毫米波大規模MIMO無線傳輸關鍵技術

尤力+高西奇

中圖分類號：TN929.5 文獻標志碼：A 文章編號：1009-6868 （2017） 03-0011-003

摘要：

認為毫米波大規模多輸入多輸出（MIMO）無線傳輸能夠拓展利用新頻譜資源，深度挖掘空間維度無線資源，大幅提升無線傳輸速率，是未來無線通信系統最具潛力的研究方向之一。基于毫米波大規模MIMO無線傳輸基本架構，論述了信道建模、信道信息獲取、多用戶無線傳輸及聯合資源調配等毫米波大規模MIMO無線傳輸關鍵技術。

關鍵詞：大規模MIMO；毫米波通信；信道信息；波束賦形

Abstract：Millimeter wave massive multiple-input multiple-output （MIMO） wireless transmission is a promising technology for future wireless communications as it can expand the use of new spectrum resources， efficiently exploit the space domain wireless resources， and significantly improve the wireless data transmission rate. Based on the millimeter wave massive MIMO architecture， this paper presents a brief overview of the key techniques in millimeter wave massive MIMO wireless communications， including channel modeling， channel information acquisition， multiuser transmissions， and joint resource allocation.

Key words： massive MIMO； millimeter wave communications； channel information； beamforming

隨著現代信息社會的高速發展，各種移動新業務需求持續增長，無線傳輸速率需求將繼續呈現指數增長趨勢。預計于2020年商用的第5代移動通信系統（5G）的傳輸速率需求將是目前在營的第4代移動通信系統（4G）的1 000倍[1]。在當前無線頻譜資源日趨緊張的情形下，如何進一步滿足5G無線通信持續增長的速率需求，成為未來移動通信技術面臨的關鍵問題。

當前，世界各國正廣泛開展對5G關鍵技術的研究。5G新技術將可能涉及物理層傳輸技術及載波頻段等多個層面[1]。在物理層傳輸層面，基于大規模多輸入多輸出（MIMO）的無線傳輸技術能夠深度利用空間維度的無線資源，進而顯著提升系統頻譜效率和功率效率，已經成為當前學術界和工業界的研究熱點之一[2]。而另一方面，在載波頻段的層面，由于當前6 GHz以下蜂窩頻段頻譜資源的短缺，利用毫米波頻段實施無線通信也吸引了廣泛的研究興趣[3-5]。

由于毫米波頻段上相對較高的電波傳播損耗，毫米波無線傳輸技術的研究早年大多側重于短距離通信場景[5]，相關的技術無法直接應用于大范圍覆蓋的移動通信場景。考慮到毫米波頻段上波長相對較短，大規模天線陣列能夠被同時裝配到基站與用戶側。進而，通過大規模天線陣列所提供的較高波束賦形增益能夠補償毫米波頻段上相對較高的傳播損耗。因此，探索毫米波大規模MIMO無線傳輸技術在大覆蓋移動通信場景中的應用，正在成為研究者們關注的重要研究方向[3-6]。

針對毫米波大規模MIMO無線傳輸，文獻中出現了一些初步的研究工作報道，這些工作涉及信道建模、信道信息獲取及系統性能分析等多個方面[7-19]。從已見報道的工作可見：

（1）毫米波頻段上寬帶大規模MIMO信道的理論和實際建模的工作相對較少，還沒有出現受到廣泛認可的毫米波大規模MIMO信道模型。

（2）移動場景下毫米波信道存在嚴重的多普勒效應，瞬時信道信息獲取存在瓶頸問題；文獻中所報道的傳輸方法大多基于準確獲取瞬時信道信息的理想假設，存在實現復雜度較高等問題。

（3）統計信道信息相對于瞬時信道信息變化較為緩慢，利用統計信道信息可以輔助毫米波大規模MIMO無線傳輸設計，提升系統傳輸性能。

（4）毫米波大規模MIMO無線信道在波束域呈現能量集中等特性，在波束域實施毫米波大規模MIMO無線傳輸能夠緩解毫米波信道的高路徑損耗，同時深度利用空間無線資源，實現多用戶共享空間無線資源。

由此可知，毫米波大規模MIMO無線傳輸技術研究尚處在起步階段，存在著具有挑戰性的基礎理論和關鍵技術問題。為充分發掘其潛在的技術優勢，需要探明典型移動場景下的毫米波大規模MIMO信道模型，并在實際信道模型、適度導頻開銷以及實現復雜度等約束條件下，分析其系統性能，進而探索最優傳輸技術，解決毫米波大規模MIMO無線傳輸所涉及的信道信息獲取瓶頸問題、系統實現復雜度問題以及典型移動場景下的適用性問題等。

