|
一、 关于5G的探究 1.1 5G的背景及需求 在第四代移动通信网络（4G）的部署方兴未艾之时，第五代移动通信网络（5G）的研究开发已在全球开启大幕。移动互联网和物联网领域的蓬勃发展有力推动了工业界和学术界对未来5G网络的研发工作。随着移动互联网领域的高速发展，各种智能终端以及各类新业务新应用的出现将导致移动数据流量呈现爆炸式增长，预计2020年全球移动数据流量将会比2010年增长1000倍[1-2]。除数据流量的急速上升外，物联网行业的快速发展也将使移动通信的服务范围从目前人与人之间的通信进一步扩展到人与物、物与物之间的通信，随之而来的是网络中海量设备的同时在线链接，预计2020年联网的智能终端数目将达到数百亿甚至数千亿。面对2020年及未来如此庞大的数据流量及其他应用需求，当前的4G网络技术显然无法给予满足。因此，加快5G技术研发和标准制定的步伐已成为国际主流共识。 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。虽然目前业界对5G的相关标准尚未达成共识，但普遍认为，5G的关键性能指标主要包括：能量效率、频谱效率、用户体验、时延、用户峰值速率以及连接数密度等[3]。其中，5G网络与4G网络相比需要在能量效率方面提升100倍以上，在频谱效率方面提升5~15倍以及传输时延方面需缩短10倍以上[4]。 1.2 5G的关键技术及国内外研究现状 为应对移动互联网和物联网爆炸式发展带来的千倍业务流量增长和海量设备连接，5G 已经成为国内外移动通信领域的研究热点。业界普遍认为，5G应该具备超高的能量效率和频谱效率，与4G相比在传输速率、时延和用户体验方面也要有较大性能提升。为实现5G网络的关键性能指标，起基础支撑作用的5G关键技术主要包括：大规模多输入多输出（大规模 MIMO)、超密集部署、毫米波通信、终端直通技术（D2D）、全双工技术以及新型网络架构[5-6]。基于大规模MIMO 的无线传输技术能够使5G网络的频谱效率和能量效率在4G 的基础上再提升一个数量级[7]。超密集部署异构网络将使系统的吞吐率提高25 倍左右[8]。D2D通信允许终端之间交换的数据无需经过基站的转发处理而直接进行通信，因而可以很好的提高系统的频谱效率、减小能量消耗及缩短传输时延。未来5G可能采用新型的软件定义网络的无线接入网（SDN-RAN)架构，其基本思想是通过将软件定义的网络（SDN）技术集成到C-RAN接入网中，把控制功能从回程网络中的路由器和无线接入网中的基站设备中分离出来从而实现控制和转发业务的分离。在较大程度上降低了网络节点的能量消耗，延长了节点工作寿命。同时，终端设备在超密集部署的蜂窝网间因移动而可能带来的“漫游切换信号风暴”隐患得以消除，进而降低了网络时延并提高了系统可靠性，实现更佳的用户体验。云中心强大的数据并行处理能力为复杂的异构5G网络中海量的数据处理提供强有力的支撑。如图1.1所示 图1.1 5G网络结构图 二、 Massive MIMO技术 2.1 Massive MIMO的背景介绍 多用户多输入多输出(Multi-user Multiple-input multiple-output,多用户MIMO)通信系统是一种考虑合作信号处理的无线通信技术，其核心思想在于使用完全相同的时间块 和频率块资源为多个用户提供传输。多用户MIMO技术利用无线通信系统中用户的独立性来增加整个系统的通信性能，从而实现多用户分集和复用。 多天线技术作为提高系统频谱效率和传输可靠性的有效手段，已经应用于多种无线通信系统。通信时的天线数量越多，频谱效率和可靠性提升越明显。尤其是，当发射天线和接收天线数量很大时，MIMO信道容量将随收发天线数中的最小值近似线性增长。因此,采用大数量的天线，为大幅度提高系统的容量提供了一个有效的途径。