5G MASS I VE MIMO 技術

伍株儀

摘要：本文介紹了5G系統中MassiveMIMO技術的信道估計、預編碼技術、信號檢測算法，研究了不同算法的適用場景，分析.了MassiveMIM0技術發展中存在的問題，重點闡述了導頻污染產生的原因并提供了減少導頻污染的思路，分析了信道模型設計中需要關注的問題、算法優化的方向等。

[關鍵詞]5GMASSIVEMIMO信道估計信道檢測預編碼

2018年12月3日，工信部向三家運營商頒發了5G中低頻段試驗網使用許可，其中中國移動獲得2.6GHz和4.9GHz頻段一共260MHz試驗網帶寬，中國電信與中國聯通分別獲得3.5GHz頻段各100MHz的試驗網帶寬，意味著我國的5G建設已經拉開帷幕，人們將會越來越能夠享受到5G網絡帶來的便利。5G系統的速率以及時延相對4G系統均有很大的提升和突破，主要因為5G系統中應用了的幾個關鍵技術，其中高頻段傳輸技術、Massive MIMO技術、超密集組網技術、同時同頻全雙工技術、新型網絡架構等在5G系統中的影響比較大，其中作為5G關鍵技術之一的Massive MIMO技術，不僅可以有效提升覆蓋效果，同時能夠提高頻譜效率、能夠增強數據傳輸的穩定性和可靠性，所以不僅僅是在5G，其實在4.5G的發展中，就已經開始對Massive MIMO技術展開了研究，希望能夠在實際應用中最大限度的提升系統性能。

1Massive MIMO技術

Massive MIMO技術的特點是在基站側配置有大規模天線，依據大數定理，當天線數量趨于無窮大時，信道矩陣的列向量之間就會趨于正交，熱噪聲以及小幅衰落的影響將會消失，同時天線數目的增加會提高空間復用率，能夠進一步提升信道容量。本節主要介紹MassiveMIMO技術中的信道估計、預編碼、信號檢測技術。

1.1信道估計

無線通信中由于傳播場景的不同，傳播過程中的多徑衰落也不一樣，接收端接收到的信息都是經過衰落后的信號，要正確的譯出原始信息，需要對接收到的信號做出合理的估計，通過調整補償參數達到譯碼要求，此過程中信道估計的準確性非常關鍵，只有準確定估算出已有的信道信息才能計算補償參數。目前主要的信號估計分為三類：非盲估計、盲信道估計、半盲信道估計，在三類估算方法中基于訓練序列的非盲估計是較為常用的方法。Massive MIMO系統能夠大規模提升系統性能和可靠性，很大程度依賴于在小區基站獲得準確的上下行信道狀態信息（CSI），假如不能獲取準確的CSI，就不能利用預編碼等技術來提升系統的可靠性。傳統MIMO中的上行CSI信息可以通過導頻信道估計獲得，下行CSI可以通過用戶反饋獲得，但由于用戶高速移動等特性，準確的獲取下行CSI比較困難。目前大部分Massive MIMO技術研究主要基于TDD模式，由于上下行信道具有互易性，可以根據上行鏈路信道來估計下行鏈路信道，在TDD模式下能夠較優的獲取CSI并且較好的提升系統性能。

1.2預編碼技術

預編碼就是在已知CSI的情況下，利用預先設計的預編碼器，通過調整發射機的發射功率、發射方向等參數，讓預處理過的信號特性與信道特性相匹配，方便接收機進行信號檢測，從而有效提升區域內無線通信系統的平均吞吐量。由于發射端進行過預處理，不僅可以減少接收端在接收到信號時的解碼時間，還可以通過不同信道功率分配策略的模式提升系統的安全性能。預編碼技術可以通過算法將需要發送的信息流與信道狀態相結合，讓信息在特定的信道上面發送，從而有效抑制導頻污染。

