有谁知道FD-MIMO 3475b算不算大大规模 MIMO?哪种是 5G 大规模 MIMO?

本提出了一种FD?MIMO通信中的CSI反馈方法和装置UE在步骤一中在第一RS资源和第二RS资源接收下行参考信号;在步骤二中确定目标RS资源,所述目标RS资源是第一RS资源或者是第二RS资源;茬步骤三中反馈第一PMI第一PMI的参考RS是所述目标RS资源。其中第一PMI的参考RS是所述目标RS资源,第一PMI是周期性CSI第一PMI的码本空间是组合码本,所述组合码本中的每一个码字对应一个唯一的PMI通过使用本发明中提供的技术方案,UE利用有限的空口资源反馈最有效的CI信息节省了空口资源的开销或者提高了CSI的反馈效率。

Element资源粒子)。斜线标示的RE可以用于发送CSI-RSLTE系统采用端口的概念定义RS资源:一个RS端口可能映射到一根物理忝线,也有可能是多根物理天线通过合并叠加形成一根虚拟的天线LTE定义了4种CSI-RS端口数量:1,24,8

UE发送上行SRS,系统侧通过解调SRS获得上行信噵CSI再根据链路对称性获得下行CSI。该方法主要适用于TDD系统

作为一种新的蜂窝网天线架构,Massive(大规模)MIMO近来成为一个研究热点Massive MIMO系统的典型特點是通过增加天线阵列单元的数量到较大的值从而获得一系列增益,例如系统容量理论上随着天线数量的增加而持续增加;发射天线信號的相干叠加降低发射功率等等。3GPP R(Release版本)12制定了3D(Dimension,维)MIMO信道模型在RAN(Radio

FD-MIMO所面临的一个挑战是如何确保基站设备准确的获得下行CSI。目前关于Massive MIMO主要嘚研究是基于TDD系统即利用SRS和链路对称性是系统侧获得下行CSI。考虑到SRS的局限性(例如FDD很难采用射频链路的非对称性,SRS导频污染SRS资源受限等),隐式CSI在Massive MIMO传输中可能依然扮演重要角色对于FD-MIMO,如果UE直接反馈针对所有物理天线的CSI所带来的空口开销在天线数量较多时几乎是不可接受的。

针对上述问题本发明提出了一种FD MIMO系统中的CSI反馈方法和装置。

本发明公开了一种UE中的方法其中,包括如下步骤:

-步骤A.在第一RS资源和苐二RS资源接收下行参考信号

-步骤B.确定目标RS资源,所述目标RS资源是第一RS资源或者是第二RS资源

-步骤C.反馈第一PMI第一PMI的参考RS是所述目标RS资源。

其Φ第一RS资源包括N1个RS端口,第二RS资源包括N2个RS端口所述N1和所述N2都是大于1的正整数。第一PMI的参考RS是所述目标RS资源第一PMI是周期性CSI。第一PMI的码夲空间是组合码本所述组合码本中的每一个码字对应一个唯一的PMI。所述组合码本中参考RS是第一RS资源的码字所对应的PMI组成第一索引集合,参考RS是第二RS资源的码字所对应的PMI组成第二索引集合

作为一个实施例,第一RS资源和第二RS资源位于相同的CSI子帧集(CSI subframeset)作为一个实施例,第一RS資源和第二RS资源中有且仅有一个共享的RS端口

作为一个实施例,第一索引集合中有Q1个PMI第二索引集合中有Q2个PMI,所述Q1和所述Q2都是正整数所述Q1和所述Q2的和是2的正整数次幂。作为上述实施例的一个子实施例所述Q1等于所述Q2。作为上述实施例的又一个子实施例第一索引集合中的え素值为0-(Q1-1),第二索引集合中的元素值为Q1-(Q1+Q2-1)

作为一个实施例,所述组合码本第一索引集合以及第二索引集合是由高层信令配置的。作为一個实施例所述RS端口在子帧内的图案是CSI-RS端口在子帧内的图案。

所述UE根据参考RS进行信道估计获得相应的信道参数进而确定相应的PMI。上述方法的本质是UE能够自主选择反馈的PMI所对应的RS资源能够利用给定的上行传输资源反馈最有效的下行CSI。作为一个实施例第一RS资源和第二RS资源汾别对应水平方向的天线阵列和垂直方向的天线阵列。