在分布式协作网络系统中，处于不同地理位置的节点（基站、远程天线阵列单元或无线中继站）在同一时频资源上协作完成与多个移动通信终 端的通信，形成网络多输入多输出（MIMO）信道，可以克服传统蜂窝系统中MIMO技术应用的局限，在提高频谱效率和功率效率的同时，改善小区边缘的传输 性能。然而，在目前典型的节点天线个数配置和小区设置的情况下，研究工作表明网络MIMO传输系统会出现频谱和功率效率提升的“瓶颈”问题[9]。为此， 研究者们提出在各节点以大规模阵列天线替代目前采用的多天线[10-11]，由此形成大规模MIMO无线通信环境（如图2.1所示），以深度挖掘利用空间维度无线资源，解决未来移动通信的频谱效率及功率效率问题 大规模ＭＩＭＯ技术之所以受到如此关注，在于部署大规模天线阵列之后，系统可以获得许多传统ＭＩＭＯ系统所无法比拟的物理特性和性能优势［20］。主要包括： （１）随着天线数的急剧增长，不同用户之间的信道将呈现出渐进正交特性，这意味着用户间干扰可以得到有效的甚至完全的消除，从而大大提升系统总容量； （2）基站天线数的增加，使得信道快衰落和热噪声将被有效地平均，也即信道硬化作用，从而以极大概率避免了用户陷于深衰落，大大缩短了空中接口的等待延迟，简化了调度策略； （３）大量天线的使用，使得波束能量可以聚焦对准到很小的空间区域，极大提升了空间分辨率； （４）大量额外的自由度，可以用于发射信号波束赋形，甚至于采用恒定包络信号，从而有效降低发射信号的峰均比，这就使得射频前端可以采用低线性度、低成本和低功耗的功放，大大降低系统部署成本； （５）巨量天线的使用，使得阵列增益大大增加，从而有效地降低发射端的功率消耗，使得系统总能效能够提升多个数量级。 除此之外，大规模ＭＩＭＯ系统的传输方案可以采用简单的线性处理方式，如最大比发送或接收来达到近似最优的系统性能，从而大大简化了系统的实现复杂度。以上这些特性，使得大规模ＭＩＭＯ技术在实现千倍数据量、零延迟和多样化业务需求方面具有无穷的潜能。 由于多天线所占空间、实现复杂度等技术条件的限制，目前的无线通信系统中，收发端配置的天线数量都不多，比如在LTE 系统中最多采用了4根天线，LTE-A 系统中最多采用了8根天线[12]。但由于其巨大的容量和可靠性增益，针对大天线数的MIMO系统相关技术的研究吸引了研究人员的关注，如单个小区情况下，基站配有大大超过移动台天线数量的天线的多用户MIMO系统的研究等[13]。近两年针对大规模MIMO技术的研究工作主要集中在信道模型、容量和传输技术性能分析、预编码技术、信道估计与信号检测技术等方面，但还存在一些问题: 由于理论建模和实测模型工作较少，还没有被广泛认可的信道模型；由于需要利用信道互易性减少信道状态信息获取的开销，目前的传输方案大都假设采用TDD 系统，用户都是单天线的，并且其数量远小于基站天线数量。 2.3 Massive MIMO的关键技术 （1）信道模型及系统性能分析技术 信道模型与系统性能分析是无线通信系统设计的基础。在大规模MIMO 无线通信环境下，基站侧配置大规模阵列天线，MIMO 传输信道的空间分辨率得到显著增强，大规模MIMO 无线传输信道存在着新的特性，需要深入系统地探讨。值得注意的是，尽管大规模 MIMO 已引起国际上的广泛关注，但有关大规模 MIMO信道的理论建模和实测建模的工作较少。 已报道的文献中往往假设大规模 MIMO 信道是 IID 信道[10,14]。然而部分实测结果表明，实际的大规模MIMO 无线传输信道并不能满足 IID假设，信道能量往往集中在有限的空间方向上[15]，这使得基于IID信道的相关分析结果存在着较大的局限性。各种应用场景下大规模MIMO无线信道的理论建模和实测建模的工作是有待进一步开展。 在给定的信道模型和发射功率约束下，精确地表征信道能够支持的最大传输速率，即信道容量，并由此揭示各种信道特性对信道容量的影响，可为传输系统优化设计、频谱以及功率效率等性能评估提供重要的依据。 