面向5G的大規(guī)模天線無線傳輸理論與技術(shù)

1、面向5G的大規(guī)模天線無線傳輸理論與技術(shù)摘要 為了滿足2020年無線通信傳輸速率達(dá)到現(xiàn)有系統(tǒng)千倍的需求，研究學(xué)者已開始了5G移動通信系統(tǒng)的研發(fā)，相比第四代(4G)，第五代(5G)移動通信需要在無線傳輸技術(shù)上取得突破性創(chuàng)新,以實現(xiàn)頻譜效率和功率效率提升10倍的目標(biāo).其中,進(jìn)一步挖掘多天線的空間復(fù)用能力是實現(xiàn)5G的關(guān)鍵途徑，在接入點配置大規(guī)模天線陣列或多個接入點通過光纖互連形成大規(guī)模分布式多輸入多輸出(multiple-inputmultiple-output,MIMO)系統(tǒng)，可以大幅提高系統(tǒng)總的頻譜效率。本文對大規(guī)模MIMO和大規(guī)模分布式MIMO的研究進(jìn)行了綜述，包括頻譜效率理論分析、信道信息獲取

2、、傳輸理論與技術(shù)和資源分配技術(shù)。關(guān)鍵詞5G大規(guī)模MIMO大規(guī)模分布式天線系統(tǒng)頻譜效率信道信息獲取多用戶MIMO資源分配1引言近年來,移動數(shù)據(jù)業(yè)務(wù)量幾乎呈指數(shù)增長,到2020年將達(dá)到當(dāng)前的千倍.同時,隨著信息技術(shù)系統(tǒng)能源消耗所占比例的不斷增加,降低移動通信網(wǎng)絡(luò)系統(tǒng)的能耗已逐漸成為移動通信發(fā)展的重要目標(biāo).而目前的第四代移動通信系統(tǒng)(fourth-generation,4G),將難以滿足未來移動通信對頻譜效率和能耗效率的需求.這對第五代移動通信系統(tǒng)(fifth-generation,5G)的頻譜效率和能耗效率提出了極大挑戰(zhàn).如何在4G基礎(chǔ)上,將無線移動通信的頻譜效率和功率效率進(jìn)一步提升一個量級,是5

3、G的核心所在.5G的發(fā)展需要在網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)、組網(wǎng)技術(shù)及無線傳輸技術(shù)等方面進(jìn)行新的變革,從根本上解決移動通信的頻譜有效性和功率有效性問題,實現(xiàn)更高頻譜效率和綠色無線通信的雙重目標(biāo).采用多天線發(fā)送和多天線接收(multiple-inputmultiple-output,MIMO)技術(shù)是挖掘無線空間維度資源、提高頻譜效率和功效率的基本途徑,近20年來一直是移動通信領(lǐng)域研究開發(fā)的主流技術(shù)之一.MIMO技術(shù)可以提供分集增益、復(fù)用增益和功率增益.分集增益可以提高系統(tǒng)的可靠性,復(fù)用增益可以支持單用戶的空間復(fù)用和多用戶的空分復(fù)用,而功率增益可以通過波束成形提高系統(tǒng)的功率效率.目前,MIMO技術(shù)已經(jīng)被LTE(l

4、ongtermevolution,LTE),IEEE802.11ac等無線通信標(biāo)準(zhǔn)所采納.但是,現(xiàn)有4G系統(tǒng)基站配置天線的數(shù)目較少,空間分辨率低,性能增益仍然有限.并且在現(xiàn)有系統(tǒng)配置下,逼近多用戶MIMO容量的傳輸方法復(fù)雜度仍然較高.分布式天線系統(tǒng)是挖掘空間維度資源的另外一種途徑5.在分布式天線系統(tǒng)中,處于同地理位置的配備多天線的節(jié)點,通過高速回程鏈路連接到基帶處理單元,進(jìn)而在同一時頻資源上協(xié)作完成與單個或多個移動通信終端的通信.分布式天線系統(tǒng)中,多個節(jié)點與用戶之間形成分布式MIMO信道,通過節(jié)點間的協(xié)作,形成協(xié)作MIMO.協(xié)作MIMO不僅可以獲得MIMO的3種增益,并且可以額外獲得宏分集以及

5、由于路徑損耗降低而帶來的功率增益68.同樣,受限于現(xiàn)有標(biāo)準(zhǔn)中節(jié)點天線的配置個數(shù),協(xié)作MIMO的性能增益受到限制.為了適應(yīng)移動數(shù)據(jù)業(yè)務(wù)量密集化趨勢,突破現(xiàn)有蜂窩系統(tǒng)的局限,研究者們提出在熱點覆蓋區(qū)域顯著增加協(xié)作節(jié)點或小區(qū)的個數(shù)9,10,或在各節(jié)點以大規(guī)模陣列天線替代目前采用的多天線4,由此形成大規(guī)模協(xié)作無線通信環(huán)境(如圖1所示),從而深度挖掘利用無線空間維度資源,解決未來移動通信的頻譜效率問題及功率效率問題.大規(guī)模天線系統(tǒng)的基本特征是:在基站覆蓋區(qū)域內(nèi)配置數(shù)十根甚至數(shù)百根以上天線,較4G系統(tǒng)中的4(或8)根天線數(shù)增加一個量級以上.這些天線可分散在小區(qū)內(nèi)(稱為大規(guī)模分布式MIMO,即Large-s

6、caleDistributedMIMO),或以大規(guī)模天線陣列方式集中放置(稱為大規(guī)模MIMO,即MassiveMIMO),如圖1所示.理論研究及初步性能評估結(jié)果表明4,10,隨著基站天線個數(shù)(或分布式節(jié)點總天線數(shù)目)趨于無窮大,多用戶信道間將趨于正交.這種情況下,Gauss噪聲以及互不相關(guān)的小區(qū)間干擾將趨于消失,而用戶發(fā)送功率可以任意低.此時,單個用戶的容量僅受限于其他小區(qū)中采用相同導(dǎo)頻序列的用戶的干擾.大規(guī)模MIMO和大規(guī)模分布式MIMO的出發(fā)點是一致的,即通過顯著增加基站側(cè)配天線的個數(shù),以深度挖掘無線空間維度資源,顯著提升頻譜效率和功率效率,因而它們所涉及的基本通信問題4中國科學(xué):信息科學(xué)