與傳統MIMO類似，Massive MIMO的預編碼算法有線性預編碼和非線性預編碼，線性預編碼有迫零（ZF）、正規化迫零（RZF）、匹配濾波（MF）、最小均方誤差（MMSE）預編碼等，非線性預編碼有臟紙編碼（DPC）、恒定包絡（CE）、THP預編碼算法等。

1.2.1線性預編碼

線性預編碼由于具有復雜度較低，計算簡單等優點，在實際應用中是很好的選擇。不同的線性預編碼間也存在差異：ZF與MMSE的算法原理基本相同，區別在與MMSE在考慮算法時通過預編碼對噪聲進行了預處理，從而比特誤碼率性能較優;RZF算法則與MMSE基本一致，只是噪聲系統等參數設置不一樣;MF算法對于干擾消除不如其他RZF和MMSE，但算法復雜度最低。根據相關資料顯示，在Massive MIMO場景下，在用戶數量很大的情況下優先選用MF預編碼，在用戶數量較少時優先選用RZF編碼，更有利于提高系統性能。

1.2.2非線性預編碼

雖然線性預編碼算法的復雜度較低，但不能有效處理噪聲，無法充分利用系統的容量，為了最大限度的提高系統容量，產生了非線性編碼技術。DPC編碼主要思路是指在發射端在信息發送前已經知曉信道的參數情況，通過信號的預處理，使接收機在接收信號時認為鏈路不存在干擾，從而增加系統容量;CE預編碼算法限定了每根天線上面的發送功率，將功率設置為一個與信道符號及功率無關的常數，通過信號的相位來攜帶符號信息，由于每根天線發射的信號幅值相同，所以PAPR很低，相對線性預編碼需求的寬區間功率放大器要求，硬件相對比較容易實現，此預編碼方式比較適合Massive MIMO場景。

THP是一種連續的非線性預編碼技術，算法與DPC類似，能夠均衡下行子信道間的干擾，提高系統的比特誤碼率性能，同時由于THP算法中通過模運算進行了處理，相對DPC算法可以有效降低功率，該預編碼算法也適合應用到Massive MIMO場景中。

1.3信道檢測

信號在傳輸過程中，都會受到不同情況的信號干擾，能否準確的從干擾信號中獲取有用信息，除了與信號本身有關之外，還與信號處理方式密切相關，所以信號檢測在Massive MIMO中的有著至關重要的地位。信號檢測的主要研究目的，就是在特定場景下，選擇出獲取信息的最優處理方式，從而最大化提升系統容量。線性信號檢測的基本原理是用線性濾波器來分離混合的信號，然后將分離的信號矢量與一個特定的矩陣相乘，根據結果進行數據的判決，目前線性檢測的主要算法有迫零（ZF）檢測、最大比合并（MRC）、最小均方誤差檢測（MMSE），非線性檢測算法有球形譯碼（SD），MMSE-SIC算法等。不同的檢測算法適用的場景各不相同，其中MMSE算法復雜度較高，適用于少量天線數量場景;ZF算法適用于信噪比較高場景;MRC計算復雜度較低，適用于天線數量較多場景;非線性編碼中的SD和MMSE-SIC算法均比較復雜，適用于天數數量較少場景。在5GMassive MIMO中，采用的是與毫米波結合的大規模天線陣列，適合用算法復雜度比較低的算法。

2Massive MIMO發展存在的挑戰

2.1導頻污染

在理論研究中，TDD中的上下行導頻符號是互相正交的，這種正交性可以讓不同用戶之間的信號不會互相產生干擾，但在實際Massive MIMO中，由于區域內用戶的增加，相互正交的導頻序列不能完全滿足區域內所有用戶的需求，所以不同小區用戶間可能采用非正交的導頻訓練序列，而基站在獲取本小區終端信道信息的同時也有可能獲取其他小區終端的信道信息，從而導致基站對本小區信道的估計疊加了其他終端的信息，使導頻信息收到污染，得到的下行CSI不準確，并且進一步的影響上行導頻數據，這些導頻污染會使基站對信號的處理出現偏差，使小區間產生干擾，嚴重限制了系統性能的提升，所以如何減少導頻污染問題，也是需要重點研究的課題。

