Massive MIMO关键技术研究及试验

韩玉楠，李福昌，张涛，张香云，张忠平

1 引言

随着2015年LTE FDD网络制式的4G经营许可发放，全球TD－LTE和LTE FDD两种4G网络制式在我国全面铺开，这标志着高速网络时代的到来。随着4G网络的全面部署和推广，2016年初，我国4G用户已超过3G用户，更于2016年8月4G用户占移动用户比例超过50%。4G用户数飞速发展，给4G网络带来了十分严重的容量瓶颈。

随着4G网络的广泛部署，流畅移动视频业务成为可能，并迅速成为移动数据业务的中坚力量。此外，基于移动网络的手游也迅速爆发，2016年手游玩家已达到4.65亿人，手游流量占比迅速提升。业务导向、套餐优化、网络升级推动移动互联网流量爆发式增长，从2015年10月到2016年10月，人均移动互联网流量增长高达103%，具体如图1所示。

图1 2015.10——2016.10月人均移动互联网流量变化

对于热点区域流量的爆发式增长，运营商积极通过更多频谱部署载波聚合，结合微站、室分等部署解决热点容量问题。但在以校园为主的热点场景，由于流量密集，现有频谱资源已无法满足容量需求，微站在站址协调及施工、设备成本、干扰管控方面依然存在诸多问题。室分造价及物业协调、施工也受到诸多限制，因此需要从空间维度考虑，利用空间维度增益提升频谱效率，提升热点场景业务容量。

Massive MIMO是一种利用空间分集和复用增益，实现更多波束，更高容量的5G无线技术。但对Massive MIMO技术来说，其不依赖空口的编码方式，因此Massive MIMO也同样适用于LTE网络。当前，由于网络容量压力日趋增大，各设备公司均将Massive MIMO技术进行了4G化应用研究，并相继推出可商用部署的产品。

本文主要介绍基于LTE的Massive MIMO关键技术，然后从理论展开分析，结合Massive MIMO技术试验结果，给出Massive MIMO的性能评估，并结合Massive MIMO部署场景给出4.5G Massive MIMO部署策略。

2 Massive MIMO关键技术

2.1 概述

MIMO是指在无线通信收发端布置多根发射和接收天线，信号通过多根天线同时进行收发，从而改善系统性能的天线配置方式。在20世纪初，多天线系统就被提出用于抑制信道衰落。相对于传统的单天线系统来说，MIMO技术可以大幅度地提高频谱利用率和提升信噪比，使得系统可以达到更高的传输速率和更可靠的传输效率。

MIMO系统的性能很大程度上与收发两端配置的天线数相关，即收发端配置的天线数目越多，系统的数据速率和链路可靠性方面的表现就会越好，代价是系统更高的复杂度。

香农定理给出了信道信息传送速率的上限和信道信噪比及带宽的关系，香浓公式如下：

C为系统容量，即最高信息传送速率；B为系统带宽，系统带宽越大，容量越高；S为信号功率；N为噪声功率；S/N表示系统信噪比。

由于Massive MIMO能提供更多独立无线信道，将S/N以矩阵形式进行表示，引入信道信息，可变为如下：

Pt为发射功率，N0为噪声，λi为信道矩阵路损因子，r为并行独立信道个数。从公式（2）可以看出，Massive MIMO容量受到r影响，独立信道个数越多，可提供更高的信息容量。

2.2 标准进展

LTE系统物理层的基本构架建立在OFDM+MIMO的基础之上，MIMO技术对于提高数据传输的峰值速率与可靠性、扩展覆盖、抑制干扰、系统容量、系统吞吐量有着重要作用。面对速率与频谱效率需求的不断提升，对MIMO技术的增强与优化始终是LTE系统演进的一个重要方向。

LTE Release 8基于发射分集、闭环/开环空间复用、波束赋形与多用户MIMO这几种MIMO技术定义了多种下行传输模式以及相应的反馈机制与控制信令。LTE Release 9中引入的双流波束赋形技术从参考符号设计及传输与反馈机制角度对MU-MIMO传输的灵活性及MU-MIMO功能进行了改进：采用了基于专用导频的传输方式，可以支持灵活的预编码/波束赋形技术；采用了统一的SU/MU-MIMO传输模式，可以支持SU/MU-MIMO的动态切换；采用了高阶MU-MIMO技术；支持基于码本与基于信道互易性的反馈方式，更好地体现了对TDD的优化。LTE Release 10的下行MIMO技术沿着双流波束赋形方案的设计思路进行了进一步的扩展。历经了三个版本的演进，LTE中的MIMO技术日渐完善。