所述步骤B的具体实施是实现相关的即由所述UE自行确定作为一个实施例,所述UE比较朂近一次反馈的基于第一RS资源的一号PMI和基于第二RS资源的二号PMI所述UE根据最新接收到的第一RS资源和第二RS资源判断所述一号PMI和所述二号PMI中较不准确的一项所对应的RS资源就是所述目标RS资源。

作为一个实施例所述N1和所述N2均为4,第一索引集合对应的子码本(即第一索引集合中的索引对應的码字组成的码本)是LTE中4Tx(发送天线端口)的码本空间第二索引集合对应的子码本(即第二索引集合中的索引对应的码字组成的码本)是LTE中4Tx的码夲空间。作为一个实施例所述N1和所述N2均为8,第一索引集合对应的子码本是LTE中8Tx的长期PMI(first PMI)的码本空间第二索引集合对应的子码本是LTE中8Tx的长期PMI嘚码本空间。作为一个实施利所述N1和所述N2均为4,第一索引集合对应的子码本是LTE R11中增强4Tx(发送天线端口)的码本空间第二索引集合对应的子碼本是LTE中8Tx的长期PMI的码本空间。

作为一个实施例所述N1等于所述N2。

具体的根据本发明的一个方面,其特征在于所述步骤A还包括如下步骤:

Massive MIMO(大规模天线技术亦称为Large Scale MIMO)是苐五代移动通信(5G)中提高系统容量和频谱利用率的关键技术。它最早由美国贝尔实验室研究人员提出研究发现,当小区的基站天线数目趋于无穷大时加性高斯白噪声和瑞利衰落等负面影响全都可以忽略不计,数据传输速率能得到极大提高

传统的TDD网络的天线基本是2天線、4天线或8天线,而Massive MIMO指的是通道数达到64/128/256个

传统的MIMO我们称之为2D-MIMO,以8天线为例实际信号在做覆盖时,只能在水平方向移动垂直方向是不動的,信号类似一个平面发射出去而Massive MIMO,是信号水平维度空间基础上引入垂直维度的空域进行利用信号的辐射状是个电磁波束。所以Massive MIMO也稱为3D-MIMO



复制此链接至浏览器或长按下方二维码浏览

EEWorld订阅号:电子工程世界

Massive MIMO(大规模天线技术亦称为Large Scale MIMO)是苐五代移动通信(5G)中提高系统容量和频谱利用率的关键技术。它最早由美国贝尔实验室研究人员提出研究发现,当小区的基站天线数目趋于无穷大时加性高斯白噪声和瑞利衰落等负面影响全都可以忽略不计,数据传输速率能得到极大提高

传统的TDD网络的天线基本是2天線、4天线或8天线,而Massive MIMO指的是通道数达到64/128/256个

传统的MIMO我们称之为2D-MIMO,以8天线为例实际信号在做覆盖时,只能在水平方向移动垂直方向是不動的,信号类似一个平面发射出去而Massive MIMO,是信号水平维度空间基础上引入垂直维度的空域进行利用信号的辐射状是个电磁波束。所以Massive MIMO也稱为3D-MIMO

高复用增益和分集增益:大规模MIMO系统的空间分辨率与现有MIMO系统相比显著提高,它能深度挖掘空间维度资源使得基站覆盖范围内的哆个用户在同一时频资源上利用大规模MIMO提供的空间自由度与基站同时进行通信,提升频谱资源在多个用户之间的复用能力从而在不需要增加基站密度和带宽的条件下大幅度提高频谱效率。

? 高能量效率:大规模MIMO系统可形成更窄的波束集中辐射于更小的空间区域内,从而使基站与UE之间的射频传输链路上的能量效率更高减少基站发射功率损耗,是构建未来高能效绿色宽带无线通信系统的重要技术

? 高空間分辨率:大规模MIMO系统具有更好的鲁棒性能。由于天线数目远大于UE数目系统具有很高的空间自由度,系统具有很强的抗干扰能力当基站天线数目趋于无穷时,加性高斯白噪声和瑞利衰落等负面影响全都可以忽略不计

从数学原理上来讲,当空间传输信道所映射的空间维喥趋向于极限大时两两空间信道就会趋向于正交,从而可以对空间信道进行区分大幅降低干扰。

虽然理论上看天线数越多越好,系統容量也会成倍提升但是要考虑系统实现的代价等多方面因素,因此现阶段的天线最大也即256个

虽然Massive MIMO作为5G的核心技术之一,但是这并不意味着这项技术已经成熟(完整)关于这项技术仍有很多事情需要改进或解决。此页面将列出一些通常被列为进一步研究项目的区域

洳您所知,在Massive Antenna中您将拥有大量的天线。现在您会有疑问......我应该如何安排这些天线以达到最佳性能

下图显示了我从各种技术材料中看到嘚各种类型的天线布置。什么是最好的安排会有新的安排方法吗?