在已报道的文献中，有关容量和传输方案性能分析大都假设信道满足IID条件，在此条件下，导频污染被认为是大规模 MIMO 系统中的“瓶颈”问题[10,16]，而最近的工作已表明，如果这一理想信道假设条件成立，通过在多个基站之间联合实施统计预编码，理论上可以完全消除导频污染问题。 对于带空间相关性的大规模MIMO信道，利用各用户的统计信道信息，通过多个基站之间联合实施导频调度，也可以有效减轻导频污染[17]。对于典型实际应用场景下无线信道特性对大规模MIMO传输性能影响的研究工作则有待进一步开展。 （2）信道状态信息获取技术 信道估计是信号检测和自适应传输的基础，对于大规模 MIMO 无线传输性能起重要影响作用。在贝尔实验室提出的 TDD 大规模 MIMO 传输方案中，小区中的各用户（通常假设配置单个天线）向基站发送相互正交的导频信号，基站利用接收到的导频信号，获得上行链路信道参数的估计值，再利用TDD系统上下行信道的互易性，获得下行链路信道参数的估计值，由此实施上行检测和下行预编码传输。随着用户数目的增加，用于信道参数估计的导频开销随之线性增加，特别地，在中高速移动通信场景，导频开销将会消耗掉大部分的时频资源，成为系统的“瓶颈”。开展导频受限条件下的 TDD 大规模 MIMO信道信息获取技术研究具有重要的实际应用价值[18]。 此外，贝尔实验室提出的传输方案需要利用 TDD 模式上下行信道互异性[6]，不适用于 FDD 模式。针对该问题，美国南加州大学提出了联合空分复用（JSDM）传输方案[8]。其主要思想是，基站侧利用不同用户的信道二阶统计量进行用户分组及预波束赋形，由于预波束赋形之后的等效信道维度显著降低，在该等效信道上实施信道估计能够显著降低信道状态信息获取所需的开销，这使得FDD模式下大规模MIMO信道信息获取成为可能。 JSDM 方案假设在同一组内的不同用户的信道协方差矩阵具有相同的特征向量，而组间用户的信道协方差矩阵相互正交，该信道假设过于理想，在实际中通常难以满足。深入开展在实际信道条件下的导频受限FDD大规模MIMO传输技术研究具有重要性[19]。 （3） 多用户传输技术 如何实现多用户空间无线资源共享及如何优化设计多用户上下行传输系统，涉及基站侧和用户端所能够获得的信道状态信息。在大规模MIMO 无线通信系统中，基站侧与用户端均难以获取完整信道的瞬时状态信息，这意味着大规模 MIMO 传输技术将不同于现有的 MIMO 传输技术。在已报道的有关工作中，所涉及的基本传输方案大都是贝尔实验室提出的最初方案，利用上行链路正交导频和TDD系统上下行信道互易性，基站侧可获得多用户上下行信道参数估计值，基站侧假定所获取的信道参数估计值为真实值，并以此实施多用户联合上行接收处理和下行预编码传输[10]。 该传输方案中，基站侧将信道估计值作为真实值来实施上下行传输，传输的鲁棒性无法保证；单个用户仅配置单根天线，当系统中用户数较少时，频谱效率仍然较低；上行链路的信号检测和下行链路的预编码传输涉及高维矩阵求逆运算，系统实现复杂度高；FDD系统中所有用户瞬时信道信息获取困难，存在着FDD系统的适用性问题。能否突破信道信息获取的“瓶颈”问题，在基站侧仅知部分信道信息时，实现多用户共享空间无线资源和高性能高鲁棒性低复杂度的大规模 MIMO 无线传输，是有待解决的重要问题。 2.4 小结 小规模天线配置下的MIMO无线通信已趋于成熟并存在性能局限，大规模MIMO无线通信能够大幅度提升无线通信系统频谱利用率和功率利用率，目前已成为 5G 无线通信领域最具潜力的研究方向之一。尽管大规模MIMO无线通信技术已引起国际上的广泛关注，但相关研究工作尚处在起步阶段。基于大规模 MIMO 基本架构，本文讨论了信道建模和系统性能分析技术、信道状态信息获取技术及多用户上下行无线传输技术等大规模MIMO传输关键技术的研究进展。 