針對5G的Massive MIMO關鍵技術研究及演進思路

鄭麗利

（西安理工大學電氣工程學院 陜西省西安市 710048）

1 引言

歷經三十年的時間，我國通訊技術從2G發展到了4G，2G其相對于上一代通訊技術，在技術層面加入了更多的多址技術，包括TDMA（Time Division Multiple Access）和CDM（Code Division Multiple Access），2G的技術核心是數字語音傳輸。但由于技術限制所以無法完成如直接傳送電子郵件、軟件等信息，但在一些條件下，短信類信息可以被傳送，但是其本質仍是只具有通話和一些簡單信息如時間日期等信息傳送的手機通信技術規格。2G主要的全球化技術規格指標為GSM(Global System for Mobile Communication)。但其仍具有網絡不穩定，傳輸速率低，維護成本高等缺點。第三代通信技術3G的通信標準于2008年被提出。其中無線、數據和電話是其三大關鍵技術，擁有3G技術的手機可以成功無線通信及互聯網等技術，擁有了處理傳輸音頻、圖像等功能，而且擁有了更好更穩定的傳輸速率與質量。4G通信技術在相對于前幾代通信技術除了在通訊速率、兼容性、通信質量等基本指標上有提升之外，其中添加了OFDM（Orthogonal Frequency Division Multiplexing）、MIMO（Multiple-in Multiple out）、智能天線技術、軟件無線電技術、使其無線通信的信號更加穩定，然而隨著移動數據流量的增長，對于通信系統的耗能也急劇增加，4G通信技術已經難以滿足人們對于通信效率的要求，而5G相對于以往的通信技術擁有更好的利用效率及能效，在用戶安全、時效性、無線覆蓋能力及信息傳輸質量等方面也有著質的飛躍。歐盟于2013年2月正式啟動了面向5G的研究項目 METIS (Mobile and wireless communications Enablers for the 2020 information society)，而同年6月，我國的5G技術研發也正式啟動，在2015年2月發布的5G概念白皮書中提出了5G的概念，其中包含著5G的性能指標：“Gbps用戶體驗速率”及關鍵技術：Massive MIMO技術、高頻段傳輸技術、超密集組網、自組織網絡、內容發布、技術等。

Massive mimo 技術作為5G的關鍵技術之一是指在mimo技術的基礎上在通信系統的收發端設置多個天線傳輸線路進行獨立傳輸，在其基站配置天線數量較傳統的mimo基站大幅增加[1]。如圖1所示。

使基站充分利用其系統的空間自由度，在同一頻資和功率的前提下服務于更多用戶，提高其接入網絡的頻資與信道容量和數據傳輸的效率，而且提高了通信鏈路的穩定性與安全性，降低了誤碼率。

圖1：傳統 MIMO VS Massive MIMO

圖2：小區用戶頻效比較圖

圖3：不同預編碼容量比較圖

而massive mimo的關鍵技術包括：信道估計技術、預編碼技術、信號檢測技術以及天線列陣校準等技術等。信道估計技術：對接收到的衰弱后的信號進行合理估計以計算出補償參數，經過調整使其達到譯碼要求。目前信道估計非盲估計、盲信道估計、半盲信道估計，三種為常用方其中非盲估計最為常用。[2]對于不同系統需要采用不同的信道估計方法，例如對于FDD（Frequency Division Duplexing,）系統，需要對上行信道進行集中進行估計，而對于下行鏈路則要分步進行。而對于TDDT(ime Division Duplexing)系統則需要根據信道交互性來進行道估計。[3]預編碼技術：在已知CSI（Channel State Information）的情況下通過一定的技術進行預處理，改變發射機的發射功率、速度及方向等參數使信號特征與信道特征相匹配以提高系統性能；其分為線性預編碼及非線性預編碼兩個部分，而前者比后者計算難度大，更適合用于實際當中[3]，而線性預編碼當中在同一信噪比的情況下MMSE比ZF和BD技術更為實用[4]。信號檢測技術：對信號進行處理以找出獲取信息的最優解，其中分為線性檢測和非線性檢測前者，復雜度低適用于多天線情況，后者復雜度高適用于天線數量較少場景。[2]目前線性檢測的主要算法有迫零（ZF）檢測、最小均方誤差檢測(MMSE,Minimum Mean Square Error)非線性檢測算法有球形譯碼（SD），等。[3]天線陣列校準技術根據其，可分為“路校準”和“場校準”兩種校準方法[5]，而兩者的區別就是獲取信號的位置的不同，前者的信號來源于傳輸線，通常采用在同軸線或微帶線中設計定向耦合器的方式來實施，而后者的信號來自于陣列的輻射場，采取在場中設立天線的方式來進行對陣列的校準。小區用戶頻效比較圖如圖2所示。

圖4：不同算法BER與天線數關系目[7]

圖5：MIMO校準電路圖[5]

圖6：定向耦合器天線模塊[5]