LTE Release 13开始对FD-MIMO（Full Dimension Multi Input Multi Output）进行研究，3GPP在讨论了端口数目增至64的大规模2D有源天线阵列（2D Antenna Array）下的关键技术，FD-MIMO采用大规模2D有源天线阵列，可以利用空间隔离度为极大数目的移动终端同时同频提供服务从而大幅提升系统容量。此外，2D天线面板可以充分利用竖直维的空间自由度实现3D波束赋形使得系统覆盖大幅提升。LTE Release 14继续eFD-MIMO的研究，对预编码的CSI-RS和非预编码的CSI-RS进行了扩展，对于DMRS和Hybrid CSI-RS仍在进行进一步的讨论，由于FD-MIMO技术对系统的覆盖和容量均有可观的增益，且随着有源天线技术的发展使得大规模天线阵列的实现成为可能，其发展前景被一致看好。

2.3 阵列天线

Massive MIMO相比于传统MIMO能够有效提升性能的重要关键技术就是大规模阵列天线。其主要原理是：相控阵天线通过控制阵列天线中辐射单元的馈电相位来改变方向图形状，其突出优点是增益高，能迅速准确地控制波束方向，波束无惯性，并且能在覆盖范围内同时跟踪多个用户。

Massive MIMO基站端放置大规模天线阵列，在理论上，当M趋于无穷时，空间分开的不同用户的矢量信道将趋于正交，这样同小区内用户间干扰被消除，简单的MRC算法即可达到最优。同时，由多天线所形成的极窄波束的分辨率将高于产生小尺度瑞利衰落的多径的尺度，因而小尺度衰落几乎被消除。

2.4 测量及预编码

实现Massive MIMO最重要的一项关键技术就是信道测量及预编码，其能够有效获取信道信息，并进行准确的预编码，能发挥波束赋形的效果。当前预编码主要分为线性预编码和非线性预编码。

线性预编码是依靠闭环方式预编码技术，其依赖于信道状态信息（Channel State Information，CSI）测量，根据最优化算法对传输数据进行预编码操作，提升系统的频谱效率。线性预编码按照预编码矩阵的获得位置划分为两大类预编码方式：非基于码本的预编码和基于码本的预编码，具体操作如图2和图3所示。

图2 非基于码本的预编码过程

图3 基于码本的预编码过程

非基于码本的预编码通过终端的SRS（探测参考信号）进行信道信息测量并进行信道估计和量化。根据信道信息状况实时进行预编码矩阵计算，生成预编码后，对数据进行预编码操作并在天线映射和发送，非码本的预编码方式要求使用专用参考信号，即数据符号和导频符号一起进行预编码操作，这样接收端只需要通过信道估计就可以获得预编码之后的等效信道，从而方便地进行数据解调。由于TDD制式具有上下行信道互易性，通常现网TDD制式使用非基于码本的方式进行预编码。而FDD制式的上下行在不同频段，通过上行测量的信道信息与下行信道状况有一定差异，因此通常FDD使用基于码本的方式。

基于码本的预编码信道信息测量和量化由接收端获得，接收端根据预测的信道状态信息从预先编制好的预编码本中选择，并将所选取的预编码矩阵序号发送给基站，由基站按照对应的预编码矩阵进行预编码。由于采用基于码本的预编码方式通过发射矩阵序号代替信道矩阵，从而节省了信道资源。其缺点是由于码本的数量有限，从而造成预编码性能受到很大限制。

基于码本的预编码的主要问题：一是如何构建码本，二是如何从码本中选择一个理想的预编码矩阵。码本是基于信道测量而设计最优预编码矩阵的一个量化，码本的大小和各码字之间的距离影响着预编码的性能。预编码矩阵码本的构建方式也有多种，如基于DFT的码本、基于天线选择的码本、RBF（Random Beamforming）、基于TxAA（Transmit Adaptive Array）模式的码本等。