为了充分挖掘大规模MIMO的潜在技术优势,需要深入研究符合实际应用场景的信道模型，分析其对信道容量的影响，并在实际信道模型、适度的导频开销、可接受的实现复杂度下，分析其可达的频谱效率、功率效率，并研究最优的无线传输方法、信道信息获取方法、多用户共享空间无线资源的联合资源调配方法。 针对以上问题的研究，存在诸多的挑战，但随着研究的深入，大规模MIMO在5G中的应用被寄予了厚望，可以预计，大规模MIMO技术将成为5G区别于现有系统的核心技术之一。尽管大规模MIMO技术在理论研究上和实际系统中仍然存在一些问题有待解决，但随着对大规模MIMO系统研究结果的不断完善，其预期所带来的性能优势和特性也越来越得到工业界和学术界的肯定。并且随着大规模MIMO核心问题的不断解决，有理由相信大规模MIMO技术将在新一代无线通信系统中发挥更大更广阔的作用。 三、 信息和能量同步传输的最优功率分配策略研究 由于本专业为信号与信息处理，当前研究方向为无线信息和能量同步传输技术（Simultaneous Wireless Information and Power Transfer, SWIPT），但通信场景和模型的建立并没有涉及5G网络，现将自己的学习进展：关于无线多播通信系统中的SWIPT的最优功率分配策略研究进行总结。 3.1 无线多播通信系统介绍 随着移动终端性能的不断增强和移动互联网的快速普及,移动业务量的增长率远远超过空口速率提升幅度,有限的频谱带宽资源与迅猛增长的业务量需求之间矛盾成为移动通信发展过程中的主要矛盾,而无线多播技术因其仅需占用少量的通信资源便可以为大量具有相同信息需求的用户有效地传递信息而备受关注。它既节约了系统资源,又提升了空口利用效率。目前,无线多播技术己被应用于移动电视、视频点播/会议、大软件更新和在线网络游戏等业务中。 多播传输中,发射端使用相同的时频资源向多个用户发送相同的信息,因而能够节省频谱资源,在未来无线系统中受到了较多的关注。由于发射端和多个用户之间无线信道的差异,多播传输中需要统筹考虑发射端和所有用户之间的无线信道信息,满足尽量多用户的QoS需求。为保证所有用户的正确接收,多播传输速率受限于多播系统中最差用户的信道容量。多播系统中多天线的引入能够对抗信道衰落,在不增加信道带宽和发射功率的情况下带来系统容量的成倍提高。多天线系统中,预编码问题指多天线系统中在天线端分配不同权值,在发送端对发送数据进行预处理以提高系统性能的一种技术。多天线多播系统中预编码的引入能够通过提高系统中最差用户的接收信噪比(Signal-to-Noise Ratio, SNR)来提高多播传输速率。多播能有效地传输相同的内容给多个接收者,节省了大量的网络资源。 3.2无线能量传输与SWIPT技术介绍 无论是点到点通信还是能量获取设备组网，其共同点是能量获取的节点均为发送节点，即发送端从周围环境中获取能量，并将收集的能量用于信息的发送。近来，已有研究者将目光投向通信过程中信息的接收方获取能量的研究。其中发送端的能量由电网或其他稳定的能量来源供应，而接收端通信使用的能量则从发送端发送的电磁波中获取之后再用于信息的发送，类似于无线充电技术，一般称为无线能量传输，也称为SWIPT。 SWIPT 技术研究的可行性是基于以下事实 ：传输信息的无线电波在电磁能量可以被获取的情况下，也是一种能量的来源，也可以被获取,如蜂窝系统中,对某个用户来说是有用信号的电磁波，对于其他用户来说则是噪声，而这部分电磁波如果可以被获取， 则可以节约用户需要的能耗。在这个研究方向中，接收端可以接收信息，也可以接收能量，或者两者同时进行。受实际电路限制，接收端不能同时对同一个信息进行解调与能量收集。因此，SWIPT中接收端对同时进行信息解码和能量接收的无线电磁流的接收模式通常有两种，一种是时域切换（time switching，TS），另一种为能量分割（power splitting，PS）。