作者：曾 挚
来源：《中国新通信》 2018年第14期
【摘要】 第五代移动通信技术（5G）目前已被全球企业、研究所广泛关注并开始了试验网验证，Massive MIMO 技术被认为是5G的核心技术之一，具有提高系统容量、频谱效率、能量效率等优点。分析了Massive MIMO 技术的发展过程以及Massive MIMO 的信道估计、信号检测、预编码等关键技术，然后根据其技术特点，分析了Massive MIMO 的技术优势以及其面临的挑战，最后进行了总结。
【关键词】 5G Massive MIMO 信道估计 信号检测 预编码
引言
无线通信技术的快速发展在推动通信网络基础设施不断完善的同时，也导致移动相关产业规模呈现爆炸式增长。截至2017 年，中国移动互联网用户数量已经达到10.93 亿。此外，预
计到2023 年，全球machine-to-machine(M2M) 产业的市场资本总额将达到1.4 万亿美元[1]。
智能终端的飞速发展以及移动互联网业务的普及导致无线数据业务呈现爆发式增长，导致无线接入网频谱资源匮乏、频谱效率(Spectral Efficiency ,SE) 低等问题暴露无遗。为改善无线通信系统接入网频谱效率的问题，诸如微小区(smallcell)、高阶调制等技术被提出。这些技术能够在一定程度上提升无线频谱效率，但现有技术所带来的性能增益仍不能完全满足移动用户快速增长的数据业务需求。因此，可大幅提升系统容量及频谱和能量效率的第五代移动通信技术（5G）应运而生，并迅速引起了人们的广泛关注。
一、Massive MIMO 技术的发展
MIMO（multiple-input multiple-output）技术是指通过在通信系统的发送与接收端采用多个天线进行独立传输，利用空间自由度，在不增加频谱资源和发射功率的前提下，提高无线接入网络的频谱效率与信道容量[2]。传统的点对点（Point-to-Point ,P2P）MIMO 通过空时编码等技术探索空间增益，将单用户MIMO 系统容量及可靠性提升到新的高度[3]。多用户
MIMO(Multi-User Multiple-Input Multiple-Output, MUMIMO)也被称为虚拟MIMO，是配置单天线的终端与相邻的单天线设备通过共享彼此的天线，获得多天线的空间分集增益的效果[4]。
多用户MIMO 技术的提出有效提升了移动通信系统的性能，但其对频谱效率提升有限，无法满足5G 快速增长的通信需求。为进一步探索多用户MIMO 的潜力，贝尔实验室的Marzetta教授在文献[5]中指出，在非协作小区、时分双工（TimeDivision Duplex，TDD）制式下，随着天线数目的持续增加，系统接收端的噪声、小尺度衰落以及小区内用户间干扰会逐渐消失，从而进一步大幅度提高系统容量，降低系统能耗。Marzetta 教授将该方案定义为Massive MIMO。该方案为无线通信系统的频谱效率、能量效率带来突破性进展，一经提出便成为学术界与工业界的研究重点，被公认为5G 的核心技术之一。
二、Massive MIMO 关键技术
2.1 信道估计
基站需要在获取信道状态信息（Channel StateInformation, CSI）的前提下才能对接收信号进行相干检测。获取CSI 的过程及被称为信道估计。
对于频分双工（Frequency Division Duplexing, FDD）系统，由于上下行采用不同的频带，因此上下行链路CSI 是不同的。系统用户向基站发送导频序列，基站收到特定的导频序列后，集中对上行信道完成信道估计的过程。而对下行链路CSI 获取则需要两个步骤[6]：1）基站
（Base Station, BS）向所有用户发送导频序列；2）用户根据接收到的导频序列获取CSI 后，将此CSI 向BS 反馈。在这个过程中，发送下行导频序列所需时间与BS 天线数目成正比[7]。
对于TDD 系统，可以利用信道互易性[8] 来有效提高信道估计的性能。不同于FDD 系统，TDD 系统仅需要估计上行链路的CSI。系统用户同步发送上行信号，然后再发送导频序列。BS 接收到不同用户的导频序列后进行分析处理得到CSI，根据CSI 检测用户的上行数据并计算用于下行链路数据传输的波束赋形向量。
由于导频序列的训练过程满足线性过程，因此信道估计的方法可以使用对线性模型常用的方法进行估计。估计方法主要有：最大似然估计（Maximum Likelihood, ML），最小方差无偏估计（Minimum Variance Unbiased ,MVU），最小平方估计（Least Squares, LS）以及最小均方差估计（MinimumMean Square Error ,MMSE）等方法。
2.2 信号检测
