大规模MIMO系统中导频污染研究进展

［张书畅］



大规模MIMO系统中导频污染研究进展

［张书畅］

摘要大规模MIMO技术作为第五代移动通信（5G）的关键技术之一，它能够充分利用空间维度，有效地提高数据传输速率。由于大规模MIMO系统中导频污染的存在，导致其性能无法随基站天线数目的增加而大幅度提升，如何降低系统中的导频污染已成为一个迫切需要解决的问题。文章首先分析了大规模MIMO系统中导频污染产生的原因；其次对目前国内外降低导频污染的方法进行了分类讨论；最后总结了目前还存在的一些问题和今后的发展趋势。

关键词：大规模MIMO导频污染导频分配信道估计预编码

张书畅

男，硕士研究生，重庆邮电大学通信与信息工程学院。主要研究方向为移动通信。

引言

5G是面向2020年以后移动通信需求而发展的新一代移动通信系统，它将具有超高的频谱利用率和能效，在传输速率和资源利用率等方面较4G移动通信提高一个量级或更高，其无线覆盖性能、传输时延、系统安全和用户体验也将得到显著的提高［1］。

大规模MIMO技术作为第五代移动通信（5G）的关键技术之一，它能够充分利用空间维度，有效地提高数据传输速率［2］。在大规模MIMO系统中，基站端配置大量天线（成百上千）。与传统的MIMO系统相比，大规模MIMO系统能更好地利用空间复用特性，能够在更大程度上提高通信过程中的数据速率并且增强通信的可靠性［3］。

1　导频污染

由于TDD系统信道相干时间较短，因此导频序列的长度有限，每个小区能够分配的正交导频数也是有限的。然而，移动通信用户数目较大，使得相邻小区内用户往往使用相同或者非正交的导频序列在相同时频资源块上发送，会对目标用户发送的导频序列造成干扰，从而引入导频污染［4］，如图1。

图1　导频污染图解

导频污染的存在会使基站无法通过接收到的导频估计得到准确的信道状态信息，从而影响信道的预编码矩阵，对下行链路的通信产生严重的干扰。这种干扰会引起饱和响应，从而使系统的信道容量无法随着基站天线数目的增加而大幅度提升，而是在某一水平停滞不前。有研究表明，增加基站天线数目并不能降低或消除导频污染对系统性能的影响，导频污染问题已成为限制系统性能的最大瓶颈［5］。因此，分析大规模MIMO系统中的导频污染以及研究如何降低导频污染的方法就显得尤为重要。

2　降低导频污染研究进展

大规模MIMO系统自2010年提出后，迅速成为科研领域的热门话题之一，其中对导频污染问题的研究获得了更多的关注。现阶段大规模MIMO系统中降低导频污染的方法主要分为以下三方面：基于导频分配策略的方法，基于子空间的信道估计方法，基于预编码的方法。

2.1基于导频分配策略的方法

该方法主要是指保持系统现存的导频序列组不变，基于一定的分配原则重新分配导频，来减少系统中相同或者不正交导频重叠的情况，从而降低导频污染。目前主要的方法有：导频偏移，导频功率控制，部分导频复用，导频协调分配等。

（1）导频偏移［6］。重新设计导频在帧结构中的位置，使相邻小区间的导频发送时隙不一致，从而降低导频污染。由于帧结构的重新设计，用户在进行上行导频信号传输时，会收到相邻小区内在相同时频资源块上传输数据用户的干扰，但这种干扰相对导频污染而言要小。但是，当下行发送功率较大时，仍不能提供准确的信道状态信息，还是存在一定的干扰。

（2）导频功率控制［7，8］。把通常的导频发射时隙分为两段，使交叉增益相对较大的小区间的导频发射时隙错开，或降低目标小区以外使用相同导频用户的发射功率，从而降低导频污染。但是，导频功率控制方法需要一个控制机制来确保几个小区的导频动态同步，避免导频之间的重叠，这在实际通信系统中很难实现，而且会影响系统同时调度的用户数量。

