0 引言

    無線移動通信的快速發展導致了移動用戶的數量和相關產業規模呈現出爆炸性增長，因此無線通信系統需要滿足更高的數據傳輸速率和更高的系統容量，需要通信系統高效地利用帶寬資源，由于現在的頻譜資源相對缺乏，所以提高系統的頻譜利用率尤為重要，傳統的MIMO技術可以利用有限的頻譜資源滿足用戶對系統性能的需求，但是傳統MIMO系統中基站的天線數目較少，所能提高的系統性能有限，大規模MIMO作為未來5G的關鍵技術之一，可以滿足未來無線通信業務的需求，提升通信系統的頻譜效率與信道容量，并且能夠有效提升鏈路可靠性和數據傳輸速率^[1]。

1 傳統MIMO技術

    多輸入多輸出MIMO技術最早是由Marconi在1908年提出來的，它通過發送端和接收端都配備多根天線來提高通信系統的容量、系統傳輸數據速率以及傳輸可靠性。3GPP LTE Release10已經可以支持8個天線端口進行傳輸，也即 8個單流用戶或者 4個雙流用戶同時傳輸。LTE/LTE-A 中的 MIMO 技術標準化進程如表1所示。受移動終端尺寸、功耗以及外觀的限制，想要進一步提高數據的傳輸能力，一個直觀的方法就是增加并行傳輸的數據流個數或者增加基站天線端口數目。

2 大規模MIMO技術

    2010年，Bell實驗室的科學家Marzetta在多小區、TDD場景下，提出了大規模MIMO的概念^[2]，從而發現了與單小區、有限數量天線時的一些不同特征。大規模MIMO技術是指基站配置了龐大的天線數量^[3]，通常是一百根或者是幾百根，較現有通信系統中天線數增加幾個數量級以上，在相同的時頻資源上同時服務多個用戶，且移動終端一般采用單天線接收的通信方式。大規模MIMO的基本模型如圖1所示。

2.1 大規模MIMO的技術優勢

    大規模MIMO技術的主要優勢如下：

    （1）根天線消耗的功率極低。理想情況下，在總發射功率一定的條件下，每根天線所用發射功率與天線數量成反比例關系，并且在發射信噪比一定的條件下，總的發射功率也與天線的數量成反比例關系。因此，每根天線所需的發射功率與天線數量的平方成反比。從而有效降低大規模MIMO的應用中所消耗的功率。

    （2）信道“硬化”。當天線數趨于無窮大時，信道矩陣可以采用隨機矩陣的理論進行分析，信道矩陣的奇異值將趨向已知的漸進分布^[4]，并且信道向量將會趨向正交，最簡單的信號處理方法是漸進最優的。

    （3）熱噪聲和小尺度衰落的影響消除。采用線性信號處理方法，熱噪聲和小尺度衰落對系統性能的影響會隨著天線數量的增加而減小，并且熱噪聲和小尺度衰落的影響與小區間的干擾相比可以忽略不計。

    （4）空間分辨率提升。在大規模MIMO系統中隨著基站天線數的增多，波束形成能夠把所傳輸的信號集中到空間的一個點上，即基站能夠精確分辨每一個用戶，從而提高了空間分辨能力。

2.2 大規模MIMO與傳統MIMO性能對比

    在3GPP中，MIMO技術總體上是沿著單用戶MIMO、多用戶MIMO到網絡MIMO的發展進行演進的，相比傳統MIMO技術，大規模MIMO技術的性能體現在諸多方面，表2中給出了傳統MIMO與大規模MIMO之間性能對比。

2.3 大規模MIMO應用場景

    大規模的多天線MIMO技術在第五代移動通信系統中的應用場景如圖2所示，宏蜂窩和微蜂窩兩種小區在5G大規模天線陣列應用場景下共存，網絡主要分為同構與異構網絡兩類，而場景則分成室內場景和室外場景，由測試的相關性文獻知，陸地上有約70%的移動通信系統的通信是出自室內，所以可以將大規模的MIMO信道分為微小區基站對室內或室外用戶，宏小區基站對室內或室外用戶，同時也可以將微小區作為中繼基站傳輸信息，信道也可以分為宏小區基站和微小區基站。基站的天線數可無限增大，并且小區內的移動用戶天線數也可以增加。

3 大規模MIMO信道的測量與建模

    當無線傳播條件理想時，由于大規模的MIMO系統天線數的增加，發射機和接收機間信道向量逐漸正交。下面主要研究并分析大規模MIMO的信道測量和建模。

3.1 大規模MIMO信道的測量

    通過實際無線傳播環境下的信道測量可以有效地驗證大規模MIMO系統的理論信道模型，經測量實際的信道提高整個通信系統的性能^[5]。

    （1）測量2.6 GHz微蜂窩條件下分布式MIMO信道。測量的方法主要是在分布式MIMO下使用3個基站分別配備4組天線單元，令其空間的高度滿足同向極化條件，再用最后一個基站去配置一個天線單元，由圓柱形均勻陣列配置為64組雙極化天線單元組成的移動臺，經分析不同基站間通信鏈路大尺度衰落的互相關性求出不同位置大尺度的信道衰落值。