对于MIMO 系统，传统的信号检测准则有基于最大似然或者最大后验概率（Maximum A Posteriori, MAP）的最佳检测算法。随着系统天线数目以及调制阶数的不断增加，算法复杂度将呈现指数级增长。因此，传统的适用于MIMO 信号检测的算法并不适用。对于Massive MIMO 系统，信号检测算法要求在保证一定性能的同时，保持较低的复杂度。
2.2.1 线性检测
线性检测是指使用一个线性滤波器来分离接收到的混叠信号，检测信号矢量通过乘以一个特定的滤波矩阵A 计算一个估计矢量，然后进行判决，即r=AHy。其中，r 为检测到的信号矢量，y 为接收机接收到的信号矢量。线性检测算法不同，则对应的滤波矩阵A 不同[9]。常规的线性检测算法主要有MRC、ZF、MMSE 等，虽然这些算法在传统MIMO 系统中性能不优，但在Massive MIMO 中随着基站天线的不断增加，信道之间将呈现正交特性，传统的线性检测算法性能逐渐逼近最佳检测的指标。传统的线性检测算法主要有：最大比合并（Maximum Ratio
Consolidation, MRC）检测算法，迫零（ZeroForcing, ZF）检测算法，最小均方差（MMSE）检测算法等。三种典型的检测算法的性能比较如表1 所示：
2.2.2 非线性检测
在实际应用场景中，天线数目趋于无穷的条件无法满足，信道之间的正交性也无法达到理想条件。此外，线性检测算法的收敛性较慢，因此，一些非线性的信号检测算法也逐渐成为Massive MIMO 的研究热点。例如球形译码（SphereDecoding, SD）、MMSE-SIC 算法等。两种典型的非线性检测算法的性能比较如表2 所示：
2.3 预编码
预编码起源于信号检测，旨在在接收侧通过信号处理的方法来降低系统噪声以及用户间干扰。这样在接收端增加信号处理模块会显著增加终端的处理能力，因此，在实际的通信中，在接收端增加信号处理过程以改善系统性能的方案并不实用。在这样的背景下，预编码的方案被学者提出。预编码是指基站侧获取CSI 之后，经过一定的预处理方式，对发射机的发射功率、
速率、发射方向等参数进行优化，使发射信号的空间特性与信道特性相匹配，以达到改善系统性能的目的。
预编码的根本目标是使用户接收的SINR 最大化。以最大化SINR 为设计准则，产生了很多预编码方案。典型的线性预编码算法主要有：迫零预编、规则迫零预编码等。这些算法具有复杂度低、效果较优的特点。但是这些预编码算法不能有效处理系统噪声，因此仅适用于信噪比较高的场景。1984 年，M.Costa 提出了一种典型的非线性预编码方案：脏纸编码（Dirty Paper Precoding , DPC）。文献[11] 提出将脏纸编码的过程类比为在一张带斑点的脏纸上写字的过程，如图2 所示。要直接在带斑点的脏纸上写出“MASSIVEMIMO”，字和斑点混合在一起，如图2（c）所示，难以读取文字信息。脏纸编码思想给出的解决方案是，书写之前，将“MASSIVE MIMO”文字根据斑点的大小、位置等信息进行相应的变形（编码），使得书写的文字能够与斑点完全融合，，接收机根据相应的变形规则，在接收端进行处理后，即可完美还原出“MASSIVE MIMO”文字信息。脏纸编码的核心思想不是消除干扰，在已知CSI 的前提下，使得发送信息“适应”信道环境，编码之后即可无视信道干扰。
图2 脏纸预编码原理
三、Massive MIMO 技术优势与挑战
3.1 Massive MIMO 技术优势
Massive MIMO 之所以受到广泛关注，在于部署大规模天线阵列后，可获得较传统MIMO 无法比拟的性能优势，主要包括：（1）随着基站天线数量的急剧增加，不同终端间信道呈现渐进性正交，用户间干扰逐渐降低甚至完全消除；（2）基站天线数目的增加，使得信号的小尺度衰落与高斯噪声被有效平均，避免用户陷入深衰落，缩短了空口的等待延迟，简化了上层的调度策略；（3）充分利用空间自由度，使系统中多用户可以在同一频率资源与基站同时通信，显著提升系统频谱效率；空间自由度同时有利于波束赋形技术的精准应用；（4）巨量低功耗天线（毫瓦级）的使用，不仅带来分集、复用、阵列增益，还能有效降低系统的发射功率，提升系统能量效率，符合当前绿色通信的发展需求。
3.2 Massive MIMO 技术挑战
面对未来移动通信业务需求的多样化，尤其是5G 的需求，Massive MIMO 在走向标准化与产业化的进程中仍面临以下挑战：（1）信道建模：当前对Massive MIMO 的研究基本都是基于传统的信道模型。传统的信道模型并不适用于Massive MIMO 系统，此外，Massive MIMO 系统中存在非稳态特性，因此，信道建模的研究是Massive MIMO 面临的重要挑战；（2）导频污染：典型的多小区Massive MIMO 系统中，相邻小区使用非正交的导频序列将产生导频污染。导频污染问题不是Massive MIMO 的特有问题，但却尤为突出，成为Massive MIMO 系统主要制约因素之一；（3）技术融合：面对5G 通信系统需求多样化的要求，任何一项独立的技术都无法满足5G 乃至未来的通信需求。未来的通信网络将是多种方案融合的网络。因此，Massive MIMO 与其他技术的融合，如3D MIMO、分布式MIMO、毫米波、异构网等，将是Massive MIMO 产业化的又一挑战。
