5G MASS I VE MIMO 技术

伍株仪

摘要：本文介绍了5G系统中MassiveMIMO技术的信道估计、预编码技术、信号检测算法，研究了不同算法的适用场景，分析.了MassiveMIM0技术发展中存在的问题，重点阐述了导频污染产生的原因并提供了减少导频污染的思路，分析了信道模型设计中需要关注的问题、算法优化的方向等。

[关键词]5GMASSIVEMIMO信道估计信道检测预编码

2018年12月3日，工信部向三家运营商颁发了5G中低频段试验网使用许可，其中中国移动获得2.6GHz和4.9GHz频段一共260MHz试验网带宽，中国电信与中国联通分别获得3.5GHz频段各100MHz的试验网带宽，意味着我国的5G建设已经拉开帷幕，人们将会越来越能够享受到5G网络带来的便利。5G系统的速率以及时延相对4G系统均有很大的提升和突破，主要因为5G系统中应用了的几个关键技术，其中高频段传输技术、Massive MIMO技术、超密集组网技术、同时同频全双工技术、新型网络架构等在5G系统中的影响比较大，其中作为5G关键技术之一的Massive MIMO技术，不仅可以有效提升覆盖效果，同时能够提高频谱效率、能够增强数据传输的稳定性和可靠性，所以不仅仅是在5G，其实在4.5G的发展中，就已经开始对Massive MIMO技术展开了研究，希望能够在实际应用中最大限度的提升系统性能。

1Massive MIMO技术

Massive MIMO技术的特点是在基站侧配置有大规模天线，依据大数定理，当天线数量趋于无穷大时，信道矩阵的列向量之间就会趋于正交，热噪声以及小幅衰落的影响将会消失，同时天线数目的增加会提高空间复用率，能够进一步提升信道容量。本节主要介绍MassiveMIMO技术中的信道估计、预编码、信号检测技术。

1.1信道估计

无线通信中由于传播场景的不同，传播过程中的多径衰落也不一样，接收端接收到的信息都是经过衰落后的信号，要正确的译出原始信息，需要对接收到的信号做出合理的估计，通过调整补偿参数达到译码要求，此过程中信道估计的准确性非常关键，只有准确定估算出已有的信道信息才能计算补偿参数。目前主要的信号估计分为三类：非盲估计、盲信道估计、半盲信道估计，在三类估算方法中基于训练序列的非盲估计是较为常用的方法。Massive MIMO系统能够大规模提升系统性能和可靠性，很大程度依赖于在小区基站获得准确的上下行信道状态信息（CSI），假如不能获取准确的CSI，就不能利用预编码等技术来提升系统的可靠性。传统MIMO中的上行CSI信息可以通过导频信道估计获得，下行CSI可以通过用户反馈获得，但由于用户高速移动等特性，准确的获取下行CSI比较困难。目前大部分Massive MIMO技术研究主要基于TDD模式，由于上下行信道具有互易性，可以根据上行链路信道来估计下行链路信道，在TDD模式下能够较优的获取CSI并且较好的提升系统性能。

1.2预编码技术

预编码就是在已知CSI的情况下，利用预先设计的预编码器，通过调整发射机的发射功率、发射方向等参数，让预处理过的信号特性与信道特性相匹配，方便接收机进行信号检测，从而有效提升区域内无线通信系统的平均吞吐量。由于发射端进行过预处理，不仅可以减少接收端在接收到信号时的解码时间，还可以通过不同信道功率分配策略的模式提升系统的安全性能。预编码技术可以通过算法将需要发送的信息流与信道状态相结合，让信息在特定的信道上面发送，从而有效抑制导频污染。

与传统MIMO类似，Massive MIMO的预编码算法有线性预编码和非线性预编码，线性预编码有迫零（ZF）、正规化迫零（RZF）、匹配滤波（MF）、最小均方误差（MMSE）预编码等，非线性预编码有脏纸编码（DPC）、恒定包络（CE）、THP预编码算法等。

1.2.1线性预编码

线性预编码由于具有复杂度较低，计算简单等优点，在实际应用中是很好的选择。不同的线性预编码间也存在差异：ZF与MMSE的算法原理基本相同，区别在与MMSE在考虑算法时通过预编码对噪声进行了预处理，从而比特误码率性能较优;RZF算法则与MMSE基本一致，只是噪声系统等参数设置不一样;MF算法对于干扰消除不如其他RZF和MMSE，但算法复杂度最低。根据相关资料显示，在Massive MIMO场景下，在用户数量很大的情况下优先选用MF预编码，在用户数量较少时优先选用RZF编码，更有利于提高系统性能。

1.2.2非线性预编码

虽然线性预编码算法的复杂度较低，但不能有效处理噪声，无法充分利用系统的容量，为了最大限度的提高系统容量，产生了非线性编码技术。DPC编码主要思路是指在发射端在信息发送前已经知晓信道的参数情况，通过信号的预处理，使接收机在接收信号时认为链路不存在干扰，从而增加系统容量;CE预编码算法限定了每根天线上面的发送功率，将功率设置为一个与信道符号及功率无关的常数，通过信号的相位来携带符号信息，由于每根天线发射的信号幅值相同，所以PAPR很低，相对线性预编码需求的宽区间功率放大器要求，硬件相对比较容易实现，此预编码方式比较适合Massive MIMO场景。

THP是一种连续的非线性预编码技术，算法与DPC类似，能够均衡下行子信道间的干扰，提高系统的比特误码率性能，同时由于THP算法中通过模运算进行了处理，相对DPC算法可以有效降低功率，该预编码算法也适合应用到Massive MIMO场景中。

