下载掌阅APP，畅读海量书库
立即打开
21 世纪以来，随着智能手机、电子书阅读器、平板计算机和其他民用社交网络的普及，无线通信在过去的 20 年内业务量暴增，预示着未来对无线通信的要求将越来越高。5G 作为 4G 技术的延续，将进一步面向智能家居、智慧城市、虚拟现实等多元化领域，这就要求 5G通信系统在满足数据无缝传输要求的前提下，必须朝着更智能多变的方向持续演进：激活网络资源存量；挖掘网络资源增量（新频率资源）；灵活组合，实现多样化网络资源配置。研发进一步增加系统容量和提高频谱效率的新技术，应对能源消耗，实现“低碳绿色”蜂窝网络，成为研究者们开始关注的热点问题之一。
应用传统的 MIMO 技术通信时，所有发射天线在同一时刻发送频率相同的数据流，通过选择适当的预编码矩阵，在不增加频谱利用率和发射功率的情况下，利用空间复用技术和分集技术，提高信道容量和系统可靠性，降低误比特率（ bit error rate，BER ）。这样会使系统面临更复杂的信号处理过程、更严格的同步要求、更多射频链路以及每个射频链路独立的功率放大器带来的功耗问题。并且，随着发射天线数的增多，通信中的能源效率逐渐降低，基站的发射功率和电路的功率损耗已不容忽视，同时也增加了接收端信号检测的复杂度，这些都限制了小型移动终端设备的广泛应用。如何实现能源效率和发射天线数目的平衡？要解决这个问题，必须综合考虑系统带宽、发射功率、发射天线数目、用户数目等因素。
在 MIMO 技术中， V-BLAST 技术因具有较高的频谱效率和系统容量，作为一种发射方案被广泛采用。而其系统结构中，拥有少数接收天线，需增加接收机的复杂度，适用性降低。 2006 年， Mesleh 等在MIMO技术的基础上首次提出了空间调制（ spatial modulation，SM ）的概念 [52] 。 SM 技术作为一种单一无线电频率的单输入多输出技术，不仅避免了传统MIMO技术的信道间干扰、天线同步、 BLAST 系统的错误传输及接收天线数量限制等问题，而且相比传统的单天线系统，获得了更高的传输速率，从而提高了系统的频谱利用率和能源效率 [53] ，为进一步开发高效节能的无线架构、传输协议、中继合作提供了条件。 SM 技术作为一种新的三维自适应调制方法，充分利用了空间域，把发射天线序列号也作为一种信源信息进行传输。从统计特性上看， SM 系统（一个发送天线的位置信息有别于其他天线）能够根据不同的无线信道容量提供不同的错误概率和频谱利用率[54]。随后， Mesleh [55] 和 Ganesan [56] 等将 SM 技术应用到 OFDM 系统中，不仅从理论上验证了 SM-OFDM 方案的可行性，同时还将该方案的仿真结果分别与双发单收方案和 BLAST 方案进行对比，进一步确立了 SM 技术的优势。 SM 技术利用发射天线携带一部分位置信息参与传输的特性，使系统发射端和接收端的设计有别于其他无线通信系统，因此之后很长一段时间内，学者们的研究主要面向接收端的检测方法和发射端的调制方法这两方面。
一方面， SM 系统接收端不仅需要解调接收到的调制信号，而且需对发射天线的序号进行估计，相比MIMO系统结构较为复杂，因此研究者们对接收端的检测方法进行了大量研究。 2008 年， Mesleh [57] 等在独立同分布的 Rayleigh 衰落信道环境下，完善了 SM-OFDM 方案中基于最大比合并（ maximal ratio combining，MRC ）方式的检测算法，通过改变天线数目和调制阶数，获得比双发单收方案更好的误码性能和复用增益。该检测算法首先对发射天线序号进行估计，然后对接收信号进行解调，实现简单，但不适用于 Ricean 信道等复杂的信道条件，故实用性不强。同年， Jeganathan [58] 等给出了基于最大似然检测的最优 SM 检测算法，通过穷尽搜索得到调制比特信息和天线序号估计，获得最优的误比特率性能，相比双发单收方案和 BLAST 方案性能有很大提高，但算法的复杂度较高，并且随着传输比特率的提高呈现指数级上升趋势，故实用性也不强。此后，研究者们热衷于发展较低复杂度的检测算法。
2008 年， Jeganathan 等 [59] 提出了广义空移键控的调制技术，即多激活天线 SM 技术，将全部输入信息同时映射到多根被激活的天线上，通过优化空间星座图最小化错误概率，使接收端避免了符号解调导致的性能恶化，虽然获得了与最优 SM 检测算法相似的系统性能，但系统复杂度得到显著降低。 2009 年， Alshamali [60] 等在更复杂的相关 Nakagami-m 衰落信道环境下，给出了文献 [57] 中检测算法的平均比特错误概率。 2009 年 5 月， Mesleh 团队正式对 SM 技术进行实际应用项目的研究，主要包括 SM 的理论、系统概念、低复杂度的实用算法等，拉开了 SM 应用技术研究的序幕。