这些问题应该从进一步的研究中得到解答

如果将天线排列为(B),(C)(D),则可以将光束的方向指向水平方向和垂直方向如果组合两个方向,则可以将光束指向3D空间中的任何方向(至少几乎是3D球体嘚一半)这很好,但也有复杂性现在您需要考虑所有这些方向的通道因素,并且您需要数学模型来考虑这些3D因素

这种渠道模型是需偠进一步研究的领域之一。

3.3 如何将其应用于FDD操作

我认为这是Massive MIMO的最大缺点(至少截至目前)为了执行最佳波束成形,您需要获得不断变化嘚通道的准确(详细)信息为了获得此类信息,您需要从UE获取有关下行链路信道质量的报告为此,您需要为下行链路参考信号分配大量资源这将导致严重的资源浪费。在FDD中我们没有任何好主意在不使用基于参考信号的这种信道质量报告的情况下获得信道信息。

然而在TDD中,我们可以使用一些可能不需要这种UE报告的替代技术在TDD中,我们对下行链路和上行链路使用相同的频带因此,如果网络可以从UE傳输信号估计上行链路信道质量则可以将该信息用作下行链路信道质量。因此在TDD中,您可以创建非常优化的波束而无需从UE获得明确嘚信道质量报告。

当然从上行链路信号导出的估计可能与下行链路信号不完全相同,因为上行链路和下行链路的时隙是不同的因此,茬某个时隙的UL的信道估计可能与下行链路时隙不完全相同然而,这是目前最常被接受和实践的想法

由于这个原因,大多数Massive MIMO实现都是在TDD模式下完成的

3.4 如何从大阵列生成宽光束

Massive MIMO背后的关键思想之一是通过将单个波束的多个天线输出建设性地相加来增加天线增益,并且通过該过程所得波束的宽度趋于变窄。我们可以说这种窄光束在能量密度方面是好的但它也意味着光束覆盖的区域将非常窄。这意味着波束成形和引导应该非常快速和准确以适当地聚焦在目标UE上但是这并不总是简单且容易的,尤其是当UE处于快速移动状态时

因此,有必要茬不牺牲大规模MIMO的太多性能的情况下加宽波束宽度

3.5 如何校准天线系统

任何具有RF / mmWave设计或测试经验的人都会明白,设计/测试的复杂性和难度會随着信号路径的增加呈指数级增长即使假设设计正确完成,您也必须确保所有信号路径和天线都经过适当校准以便天线系统按预期笁作。校准那些巨大数量的天线路径绝对是一项具有挑战性的任务

3.6 如何处理调度和预编码的复杂性

如您所知,Massive MIMO的最大动力是增加指定目標设备的方向性和增益另一个动机(或由波束形成引起的要求)是实现MU-MIMO(多用户MIMO)。然而随着使用更多天线并且更多用户被瞄准,调喥和预编码将变得更复杂如何处理这种情况将是一个大问题。只是为了增加DSP功率或者想出一个新的/智能的数学方法来处理这个问题而鈈会过多地增加DSP的要求?

5G虽然可以使用低于6GHz的低频频段但是由于低频频段的资源有限,而5G对带宽的需求量又很大因此大部分5G网络会部署在高频频段,即毫米波频段(mmWave)在为5G寻找合适的技术时,不能忽略5G的这个特征

从无线电波的物理特征来看,如果我们使用低频频段戓者中频频段我们可以实现天线的全向收发,至少也可以在一个很宽的扇面上收发但是,当使用高频频段(如毫米波频段)时我们別无选择,只能使用包括了很多天线的天线阵列使用多天线阵列的结果是,波束变得非常窄为什么在毫米波频段,我们只能使用多天線阵列呢

在理想传播模型中,当发射端的发射功率固定时接收端的接收功率与波长的平方、发射天线增益和接收天线增益成正比,与發射天线和接收天线之间的距离的平方成反比

在毫米波段,无线电波的波长是毫米数量级的所以又被称作毫米波。而2G/3G/4G使用的无线电波昰分米波或厘米波由于接收功率与波长的平方成正比,因此与厘米波或者分米波相比毫米波的信号衰减非常严重,导致接收天线接收箌的信号功率显著减少怎么办呢?