7、第46卷第1期也是一致的1).節(jié)點個數(shù)、節(jié)點配備的天線數(shù)目以及空分用戶數(shù)的大規(guī)模增加,使得從傳統(tǒng)MIMO及協(xié)作MIMO到大規(guī)模天線系統(tǒng)的演變,是一個從量變到質(zhì)變的過程.因此,大規(guī)模天線系統(tǒng)的無線通信理論方法研究與傳統(tǒng)MIMO系統(tǒng)也存在較大的差異.這也為研究者們提出了新的更具挑戰(zhàn)性的基礎(chǔ)理論和關(guān)鍵技術(shù)問題,包括大規(guī)模天線系統(tǒng)的容量分析、信道信息獲取、無線傳輸技術(shù)資源分配技術(shù)等.本文給出了大規(guī)模天線系統(tǒng)中無線傳輸理論與技術(shù)方面的最新研究成果:首先介紹了非理想信道信息下大規(guī)模天線系統(tǒng)的頻譜效率理論研究;然后介紹了大規(guī)模MIMO的瓶頸技術(shù),即信道信息獲取技術(shù),包括導(dǎo)頻設(shè)計、信道參數(shù)估計、互易性獲取方法

8、;接著介紹了大規(guī)模天線系統(tǒng)的傳輸技術(shù),包括大規(guī)模天線系統(tǒng)的多用戶預(yù)編碼、大規(guī)模天線系統(tǒng)的接收機(jī);最后介紹了大規(guī)模天線系統(tǒng)的資源分配方法.本文所使用的符號定義如下.矢量用粗體小寫字母表示,x.矩陣用粗體大寫字母表示,A.I表示單位陣.Aij表示矩陣A第i行第j列元素.(),()T和()H分別表示矩陣的共軛、轉(zhuǎn)置和共軛轉(zhuǎn)置.表示Kronecker乘積.Tr(A)和det(A)分別表示矩陣的跡和行列式.diag(x)表示將向量x轉(zhuǎn)化為對角矩陣，diagA1An表示生成對角塊矩陣.2大規(guī)模天線系統(tǒng)的頻譜效率理論信道容量分析是系統(tǒng)設(shè)計和性能評估的基礎(chǔ).隨著MIMO多天線技術(shù)的提出,許多研究學(xué)者重新發(fā)展了

9、隨機(jī)矩陣?yán)碚?包括Wishart矩陣及其特征值的統(tǒng)計特性11、大維隨機(jī)矩陣的漸近統(tǒng)計特性11,自由概率理論12以及確定性等同方法13.利用這些數(shù)學(xué)工具,研究學(xué)者對不同MIMO信道環(huán)境(包括多用戶MIMO,分布式多用戶MIMO)的信道容量進(jìn)行了大量的研究.在理想信道信息下,這些方法同樣適用于大規(guī)模天線系統(tǒng)的容量分析，然而,大規(guī)模天線系統(tǒng)也為研究者們提出了新的更具挑戰(zhàn)性的理論問題。首先,多用戶大規(guī)模天線系統(tǒng)中,隨著用戶數(shù)和天線數(shù)目(或協(xié)作節(jié)點個數(shù))大規(guī)模增加,信道信息的獲取是系統(tǒng)實現(xiàn)的瓶頸.因此,必須研究導(dǎo)頻資源受限下的信息理論.文獻(xiàn)14研究了大規(guī)模MIMO的上、下行傳輸?shù)念l譜效率和能耗效率.由于

10、導(dǎo)頻污染嚴(yán)重影響大規(guī)模MIMO的性能,文獻(xiàn)14還考慮了信道估計對系統(tǒng)頻譜效率的影響.文獻(xiàn)15給出了同時考慮信道估計、導(dǎo)頻污染、路徑損耗和天線相關(guān)時,采用不同接收機(jī)下大規(guī)模MIMO的頻譜效率,并揭示出每用戶需要的基站天線個數(shù)與接收機(jī)技術(shù)之間的關(guān)系.其次,大規(guī)模MIMO為蜂窩移動通信提出了更具挑戰(zhàn)的問題,即多小區(qū)多用戶蜂窩移動通信系統(tǒng)容量的極限問題.系統(tǒng)級的容量是在多小區(qū)多用戶容量分析的基礎(chǔ)上,進(jìn)一步考慮基站節(jié)點分布和用戶分布,對整個蜂窩系統(tǒng)的容量評估,它對蜂窩系統(tǒng)的設(shè)計具有重要的指導(dǎo)意義.下面我們以多小區(qū)多用戶分布式天線系統(tǒng)為例(大規(guī)模MIMO是其特例),考慮導(dǎo)頻復(fù)用,對非理想信道信息下系統(tǒng)進(jìn)行

11、建模,然后給出了系統(tǒng)的漸近容量的閉合表達(dá)式.考慮非理想信道信息時,系統(tǒng)級頻譜效率分析的結(jié)果還很少見,我們給出了一些可以進(jìn)一步深入研究的方向.3大規(guī)模天線系統(tǒng)的信道信息獲取在大規(guī)模天線系統(tǒng)中,隨著基站天線個數(shù)的增加以及空分用戶數(shù)的增加,信道信息獲取成為系統(tǒng)實現(xiàn)的瓶頸.對于上行鏈路,采用正交導(dǎo)頻時,導(dǎo)頻開銷隨著參與空分傳輸?shù)挠脩艨偺炀€個數(shù)線性增加.同時,對于下行鏈路,導(dǎo)頻開銷隨基站側(cè)天線總數(shù)線性增加.發(fā)送端已知下行鏈路信道信息是實現(xiàn)下行多用戶預(yù)編碼,多天線空分復(fù)用的必要手段.當(dāng)基站側(cè)天線數(shù)目遠(yuǎn)遠(yuǎn)大于用戶總天線個數(shù)時,下行鏈路信道信息的獲取成為大規(guī)模天線系統(tǒng)的瓶頸.對于時分雙工(timedivisi