    （2）128單元線性陣列的測量方法。文獻[6]描述了工作在2.6 GHz條件下，不同的視距下進行傳播的26個用戶，非視距情況下進行傳播的10個用戶，并且部署128單元陣列天線于基站端，同時設定半個波長為天線間距，7.3 m作為天線陣列的長度，通過驗證上述配置下的大規模MIMO信道可知當一些不可見的散射或變化較大的散射功率值存在時大規模天線陣列是無線傳播的信道，不能看成是廣義的平穩過程，不過因為天線陣列非平穩性與近場的效應可以去除用戶間的相關性，以此來提供一個相對穩定與低干擾的信道環境。

3.2 大規模MIMO信道建模

    由于5G技術的飛速發展，使得大規模MIMO信道建模表現出了一些新特性。例如在基站端大規模陣列天線部署時需用球面波替換為平面波^[7]，將信道能量集中于有限的空間。信道不再獨立同分布。隨著不斷增大的基站端天線陣列使得只有不同的天線單元可以看見不同的散射體，用非靜態特性來表征衰落^[8]。

4 信道狀態信息獲取技術

    貝爾實驗室提出了大規模的MIMO系統TDD模式的傳輸方案，其在蜂窩網絡中的移動用戶（一般設定為單天線）傳輸互為正交的導頻信號到基站端，通過接收導頻信號到目標基站，根據信道估計的上行鏈路CSI的值，使用TDD系統的上下行鏈路互易性，用上行鏈路CSI的共軛轉置表征下行鏈路的CSI。從而傳輸上行信號的檢測和下行的預編碼，在小區用戶的數目變多時，信道估計的導頻開銷也會增加，尤其是在中高速移動通信的情況下，導頻開銷會占據絕大部分的時頻資源，所以在TDD傳輸模式導頻受限時研究大規模MIMO的CSI技術具有很大實用性的價值。相比于FDD模式，TDD模式可以提供更理想的獲取CSI的方法。

5 大規模MIMO預編碼技術

    已經有研究表明在突破系統下行容量的瓶頸上大規模的MIMO預編碼技術發揮了至關緊要的作用。現如今在大規模的MIMO下行傳輸[9]中大量地用發射機信號處理的技術目的就是為了把大規模的MIMO系統復雜度從終端側轉換為基站側，目前主要有線性和非線性的預編碼算法，線性由ZF，MF預編碼以及塊對角化(Block Diagonalization，BD)組成，而非線性則含有臟紙編碼(Dirty Paper Coding，)DPC、輔助網格法、矢量微擾法(Vector Perturbation，VP)等等。

5.1 線性預編碼

    目前的線性與非線性預編碼技術已經取得了廣泛的研究，使得大規模的MIMO預編碼技術能夠減輕系統性能受到導頻污染的影響，下面將會著重介紹典型線性預編碼算法。

    （1）ZF迫零式預編碼。在文獻[10]中提出了ZF預編碼采用由偽逆矩陣替換的信道參數。在文獻[11]中，當滿足基站天線數M與終端數K的比值α恒定時，通過同時增加M和K，可以將矩陣Trace{(G^HG)^-1}收斂于1/(α-1)，其中A^H代表矩陣A的Hermite共軛轉置。

    (2)MF匹配濾波。在ZF預編碼中對k×k維的矩陣求逆運算，將增加算法計算的復雜度，在大規模的MIMO中，G^HG/M逐漸趨近于單位矩陣，通過簡化該矩陣求逆運算，使ZF預編碼的性能趨于MF預編碼性能，在天線陣列的擴大情況下，MF預編碼矩陣將無限接近于ZF。

    (3)基于MMSE的預編碼。在多小區大規模MIMO系統中設計預編碼方案時需要考慮訓練序列的分配問題，在文獻[12]中提出的MMSE預編碼方案能減輕導頻的污染，相比于單小區的場景MMSE預編碼矩陣由目標函數的最優解求得，其中主要由同一小區用戶所接收的信號均方誤差和交叉小區的用戶之間所發生的均方干擾建立目標函數。

5.2 非線性預編碼

    非線性的預編碼是由向量擾動（VP）^[13]、DPC以及輔助網絡方法[14]等構成，在蜂窩小區中M和K不是特別大時，非線性預編碼能夠表現出一定優勢，在文獻[15]中提到帶有完整CSI的VP中SNR近似的表達式。