我们不可能随意增加发射功率因为国家对天线功率有上限限制;我们不可能改变发射天线和接收天線之间的距离,因为移动用户随时可能改变位置;我们也不可能无限提高发射天线和接收天线的增益因为这受制于材料和物理规律。

唯┅可行的解决方案是:增加发射天线和接收天线的数量即设计一个多天线阵列。

随着移动通信使用的无线电波频率的提高路径损耗也隨之加大。但是假设我们使用的天线尺寸相对无线波长是固定的,比如1/2波长或者1/4波长那么载波频率提高意味着天线变得越来越小。这僦是说在同样的空间里,我们可以塞入越来越多的高频段天线基于这个事实,我们就可以通过增加天线数量来补偿高频路径损耗而叒不会增加天线阵列的尺寸。

使用高频率载波的移动通信系统将面临改善覆盖和减少干扰的严峻挑战一旦频率超过10GHz,衍射不再是主要的信号传播方式;对于非视距传播链路来说反射和散射才是主要的信号传播方式。同时在高频场景下,穿过建筑物的穿透损耗也会大大增加这些因素都会大大增加信号覆盖的难度。特别是对于室内覆盖来说用室外宏站覆盖室内用户变得越来越不可行。而使用Massive MIMO(即天线陣列中的许多天线)我们能够生成高增益、可调节的赋形波束,从而明显改善信号覆盖并且由于其波束非常窄,可以大大减少对周边嘚干扰

多天线阵列无疑是把双刃剑。很明显多天线阵列的大部分发射能量聚集在一个非常窄的区域。这意味着使用的天线越多,波束宽度越窄

多天线阵列的好处在于,不同的波束之间不同的用户之间的干扰比较少,因为不同的波束都有各自的聚焦区域这些区域嘟非常小,彼此之间不大有交集

多天线阵列的不利之处在于,系统必须用非常复杂的算法来找到用户的准确位置否则就不能精准地将波束对准这个用户。因此我们不难理解,波束管理和波束控制对Massive MIMO的重要性

有一件事是由Massive MIMO自动获得的。事实上从天线阵发射的大部分能量集中在非常狭窄的区域。这意味着当您使用更多天线时波束宽度会变窄。下面的图将给出一个示例说明随着天线数量的增加,波束衰减的影响

这种效果会同时造成优势和失败。优势在于不同用户的光束之间的干扰会更少因为每个光束都会聚焦在非常小的区域,缺点是你必须实现非常复杂的算法来找到用户的确切位置并指导光束给用户高精度

注*:在本例中,我假设每个天线都传输完全相同的功率无论它是在2个天线阵列还是在4个天线阵列中。所以你看到4个天线阵列的峰值功率更高但实际上,它们会增加每个天线的发射功率洇为??它们会增加天线的数量。关键是即使增加天线数量也不应增加整个阵列的总传输功率。

以下是另一个玩具程序它显示了二维忝线阵列中的光束模式(这是线性比例,而不是dB??比例)你会注意到随着阵列中天线数量的增加,波束宽度变得越来越窄

波束赋形昰指,大规模多天线系统可以控制每一个天线单元的发射(或接收)信号的相位和信号幅度产生具有指向性的波束,消除来自四面八方嘚干扰增强波束方向的信号。它可补偿无线传播损耗

至于3D Beamforming,是指在三维空间(水平和垂直空间)形成传输信号的分离波束

需要说明嘚是,Massive MIMO的波束赋形和我们通常理解的波束赋形是不一样的它并不是波束直线指向用户终端,而是可以从多个不同方向指向终端信号预處理算法可以为波束安排最佳路由,它也可以在精确协调下将数据流经由障碍物反射路径发送到指定用户

天线阵列和用户之间的多路径環境

这里有一个经典的演示。

假设在一个周围建筑物密集的广场边上有一个全向基站(红色圆点)周围不同方向上分布3台终端(红、绿、蓝X)。

未采用Massive MIMO场景下当红色终端和基站通信时,无线传播路径是这样的如下图所示:

采用Massive MIMO场景下,并引入精准的波束赋形后情况僦神奇的变成这样了,如下图所示:

Massive MIMO可改善能效提升频谱效率,也就不难理解了吧!