在非线性预编码中，DPC（Dirty Paper Coding）可以达到最优速率，但是由于实现复杂度非常高，难以在商用系统中普遍应用，不适用于Massive MIMO系统。

因此现有商用系统多推荐应用线性预编码，常见的线性预编码有MF（Match Filter）、ZF（Zero Forcing）、RZF（Regularized Zero Forcing，采用MMSE准则设计时也称为MMSE预编码）以及BD预编码等。针对各种预编码性能，相关文献已有系统性评估，MMSE与ZF性能优于MF性能，MMSE与ZF预编码性能接近DPC。综合实现复杂度和性能优势，各公司在商用系统多考虑采用ZF预编码。

ZF算法是MIMO系统中应用较为广泛的一种预编码方式，其原理为构造一个信道矩阵的逆矩阵，并在接收端左乘H的逆矩阵以达到消除信道影响的目的，而接收端的信号可以改写成列式相加：

式中，h为信道矩阵的列，检测出x，需要消除其他天线的影响，通过左乘矢量wi来实现，需要的wi条件为：

将wi做为行矢量构成预编码矩阵，WZF•H =I，可得：

发送信号估值为：

两者的协方差为：

可以看到，ZF可以在接收到的信号中完全除去本小区内部用户之间的信道干扰。但是也存在两点不足：首先，发送信号中的数据流数目需要和接收用户数保持一致；其次，噪声过大将导致信噪比急剧恶化从而影响总体性能。

3 4.5G Massive MIMO应用部署

3.1 4.5G Massive MIMO产品分析

4.5 G Massive MIMO产品，空口基于LTE，产品形态上，既存在RRU+天线的一体化设备，也存在BBU+RRU+天线的一体化设备，其切分面不同主要考虑小区间协同、CPRI接口速率限制等因素。当前主流产品主要为RRU+天线，即有源天线的模式。其天线阵列多采用128阵子的排列方式，如图4所示：

图4 Massive MIMO天线阵子排列

其采用水平8天线，垂直8天线，结合交叉双极化的8×8×2方式。

当前TDD产品多采用64通道数，理论可实现64数据流发送与接收，但是空口受限于波束宽度、波束间干扰、信道矩阵的量化和预编码设计，当前可实现空口16流的数据传输，相比于传统2流系统提升频谱效率近8倍。

TDD产品采用非基于码本的预编码方式，依赖于上行SRS进行信道测量和估计，多采用ZF预编码算法。

当前FDD产品设计为32通道，理论上可实现32数据流发送与接收，当前可实现空口8～16流的数据传输，相比于传统2流系统提升频谱效率4～8倍。由于更多天线端口发送需要额外的参考信号开销，实际系统频谱效率提升会略低于4～8倍。

FDD系统由于无法利用上行SRS完全互易实现信道测量，因此，基于TM9模式采用CSI-RS测量和DM-RS的解调方式。在系统实现上，各公司根据场景变化会要求不同信道信息反馈，基站侧基于私有算法进行预编码矩阵设计，然后通过预编码过程进行数据发送和解调。FDD信道测量及预编码过程如图5所示：

图5 FDD系统信道测量及预编码过程

但是由于当前支持TM9的终端市场普及率并不高，针对现有仅支持TM3、TM4的终端，FDD Massive MIMO采用类似劈裂天线概念，利用软劈裂算法进行空分复用。

3.2 4.5G Massive MIMO性能

基于TDD的Massive MIMO各主设备公司如华为、中兴、爱立信均有完善产品和解决方案，当前可利用MU-MIMO实现多用户空间复用，达到单小区20 MHz单载波近650 Mb/s吞吐量，结合CA部署，单小区吞吐量可提升至2 Gb/s，能够有效提升密集热点业务场景的容量。同时由于波束赋形的功率有效性，可提升小区边缘用户速率10倍以上。

基于FDD的Massive MIMO当前已完成系统内外场功能评估和部分性能测试。

（1）FDD Massive MIMO小区基本功能，单用户MIMO，上行和下行FTP、网页浏览、视频等基本业务已完成验证，可进行商用部署和商用用户接入。图6为Massive MIMO测试点示意图：