2010 年， Mesleh 团队 [61] 将球形译码 [62] 技术引入到 SM 系统中，通过设置合理的搜索半径，避免了最大似然检测算法的穷尽搜索，大幅减少搜索点数，使接收机得以简化。该团队中成员 Renzo 等 [63] 又在此基础上，在 Rayleigh 衰落信道环境下对单天线空移键控调制技术的性能进行全面分析，对理解 SM 技术的性能发挥了积极的作用。同时，郭明喜 [64] 等深入讨论了 SM 系统的检测算法，打破原有 MRC 检测算法的局限，提出一种适用于一般信道条件的、基于天线序号列表的归一化 MRC 检测算法，并通过仿真验证了该算法的优越性。之后， Serafimovski 等 [65] 提出了基于分数比特编码的 SM 技术，在系统复杂度、误比特率和传输速率之间取得折中。
2011 年， Mesleh 团队 [66] 又对 SM 系统的球形译码算法进行改进，进一步降低接收端复杂度，但该算法对接收端的简化仍然有限。随后 Sugiura [67] 等提出一种改进的匹配滤波检测算法，能获得与最大似然检测算法一致的系统性能，虽然仍需穷尽搜索所有调制比特信息和天线序号的可能，但在搜索时做了大量的简化处理，如估计发射天线序号时，忽略正负号，并将四个象限的星座点映射到一个象限上，从而使接收端减少约 75% 的运算量。同年， Naidoo [68] 等改进了 MRC 方法，提出了次优检测算法，采用信道参数的伪逆矩阵代替共轭转置矩阵估计天线序号，使系统性能得到一定改善，但仍然只适用于部分信道。
另一方面，研究者对发射端的调制技术进行了相关研究。 2011 年， Basar 等 [69] 将空时分组码引入到 SM 系统中，对发送信号进行空时编码，以获得分集增益，从而提高了系统性能。传统 MIMO 系统中，基于反馈的预处理方法 [70-71] 也常被用来提高 SM 系统的性能。 Yang [72] 等则提出一种基于自适应调制的 SM 预处理算法，增加了反馈链路，接收端通过计算信道状态获取反馈信息，并通知发射端进行相应的自适应处理，获得性能改善。
到 2011 为止的研究结果，大多是在简单衰落信道环境下，分析部分 SM 独特的系统性能，提供 SM 性能的基本认识，以及在现实衰落信道环境下，评估其潜力和自适应化等问题。此后， Mesleh 团队在广泛研究点对点网络的基础上，融入虚拟MIMO技术，即网络中多个单天线通过协作方式组成虚拟多天线阵列，与 SM 技术结合减轻自组网络的负担，以发射天线的序列号作为一种信源信息进行传输的思想进一步得到发展，且不仅仅存在于物理层，还带动了对网络层的深入研究。 2012 年， Renzo [73] 等给出了 SM 系统的平均误比特率分析，分析结果表明 SM 系统适用于任意相关衰落信道和各种通用的调制方式，并且更加准确，这些在之前的框架下很难实现。研究中首先通过简单的公式得到最佳的调制方案，完成信息比特到空间星座图的映射；然后利用渐近性能分析，给出了 SM 系统性能增益公式的闭式解；最后研究了衰落信道对系统性能增益的影响。此后， SM 技术作为一种高效、准确传输信息的新技术，被广泛应用到无线通信网络的很多重要研究领域（如数字调制、信号处理、系统容量的估计及无线系统的操作等），研究者们开始对 SM 的优化算法进行深入的研究。
2013 年， Sundaravadivu [74] 等改进了多激活天线 SM 技术，采用 STBC 代替空间调制器，使多个被激活的天线在同一时刻发送不同的符号，降低了误比特率的同时提高了信噪比（ signal-to-noise ratio ， SNR ）。 2014 年， Maleki [75] 等在保持固定传输速率的条件下，结合振幅相位调制的信号调制技术和空间移位键控（ space shift keying ， SSK ）的天线调制技术，研究了最优的星座映射和信号调制方案，在发射天线数和发射功率之间取得折中。 2014 年， Nair [76] 等提出了基于 STBC 和 V-BLAST 的多激活天线 SM 系统的优化算法，即采用最少的激活天线获得高传输速率和高分集复用增益；采用最佳符号间距降低信道间干扰和天线间干扰；采用最优的最大似然检测降低接收端解码复杂度。
2014 年， Renzo [77] 等全面地阐述了 SM 技术的发展状况，提出了一些亟待解决的挑战性问题：设计低复杂度的收发器、配置大规模的天线阵列、实现节能的前端发射机、优化有限数量的射频链路等。 2015 年， Mesleh 等又提出了正交空间调制（ QSM ）的概念，通过两路正交链路同时分别传送信号的实部、虚部信息，提升了传输速率 [78] 。 2015 年， Wang C 等利用贝叶斯压缩感知原理，对 GSM 信号中的稀疏性约束进行了分析和信号恢复，以此来进行检测设计 [79] 。 2016 年后， Xiao L 等基于压缩感知原理分别对 SM 、 GSM 、 QSM 检测算法开展了一系列研究，根据信号的稀疏特性在接收机进行稀疏信号重构 [80-82] 。之后的研究集中考虑信道环境的复杂变化特性，利用深度学习算法、神经网络模型进行更为智能的空间调制信号处理，实现性能更优且兼顾复杂度的检测设计。
SM 作为一种极具潜力的新兴技术，若能实现与天线优化、信道估计、协作通信等技术的进一步融合，必将带来无线通信系统中设计模式的转变，这种转变将深刻影响未来的异构蜂窝网络，不仅仅是为了实现单独的优化能力，而且是出于提高能源效率的综合考虑。目前， SM 技术正处于应用的初级阶段，因而对其进行广泛而深入的研究具有较大的现实意义。