12、onduplex,TDD)系統(tǒng),利用空中信道的上下行互易性,在相干時間內(nèi)基站可以利用上行信道估計信息來進(jìn)行下行預(yù)編碼的設(shè)計,進(jìn)而減少下行導(dǎo)頻以及用戶端信道狀態(tài)信息(channelstateinformation,CSI)反饋的開銷.而對于頻分雙工(frequencydivisionduplex,FDD)系統(tǒng),缺乏上下行信道互易性,是應(yīng)用大規(guī)模天線的主要障礙.總的來說,大規(guī)模天線系統(tǒng)的信道信息獲取面臨如下問題.導(dǎo)頻開銷仍然隨用戶總天線個數(shù)線性增加,如何降低導(dǎo)頻開銷,有效利用導(dǎo)頻資源,提高信道信息獲取的精度,需要深入研究,這包括導(dǎo)頻信號的設(shè)計、導(dǎo)頻復(fù)用方法和先進(jìn)的信道估計方法.另外,對于TDD系統(tǒng)

13、,雖然空中信道滿足上下行互易性,但是考慮到射頻電路等影響,上下行整體信道是不互易的.因此,互易性校準(zhǔn)對TDD大規(guī)模天線系統(tǒng)的實現(xiàn)至關(guān)重要.3.1導(dǎo)頻設(shè)計參考信號設(shè)計一直是移動通信系統(tǒng)設(shè)計的一項關(guān)鍵技術(shù),它直接影響系統(tǒng)的傳輸效率和可靠性.目前4G系統(tǒng)的實現(xiàn)中可將參考信號按照功能分為用于獲取信道質(zhì)量的參考信號(CSIreferencesignal,CSI-RS)和用于解調(diào)數(shù)據(jù)的參考信號(demodulationRS,DM-RS).CSI-RS通常采用全向發(fā)送,在時頻域較稀疏,占用的資源較少,它可以用于信道質(zhì)量測試,信道統(tǒng)計信息獲取等功能.而DM-RS主要用于解調(diào)數(shù)據(jù),為了降低開銷,它通常采用預(yù)編碼

14、導(dǎo)頻導(dǎo)頻設(shè)計時通常分為正交導(dǎo)頻和非正交導(dǎo)頻.正交導(dǎo)頻分為時分正交(TDM)、頻分正交(FDM)和碼分正交(CDM)導(dǎo)頻以及TDM或FDM與CDM的混合使用.這些技術(shù)已經(jīng)被4G標(biāo)準(zhǔn)所采納,其優(yōu)點是干擾小,缺點是開銷大.特別地,在多小區(qū)大規(guī)模天線系統(tǒng)中,隨著用戶及天線數(shù)增加,無論是CSI-RS還是.DM-RS,開銷大大增加.如何設(shè)計導(dǎo)頻信號并降低導(dǎo)頻開銷是我們面臨的一個嚴(yán)峻的問題.為了降低多小區(qū)大規(guī)模天線系統(tǒng)的導(dǎo)頻開銷,研究學(xué)者們提出了非正交導(dǎo)頻設(shè)計,主要包括兩種,一種是將導(dǎo)頻疊加在數(shù)據(jù)上,另一種是導(dǎo)頻復(fù)用,前者會產(chǎn)生導(dǎo)頻和數(shù)據(jù)間的干擾,而后者會產(chǎn)生嚴(yán)重的導(dǎo)頻污染現(xiàn)象.文獻(xiàn)30提出將多小區(qū)上行導(dǎo)頻

15、在時間上錯開(time-shifted),利用干擾抵消去除導(dǎo)頻與數(shù)據(jù)之間的相互干擾.文獻(xiàn)30的結(jié)果表明,當(dāng)基站側(cè)天線個數(shù)趨于無窮大時,時間偏移導(dǎo)頻方案可以降低導(dǎo)頻污染.但是,當(dāng)空分用戶數(shù)目較大時,采用時間偏移導(dǎo)頻的系統(tǒng),基站需要增加更多的天線,以獲取比同步導(dǎo)頻更好的性能.文獻(xiàn)31結(jié)合串行干擾抵消輔助的信道估計方法,提出一種半正交導(dǎo)頻設(shè)計,該半正交導(dǎo)頻設(shè)計允許基站已經(jīng)獲得相應(yīng)信道估計值的用戶同時傳輸上行鏈路數(shù)據(jù),極大提高用于傳輸有效數(shù)據(jù)的資源,降低導(dǎo)頻資源開銷導(dǎo)頻復(fù)用是最早提出大規(guī)模MIMO理論時所采用的方法4.僅根據(jù)大尺度衰落信息,以最大化和速率為目標(biāo),文獻(xiàn)32進(jìn)一步提出了貪婪算法,Tabu搜

16、索算法以及貪婪Tabu搜索算法的導(dǎo)頻分配方法.隨著對大規(guī)模MIMO信道研究的深入,研究學(xué)者發(fā)現(xiàn)當(dāng)天線大規(guī)模增加時,信道在空間角度域具有稀疏性,而當(dāng)帶寬增加時,在時延域具有稀疏性.利用大規(guī)模MIMO信道稀疏性的特點,進(jìn)行導(dǎo)頻分配可以有效降低導(dǎo)頻污染.在空間域,文獻(xiàn)33證明,當(dāng)復(fù)用相同導(dǎo)頻的用戶的信道到達(dá)角區(qū)間互不重疊時,信道估計的均方誤差之和可以達(dá)到最小.因此,當(dāng)信道角度域稀疏時空間相關(guān)大規(guī)模MIMO信道下的導(dǎo)頻復(fù)用是可行的.文獻(xiàn)3234分別提出了基于信道二階統(tǒng)計信息的導(dǎo)頻分配方法,保證使用相同導(dǎo)頻的用戶的信道相關(guān)矩陣相互正交.在時延域,利用寬帶MIMO信道的稀疏特性,也可以進(jìn)行導(dǎo)頻污染抑制在大