6 大規模MIMO系統信號檢測算法

    基站將時頻的資源分給不同的用戶，向大量的用戶來提供服務，在多小區多用戶的大規模MIMO系統中在小區的終端把傳輸的信號發送到小區基站的同時，基站能由空間簽名把接收到的上行信號用于檢測。

6.1 線性檢測

    當小區內基站配備了大規模的天線陣列時，如果能夠滿足信干噪比（SINR）比較低的條件，那么MRC 接收機的性能能夠達到最佳線性接收機(OLR)性能，不過當處于高SINR條件下低于OLR；在干擾比較大的情況下，OLR性能相比于典型 MMSE 接收機系統的性能將有所優化。

6.2 非線性檢測

    （1）基于樹形結構（TB）的算法。球解碼（SD）^[16]可以說是典型的非線性檢測的算法，SD其實是一個極大似然(ML)的解碼器。SD算法的缺點是僅僅考慮到特定半徑內的點，為了找到任意的信令點，要擴大半徑范圍，在已有的低復雜度的TB中只增加最有價值的節點部分便能有效地降低搜索的復雜度。

    （2）隨機步長(Random Step，RS)法。該算法原理為：選取一個初始的向量，評估其周邊矢量N_Neigh需要MSE為條件，以此選取MSE為最小向量，將上述過程重復N_iter次。

7 結束語

    大規模MIMO技術被業界認為是未來5G中的一項關鍵技術，它對無線通信系統的信道容量、能量效率和頻譜效率等有顯著提高作用，本文詳細分析了MIMO技術的標準化進程，大規模MIMO與傳統MIMO相比的性能優勢，分析比較了大規模MIMO的應用場景、信道測量和信道建模，并且分析了大規模MIMO系統下的信道估計技術，預編碼技術以及信號檢測技術，在未來，由于大規模MIMO對硬件復雜度的要求更高，導頻污染的存在限制了系統性能的提升，仍有許多的挑戰亟待完成。

參考文獻

[1] HUH H，CAIRE G，PAPADOPOULOS H C，et al.Achieving"massive mimo" spectral efficiency with a Not-so-Large Number of Antennas[J].IEEE Transactions on Wireless Communications，2011，11(9)；3226-3239.

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

[3] 邱玲.多用戶、多小區MIMO通信技術[M].北京：人民郵電出版社，2011.

[4] TULINO A M，VERDU S.Random matrix theory and wireless communications[J].Communications & Information Theory，2004，1(1)：1-182.

[5] GAO X，EDFORS O，RUSEK F，et al.Linear pre-coding performance in measured very-large mimo channels[C].Vehicular Technology Conference，2011 IEEE.

[6] PAYAMI S，TUFVESSON F.Channel measurements and analysis for very large array systems at 2.6 GHz[C]//European Conference on Antennas and Propagation.2012：433-437.

[7] ZHOU Z，GAO X，FANG J，et al.Spherical wave channel and analysis for large linear array in LoS conditions[C]//IEEE GLOBECOM Workshops.IEEE，2015.

[8] GAO X，TUFVESSON F，EDFORS O.Massive MIMO channels—Measurements and models[C]//Asilomar Conference on Signals，Systems and Computers，2013：280-284.

[9] HARASHIMA H，MIYAKAWA H.Matched-transmission technique for channels with intersymbol interference[J].IEEE Transactions on Communications，1972，20(4)：774-780.

[10] LI H，LEUNG V C M.Low complexity zero-forcing beamforming for distributed massive MIMO systems in large public venues[J].Journal of Communications & Networks，2013，15(4)：370-382.

[11] HOCHWALD B，VISHWANATH S.Space-time multiple access：linear growth in the sum rate[J].Proc.annual Allerton Conf.communications Control & Computing，2003.

[12] JOSE J，ASHIKHMIN A，MARZETTA T L，et al.Pilot contamination and precoding in multi-cell TDD systems[J].IEEE Transactions on Wireless Communications，2011，10(8)：2640-2651.

[13] HOCHWALD B M，PEEL C B，SWINDLEHURST A L.A vector-perturbation technique for near-capacity multiantenna multiuser communication-part II: perturbation[J].IEEE Transactions on Communications，2005，53(1)：195-202.

[14] WINDPASSINGER C，FISCHER R F H，HUBER J B.Lattice-reduction-aided broadcast precoding[J].IEEE Transactions on Communications，2005，52(12)：2057-2060.

[15] RYAN D J，COLLINGS I B，CLARKSON I V L，et al.Performance of vector perturbation multiuser MIMO systems with limited feedback[J].Communications IEEE Transactions on，2009，57(9)：2633-2644.

[16] LARSSON E G.MIMO Detection methods：how they work[Lecture Notes][J].IEEE Signal Processing Magazine，2009，26(3)：91-95.

作者信息：

王茜竹，邱聰聰，黃德玲

（重慶郵電大學 通信與信息工程學院，重慶400065）