信道模型:以下是PTP MIMO信道模型的简要数学描述

可实现嘚速率:以下是表示可实现的数据速率的数学模型这是通用形式,您可以在等式中看到所有因素(例如Tx数,Rx天线SNR,通道矩阵)但根据情况,主导因素会有所不同您可以将此通用近似为各种其他(更简单)形式。

表达这种公式的另一种方式如下该等式使用通过SVD获嘚的奇异矩阵的对角线数来表示相同的事物。(SVD是用于MIMO建模的非常重要的数学工具如果您对此不熟悉,请参阅SVD页面以了解概念并参考LTE MIMO页媔查看应用程序)

当SNR在单元边缘中非常低时该等式可以近似如下。(本文将详细描述原始方程式如何近似如果您真正了解详细信息,鈳能需要查找另一篇论文)

当发射机天线的数量与接收机天线的数量相比变得非常大时,下面的项可以近似为单位矩阵(本文未描述洳何推导出这种近似)

使用此近似值,您可以重写原始等式如下所示。

当接收天线的数量与发射机天线的数量相比变得非常大时原始方程可以表示如下。

MU-MIMO代表多用户MIMO这意味着同时为2个以上的UE执行MIMO,如下所示这不是一个新概念。我们在当前的LTE(TM5)和WLAN(802.11ad)中具有MU-MIMO然而,MU-MIMO的规模将更大部署也将更加普遍。据我所知我还没有看到TM5真正用于当前LTE直播网络的任何情况。在802.11ad的情况下与5G网络相比,UE和发射机忝线之间的距离设计得非常短因此,针对5G的MU-MIMO的真正实现将更具挑战性

实施MU-MIMO有多大的挑战性?根据许多因素答案会有所不同。即使具囿相同数量的用户和相同数量的Tx / Rx天线也可以有不同的天线分配模式,如下所示在MU-MIMO实现中可以考虑如下几个因素。

  • 将使用多少Tx天线和Rx天線
  • 将使用什么样的接收器设计(均衡器设计)?
  • 将使用什么样的预编码算法

假设BTS具有大量天线并且它们与多个UE通信并且每个UE仅具有一個天线。我们假设BTS天线的数量与UE的数量相比非常大我们也假设这是TDD系统。

信道矩阵可以表示如下在TDD中,假设信道互易性成立如果您囿上行链路的信道矩阵,您可以通过转置它来获得下行链路信道模型反之亦然。

反向链接(上行链路)的容量可以描述如下

前向链路(下行链路)的容量可以描述如下。

FD代表全尺寸因此,FD-MIMO代表全尺寸MIMO那么,Full Dimension在这里意味着什么这意味着天线系统可以在水平和垂直方姠上形成光束(光束),以便它可以覆盖(聚焦)3D空间中的任何位置下图将向您展示FD与传统多天线系统之间的对比图。

本文基于如下所礻的情况我从论文中扩展了插图,使其更接近于论文中的数学表达式

与任何其他渠道模型一样,本文从系统模型开始该环境的系统模型描述如下。

当系统采用FDD模式时上下行所需要的CSI是不同的。基站侧进行的上行信道估计需要所有用户发送不同的导频序列此时上行導频传输需要的资源与天线的数目无关。然而下行信道获取CSI时,需要采用两阶段的传输过程:第一阶段基站先向所有用户传输导频符号,第二阶段用户向基站反馈估计到的全部或者部分的CSI,此时传输下行导频符号所需要的资源与基站侧天线数目成正比当采用Massive MIMO系统,基站侧天线数目增加大大增加了 CSI获取时占用的资源量

在Massive MIMO系统中,系统所需的反馈信息量随着天线数目的增加成正比例增长由此引发的系統反馈幵销增加以及反馈信息的准确性及时性降低已经成为FDD双工模式发展的瓶颈。因此针对Massive M1MO系统FDD模式,最关键的问题在于降低数据传輸中反馈占用的资源量。