17、規(guī)模分布式MIMO中,信道在功率域具有稀疏性.當(dāng)我們已知用戶的地理位置,構(gòu)建用戶之間的干擾矩陣,對用戶之間的導(dǎo)頻干擾進(jìn)行量化,給予干擾較大的用戶較大的權(quán)重,使他們優(yōu)先使用正交導(dǎo)頻,從而大大降低導(dǎo)頻干擾.從這點上看,導(dǎo)頻分配與頻率分配有相似之處.采用類似頻率分配的方法,例如分?jǐn)?shù)倍頻率復(fù)用或先進(jìn)的染色算法,對多小區(qū)、多用戶分配導(dǎo)頻,可降低分布式MIMO系統(tǒng)中由導(dǎo)頻復(fù)用引起的導(dǎo)頻污染37,38相比TDD,采用FDD的大規(guī)模MIMO的信道信息獲取更具挑戰(zhàn)性.假設(shè)基站和用戶采用共同的導(dǎo)頻信號,文獻(xiàn)39提出了開環(huán)和閉環(huán)訓(xùn)練架構(gòu).在開環(huán)模式中,基站采用輪詢的方式發(fā)送導(dǎo)頻信號,這樣接收機(jī)可以利用空間相關(guān)性、時

18、間相關(guān)性以及之前的信道估計來估計出當(dāng)前的信道.在閉環(huán)模式中,用戶根據(jù)之前的接收信號選擇最優(yōu)的訓(xùn)練信號,并把訓(xùn)練序列的序號反饋給基站,基站根據(jù)反饋,來確定所要發(fā)送的導(dǎo)頻信號.在文獻(xiàn)40中,考慮反饋開銷,提出了非相干的格柵編碼量化,其復(fù)雜度隨天線個數(shù)線性增加.在Gauss-Markov信道模型下,利用Kalman濾波算法以及大規(guī)模MIMO10信道的時間和空間相關(guān)性,文獻(xiàn)41提出了導(dǎo)頻波束設(shè)計。3.2信道估計方法大規(guī)模MIMO信道的稀疏特性也利于采用先進(jìn)的信號處理算法提高信道估計的精度.寬帶大規(guī)模MIMO的信道在角度域和時延域都存在稀疏性42,可以采用參數(shù)化模型來對這種稀疏信道建模43,44.對于這

19、種參數(shù)化的稀疏信道,可采用參數(shù)化信道估計和壓縮感知方法大幅提高信道估計的精度.子空間方法是估計參數(shù)化信道的常用方法,文獻(xiàn)43,45均通過到達(dá)角估計提升大規(guī)模MIMO信道參數(shù)估計的精度.壓縮感知方法是稀疏信道估計的另一種有效途徑,它可以在保證較小導(dǎo)頻開銷的情況下,獲得較好的信道估計性能.常用的壓縮感知算法包括正交匹配追蹤和基于Bayes匹配追蹤法.文獻(xiàn)46提出了分布未知情況下的Bayes匹配追蹤法,并將其應(yīng)用于大規(guī)模MIMO的信道估計47.利用盲信道估計方法也可以解決導(dǎo)頻開銷的問題，這在碼分多址系統(tǒng)(code division multiple ac-cess, CDMA)中已經(jīng)被充分地研究，這

20、些方法同樣適用于大規(guī)模M工MO系統(tǒng).事實上，有關(guān)導(dǎo)頻污染的問題類似CDMA的信道估計.針對TDD系統(tǒng)，文獻(xiàn)48利用大規(guī)模M工MO信道的空間漸進(jìn)正交性，提出一種基于特征值分解的盲信道估計算法，使用少量上行導(dǎo)頻即可消除矩陣模糊度.文獻(xiàn)49在此基礎(chǔ)上提出不使用導(dǎo)頻信號的子空間投影盲信道估計算法，進(jìn)一步降低導(dǎo)頻污染的影響.但是，盲信道估計算法較高的復(fù)雜度，是實際系統(tǒng)實現(xiàn)時的主要障礙.利用數(shù)據(jù)輔助的信道估計也是一種傳統(tǒng)的提高信道估計精度的方法，結(jié)合迭代接收機(jī)，可以進(jìn)一步提高大規(guī)模M工MO信道估計的精度叫.但是，為了獲得較好的估計性能，數(shù)據(jù)輔助信道估計需要較長數(shù)據(jù)，其復(fù)雜度也隨用戶數(shù)目及數(shù)據(jù)長度的增加而大

21、幅增加.利用時延域的稀疏性，文獻(xiàn)35提出了一種結(jié)合信道估計和導(dǎo)頻分配的方法來克服導(dǎo)頻污染，提高導(dǎo)頻復(fù)用的性能.其主要思想是，利用不同用戶在時延域的正交特性，在不同的時隙，通過導(dǎo)頻分配，將導(dǎo)頻污染隨機(jī)化，最后進(jìn)行多徑時延估計和多徑分量提取，得到延遲功率分布的估計.在理想情況下，估計出的功率延遲分布可逼近無導(dǎo)頻污染時的情況.通過估計出的功率延遲分布，可進(jìn)一步消除導(dǎo)頻污染.對于FDD系統(tǒng)，通常需要反饋輔助來提高信道估計的精度.文獻(xiàn)51將分布式壓縮感知技術(shù)應(yīng)用于CSI獲取，其優(yōu)點是，壓縮測量在用戶端，而信道信息的恢復(fù)由基站側(cè)聯(lián)合實現(xiàn).該方法可降低訓(xùn)練和反饋開銷，且性能優(yōu)于傳統(tǒng)方法.文獻(xiàn)52針對信道的空

22、間稀疏性和慢變特性，采用非正交導(dǎo)頻，提出了分布式稀疏性自適應(yīng)的匹配追蹤信道估計方法，并提出閉環(huán)信道跟蹤方法來降低導(dǎo)頻開銷.對于大規(guī)模分布式M工MO，我們不僅需要估計小尺度衰落，還需要估計大尺度衰落信息.文獻(xiàn)53利用天線大規(guī)模效應(yīng)提出了大尺度衰落信息的估計方法.3.3 進(jìn)一步研究的方向目前，無論是學(xué)術(shù)界還是工業(yè)界都把信道信息獲取視為實現(xiàn)大規(guī)模天線系統(tǒng)的一項關(guān)鍵技術(shù).在大規(guī)模天線的信道建模的基礎(chǔ)上，針對不同的信道環(huán)境，采用相應(yīng)的估計方法，可以提高信道估計的精度.基于參數(shù)化的信道建模并挖掘大規(guī)模天線系統(tǒng)信道的稀疏性，是提升信道參數(shù)估計并降低導(dǎo)頻開銷的有效途徑f421.對于大規(guī)模分布式M工MO，獲取所