毫米波大規模MIMO無線傳輸能夠拓展利用新頻譜資源，并能深度挖掘空間維度無線資源，大幅提升無線傳輸速率，是支撐未來寬帶移動通信最具潛力的研究方向之一。

1 信道建模

信道建模是通信系統設計的基礎。在毫米波寬帶大規模MIMO無線通信環境下，基站側與用戶側均配置大規模天線陣列，信道的空間分辨率得到顯著提升。此外，考慮毫米波在大氣中的傳播特性，毫米波信道在大尺度路徑損耗、空間稀疏性、多徑特性以及多普勒特性等方面與傳統微波信道有著顯著不同。研究和利用毫米波寬帶大規模MIMO信道特性，具有重要的理論和實用價值。當前，盡管毫米波大規模MIMO無線傳輸已引起學術界和工業界的廣泛關注，但相關的理論和實際建模的研究工作較少[7-8]，尚未有廣泛認可的信道模型出現，這在一定程度上制約著毫米波寬帶大規模MIMO無線傳輸技術研究工作的開展，相關的理論研究大多建立于準確已知瞬時信道信息的理想假設。為了突破這一局限，需要開展典型移動場景下毫米波寬帶大規模MIMO信道的統計特性分析與建模。

值得指出的是：目前已有文獻報道了一些初步的信道建模理論和實測結果，展示出在大規模MIMO系統中，隨著天線數目的增加，不同用戶的基站側信道統計特征模式矩陣趨于一致，僅取決于基站側天線陣列配置[9-11]。利用這一特性，可以著重開展統計特征模式域（物理實現上可解釋為波束域）信道特性的研究。一些近期的研究結果表明：毫米波大規模MIMO波束域信道元素在多徑擴展以及多普勒擴展等方面呈現出新的特征[12]，進一步深入開展各種典型場景，特別是大覆蓋移動場景中毫米波大規模MIMO波束域信道特性分析和建模研究具有重要的理論意義和實用價值。

2 信道信息獲取技術

信道信息對于毫米波大規模MIMO無線傳輸性能起著重要影響作用。在毫米波大規模MIMO無線通信系統中，隨著收發兩側天線數目和帶寬的增加，信道參數數目顯著增加。同時，毫米波頻段信道的多普勒效應與傳統頻段信道相比更為明顯。因此，信道信息獲取在毫米波大規模MIMO無線通信系統中成為瓶頸問題。目前已有一些文獻報道了毫米波大規模MIMO信道信息獲取的研究工作[13，14]。值得注意的是：利用毫米波頻段波束域信道的近似稀疏以及多普勒擴展特性，可以有效降低信道信息獲取所需的開銷[10]。進一步發展完善各種典型場景下波束域信道信息獲取技術具有必要性。

統計信道信息可以用于優化導頻設計，提升瞬時信道信息估計性能及系統傳輸性能。當前，盡管利用統計信道信息輔助毫米波大規模MIMO無線傳輸設計已經得到了一些研究者的關注，但是統計信道信息獲取的相關研究工作較少。目前已有一些文獻報道了大規模MIMO統計信道信息獲取的初步研究結果[15-16]，然而這些方法大多并未針對毫米波大規模MIMO無線傳輸場景。利用毫米波寬帶大規模MIMO波束域信道新特性，進一步開展相應的統計信道信息獲取方法研究具有重要性。

3 多用戶無線傳輸技術

如何優化設計多用戶空分多址無線傳輸系統，涉及發送端和接收端所能獲取的信道信息。在毫米波大規模MIMO無線傳輸系統中，隨著收發兩側天線數目和帶寬的增加，信道信息的獲取成為瓶頸問題。與此同時，傳統傳輸方案中通常采用的正則化迫零等方法涉及到復雜的大維矩陣求逆運算，實現復雜度較高[17]，這意味著毫米波大規模MIMO無線傳輸理論方法將不同于現有的MIMO傳輸理論方法。與瞬時信道信息相比，統計信道信息變化較為緩慢，獲取開銷較小。能否突破傳統傳輸方案中信道信息獲取的瓶頸問題，在發送端僅知統計信道信息的情形下，實現多用戶共享空間無線資源和高性能低復雜度的毫米波大規模MIMO無線傳輸，是有待解決的重要問題。

