大规模MIMO的空间自由度挖掘:基于用户正交化的5G容量倍增方案

分享到:

第五代移动通信系统的容量提升依赖于对空间维度的有效利用。多输入多输出技术通过在基站侧部署数十至数百根天线,在相同的时频资源上同时服务多个用户。空间复用的实现条件在于不同用户之间的信道响应具有足够低的相关性,相关性较低时各用户的空间流可以在接收端通过空间滤波分离。用户正交化技术通过调整发射端的预编码权重,使不同用户之间的干扰最小化,接近理想正交状态。正交化程度越高,系统可同时服务的用户数量越接近天线数量,容量提升效果越显著。用户正交化的实现依赖于信道状态信息的精确获取与预编码算法的实时计算,实际系统中信道估计误差与计算延迟会降低正交化的有效程度。
 
5G射频前端:Massive MIMO背后的核心技术
 
信道状态信息的获取精度决定了用户正交化可达到的上限。基站通过用户发送的上行探测信号估计上行信道,在时分双工系统中利用信道互易性将上行信道估计结果作为下行信道的参考。信道估计的精度受探测信号的功率与带宽影响,探测信号功率较高时估计的噪声方差较小,探测信号带宽较宽时估计的频率选择性更准确。用户移动引起的信道时间选择性使估计结果在调度周期内逐渐失效,调度周期需要短于信道的相干时间。频分双工系统需要用户反馈下行信道状态信息,反馈量与天线数量及带宽相关,大规模阵列下的反馈开销可能占用大部分上行容量。信道互易性校准方案通过补偿收发通道的幅相不一致性来改善估计精度,校准的有效性依赖于校准信号的稳定性与校准周期的设定。
 
预编码算法的选择影响用户正交化在实际系统中的实现效果。迫零预编码通过计算信道矩阵的伪逆来消除用户间干扰,在信道矩阵列满秩时可以实现完全正交。迫零预编码的局限性在于信道矩阵接近奇异时伪逆的计算放大噪声,输出信噪比降低。正则化迫零预编码在伪逆计算中引入正则化因子,在干扰消除与噪声增强之间取得折中。正则化因子的取值根据信道条件与噪声功率确定,取值较大时干扰残留较多但噪声增强减小,取值较小时干扰消除较好但噪声增强增大。块对角化预编码将用户分组处理,组内用户采用迫零或正则化迫零消除干扰,组间用户通过空分隔离降低干扰,适用于用户数量较多的场景。预编码算法的计算复杂度随天线数量与用户数量的乘积增长,在大规模阵列中需要采用低复杂度的近似算法以保证调度周期内的计算延迟。
 
用户调度的正交化需要与预编码算法配合进行。调度算法选择在当前时隙中同时服务的用户集合,用户集合的选取依据是它们之间的信道相关性。相关性较低的用户组合在一起时预编码的干扰抑制效果较好,相关性较高的用户组合在一起时残余干扰较大。用户分组的优化问题在数学上属于组合优化范畴,全局最优解的计算复杂度随用户数量指数增长,实际系统中采用贪婪算法或基于距离度量的启发式算法。贪婪算法逐个选择用户加入服务集合,每次选择使当前集合的正交性度量最优的用户。距离度量通过用户到达角度的间隔来估计信道相关性,角度间隔较大的用户具有较低的相关性,可以减少信道估计的计算开销。
 
功率分配在用户正交化框架中提供额外的容量增益。不同用户的信道质量存在差异,边缘用户的信道增益低于中心用户。等功率分配方案使边缘用户的速率受限,中心用户的功率过剩。注水功率分配根据用户的信道增益分配发射功率,信道增益较高的用户分配较少功率,信道增益较低的用户分配较多功率以弥补路径损耗。功率分配的约束条件包括总功率限制与单用户最大功率限制,注水算法的水位线根据总功率与噪声功率计算。用户正交化与功率分配的联合优化在目标函数中包含两者的耦合项,耦合项的解耦通过交替优化实现,固定预编码权重时优化功率分配,固定功率分配时优化预编码权重。
 
大规模多输入多输出的空间自由度挖掘在实际部署中受到天线阵元间互耦的影响。天线间距低于工作波长的一半时单元间的电磁耦合改变阵列的辐射方向图,互耦引起的方向图畸变使信道矩阵的列相关性增加,空间自由度下降。去耦网络在天线端口之间接入补偿电路,补偿电路的电抗值根据互耦矩阵的测量结果设定。天线阵列的非均匀排布可以增加互耦的随机性,随机化后的互耦影响在统计意义上平均,不特定降低某一方向的空间自由度。从信道估计到预编码计算再到功率分配,大规模多输入多输出的用户正交化方案正在使第五代移动通信系统的容量接近天线数量限定的理论边界,这种接近程度取决于信道信息精度与算法实时性之间的平衡。
 
更多资讯内容,详见文章
相关资讯
GaN功放与大规模MIMO阵列协同的6G基站高能效覆盖路径

GaN功放与大规模MIMO阵列协同需平衡功放效率与通道幅相一致性。数字预失真辅助功放工作在近饱和区,GaN在回退区效率衰减平缓。幅相校准补偿通道离散性和温度漂移,混合波束成形兼顾灵活性与功耗。优化框架在覆盖与容量约束下最小化总功耗,动态偏置和通道关断进一步节能。测试表明该协同在覆盖与能效间取得平衡。

大规模MIMO导频污染抑制与波束对准开销压缩的频谱效率边界

大规模MIMO频谱效率受导频污染和波束对准开销共同制约。导频污染通过正交分配和空间滤波抑制,波束开销通过分层码本和位置预测压缩。两者在训练资源上存在竞争,联合优化需在总资源约束下交互角度与信道信息进行动态分配。测试表明联合优化频谱效率优于单独措施,实际值与理论边界的差距反映算法和实现精度限制。

无蜂窝大规模MIMO的用户中心波束分配与导频复用优化

无蜂窝大规模MIMO以用户为中心,通过选择接入点集合和计算波束权重实现协同传输,导频复用优化通过用户分组降低导频污染。两者交替迭代联合优化,波束权重改善信道相关性,导频分配提升信道估计精度。前传容量约束采用本地处理与中央协调分工。测试表明联合优化在用户密集时提升吞吐量,正从理论向系统级验证过渡。

6G覆盖增强:智能超表面与超大规模MIMO联合波束设计

6G 网络提升速率依赖毫米波与亚太赫兹(THz)频段,但高频段传播损耗大,易形成覆盖盲区。将基站有源预编码与智能超表面(RIS)无源反射相位矩阵联合优化,实现有源与无源波束协同,是 6G 遮挡场景覆盖增强的主流路线。本文剖析联合波束耦合约束,建立低复杂度优化框架,提升盲区接收信噪比。

GaN功率放大器与大规模MIMO阵列协同部署及6G基站高能效覆盖路径规划

氮化镓功放的高效率特性与大规模阵列空间聚焦能力协同,以线性功耗增长换取覆盖距离扩展。分组预失真补偿非线性失真,热约束与覆盖规划联合优化波束配置与功耗分配。部署方案以覆盖能效系数为评价指标,通过阵列规模与功放工作点协同调整,实现高频段基站高能效覆盖。

精彩活动

Baidu
map