23、有RRU的頻率和時間同步，是實現(xiàn)聯(lián)合處理增益的前提.因此，大規(guī)模分布式M工MO還面臨RRU之間的頻率和時間同步問題so, s2，需要深入研究.另外，對于TDD系統(tǒng)的校準(zhǔn)，雖然TLS和LS校準(zhǔn)可以達(dá)到很好的性能，但是如何以低復(fù)雜度的校準(zhǔn)方法獲得更好的性能仍然需要進(jìn)一步研究.對于FDD系統(tǒng)，如何降低多用戶M工MO的反饋開銷一直是人們研究的熱點.學(xué)術(shù)界和工業(yè)界已經(jīng)在嘗試在FDD系統(tǒng)中利用統(tǒng)計信道信息(例如天線間的相關(guān)矩陣)的互易性降低反饋開銷.但是，實際應(yīng)用中，F(xiàn)DD下統(tǒng)計信道信息是否互易仍需要實驗驗證.4 大規(guī)模天線系統(tǒng)的傳輸方法 大規(guī)模天線系統(tǒng)的傳輸方法設(shè)計的理論基礎(chǔ)是多用戶接入信道和多用戶廣播

24、信道的信息理論.理論上，多用戶接入信道的可達(dá)容量可以通過最優(yōu)多用戶檢測實現(xiàn)，而多用戶廣播信道的容量可以通過污紙編碼達(dá)到ss.在大規(guī)模天線系統(tǒng)中，隨著天線數(shù)及用戶數(shù)的增加，無論是上行多用戶聯(lián)合接收機(jī)還是下行多用戶發(fā)送，最優(yōu)傳輸難以實現(xiàn).理論上，文獻(xiàn)降,17的結(jié)果表明，無論是大規(guī)模M工MO還是大規(guī)模分布式M工MO，當(dāng)天線數(shù)目趨于無窮大時，下行采用復(fù)雜度極低的MRT，上行接收采用最大比合并，可以獲得逼近容量的性能.同時，文獻(xiàn)15指出，使用復(fù)雜度稍高的RZF預(yù)編碼或線性MMSE檢測，可以以低一個數(shù)量級的天線數(shù)獲得逼近容量的性能.也就是說，采用大規(guī)模天線，可降低下行波束成形以及上行聯(lián)合接收的復(fù)雜度.但是

25、，受到當(dāng)前實現(xiàn)能力的限制，天線規(guī)模有限.采用RZF預(yù)編碼或MMSE檢測時，需要復(fù)雜的求逆運算.當(dāng)用戶數(shù)較多時，其復(fù)雜度仍然非常高.解決途徑主要包括兩種，一種是采用低復(fù)雜度的矩陣求逆方法，另一種是利用信道的稀疏特性或統(tǒng)計特性降低收發(fā)的復(fù)雜度.事實上，由于上下行的對偶特性，很多情況下，上行傳輸方法與下行傳輸方法可以互相借鑒，或進(jìn)行聯(lián)合設(shè)計.例如，對于矩陣求逆運算的簡化，文獻(xiàn)64, 65分別提出了多項式展開的預(yù)編碼方法和多項式展開的迭代接收方法.利用大規(guī)模分布式天線系統(tǒng)信道的稀疏性，文獻(xiàn)66采用置信傳播方法的下行預(yù)編碼方法，文獻(xiàn)10提出了基于置信傳播的迭代接收方法.下面，首先介紹了利用統(tǒng)計信道信息的

26、空分多址傳輸方法，然后介紹了大規(guī)模分布式天線系統(tǒng)的聯(lián)合發(fā)送方法，最后介紹了大規(guī)模天線系統(tǒng)中容量逼近的迭代接收機(jī)設(shè)計.4.1 利用統(tǒng)計信道信息的空分多址傳輸方法對于下行多用戶發(fā)送，為了充分挖掘多用戶廣播信道的容量，通常假設(shè)發(fā)送端已知信道信息.發(fā)送端已知信道狀態(tài)信息時信息傳輸?shù)幕締栴}是發(fā)送端的多用戶信號設(shè)計問題.將最優(yōu)多用戶M工MO傳輸理論方法拓展到大規(guī)模天線系統(tǒng)，進(jìn)行不同準(zhǔn)則下最優(yōu)發(fā)送信號設(shè)計，是有待解決的關(guān)鍵問題.與傳統(tǒng)多用戶M工MO不同，受制于信道信息獲取以及大規(guī)模用戶空分的復(fù)雜度問題，研究學(xué)者提出了基于統(tǒng)計信道信息的多用戶空分傳輸方法.典型的方法包括，文獻(xiàn)67提出的BDMA (beam

27、divisionmultiple access)方法和文獻(xiàn)68提出的JSDM (joint spatial division and multiplexing). 利用大規(guī)模M工MO的統(tǒng)計信道信息，文獻(xiàn)68提出了兩級預(yù)編碼方法.首先，服務(wù)用戶被分為多個組，每個組具有相似的發(fā)送相關(guān)矩陣.因此，第一級預(yù)編碼準(zhǔn)靜態(tài)地被用于每個組的用戶.然后，針對降空間維度的等效信道，采用簡化的信道反饋和第二級的預(yù)編碼.該方法的性能很大程度上依賴于用戶分組. 考慮寬帶多載波大規(guī)模M工MO傳輸系統(tǒng)，文獻(xiàn)67通過理論分析，得到大規(guī)模M工MO系統(tǒng)的波束域信道模型.基于該模型，推導(dǎo)出多用戶大規(guī)模M工MO可達(dá)遍歷和速率的上界，

28、由此得到發(fā)送端僅知統(tǒng)計信道狀態(tài)信息時最優(yōu)下行傳輸?shù)某湟獥l件.進(jìn)而得出，以該上界為優(yōu)化目標(biāo)時，波束域空分多址傳輸是最優(yōu)的.在此基礎(chǔ)上，文獻(xiàn)67提出BDMA傳輸理論方法，通過為不同的用戶選擇互不重疊的波束集合與之通信，多用戶M工MO信道被分解為多個單用戶M工MO信道，由此顯著降低導(dǎo)頻開銷和收發(fā)端處理的復(fù)雜性.4.2 大規(guī)模分布式MIMO的下行傳輸方法 對于大規(guī)模分布式天線系統(tǒng)，利用其功率域的稀疏性，可降低RZF預(yù)編碼的復(fù)雜性.文獻(xiàn)66提出采用置信傳播算法實現(xiàn)RZF預(yù)編碼方法，避免大維矩陣的求逆運算.論文從Bayes推斷出發(fā)，采用Gauss近似，推導(dǎo)出了基于置信傳播的RZF預(yù)編碼.然后，借鑒壓縮感知