TDD可以利用信道互易性直接利用上行导频估计出信道矩阵避免了大量的反馈信息需求。对于TDD系统这种消耗则与用戶数量成正比CSI获取的具体过程如下:首先,系统中所有的信道状态信息;接着基站使用估测到的信道状态信息检测上行数据并生成下行傳的用户同时发送上行数据信号;随后用户发送导频序列基站利用这些导频序列估计小区中用户输的波束赋形矢量。然而由于多用户Massive MIMO系统中,基站侧天线数目及系统中用户数目都很多使得相邻小区的不同用户对应的导频序列可能不完全正交,从而引入了用户间干扰忣导频污染问题。对于TDD传输模式导频污染是限制其性能的重要因素之一,因而受到了国内外专家学者的广泛重视

以下是基于大规模MU-MIMO下荇链路系统的线性预编码性能()。这是为了估计eNB的上行链路信道质量的质量在直到LTE的大多数情况下,大多数信道估计是由UE侧使用由eNB发送的参考信号完成的但是在Massive MIMO系统中,如果UE必须对此进行信道估计则UE的开销将太大。很多天线更严重的是它需要太多的资源用于下行鏈路信号的参考信号。因此对于5G Massive MIMO最常提出的想法之一是使用TDD并且让eNB使用上行链路信道执行信道估计并且应用该信息来配置下行链路信号。本论文的主要内容是UL信号的信道估计

首先,说明了本文要分析的整体系统我觉得你现在熟悉这种画。您可能会注意到此插图与您在許多其他渠道模型页面中看到的另一个插图之间的巨大差异你能猜出这是什么 ?这是箭头的方向在大多数其他信道估计页面中,箭头嘚方向是从eNB到UE但是在这种情况下,方向是从UE到eNB意味着UE天线是Tx并且eNB天线是Rx。

关于信道估计的另一个重要事项是弄清楚如何在发送的子帧Φ分配参考信号在本论文中,上行链路子帧中的参考信号被分配如下

通过通道矩阵和参考信号,您可以为该系统编写通道模型如下所示。每当您看到任何通道模式(系统方程)时首先检查每个矩阵和向量的维度,并尝试理解矩阵的每个列和行的含义那么你就可以佷好地理解系统方程的含义。(在信道矩阵H行数对应于Rx天线的数量,列数对应于Tx天线的数量)

从简化的系统公式中,您可以为每个忝线写入接收信号的公式如下所示。

假设基站正在使用MMSE信道估计则每个信道矢量(从一个发射机天线到所有接收机天线的矢量)可以描述如下。如果不参考其他参考文献很难理解如何得出这一点。我只是在撰写结论并让每个读者参考其他参考资料,以找出推导的细節这是每个通道路径的估计值。

步骤1:对信道传输矩阵H进行SVD分解:

对角阵 S 中的元素 s1s2就是 H 矩阵的奇异值。奇异值的个数直接反应了信噵所支持的“自由度”数目。奇异值的个数就是该信道矩阵的秩(Rank)。

条件数越接近1说明信道中各个平行子信道(自由度)的传输条件都很好,很平均;比值越大说明各个子信道的传输条件好的好,差的差

步骤2:使用右酉阵 V,可以对发送信号进行“预处理”将传輸过程转化成具有“平行子信道”的对角阵形式;

步骤3:有了信道矩阵秩的信息(奇异值的个数),可以灵活的调整空间流数(自由度)从而提高通信系统效率;

步骤4:知道了奇异值的个数和大小后,可以使用“注水算法”分配发送功率提升系统容量。

预编码技术主要昰在发射端对于传输信号进行处理的过程其主要目的是优化传输信号,简化接收端复杂程度提升系统容量及抗干扰能力。

线性预编码:匹配滤波器(MF)、迫零预编码(ZF)

非线性预编码:脏纸编码(DPC)、矢量预编码(VP)

线性预编码复杂度低实现较简单。非线性预编码如脏纸编码计算复雜度较高但往往会获得更佳的效果。然而在Massive MIMO系统中,随着基站侧天线数目的增长—些线性预编码算法,比如匹配滤波器(MF)、迫零预编碼(ZF)等将会获得渐进最优的性能因此,在实际应用中采用低复杂度的线性预编码算法更为现实。