目前已有一些文獻報道了初步的研究工作，結果表明：在發送端僅知統計信道信息的情形下，通過適當的資源調配，在波束域實施毫米波大規模MIMO無線傳輸可以以較低的實現復雜度獲取相對較高的性能[16]，[18]。進一步發展發展完善毫米波大規模MIMO波束域多用戶無線傳輸技術具有重要的實用價值。

此外，在完整的無線通信系統中，基站不僅要實現與各個用戶之間的高速數據通信，還需要向小區中的所有用戶發送控制信息，此時基站發送信號要具有全向特性，如何將具有全向特性的分集傳輸和空時編碼傳輸理論方法拓展到毫米波大規模MIMO無線傳輸場景，實現高效的控制信息傳輸，值得深入研究[19]。

4 多用戶聯合資源調配技術

為實現多用戶空分多址傳輸，需要高效的多用戶資源調配理論方法，確定可以在同一時頻資源上進行空分多址傳輸的空分用戶組和與每個用戶通信的空間資源。在毫米波大規模MIMO無線傳輸系統中，基站與各個用戶進行通信的空間資源通常是基站側統計特征模式所確定的波束資源，開展利用統計信道信息的資源調配理論方法研究具有理論意義和實用價值。目前文獻中已有一些關于資源調配的研究工作報道，然而這些工作大多基于準確已知瞬時信道信息的理想假設，具有一定的局限性。發送端僅知統計信道信息的多用戶聯合資源調配技術的研究值得進一步深入開展。此外，多小區協作能夠降低傳輸中斷概率，進而解決毫米波信道所面臨的傳播遮擋等問題，開展多小區協作情形下的毫米波大規模MIMO分布式低協作開銷聯合資源調配技術研究具有實用性。值得注意的是：在毫米波大規模MIMO無線傳輸系統中，聯合資源調配所涉及的問題規模通常較大，結合大數據機器學習等理論[20-21]探索相應的低復雜度快速資源調配算法具有重要的實用價值。

5 結束語

毫米波大規模MIMO無線傳輸能夠拓展利用新頻譜資源和深度挖掘空間維度無線資源，大幅提升無線傳輸速率，是未來無線通信系統最具潛力的研究方向之一。相關理論方法尚處于起步階段，存在著信道信息獲取“瓶頸”和系統實現復雜性等問題。基于毫米波大規模MIMO無線傳輸基本架構，文中我們討論了信道建模、信道信息獲取、多用戶無線傳輸及聯合資源調配等毫米波大規模MIMO傳輸關鍵技術的研究進展。

參考文獻

[1] ANDREWS J G， BUZZI S， CHOI W， et al. What will 5G be [J]. IEEE Journal on Selected Areas in Communications， 2014， 32（6）：1065-1082. DOI： 10.1109/JSAC.2014.2328098

[2] MARZETTA T L. Noncooperative Cellular Wireless with Unlimited Numbers of Base Station Antennas [J]. IEEE Transactions on Wireless Communications， 2010， 9（11）：3590-3600. DOI： 10.1109/TWC.2010.092810. 091092

[3] HEATH R W， GONZALEZ-PRELCIC N， RANGAN S， et al. An Overview of Signal Processing Techniques for Millimeter Wave MIMO Systems [J]. IEEE Journal of Selected Topics in Signal Processing， 2016， 10（3）：436-453. DOI： 10.1109/JSTSP.2016.2523924

[4] ANDREWS J G， BAI T， KULKARNI M N， et al. Modeling and Analyzing Millimeter Wave Cellular Systems [J]. IEEE Transactions on Communications， 2017， 65（1）：403-430. DOI： 10.1109/TCOMM.2016.2618794

[5] RANGAN S， RAPPAPORT T S， ERKIP E. Millimeter-Wave Cellular Wireless Networks： Potentials and Challenges [J]. Proceedings of the IEEE， 2014， 102（3）：366-385. DOI： 10.1109/JPROC.2014.2299397

[6] SWINDLEHURST A L， AYANOGLU E， HEYDARI P， et al. Millimeter-Wave Massive MIMO： The Next Wireless Revolution [J]. IEEE Communications Magazine， 2014， 52（9）：56-62. DOI： 10.1109/MCOM.2014.6894453