29、中的近似消息傳遞方法(approximate message passing, AMP，減少消息傳遞次數(shù).論文還利用大規(guī)模分布式M工MO中干擾的硬化特性，提出了利用空間信道協(xié)方差信息的AMP-RZF預(yù)編碼方法，進(jìn)一步大大降低計算復(fù)雜度.對于采用TDD的大規(guī)模分布式MIMO-OFDM (orthogonal frequency division multiplexing)系統(tǒng)，我們提出了如下低復(fù)雜度的實現(xiàn)方法，步驟如圖3所示.首先根據(jù)上行鏈路信道估計得到大維寬帶統(tǒng)計信道信息矩陣，利用其稀疏性，得到大維信道矩陣的逆矩陣.然后，根據(jù)逆矩陣計算用戶間干擾抑制矩陣(外預(yù)編碼).最后，針對降空間維度的等效

30、信道，即，每個用戶的實際信道與干擾抑制矩陣的復(fù)合信道，計算每個用戶的上行預(yù)編碼和下行預(yù)編碼(內(nèi)預(yù)編碼).在實施時，對于上行鏈路，多個用戶經(jīng)過上行預(yù)編碼后發(fā)送，在基站收到所有用戶的信號后，先用干擾抑制矩陣降低空間維度，然后進(jìn)行單用戶檢測.對于下行鏈路，每個用戶先進(jìn)行內(nèi)預(yù)編碼，然后使用干擾抑制矩陣進(jìn)行外預(yù)編碼.需要指出的是，由于我們僅針對統(tǒng)計信道信息計算大維矩陣的逆，再借助稀疏矩陣的求逆方法，可以大大降低系統(tǒng)的實現(xiàn)復(fù)雜度.4.3 低復(fù)雜度的接收機(jī)方法 多天線系統(tǒng)中，容量逼近的接收機(jī)技術(shù)一直是研究熱點.大規(guī)模天線系統(tǒng)的接收機(jī)同樣面臨著復(fù)雜性問題.特別是，大規(guī)模天線系統(tǒng)是干擾受限的系統(tǒng)，如何設(shè)計干擾信

31、道下的接收機(jī)，獲得逼近信道容量的性能也是一個非常有挑戰(zhàn)的方向.對于大規(guī)模天線系統(tǒng)，接收機(jī)面臨著如下困難:非理想信道，干擾信道和檢測復(fù)雜度高.針對非理想信道的問題，傳統(tǒng)采用數(shù)據(jù)輔助的信道估計可以推廣到大規(guī)模M工MO fso，將數(shù)據(jù)檢測和信道估計聯(lián)合設(shè)計可以提高系統(tǒng)的性能.采用數(shù)據(jù)輔助時，由于用戶之間的數(shù)據(jù)非正交，只有數(shù)據(jù)長度較長時，才能獲得較好的性能，但是隨之產(chǎn)生了嚴(yán)重的復(fù)雜性問題.對于干擾信道問題，我們可以采用Turbo迭代接收機(jī)，但是同樣面臨接收機(jī)實現(xiàn)的復(fù)雜性問題.近期，對大維信道下的檢測器研究主要思路包括矩陣求逆的簡化方法哪.69和利用稀疏性的io. 70檢測方法. 文獻(xiàn)65提出了干擾信道

32、下的聯(lián)合迭代接收技術(shù).考慮導(dǎo)頻污染，設(shè)計了集信道估計、干擾估計、低復(fù)雜度軟輸入軟輸出檢測和譯碼為一體的Turbo接收機(jī).首先，根據(jù)信道估計得到信道參數(shù)和初步的干擾統(tǒng)計特性，進(jìn)行線性預(yù)濾波降維處理.然后，提出基于奇異值分解(singular value decomposition,SVD)的軟輸入軟輸出檢測和基于匹配濾波的軟輸入軟輸出檢測.對于SVD的軟輸入軟輸出檢測，僅需要初次對降維后的信道矩陣進(jìn)行SVD分解;對于匹配濾波檢測，僅需要對降維處理后的信道進(jìn)行線性合并.為了進(jìn)一步降低軟輸入軟輸出檢測的復(fù)雜度，文獻(xiàn)65還提出了基于多項式展開的軟輸入軟輸出檢測，避免復(fù)雜的矩陣求逆.結(jié)果表明，由于大規(guī)模

33、天線效應(yīng)，采用低復(fù)雜度的檢測方法的Turbo接收機(jī)可以逼近理論信道容量.4.4 進(jìn)一步研究的方向雖然研究者們對大規(guī)模天線無線傳輸技術(shù)進(jìn)行了深入的研究，但是，在實際實現(xiàn)時，大規(guī)模天線無線傳輸仍然面臨著很多挑戰(zhàn).首先，面向較高速移動時，采用統(tǒng)計信道信息是否能夠有效解決系統(tǒng)實現(xiàn)的復(fù)雜性.文獻(xiàn)71的結(jié)果表明，大規(guī)模M工MO有助于改善高速運動下用戶的傳輸速率，但是這需要更大規(guī)模的天線數(shù)目，顯然這會增加系統(tǒng)的實現(xiàn)復(fù)雜度.如何解決高移動速度下大規(guī)模天線的無線系統(tǒng)中傳輸問題，需要深入研究.其次，非理想信道信息下大規(guī)模天線無線傳輸方法需要進(jìn)一步研究.這些非理想信道信息的情況包括信道參數(shù)估計誤差和硬件造成的影響，