时域切换的工作模式是，接收端接收的信号要么被能量获取单元接收，要么被信息接收单元接收用来解决信息；能量分割的工作模式是，接收的信号被一个能量分割器分割为两路，一路传输给能量获取单元，一路传送给信息处理单元。在这个研究点中，接收模式工作方式的设计（如TS中两部分的模式切换的策略，PS中分割给两个单元的能量的策略）是研究的重点。 除此之外，对SWIPT的研究也不仅仅局限于能量流与信息流均被同一个接收端接收的情形。在同一个接入点（AP）下的用户终端是从接收的信号中解调出有用信息，称为信息接收终端（information receiver，IR ），有些终端只专注于从接收的信号中获取能量，称为能量获取终端（energy receiver，ER）。通常IR与ER对于功率的敏感程度不一致（通常IR为-60dBm，ER为-10dBm）。在这个系统中，存在一个“远近效应”问题，即由于路径损耗，ER终端会部署得与接入点更近一些。 另外，除了接收信息流与能量流的终端可以不统一之外，也研究开始关注传输信息流与能量流的接入点不在一起的情况，即网络中单独有电站通过无线给终端传送能量（通常是使用微波能量传输），而信息的传输与原有的蜂窝网络一致。 3.3基于SWIPT的无线多播系统最优功率分配策略研究 在无线多播系统中，无线信道衰落严重影响系统性能，因此，常采用波束成型技术来获得分集增益以抵抗衰落，进行最优的系统功率分配，从而有效地提升系统性能。高效的波束成型设计方案既能有效的减少不同多播组间的干扰问题，同时也实现发射功率的合理分配，减小功率在非目标方向上的浪费。然而，有效的波束成型设计方案有赖于所获取的信道状态信息的质量，获得的信道状态信息越完美，传输中断的概率就越小。因而,信道状态信息的获取在无线多播波束成型矢量设计中就显得格外地重要。在时分双工系统中,上下行链路的信道状态信息通常具有互易性，因此，基站可以根据当前时刻接收到的上行链路导频信号估计出下行链路的信道状态信息,从而完成下行波束成型设计。 首先，我们假设发射端能够获得全部的信道状态信息。虽然在实际情况中，由于各种各样的缘故，获取完美的信道状态信息是非常困难的，但是对这种情况进行研究仍然很有意义。所得的结果可以作为系统性能的上界，对系统的设计有一定的指导意义。 为了满足不同接收端的服务质量需求和能量收集需求，更好的提升多播通信的系统性能，在本文中我们以系统的发送总功率最小化为准则，通过对系统的波束成形向量和接收端功率分离比的联合设计，研究系统的最优功率分配策略。 在保证系统信息传输连续性的基础上，接收端用于信息解码的接收信噪比需要总大于一个给定的值，以满足不同的服务质量需求。同时，接收端收集到的能量需要达到一个能量收集的有效值。 我们研究了接收端能够完全获取信道状态信息情况下，信息解码端的接收信噪比和发送端传输功率之间的关系。从图中可以看出，随着接收端信噪比需求的增加，发送端需要更多的功率来进行系统信息和能量的传输。同时，由于系统无能量收集的需求，“无能量收集约束”时接收端接收到的功率全部用于信息的解码。因此，“无能量收集约束”需要的发送功率要小于本文提出的策略所需要的发送功率。但随着信噪比需求的提高，接收端接收到的功率绝大部分用于信息解码。因此，在高信噪比区域，提出的策略所需要的发送功率非常接近于“无能量收集约束”时发送功率的性能上界。同时，在接收端进行均匀功率分离时，信息解码和能量收集之间的功率分配比并不能随机优化，这就造成了系统资源的浪费，此时，其所需的发送功率明显大于本文提出的联合优化功率分离策略。 3.5小结 由于无线通信的快速发展，能量受限的移动网络终端对能量的需求越来越成为制约网络持续有效运行的关键因素，而对于传统的能量收集方式，由于环境等因素的影响，其并不适用于移动网络。同时，由于射频（RF）信号能同时传送信息和能量，无线信息和能量同步传输策略成为解决能量受限网络对能量能量需求问题的有效方法。因此研究无线多播通信系统中信息和能量同步传输的最优功率分配策略是非常有必要的。 |
|
|
