于激活狀態(tài)。

發(fā)送向量在一個平坦瑞利衰落MIMO信道的傳遞函數(shù)H中傳輸，采用NR根接收天線接收。則NR×1維接收向量可以表示為：

（3）

其中為傳輸星座映射，是信道矩陣，其元素，表示均值為0，方差為N0的加性高斯白噪聲向量，其各元素相互獨立，hk表示矩陣H的第k列對應的元素。

在接收端對空間符號和數(shù)字符號進行聯(lián)合檢測，假設接收端已知信道狀態(tài)信息，采用最大似然檢測準則可以表示如下：

（4）

其中（i1，i2，…，iNP）表示可能的天線組合，S為所有的星座映射組合。MLD（Maximum Likelihood Detection，最大似然檢測）遍歷所有的天線組合和星座點符號然后找到最優(yōu)組合，所以MLD具有最優(yōu)BER（Bit Error Rate，誤碼率），但是計算復雜度也最高。

3 GSM與SM性能對比分析

SM能克服現(xiàn)有MIMO技術的缺點，但是頻譜效率只能以對數(shù)方式增長限制了SM在大規(guī)模MIMO中的應用，而GSM在保持SM優(yōu)勢的同時大大地提高了頻譜效率，因此GSM在未來5G有很大的研究價值。

下面采用蒙特卡洛仿真，對瑞利信道下不同天線數(shù)的SM和GSM進行仿真性能對比。仿真結果為在不同SNR下固定頻譜效率傳輸106比特誤碼率曲線，其中發(fā)射和接收天線的相關度都為0.7，GSM每次激活天線數(shù)Np=2。

固定L=8 bits/（s·Hz-1 ），發(fā)射天線為16根，接收天線為4根時的BER性能和SNR如圖2所示。那么SM數(shù)字調制采用16-QAM的條件下，GSM達到同樣的頻譜效率只需采用QPSK。

從圖2可知在瑞利信道中GSM整體性能好于SM，在誤碼率（BER）為10-3時，GSM的信噪比（SNR）比SM的信噪比小3 dB左右；而當誤碼率減小到10-4時，GSM相比SM有近4 dB的性能增益。

接下來分析采用發(fā)射天線128根，接收天線4根的大規(guī)模MIMO下GSM和SM性能對比，仿真結果如圖3所示。這里固定頻譜效率L=13 bits/（s·Hz-1 ），GSM采用4-QAM數(shù)字調制而SM則需采用64-QAM調制。從圖3可知GSM性能依舊好于SM而且優(yōu)勢更加明顯。當BER=10-3時，兩者的信噪比相差6 dB，但是GSM的誤碼率隨信噪比的增大，下降的趨勢明顯大于SM。

由分析可知GSM在相同的信噪比條件下誤碼率低于SM的原因是SM為了達到和GSM相同的頻譜效率必須采用更加高階的星座調制，這樣在接收端檢測時將增加誤碼概率。

4 GSM的機遇與挑戰(zhàn)

按照國際電信聯(lián)盟關于2020年的規(guī)劃，4年后就要全面進入5G時代，而到現(xiàn)在5G的核心技術體系還沒有確立。大規(guī)模MIMO技術作為5G時代核心技術之一是基于4G網絡的技術延伸。天線數(shù)目不斷地增加，如果其他技術也繼續(xù)沿用4G網絡，那么多天線（成百上千）帶來的超多射頻鏈路，高功耗，高復雜度等問題將無法解決，所以必須進行技術革新。空間調制技術作為一種新的MIMO技術很好地解決了這些問題。文獻[4]表明空間調制的系統(tǒng)性能優(yōu)于V-BLAST系統(tǒng)，表明SM在未來5G時代有極大的競爭力。

通過上面的分析可知GSM相比SM更加適用于大規(guī)模MIMO，而且誤碼性能大概能提高5 dB。并且當天線數(shù)繼續(xù)增加時，這時激活天線數(shù)目合適時組合數(shù)更多，頻譜效率會更高。GSM同樣繼承SM的優(yōu)點采用單射頻發(fā)射，保證了較高的能量效率和較低的實現(xiàn)復雜度。同時GSM與V-BLAST傳輸技術結合，能更大地提高比特傳輸率，這也讓GSM在頻譜效率上更加有競爭力，但是給接收端檢測帶來了更高的復雜度。所以未來5G時代的大規(guī)模MIMO應用對GSM來說是重大機遇。