34、如I/(a不平衡72、互易性失配f731、低分辨率模數(shù)轉(zhuǎn)換器(analog-to-digital converter, ADC)等74, 75.如何針對這些問題，設(shè)計魯棒的傳輸方案，值得深入研究.最后是高性能接收機(jī)設(shè)計方面的研究.在接收機(jī)的設(shè)計方面，人們通常研究基站側(cè)的聯(lián)合接收問題.但是，在大規(guī)模天線系統(tǒng)中，由于采用統(tǒng)計信道信息的下行傳輸方法，在終端側(cè)，信道干擾不可避免.因此，如何提高終端的接收性能也值得研究.5 大規(guī)模天線系統(tǒng)的資源分配在大規(guī)模天線系統(tǒng)中，為了進(jìn)一步提高網(wǎng)絡(luò)中無線資源的利用率，需要聯(lián)合優(yōu)化調(diào)配空時頻資源、功率資源以及空分用戶組等，這對無線資源管理帶來新的挑戰(zhàn).而設(shè)計低復(fù)雜度、

35、高性能的資源分配，對大規(guī)模天線系統(tǒng)的實現(xiàn)至關(guān)重要.M工MO-OFDM的時頻資源分配已經(jīng)有大量學(xué)者進(jìn)行研究,而本文主要關(guān)注大規(guī)模天線系統(tǒng)的空域資源和節(jié)點資源的分配.下面我們分別針對大規(guī)模M工MO和大規(guī)模分布式M工MO的空域資源分配展開討論. 統(tǒng)計空分復(fù)用可降低大規(guī)模M工MO的實現(xiàn)復(fù)雜度，但是其性能受限于用戶的分簇.文獻(xiàn)67以最大化和容量為目標(biāo)，利用統(tǒng)計信道信息，通過貪婪算法進(jìn)行用戶的分簇.對于JSDM，如前所述，需要將具有相似的信道協(xié)方差矩陣特征矢量的用戶分配到同一個簇中.分簇方法的性能將決定用戶間的干擾，進(jìn)而影響傳輸方案的性能.為此，文獻(xiàn)79采用弦距離作為分簇度量，提出了基于K均值聚類的分簇算

36、法.文獻(xiàn)80采用加權(quán)似然相似度量、子空間投影相似度量等改進(jìn)的分簇方法，進(jìn)一步提升系統(tǒng)的吞吐量. 對于大規(guī)模分布式M工MO系統(tǒng)，節(jié)點和用戶分簇同樣是降低系統(tǒng)實現(xiàn)復(fù)雜度，提升系統(tǒng)性能的關(guān)鍵技術(shù).大規(guī)模分布式M工MO中用戶和節(jié)點分簇研究大致可以分為3種，一種是以用戶為中心的節(jié)點分簇，另外一種是動態(tài)的節(jié)點和用戶分簇，第3種是準(zhǔn)靜態(tài)的交錯分簇(interlaced clustering). 以用戶為中心的無線通信在4G研發(fā)時期已經(jīng)被提出f811，目前仍然是5G移動通信的一個研究熱點對于大規(guī)模分布式M工MO，文獻(xiàn)咧研究了以用戶為中心的節(jié)點分組理論方法，給出了虛擬小區(qū)的半徑的理論分析.考慮接入點之間回程容量

37、受限，文獻(xiàn)83利用廣義加權(quán)均方誤差求解加權(quán)和速率最大化問題，提出了聯(lián)合用戶為中心的動態(tài)分簇、用戶調(diào)度和波束成形的方法. 對于動態(tài)節(jié)點和用戶分簇，文獻(xiàn)84提出了利用統(tǒng)計信道信息的動態(tài)用戶分簇方法.文獻(xiàn)85將用戶與接入點之間的稀疏信道轉(zhuǎn)化為雙邊界塊對角矩陣，并利用這種特性，進(jìn)行動態(tài)分簇，并實現(xiàn)并行基帶處理. 文獻(xiàn)86提出了一種準(zhǔn)靜態(tài)的交疊分簇方法.該方法的主要思想是:把系統(tǒng)中所有的接入點分成互不相交的簇，由于分簇方法有很多種，這樣可以得到多個分簇圖案(cluster pattern).不同圖案之間有交疊，在每一種分簇圖案中，所有用戶和所有接入點使用相同的時頻資源，而不同的分簇圖案在時頻資源上正交.

38、結(jié)合功率分配方法，這種交疊分簇方法可以提升整個小區(qū)的吞吐量以及小區(qū)邊界用戶的吞吐量.資源分配方法一直是無線通信中的研究熱點.大規(guī)模天線系統(tǒng)中，如何設(shè)計低復(fù)雜度的資源分配方法和多用戶調(diào)度方法，仍然需要進(jìn)一步深入研究.6 總結(jié)本文對大規(guī)模天線的無線傳輸理論與技術(shù)的最新進(jìn)展進(jìn)行了綜述，包括頻譜效率理論分析、信道信息獲取技術(shù)、上下行傳輸技術(shù)和資源分配技術(shù).除此之外，論文還給出了這些方向中一些函待解決的問題和值得深入探究的課題，它們至今仍是大規(guī)模天線系統(tǒng)的研究熱點.雖然目前已經(jīng)有大規(guī)模T工T的試驗系統(tǒng),3GPP標(biāo)準(zhǔn)組織也正在制定相關(guān)技術(shù)的演進(jìn)，但是大規(guī)模天線系統(tǒng)仍有許多科學(xué)和工程問題需要解決.參考文獻(xiàn)1

39、 You X H, Pan Z W, Gao X Ca, et al. The 5G mobile communication: the development trends and its emerging key techniques. Sci Sin Inform, 2014, 44: 551-563!尤肖虎，潘志文，高西奇，等.5G移動通信發(fā)展趨勢與若干關(guān)鍵技術(shù).中國科學(xué):信息科學(xué)，2014, 44: 551-56312 A-Ia Z, Zhang Z Ca, Ding Z G, et al. Key techniques layer, and MAC layer perspectiv

40、es. Sci China Inf Scifor 5G wireless communications: network architecture, physical2015, 58: 0413013 Paulraj A J, Gore D A, Nabar R U, et al. An Overview of MIMO communications-a key to gigabit wireless. Proc IEEE, 2004, 2: 1982184 Marzetta T L. Noncooperative cellular wireless with unlimited number