（3）部分导频复用［9，10］。一种方法是利用正交导频把蜂窝系统中的小区划分为两类一维大的天线阵列网络，每一类之内采用相同的导频，两类之间采用正交的导频，从而降低导频污染。另一种方法是将每个小区划分为中心区域和边缘区域，小区中心用户使用相同的一组导频序列，小区边缘用户使用相互正交的导频序列。部分导频复用能够协调处理小区间干扰，有助于提高小区边缘用户传输速率，但该机制在降低小区间干扰的同时会降低导频复用增益。

（4）导频协调分配［11］。通过识别某组导频序列的使用情况，当重用该导频序列时，选择产生导频污染影响（MSE）最小的用户，从而降低导频污染。但是，小区间的协作给系统带来了额外的负担。

表1总结了以上几种导频分配策略的优缺点。分析表明，单一的导频分配策略并不能很好地降低导频污染。目前常用的方法是结合几种导频分配策略，从而更好地降低导频污染［7～11］。

表1　几种导频分配策略优缺点比较

2.2基于子空间的信道估计方法

对于存在导频污染的大规模MIMO系统，传统基于导频的信道估计算法很难明显区分出目标用户信道与干扰用户信道。因此，相关文献［12，13］提出了基于子空间的信道估计方法，其使用较少的导频信号或不使用导频信号进行信道估计，从而减小信道估计误差，进一步降低导频污染。目前主要有盲估计和半盲估计等。盲估计方法［12］的基本观点是分离信号子空间和干扰子空间。该方法假设基站天线数量和接收数据量趋于无穷大，从而证明接收到的数据信号矩阵的奇异向量组成的矩阵与本小区用户到基站的信道矩阵是线性相关的，并且与其它小区用户到本小区基站的信道矩阵无关。这样，只要小区内的导频是正交的，就可以完全消除导频污染。然而，实际系统中基站天线数量和接收数据数量都是有限的，故该方法只适用于分析极限条件下的系统。半盲估计方法［13］的基本观点是基站利用大量接收到的数据信号对信道的特征向量进行估计，并利用少量的导频信号对信道特征向量与真实信道间的相位模糊乘数进行估计。该方法认为不同用户到基站的信道向量被认为是完全正交的，从而接收的数据信号的协方差矩阵的特征向量就可以表示为信道向量与一个未知系数的乘积。这样，每个用户只需要发送一个导频符号就可以消除这个未知系数带来的模糊，从而估计信道。然而，在实际的大规模MIMO系统中，不同用户到基站的信道向量之间不是完全正交的，而这会导致模糊不能完全被消除，产生信道估计误差。目前，半盲估计是基于子空间信道估计方法研究的一个热点，目的在于寻找一种复杂度与性能折中的方法。

2.3基于预编码的方法

该方法是根据基站端估计得到的信道状态信息来制定相应的下行链路预编码矩阵，并将产生的预编码矩阵运用在系统下行链路中，从而降低导频污染［14］。矩阵预编码方案可以分为线性预编码和非线性预编码［15］。非线性预编码的性能比线性预编码好，但其具有较高的算法复杂度，加上大规模MIMO系统本身的复杂性，因此，在大规模MIMO系统中多采用线性预编码。线性预编码性能比非线性预编码稍差，但其构成方法相对简单且容易实现。线性预编码方案主要可以分为基于破零矩阵的预编码方案和基于最小均方误差的矩阵预编码等。基于破零矩阵的预编码方案（ZF预编码）采用迭代方法得到目标函数的局部最优解，从而设计出符合要求的预编码矩阵，但是迭代过程需要占用大量的计算时间和计算量较大。基于最小均方误差的预编码方案（MMSE预编码）设计适当的预编码矩阵使系统的均方误差最小。该方案充分考虑系统中噪声的影响，对系统噪声有一定的鲁棒性，但该算法复杂度较高且计算量较大。此外，非理想信道下的矩阵预编码方案也成为近几年研究的热点［16］。该方案考虑信道估计误差以及用户选择等多种因素，从而有效的降低导频污染。但该方案大多数没有预编码矩阵的闭式解，需要多次的迭代运算才能得到较为理想的性能，这在实际的通信系统中很难实现。

3　存在的问题及发展趋势

（1）在以上文献分析中，均假设一个简化的大规模MIMO信道模型，不能够准确地反映真实场景中的导频污染。因此，为了准确的分析和研究降低导频污染的方法，需要深入研究符合实际应用场景的大规模MIMO信道模型。