雖然GSM應用前景光明，但GSM還有很多問題待解決，這也是GSM在未來幾年面臨的重大挑戰(zhàn)。首先是信道狀態(tài)信息直接影響了接收端檢測的準確率，當前研究大都假設在接收端獲得完整的信道狀態(tài)信息[8-9]，但實際上接收端獲取的為非完整的狀態(tài)信息。因此，研究基于信道估計的空間調制技術能夠體現(xiàn)空間調制技術在實際無線通信環(huán)境下的應用價值；其次是GSM現(xiàn)階段的檢測算法復雜度比較大。雖然已經提出了基于接收天線的球形譯碼算法、基于線性均衡的分塊檢測算法[10-11]等各種算法，但是當天線數(shù)目成百上千時，它們的復雜度依舊很大，新的GSM低復雜度檢測算法依然是今后GSM應用面臨的挑戰(zhàn)。

5 結束語

本文通過對大規(guī)模MIMO系統(tǒng)在瑞利信道下GSM與SM的BER性能進行研究和比較。實驗結果表明GSM在大規(guī)模MIMO系統(tǒng)中比SM更加適合，信噪比性能提高可5 dB。此外，這兩種技術只使用一個射頻鏈，并且能保證高的能量效率和低的實現(xiàn)復雜度。因此，GSM技術非常適合大規(guī)模MIMO的部署，未來對GSM的研究將集中在低復雜度的檢測算法以及基于信道估計的空間調制上。

參考文獻：

[1] 尤肖虎，潘志文，高西奇，等. 5G移動通信發(fā)展趨勢與若干關鍵技術[J]. 中國科學：信息科學， 2014（5）： 551-563.

[2] Goldsmith A， Jafar S A， Jindal N， et al. Capacity limits of MIMO channels[J]. IEEE Journal on Selected Areas in Communications， 2006，21（5）： 684-702.

[3] Mesleh R， Haas H， Chang W A， et al. Spatial Modulation -A New Low Complexity Spectral Efficiency Enhancing Technique[A]. International Conference on Communications and Networking in China[C]. 2006： 1-5.

[4] RY Mesleh， H Haas， S Sinanovi?， et al. Spatial Modulation -OFDM[J]. IEEE Transactions on Vehicular Technology， 2008，57（4）： 2228-2241

[5] Renzo M D， Haas H， Ghrayeb A， et al. Spatial Modulation for Generalized MIMO： Challenges， Opportunities and Implementation[J]. Proceedings of the IEEE， 2014（1）： 56-103.

[6] Younis A， Serafimovski N， Mesleh R， et al. Generalised spatial modulation[A]. 44th Asilomar Conference on signal， System and Computer[C]. 2010： 1498-1502.

[7] Younis A， Basnayaka D A， Haas H. Performance Analysis for Generalised Spatial Modulation[J]. European Wireless， 2014，45（2）： 1-6.

[8] Wang C， Cheng P， Chen Z， et al. Near-ML Low-Complexity Detection for Generalized Spatial Modulation[J]. IEEE Communications Letters， 2016， 20（3）： 1.

[9] Yang S， Ma L， Xu Y. Low-complexity geometric decoding based detector in generalized spatial modulation[A]. International Conference on Electronics Information and Emergency Communication[C]. 2015.

[10] Chen C E， Li C H， Huang Y H. An Improved Ordered-Block MMSE Detector for Generalized Spatial Modulation[J]. IEEE Communications Letters， 2015，19（5）： 1.

[11] Lin C， Wu W， Liu C. Low-Complexity ML Detectors for Generalized Spatial Modulation Systems[J]. IEEE Transactions on Communications， 2015，63（11）： 1.

[12] 余金磊，馮曉東. 多速率調制解調器設計與實現(xiàn)[J]. 無線電通信技術， 2013，39（6）： 90-93.★