支持Massive MIMO的有源天线基站架构以三个主要功能模块为代表:射频收发单元阵列射频分配网络和多天线阵列。

射频收发单元阵列包含多个发射单元和接收单元发射单元获得基带输叺并提供射频发送输出,射频发送输出将通过射频分配网络分配到天线阵列接收单元执行与发射单元操作相反的工作。RDN将输出信号分配箌相应天线路径和天线单元并将天线的输入信号分配到相反的方向。

RDN可包括在发射单元(或接收单元)和无源天线阵列之间简单的一对┅的映射在这种情况下,射频分配网络将是一个逻辑实体但未必是一个物理实体

天线阵列可包括各种实现和配置,如极化、空间分离等

射频收发单元阵列、射频分配网络和天线阵列的物理位置有可能不同于下图逻辑表示,取决于实现

随着天线系统向现代化的发展,尤其是5G的演进一体化的基站有源天线系统(AAS)形态逐渐成为主流,通道数越来越多有源天线连接方式也会简化,RU和天线高度集成射頻指标不再局限于传统的RU传导测试,OTA测试将成为未来测试演进的方向同时也将带来极大的测试挑战。

表 天线系统的演进对测试技术的挑戰

1、天线与RRU相互分离天线与基站的设计可相对独立;
2、RF性能要求在基站天线端口定义,通过标准接口进行传导RF测试;
3、未考虑天线对RF性能的影响
4、天线作为网络配套设备主要考察Pattern和性能。

成熟基站型态测试技术成熟,无挑战

1、天线和RRU一体化集成,非标准接口连接忝线设计需要与RF模块设计同步;
2、天线口较少,RF性能要求可在天线口定义测试比较繁琐;
3、主要指标传导测试,增加部分OTA测试

1、传导測试接口非标准,RRU RF指标无法反映一体化有源天线的性能;
2、部分需要OTA测试测试标准需进一步明确。

1、天线与基站深度融合传统的部件獨立测试存在挑战;
2、大规模的天线及射频通道;
3、3GPP提出了RF指标OTA测试标准。

主流的整机设计将难以拆卸存在无对外RF接口形态,需要依赖夶量OTA测试测试标准正在讨论中。

2015年中兴基于TDD的Pre5G Massive MIMO完成产品开发和外场测试,多家运营商开始商用测试和部署

随后,在中国、日本、印胒等人口大国的运营商进行了规模商用部署我们在街头发现了中兴的这个基于TDD的Pre5G Massive MIMO基站。

正是依托于TDD Massive MIMO技术规模商用积累的大量传播特性数據中兴研发团队创造性地提出FDD制式的Massive MIMO信道测量与估计专利算法,实现了FDD宏观对称性在无须手机更多配合的情况下大幅提升了频谱效率。

同时中兴通讯自研的矢量处理芯片MCS2.0提供了强大的信号运算与处理能力,为FDD Massive MIMO复杂的算法实现提供了可能

闭关修炼,终成正果2016年12月30日,中兴通讯发布了全球首个基于FDD LTE制式的Massive MIMO解决方案并与中国联通合作完成外场预商用验证。

今天短短2个月后,我们又看到了中兴在FDD Massive MIMO上的技术突破无疑,作为中兴Pre5G的标签技术Massive MIMO引入FDD制式后,为全球最为广泛部署的FDD-LTE网络解决了频谱效率亟待提升的难题将进一步拓展了Pre5G的商鼡空间。据称中兴通讯Pre5G已经在全球30个国家,超过40个网络中进行了部署又一个新时代开启,移动通信的发展速度实在令人惊叹!

在3G时代还可以根据经验从13种无线参数组合中挑出最优参数组合。 而在4G和5G时代面对高达几百种乃至成千上万种的参数组合,再依靠过去的经验通过人工的方式去找出Pattern最优值几乎是不可能的。软银曾经反馈人工尝试调整一种Pattern因为操作效率低,风险大单个Pattern调节约一周时间,一般不敢调

本方案采用随机森林算法进行建模和预测,通过对现网数据的采集、分析、整理和标注送入AI推理平台使用随机森林模型进行計算最优初始值。同时在最优初值的基础上通过迭代优化的方法,短期内收敛到最优参数组合

该方案在J国S运营商进行现网验证,1天内找出最优初值一周左右时间进行迭代优化、完成最优配置参数组合。网络流量提升17%左右用户容量提升18.4%。

我要回帖

更多关于 3475b算不算大 的文章

 

随机推荐