1.3信道检测

信号在传输过程中，都会受到不同情况的信号干扰，能否准确的从干擾信号中获取有用信息，除了与信号本身有关之外，还与信号处理方式密切相关，所以信号检测在Massive MIMO中的有着至关重要的地位。信号检测的主要研究目的，就是在特定场景下，选择出获取信息的最优处理方式，从而最大化提升系统容量。线性信号检测的基本原理是用线性滤波器来分离混合的信号，然后将分离的信号矢量与一个特定的矩阵相乘，根据结果进行数据的判决，目前线性检测的主要算法有迫零（ZF）检测、最大比合并（MRC）、最小均方误差检测（MMSE），非线性检测算法有球形译码（SD），MMSE-SIC算法等。不同的检测算法适用的场景各不相同，其中MMSE算法复杂度较高，适用于少量天线数量场景;ZF算法适用于信噪比较高场景;MRC计算复杂度较低，适用于天线数量较多场景;非线性编码中的SD和MMSE-SIC算法均比较复杂，适用于天数数量较少场景。在5GMassive MIMO中，采用的是与毫米波结合的大规模天线阵列，适合用算法复杂度比较低的算法。

2Massive MIMO发展存在的挑战

2.1导频污染

在理论研究中，TDD中的上下行导频符号是互相正交的，这种正交性可以让不同用户之间的信号不会互相产生干扰，但在实际Massive MIMO中，由于区域内用户的增加，相互正交的导频序列不能完全满足区域内所有用户的需求，所以不同小区用户间可能采用非正交的导频训练序列，而基站在获取本小区终端信道信息的同时也有可能获取其他小区终端的信道信息，从而导致基站对本小区信道的估计叠加了其他终端的信息，使导频信息收到污染，得到的下行CSI不准确，并且进一步的影响上行导频数据，这些导频污染会使基站对信号的处理出现偏差，使小区间产生干扰，严重限制了系统性能的提升，所以如何减少导频污染问题，也是需要重点研究的课题。

减少导频污染问题，可以从污染产生的源头分析，导频污染主要是因为使用非正交或者重复使用相同导频序列，在导频设计时要尽量避免此类情况的出现。可以从以下三个方面思考：

（1）通过合理的导频设计减少导频污染，在相邻小区边缘之间通过算法分配不同的导频，减轻导频的相干程度;

（2）采用导频移位的方式，在相邻小区

间共用同一组导频序列时采用不同的时隙来发送导频信息;

（3）在特定干扰区域分配足够多的导频序列，使区域内的导频信息是正交性的，从而减轻干扰。

同时可以通过选择合适的信道估计以及预编码技术来减轻干扰，提升系统性能。

2.2信道模型设计

在理论研究中，Massive MIMO技术需要在站点安装大量的天线，但在实际应用中，由于场地限制以及居民环保意识的提高，不可能安装太多的物理天线，只能考虑将天线集成起来形成天线阵列，由于频率与波长成反比关系，频率越高，波长越短，所以天线的尺寸也可以随着频率的变高而缩小，在毫米波段，将64个以及更多的天线阵列集成在一个物理天线从理论上来说是可行的，但由于Massive MIMO技术需要很高的空间分辨率，需要让波束的覆盖方向精准的指向用户端，这就要利用空间信道的相关性以及波的干涉技术，通过调整天线阵列的输出，提高信道的接收信噪比，达到提升系统性能的目的。在实际中，信号在传播过程中会受到建筑物、雨雾等的阻挡，不同频段、不同场景、不同天线布局情况下的传播特性各异，相应的传播模型也各异，因此，在使用Massive MIMO技术时，实际建模的算法比较复杂，并且理论研究与实际应用中会因为天线工艺等影响，往往达不到理论研究的效果。

2.3算法优化.

在5GMassive MIMO中，需要在基站侧配置大规模的天线阵列，在硬件上面需要大量的功放单元，这些功放单元集中在一个物理天线里面，每个端口都间距比较近，在进行射频信号和电磁波信号转换时有可能互相影响，造成系统性能下降，这就要求调制的信号有较低的均峰比，需要用到比较优化的调制算法，而随着天线数量的增加，算法的复杂度也增加了。在前面提到的信道估计、预编码技术、信道检测技术等都依賴于算法，而在5G应用中，将会有大量不同类型、不同速率、不同频率的数据需求在同一小区中，这些需求将会对射频以及基带处理等提出更高的要求，情况越复杂算法越难以实现，而简单的算法意味着实现的复杂度较低，所以研究5GMassive MIMO中比较适合信道估计、预编码、信道检测、资源分配等的低复杂度算法也成为了Massive MIMO研究需要突破的问题。

3结束语

本文介绍了5G系统中Massive MIMO技术的信道估计、预编码技术、信号检测算法，研究了不同算法的适用场景，分析了Massive MIMO技术发展中存在的问题，重点阐述了导频污染产生的原因并提供了减少导频污染的思路，分析了信道模型设计中需要关注的问题、算法优化的方向等。

参考文献

[1]曾挚.面向5G的Massive MIMO系统关键技术研究[J].中国新通信，2018，20（14）.

[2]方昕，李兴兴，曹海燕，潘鹏，刘云驹.大规模MIMO系统中的动态导频分配方案.[J].电信科学，2017，33（07）.

[3]付豪.Massive MIMO预编码方法的性能分析与比较[D].华南理工大学，2016.

[4]周昭华，大规模MIM0通信发展中存在的难点及解决方案[J].中国新通信，2017，19（08）.