[7] RAPPAPORT T S， MACCARTNEY G R， SAMIMI M K， et al. Wideband Millimeter-Wave Propagation Measurements and Channel Models for Future Wireless Communication System Design [J]. IEEE Transactions on Communications， 2015， 63（9）：3029-3056. DOI： 10.1109/TCOMM.2015.2434384

[8] HUR S， BAEK S， KIM B， et al. Proposal on Millimeter-Wave Channel Modeling for 5G Cellular System [J]. IEEE Journal of Selected Topics in Signal Processing， 2016， 10（3）：454-469. DOI： 10.1109/JSTSP.2016.2527364

[9] ADHIKARY A， NAM J， AHN J Y， et al. Joint Spatial Division and Multiplexing—The Large-Scale Array Regime [J]. IEEE Transactions on Information Theory， 2013， 59（10）：6441-6463. DOI： 10.1109/TIT.2013.2269476

[10] YOU L， GAO X Q， XIA X G， et al. Pilot reuse for Massive MIMO Transmission Over Spatially Correlated Rayleigh Fading Channels [J]. IEEE Transactions on Wireless Communications， 2015， 14（6）：3352-3366. doi： 10.1109/TWC.2015.2404839

[11] YOU L， GAO X Q， SWINDLEHURST A L， et al. Channel Acquisition for Massive MIMO-OFDM with Adjustable Phase Shift Pilots [J]. IEEE Transactions on Signal Processing， 2016， 64（6）：1461-1476. DOI： 10.1109/TSP.2015.2502550

[12] YOU L， GAO X Q， Li G Y， et al. BDMA for Millimeter-Wave/Terahertz Massive MIMO Transmission with Per-Beam Synchronization [EB/OL]. https：//www.semanticscholar.org/paper/BDMA-for-Millimeter-Wave-Terahertz-Massive-MIMO-You-Gao/86b94c8c1ffff5c38b5e17b036d9a4ef92ad04be

[13] ALKHATEEB A， EL AYACH O， LEUS G， et al. Channel Estimation and Hybrid Precoding for Millimeter Wave Cellular Systems [J]. IEEE Journal of Selected Topics in Signal Processing， 2014， 8（5）：831-846. DOI： 10.1109/JSTSP.2014.2334278

[14] KOKSHOORN M， CHEN H， WANG P， et al. Millimeter Wave MIMO Channel Estimation Using Overlapped Beam Patterns and Rate Adaptation [J]. IEEE Transactions on Signal Processing， 2017， 65（3）：601-616. DOI： 10.1109/TSP.2016.2614488

[15] MARZETTA T L， TUCCI G H， SIMON S H. A Random Matrix-Theoretic Approach to Handling Singular Covariance Estimates [J]. IEEE Transactions on Information Theory， 2011， 57（9）：6256-6271. DOI： 10.1109/TIT.2011.2162175

[16] SUN C， GAO X Q， JIN S， et al. Beam Division Multiple Access Transmission for Massive MIMO Communications [J]. IEEE Transactions on Communications， 2015， 63（6）：2170-2184. DOI： 10.1109/TCOMM.2015.2425882

[17] LU A A， GAO X Q， ZHENG Y R， et al. Low Complexity Polynomial Expansion Detector with Deterministic Equivalents of the Moments of Channel Gram Matrix for Massive MIMO Uplink [J]. IEEE Transactions on Communications， 2016， 64（2）：586-600. DOI： 10.1109/TCOMM.2015.2506700

[18] SUN C， GAO X Q， DING Z. BDMA in Multi-Cell Massive MIMO Communications： Power Allocation Algorithms [J]. IEEE Transactions on Signal Processing， 2017， 65（11）：2962-2974. DOI： 10.1109/TSP.2017.2675862

[19] MENG X， GAO X Q， XIA X G. Omnidirectional Precoding Based Transmission in Massive MIMO Systems [J]. IEEE Transactions on Communications， 2016， 64（1）：174-186. DOI： 10.1109/TCOMM.2015.2498159

[20] CHIN W H， FAN Z， HAINES R. Emerging Technologies and Research Challenges for 5G Wireless Networks [J]. IEEE Wireless Communications， 2014， 21（2）：106-112. DOI： 10.1109/MWC.2014.6812298

[21] XIA X G. Small data， Mid data， and Big Data Versus Algebra， Analysis， and Topology [J]. IEEE Signal Processing Magazine， 2017， 34（1）：48-51. DOI： 10.1109/MSP.2016.2607319