接下來將對上述的信道估計技術、預編碼技術、信號檢測技術以及天線列陣校準技術進行介紹論文接下來在第二章介紹信道估計主要技術和方法第三章介紹不同種類預編碼。第四章介紹信號檢測的方法，第五章介紹天線陣列的誤差分析及校準方法。第六章講Massive MIMO 技術發展所面臨的挑戰及總結。

2 信道估計

為了對所接收到的信號進行檢測首先需要獲得SCI，而這個獲取過程就是信道估計。

2.1 無CSI反饋的信道估計

2.1.1 基于TDD系統的信道反饋

基于TDD系統所進行的信道估計可以僅依靠信道的交互性來完成對于信道的估計，并不需要CSI的反饋。基站在接收到頻導經過一定的運算處理獲得上行信道的CSI，并以此來計算出下行信道CSI。[6]

2.1.2 最小均方誤差信道估計

目前大部分關于信道估計的研究都是建立在信道理想化的前提下，即將研究建立在信道獨立的前提上。而在實際應用中難以完成理想化，信道之間往往相關，因此采用最小方均誤差進行信道估計可以減小非理想化信道所帶來的影響具體把有限維度信道模型中角域進行劃分，之后用數據建立對角矩陣，用對角線數據對損耗和陰影進行模擬，其公式如下：[6]

2.2 帶CSI反饋的信道估計

其中最為常見的就是基于FDD系統的信道估計，因為FDD系統的上下頻帶不同所以上下兩個鏈路所產生的SCI也不同，因此對于上下兩個鏈路需要采取不同的方法進行信道估計，首先由系統用戶向基站發出頻道序列，基站接收后對于上行信道的特殊序列進行集中的信道估計，而對于下鏈路所接受的CSI則需要基站先向用戶發送頻道序列后經過用戶的反饋，再次發送回基站。因為其需要反饋的特性所以，基于FDD的信道估計的方法所需要的時間與基站天線數目有關，且成正比關系。因此，雖然信道估計技術本身并不受基站天線數量的影響，但是需要進行CSI反饋的信道估計方法并不適用于天線數量過于龐大的場景。

3 預編碼

預編碼是對于所接收的信號進行處理以降低用戶之間相互的影響和環境中噪聲所產生的影響，以此來消除頻導污染。而預編碼有主要分為線性和非線性兩大類別。

3.1 線性預編碼

線性預編碼有迫零（ZF, Zero Forcing）、匹配濾波（MF）、最小均方誤差。預編碼等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。

3.1.1 MMSE預編碼

在多小區系統中，導頻污染的主要來源是非正交序列，所以在設計預編碼方案時，必須考慮訓練序列的分配，而MMSE 預編碼則可以有效地減少頻導污染，與單小區場景的區別在于，該方法可以通過求解目標函數的最優解得到，其中目標函數——多單元 MMSE 預編碼矩陣的主要作用是計算同一小區用戶接收信號的均方誤差和交叉小區用戶間發生的均方干擾。

基于 MMSE 的預編碼器可以降低小區間和小區內的干擾，從而得到特定單小區預編碼方案下的性能增益，此外，MMSE 的信道估計適用于前向鏈路，其估計值滿足[6]

3.1.2 ZF預編碼

圖7：“輔助單元法”應用于陣列校準[5]

圖8：“自校準法”應用于陣列校準[5]

ZF與MMSE的算法原理基本相同，區別在于MMSE在考慮算法時通過預編碼對噪聲進行了預處理，從而比較誤碼率性能較優；ZF算法則與MMSE基本一致，只是噪聲系統等參數設置不一樣。

3.1.3 BD線性預編碼

當用戶配備天線數為多天線時，ZF 預編碼不再適用，由此引入 BD預編碼。它的關鍵技術是收發端協調波束成形技術。為了可以達到消除用戶之間的相互影響的目的，其主要是將下行信道分解為多個獨立的平行或正交的單用戶 MIMO 信道。

由圖3可知，在Massive MIMO場景下，由于線性預編碼算法不能有效處理系統噪聲，因此僅適用于信噪比較高的場景。

3.2 非線性預編碼

3.2.1 DPC（Dirty Paper Coding）預編碼

臟紙編碼是非線性預編碼的代表，其原理就是用白紙上的墨點來比喻在信息傳輸的過程中產生的信號干擾，在已知，墨點位置和大小信息的情況下，就可以知道當墨點不存在時紙張上的信息，也就是當已知干擾信號信息使，就可以對信號干擾進行消除，但這種方法由于計算量過大，所以在非理想狀態下即在現實中難以應用。

3.2.2 THP（Tomlinson-Harashima Precoding）預編碼

THP預編碼最初用以 減少（ISIInter Symbol Interference)，后來在MIMO系統中來消除多用戶所造成的干擾。主要原理是通過串行方式，用后反饋的用戶信息來消除先前反饋的用戶之間的干擾，以此來提高預編碼性能。[2]

4 信號檢測

因為在傳輸的過程中會產生信號干擾，為了在所接受的信號中盡最大可能獲得最準確的信息，對于所接收信號的處理及檢測方式就極為重要。而檢測的計算方法會隨著基站中天線數量不斷增加，所以傳統的信號檢測方法在Massive MIMO 中并不適用，所以為了保證獲取信息的準確性又要盡可能降低計算難度，對于Massive MIMO 的信號檢測主要分為線性檢測和非線性檢測。[1]