（2）基于导频的方法使用相互正交的导频序列进行信道估计，过度占用频谱资源，在降低导频污染的同时也降频谱利用率。因此，寻找导频数与频谱利用率折中的方法将会是未来的研究一个方向。

（3）基于子空间信道估计方法复杂度较高且计算量较大，寻找复杂度与性能折中的方法也将是未来研究的一个重点方向。

（4）基于预编码的方法不完善，未来可以结合大规模MIMO特性，设计出更高效的预编码方案，从而降低导频污染。

4　结束语

综上所述，导频污染已成为阻碍大规模MIMO系统广泛应用的关键因素之一。尽管对于降低导频污染的研究越来越深入，但目前的方法都无法取得非常理想的效果。因此，需要寻找更优降低导频污染的方法，未来可以采用多种导频分配策略和预编码技术相结合的方法，更好地降低导频污染。本文分析了大规模MIMO系统中导频污染产生的原因，对降低导频污染的方法进行了分类讨论，并总结了目前还存在的一些问题和发展趋势。

参考文献

1Larsson E，Edfors O，Tufvesson F，et al.Massive MIMO for next generation wireless systems［J］.Communications Magazine，IEEE，2014，52（2）: 186-195

2尤肖虎，潘志文，高西奇等.5G 移动通信发展趋势与若干关键技术［J］.中国科学: 信息科学，2014，44（5）: 551-563

3Ngo H Q，Larsson E G，Marzetta T L.Energy and spectral efficiency of very large multiuser MIMO systems［J］.Communications，IEEE Transactions on，2013，61（4）: 1436-1449

4Marzetta T L.Noncooperative cellular wireless with unlimited numbers of base station antennas［J］.IEEE Transactions on Wireless Communications，2010，9（11）:3590-3600

5Marzetta T L，Caire G，Debbah M，et al.Special issue on massive MIMO［J］.Communications & Networks Journal of，2013，15（4）:333-337

6Mahyiddin wawm，Martin P A，Smith P J.Pilot contaminationreduction using time-shifted pilots in finite massive MIMO systems［C］// Vehicular Technology Conference （VTC Fall），2014 IEEE 80th.IEEE，2014:1-5

7王海荣，王玉辉，黄永明等.大规模MIMO多小区TDD系统中的导频污染减轻方法［J］.信号处理，2013，29（2）:171-180

8Saxena V，Fodor G，Karipidis E.Mitigating pilot contamination by pilot reuse and power control schemes for massive MIMO systems［C］//Vehicular Technology Conference （VTC Spring），2015 IEEE 81st.IEEE，2015: 1-6

9王海荣，王玉辉，黄永明等.大规模MIMO蜂窝网络系统中的导频污染减轻方法［J］.通信学报，2014，（1）:24-33

10Atzeni I，Arnau J，Debbah M.Fractional pilot reuse in massive MIMO systems［C］//Communication Workshop （ICCW），2015 IEEE International Conference on.IEEE，2015: 1030-1035

11Zhu X，Wang Z，Dai L，et al.Smart pilot assignment for massive MIMO［J］.Communications Letters，IEEE，2015，19（9）: 1644-1647

12Muller R R，Cottatellucci L，Vehkapera M.Blind pilot decontamination［J］.IEEE Journal of Selected Topics in Signal Processing，2014，8（5）:773-786

13Ngo B Q，Larsson E G.EVD-based channel estimation in multicell multiuser MIMO systems with very large antenna arrays［C］//Acoustics，Speech and Signal Processing （ICASSP），2012 IEEE International Conference on.IEEE，2012: 3249-3252

14Jin S，Wang X，Li Z，et al.On massive MIMO zero-forcing transceiver using time-shifted pilots［J］.IEEE Transactions on Vehicular Technology，2015，99:1

15Ren Y，Xu G X，Wang Y M，et al.Low-complexity ZF precoding method for downlink of massive MIMO system［J］.Electronics Letters，2015，51（5）: 421-423

16Jose J，Ashikhmin A，Whiting P，et al.Channel estimation and linear precoding in multiuser multiple-antenna TDD systems［J］.Vehicular Technology，IEEE Transactions on，2015，60（5）: 1264-1268

DOI:10.3969/j.issn.1006-6403.2016.05.017

收稿日期：（2016-04-06）