图6 Massive MIMO测试点示意图

（2）对于水平分散多UE小区峰值容量测试，利用TM9终端已获得20 MHz单小区4用户8流达到小区吞吐量500 Mb/s效果，具体如图7所示。

（3）对Massive MIMO小区的近点、中点、远点波束赋形效果进行验证测试，获得平均6 dB～8 dB的增益。表1为波束赋形增益测试效果：

表1 波束赋形增益测试效果

FDD Massive MIMO技术受限于信道测量，需要更加复杂的信道估计和预编码，由于各场景无线环境差异较大，需要针对信道估计和预编码算法进行不断完善和优化。

图7 4部UE用户速率统计

后续FDD Massive MIMO将拓展垂直维度赋形增益，提升单小区容量，并结合载波聚合、下行256QAM、上行64QAM全面提升热点区域容量和业务体验。

3.3 Massive MIMO部署

当前随着4G用户普及率快速提升，4G网络在部分场景逐渐接近拥塞，如各地高校宿舍区已开启全部可用频段载波聚合，但是网络依然出现拥塞。面对此类场景，利用具有较高频谱效率Massive MIMO的部署已是必然选择。

此外，针对高层商务楼宇，传统室分建设方案周期长，容量低，物业协调难度极高，通过Massive MIMO的垂直维度波束赋形增益，可有效进行低层、中层、高层的全面覆盖。

由于Massive MIMO也是5G的关键技术之一，采用4.5G的Massive MIMO组网，后续可同频段平滑演进，因此随着业务量的提升，Massive MIMO可逐步在现网热点区域部署，提升用户业务感知。

4 结束语

本文以4G业务发展引入对Massive MIMO技术的需求，介绍了Massive MIMO的概念，容量提升的理论分析，并针对标准进展、阵列天线、测量和预编码等关键技术进行了详细阐述和分析，最后分析了现有4.5G Massive MIMO设备的情况，并针对Massive MIMO性能和试验结果进行探讨，给出了4.5G Massive MIMO应用部署的场景。

[1] Prabhu H, Rodrigues J, Edfors O, et al. Approximative matrix inverse computations for very-large MIMO and applications to linear precoding systems[C]//Wireless Communications and NETWORKING Conference.IEEE, 2013: 2710-2715.

[2] 刘庆刚,张光生. 阵列天线仿真研究[J]. 通信对抗,2012(2): 49-51.

[3] 陈文洪,高秋彬,陈润华,等. 基于CSI-RS赋形的大规模天线阵列预编码与反馈方法[J]. 中国科学：信息科学,2016,46(1): 49-60.

[4] Noh H, Kim Y, Lee J, et al. Codebook Design of Generalized Space Shift Keying for FDD Massive MIMO Systems in Spatially Correlated Channels[J]. IEEE Transactions on Vehicular Technology, 2015,64(2): 513-523.

[5] Costa M H M. Writing on dirty paper (Corresp.)[J]. IEEE Transactions on Information Theory, 1983,29(3): 439-441.

[6] Shirani-Mehr H, Sajadieh M, Li Q. Practical downlink transmission schemes for future LTE systems with many base-station antennas[C]//Global Communications Conference. IEEE, 2013: 4141-4145.

[7] C Shepard, H Yu, N Anand, et al. Argos: practical manyantenna base stations[C]//International Conference on Mobile Computing and NETWORKING. ACM, 2012:53-64.

[8] Hoydis J, Hoek C, Wild T, et al. Channel measurements for large antenna arrays[C]//International Symposium on Wireless Communication Systems. IEEE, 2012: 811-815.

[9] 马珺,马林,俞凯,等. 大规模阵列天线方向图成形预编码性能仿真[J]. 电视技术, 2015,39(1):68-71.

[10] JOHND, KRAUS, RONALDJ, et al. 天线：FOR ALL APPLICATIONS（上册）[M]. 北京: 电子工业出版社, 2011.

[11] Shariati N, Björnson E, Bengtsson M, et al. Low-Complexity Polynomial Channel Estimation in Large-Scale MIMO with Arbitrary Statistics[J].IEEE Journal of Selected Topics in Signal Processing, 2014,8(5): 815-830.

[12] 卫杰,杨善国,侯伶利. 一种低剖面宽带宽角扫描阵列天线的设计[J]. 电子信息对抗技术,2016,31(5): 71-75.★