四、总结
Massive MIMO 技术被业界一致认为是5G 的核心技术之一，对无线通信系统的系统容量、频谱效率以及能量效率均有显著的提高。
本文以5G 的发展引入对Massive MIMO 技术的需求，阐述了Massive MIMO 的基本概念以及发展历程，针对Massive的信道估计、信号检测、预编码等关键技术进行了详细的分析，最后结合Massive MIMO 的技术特点，分析了MassiveMIMO 的技术优势与挑战。
参 考 文 献
[1] 张中山, 王兴, 张成勇, 等. 大规模MIMO 关键技术及应用[J]. 中国科学: 信息科学, 2015, 45(9):1095-1110.
[2] Jindal N. MIMO Broadcast Channels With Finite-Rate Feedback[J]. IEEE Transactions on Information Theory, 2006, 52(11):5045-5060.
[3] Gesbert D, Papadias C B, Veen A J V D. Space-Time Wireless Systems: From Array Processing to MIMO Communications[M]. CambridgeUniversity Press, 2006.
[4] Ngo H Q, Larsson E G, Marzetta T L. Energy and Spectral Efficiency of Very Large Multiuser MIMO Systems[J]. IEEE Transactions onCommunications, 2013, 61(4):1436-1449.
[5] Marzetta T L. Noncooperative Cellular Wireless with Unlimited Numbers of Base Station Antennas[J]. IEEE Transactions on WirelessCommunications, 2010, 9(11):3590-3600.
[6] Yoo T, Jindal N, Goldsmith A. Multi-antenna broadcast channels with limited feedback and user selection. [J]. IEEE Select AreasCommun, 2007, 25: 1489–1491
[7] Jose J, Ashikhmin A, Marzetta T L, et al. Pilot Contamination and Precoding in Multi-Cell TDD Systems[J]. IEEE Transactions onWireless Communications, 2011, 10(8):2640-2651.
[8] Lu L, Li G Y, Swindlehurst A L, et al. An Overview of Massive MIMO:
Benefits and Challenges[J]. IEEE Journal of Selected Topics inSignal Processing, 2014, 8(5):742-758.
[9] H. Q.Ngo, E. G. Larsson,and T. L. Marzetta, Energy and Spectral Eifficiency of Very Large Mutiuser MIMO System[J], IEEE Trans.Commun.,2012,accepted.
[10] Hoydis J, Brink S T, Debbah M. Massive MIMO in the UL/DL of Cellular Networks: How Many Antennas Do We Need?[J]. IEEE Journalon Selected Areas in Communications, 2013, 31(2):160-171.
[11]Costa M. Writing on dirty paper[J]. IEEE Trans.inform.theory, 1983, 29.
因篇幅问题不能全部显示，请点此查看更多更全内容