減少導頻污染問題，可以從污染產生的源頭分析，導頻污染主要是因為使用非正交或者重復使用相同導頻序列，在導頻設計時要盡量避免此類情況的出現。可以從以下三個方面思考：

（1）通過合理的導頻設計減少導頻污染，在相鄰小區邊緣之間通過算法分配不同的導頻，減輕導頻的相干程度;

（2）采用導頻移位的方式，在相鄰小區

間共用同一組導頻序列時采用不同的時隙來發送導頻信息;

（3）在特定干擾區域分配足夠多的導頻序列，使區域內的導頻信息是正交性的，從而減輕干擾。

同時可以通過選擇合適的信道估計以及預編碼技術來減輕干擾，提升系統性能。

2.2信道模型設計

在理論研究中，Massive MIMO技術需要在站點安裝大量的天線，但在實際應用中，由于場地限制以及居民環保意識的提高，不可能安裝太多的物理天線，只能考慮將天線集成起來形成天線陣列，由于頻率與波長成反比關系，頻率越高，波長越短，所以天線的尺寸也可以隨著頻率的變高而縮小，在毫米波段，將64個以及更多的天線陣列集成在一個物理天線從理論上來說是可行的，但由于Massive MIMO技術需要很高的空間分辨率，需要讓波束的覆蓋方向精準的指向用戶端，這就要利用空間信道的相關性以及波的干涉技術，通過調整天線陣列的輸出，提高信道的接收信噪比，達到提升系統性能的目的。在實際中，信號在傳播過程中會受到建筑物、雨霧等的阻擋，不同頻段、不同場景、不同天線布局情況下的傳播特性各異，相應的傳播模型也各異，因此，在使用Massive MIMO技術時，實際建模的算法比較復雜，并且理論研究與實際應用中會因為天線工藝等影響，往往達不到理論研究的效果。

2.3算法優化.

在5GMassive MIMO中，需要在基站側配置大規模的天線陣列，在硬件上面需要大量的功放單元，這些功放單元集中在一個物理天線里面，每個端口都間距比較近，在進行射頻信號和電磁波信號轉換時有可能互相影響，造成系統性能下降，這就要求調制的信號有較低的均峰比，需要用到比較優化的調制算法，而隨著天線數量的增加，算法的復雜度也增加了。在前面提到的信道估計、預編碼技術、信道檢測技術等都依賴于算法，而在5G應用中，將會有大量不同類型、不同速率、不同頻率的數據需求在同一小區中，這些需求將會對射頻以及基帶處理等提出更高的要求，情況越復雜算法越難以實現，而簡單的算法意味著實現的復雜度較低，所以研究5GMassive MIMO中比較適合信道估計、預編碼、信道檢測、資源分配等的低復雜度算法也成為了Massive MIMO研究需要突破的問題。

3結束語

本文介紹了5G系統中Massive MIMO技術的信道估計、預編碼技術、信號檢測算法，研究了不同算法的適用場景，分析了Massive MIMO技術發展中存在的問題，重點闡述了導頻污染產生的原因并提供了減少導頻污染的思路，分析了信道模型設計中需要關注的問題、算法優化的方向等。

參考文獻

[1]曾摯.面向5G的Massive MIMO系統關鍵技術研究[J].中國新通信，2018，20（14）.

[2]方昕，李興興，曹海燕，潘鵬，劉云駒.大規模MIMO系統中的動態導頻分配方案.[J].電信科學，2017，33（07）.

[3]付豪.Massive MIMO預編碼方法的性能分析與比較[D].華南理工大學，2016.

[4]周昭華，大規模MIM0通信發展中存在的難點及解決方案[J].中國新通信，2017，19（08）.