41、s of base station antennas. IEEE Trans Wirel Commun, 2010, 11: 359036005 You X H, Wang D M, Sheng B, et al. Cooperative distributed antenna systems for mobile communications. IEEE Wirel Commun, 2010, 17: 35436 Dai L. A comparative study on uplink sum capacity with co-located and distributed antennas

42、. IEEE J Sel Area Commun, 2011, 29: 120012137 Wang J, Dai L. Asymptotic rate analysis of downlink multi-user systems with co-located and distributed antennas.IEEE Trans Wirel Commun, 2015, 14: 304630588 Wang D, Wang J, You X, et al. Spectral eciency of distributed MIMO systems. IEEE J Sel Area Commu

43、n, 2013,10: 211221279 Huh H, Caire G, Papadopoulos H C, et al. Achieving massive MIMO spectral eciency with a not-so-large number of antennas. IEEE Trans Wirel Commun, 2012, 9: 3226323910 Wang D M, Zhao Z L, Huang Y Q, et al. Large-scale multi-user distributed antenna system for 5G wireless commu-ni

44、cations. In: Proceedings of IEEE 81st Vehicular Technology Conference Spring, Glasgow, 2015. 1511 Tulino A M, Verdu S. Random matrix theory and wireless communications. In: Foundations and Trends in Commu-nications and Information Theory. Norwell: Now Publishers Inc, 200412 Lu A, Gao X Q, Xiao C S.

45、A free deterministic equivalent for the capacity of MIMO MAC with distributed antenna sets. In: Proceedings of IEEE International Conference on Communications, London, 2015. 1751175613 Zhang J, Wen C K, Jin S, et al. On capacity of large-scale MIMO multiple access channels with distributed sets of c

46、orrelated antennas. IEEE J Sel Area Commun, 2013, 2: 13314814 Ngo H Q, Larsson E G, Marzetta T L. Energy and spectral eciency of very large multiuser MIMO systems. IEEE Trans Commun, 2013, 4: 1436144915 Hoydis J, Brinkz S, Debbah M. Massive MIMO in the UL/DL of cellular networks: how many antennas d

47、o we need.IEEE J Sel Area Commun, 2013, 2: 16017116 Wang D M, Ji C, Gao X Q, et al. Uplink sum-rate analysis of multi-cell multi-user massive MIMO system. In:Proceedings of IEEE International Conference on Communications, Budapest, 2013. 5404540817 Wang D M, Ji C, Sun S H, et al. Spectral eciency of

48、 multicell multi-user DAS with pilot contamination. In:Proceedings of IEEE Wireless Communications and Networking Conference (WCNC), Shanghai, 2013. 3208321218 Li J M, Wang D M, Zhu P C, et al. Downlink spectral eciency of multi-cell multi-user large-scale DAS with pilot contamination. In: Proceedin

49、gs of IEEE International Conference on Communications, London, 2015. 2011201619 Andrews J, Baccelli F, Ganti R. A tractable approach to coverage and rate in cellular networks. IEEE Trans Commun,2011, 11: 3122313420 Baccelli F, Giovanidis A. A stochastic geometry framework for analyzing pairwise-coop

50、erative cellular networks. IEEE Trans Wirel Commun, 2015, 2: 79480821 Fei Z S, Ding H C, Xing C W, et al. Performance analysis for range expansion in heterogeneous networks. Sci China Inf Sci, 2014, 57: 08230522 Lin Y, Yu W. Ergodic capacity analysis of downlink distributed antenna systems using sto

51、chastic geometry. In:Proceedings of IEEE International Conference on Communications, Budapest, 2013. 3338334323 Bai T Y, Heath R W. Analyzing uplink SIR and rate in massive MIMO systems using stochastic geometry. ar Xiv:1510.02538. 201524 Wang D, You X, Wang J, et al. Spectral eciency of distributed

52、 MIMO cellular systems in a composite fading channel.In: Proceedings of IEEE International Conference on Communications, Beijing, 2008. 1259126425 Yang A, Jing Y, Xing C, et al. Performance analysis and location optimization for massive MIMO systems with circularly distributed antennas. IEEE Trans W

53、irel Commun, 2015, 10: 5659567126 Aggarwal R, Koksal C E, Schniter P. On the design of large scale wireless systems. IEEE J Sel Area Commun, 2013,2: 21522527 Xin Y, Wang D, Li J. Area spectral eciency and area energy eciency of massive MIMO cellular systems. IEEE Trans Vehicular Technol, in press. d

54、oi: 10.1109/TVT.2015.243689628 Bjornson E, Hoydis J, Kountouris M, et al. Massive MIMO systems with non-ideal hardware: energy eciency,estimation, and capacity limits. IEEE Trans Inf Theory, 2015, 11: 7112713929 Gustavsson U, Sanchez-Perez C, Eriksson T, et al. On the impact of hardware impairments

55、on massive MIMO. In:Globecom Workshops (GC Wkshps), Austin, 2014. 29430030 Fernandes F, Ashikhmin A, Marzetta T L. Inter-cell interference in non-cooperative TDD large scale antenna systems.IEEE J Sel Area Commun, 2013, 2: 19220131 Zhang H, Zheng X, Xu W, et al. On massive MIMO performance with semi

56、-orthogonal pilot-assisted channel estima-tion. EURASIP J Wirel Commun Netw, in press. doi: 10.1186/1687-1499-2014-22032 Jin S, Li M M, Huang Y M, et al. Pilot scheduling schemes for multi-cell massive multiple-input-multiple-output transmission. IET Commun, 2015, 9: 68970033 You L, Gao X, Xia X G,

57、et al. Pilot reuse for massive MIMO transmission over spatially correlated Rayleigh fading channels. IEEE Trans Wirel Commun, 2015, 6: 3352336634 Yin H, Gesbert D, Filippou M, et al. A coordinated approach to channel estimation in large-scale multiple-antenna systems. IEEE J Sel Area Commun, 2013, 2

58、: 26427335 Chen Z, Yang C. Pilot decontamination in massive MIMO systems: exploiting channel sparsity with pilot assignment.In: Proceedings of IEEE Global Conference on Signal and Information Processing (Global SIP), Atlanta, 2014. 63764136 Gao Z, Dai L, Wang Z. Structured compressive sensing based superimposed pilot design in downlink large-scale MIMO systems. Electron Lett, 2014, 12: 89689837 Yang Y, Bai B, Che