4.1 線性檢測

線性檢測是指在接收信號端將信號用線性濾波器進行信號分離，而根據其算法不同所需要的線性檢測器也不同，主要分為ZF、MMSE、MRC（Maximum Ratio Consolidation），不同的方法主要是根據其應用場景的天線數量、信噪大小以及方法應用的復雜度來選擇。其相關表格如表1所示。

表1：不同線性信號檢測算法比較表

ZF算法的核心是通過信道矩陣的偽逆矩陣的線性變換對于接收量進行線性變換，但由ZF算法去除干擾時會增加噪聲的特性，所欲在噪聲占比較高時ZF算法性能優于其他算法。[8]

MMSE算法的核心是通過矩陣轉換將信號發送的矢量與其濾波器輸出的矢量之間的均方誤差最小化，但由公式（2）可知此算法與其他算法不同：其在運用時需要知道噪聲方差。[8]

MRC是線性檢測中最簡單的算法，但其要求進行計算的矩陣具有良好的正交性，但只有在天線數量較低時才能獲得較低的誤碼率。[7]數據如圖4所示。

4.2 非線性檢測

由于線性檢測所需要的理想條件——信道具有正交性和天線數目無限趨近于無窮，難以實現。所以在massive MIMO 的信號檢測技術中，非線性檢測是熱點研究技術之一。其中最大似然法(ML, Maximum Likelihood)最為適合在MIMO系統中應用，其核心是通過概率模型使從樣本中抽取的觀測值概率最大。

SD(Sphere Decoding)算法是常用算法，SD算法是基于TB(Tree Based)，算法，[6]其本質就是一個ML解碼器。因為SD算法本身具有極高的復雜度，所以只適用于天線數目較低的場景但是因其只考慮特定半徑范圍內的點，為了找到任意信令點，需要增大球半徑，在現有低復雜度 TB 算法中，如果只擴大最有價值樹節點部分，就可以有效降低搜索復雜度。[9]

5 天線陣列校準

Massive MIMO 天線中包含源模塊和天線陣列高度集成，其發送和接收過程中還就會包含誤。為了減小誤差對天線陣列性能所造成的影響，天線陣列校準有著不可或缺的意義。

5.1 誤差分析

誤差主要包含時變誤差和非時變誤差[5]，其中時變誤差主要包括在T/R通道的各項因素（時間、溫度、工作頻率）改變時，放大器、混頻器、濾波器以及I/Q通道所產生的相應改變所造成的誤差。非時變誤差是指在陣列加工、安裝、分配網絡等過程中產生的誤差。

5.2 校準方法

我們可以根據獲取校準信號位置的區別，將校準方法分為路校準和場校準。路校準通過傳輸射頻信號的傳輸線來獲取傳輸信號；場校準則是通過自陣列的輻射場來獲取信號。

5.2.1 路校準方法

在對于Massive MIMO 的天線進行路校準時，我們需要首先設計一個等功率分配器，其分配數目與天線的頻射模塊數目相同。分配器末端須與定向耦合器相連，通過記錄其端口傳輸值以修正端口通道誤差，而在實際應用中，由于定向耦合器并非理想儀器所以其加工過程中以及連接處的阻抗都會產生誤差。電路圖示如圖5和圖6所示。

5.2.2 場校準方法

場校準主要包括“輔助單元法”和“自校準法”。

“輔助單元法”因為需要提前獲取有源模塊與輔助單元的傳輸系數，所以在天線內部先設置一些輔助單元。在運行過程中，需要實時監測輔傳輸系數，并于初始系數做對比，以此實現誤差修正。示意圖如圖7所示。

如圖8所示，“自校準法”是通過旋轉矢量法對通道間的誤差進行求解，通過調整各個單元的相位，就可以獲得每個單元對校準通道的傳輸系數，實現通道誤差修正。

6 后續發展及總結

面對5G及后續發展的通信系統的需求Massive MIMO技術仍然具有很多待解決的問題以及需要面臨的挑戰。[10]

頻導污染當相近的小區在同一時間使用了相同的頻導序列時所產生的干擾就是頻導污染，由于Massive MIMO 相較于傳統MIMO擁有更多的小區，其頻導污染的嚴重性也隨之增加。頻導污染問題是Massive MIMO 發展面臨的主要問題之一。信道模型因為無線通信系統的評估與比對是基于系統模型上的，但Massive MIMO系統具有多天線的特性有要求具有很高的空間分辨率。而在實際應用中那個天氣環境等問題也會產生影響，所以Massive MIMO 實際建模算法較為復雜，而工藝問題也會對建模產生影響，所以其信道模型的建設也是未來發展面對的主要問題。

本文介紹了5G通信技術中的關鍵技術，Massive MIMO 技術中的核心技術：信道估計、預編碼、信號檢測和天線陣列校準技術，分析和比較了各關鍵技術中不同方法的應用原理以及適用場景。簡單闡述了Massive MIMO技術發展所面臨的問題與挑戰。