1.5.1 大规模 MIMO 技术简介

随着现代信息社会的不断发展，移动宽带业务将为越来越多的移动终端用户提供信息服务，传输音频信号的传统蜂窝移动通信已被接入互联网的视频、多媒体等宽带移动通信取代。 4G 移动通信虽已达到每秒百兆或千兆比特，但随着智能移动终端设备的普及、其他新移动业务需求的不断增长，传输速率远远不能满足无线通信的要求。同时，全球范围内的移动通信用户和高数据传输业务的增长，给通信系统带来的能源消耗比例也不断增长，具有高速度、泛在网、低功耗、低时延等特点的 5G 能给用户带来更为丰富的基础体验，可采用异构网络、移动云计算等技术，真正实现通信的无缝切换。综上，现有移动通信技术难以满足通信发展对能源效率的需求，在频谱资源日趋紧张的情况下，如何实现频谱效率、能源效率的进一步提高，构建绿色的无线通信系统，是 5G 移动通信面临的主要问题。

传统 MIMO 通信系统，仅在一定程度上提高了频谱效率和功率效率，为了更深入地挖掘空间维度无线资源， 2010 年， Marzetta ^[83] 提出了一种能同时提高系统容量、可靠性和能效的大规模 MIMO 技术。大规模 MIMO 是指基站处设置大规模（数十根甚至数百根以上）天线阵列，考虑终端设备的移动性和处理复杂性，用户只采用单天线的 MIMO 系统。这种大规模 MIMO 系统不但能更充分地利用空间无线资源，提高系统频谱利用率和系统容量，而且能实现干扰抑制，有效降低发射功率 ^[84-85] 。

在时分双工（ time-division duplex ， TDD ）大规模 MIMO 系统中，基站可以通过反向链路的导频序列来估计出下行链路的 CSI ，无需基站间协作，仅采用简单的预处理即可降低小区间干扰和用户间干扰。同时，非相关的加性噪声和快衰落也随着天线数目的无限增加而消失。自大规模 MIMO 的概念被提出后，一大批学者开始转向大规模 MIMO 的研究。

为了获得必要的 CSI 必须进行信道估计。 2011 年， Jose 等 ^[86] 研究了大规模 MIMO 系统中的基站（通过 TDD 技术获得上下行链路的 CSI ），并给出上行接收处理和下行预编码传输的性能分析。

大规模 MIMO 的信道估计势必会引起导频污染，这限制了系统性能的提升，为此研究者们进行了大量研究。 2012 年， Ashikhmin ^[87] 等在 TDD 大规模 MIMO 系统模型下，通过基于慢衰落系数的导频污染预编码（ pilot contamination pre-coding ， PCP ），有效消除小区间干扰。同年， Huh ^[88] 等对大规模MIMO的多用户进行分类优化，利用导频信号和预编码给不同类用户分配不同的时频资源，减轻用户间的导频污染。 Xiang ^[89] 等在基站配置大规模天线，在理想独立同分布的信道条件下，研究了脏纸编码（ dirty-paper coding ， DPC ）、迫零（ zero forcing ， ZF ）和速率算法的系统容量和总速率。随后， Yang ^[90] 和 Marzetta 在 Rayleigh 衰落信道环境下，研究了大规模MIMO的伪逆与 ZF 波束赋形（ beamforming ， BF ）两种线性预编码合成器，并从频谱效率和能源效率角度比较两种方案的性能，指出天线数目增加至无穷多时，无须采用多个基站合作，即可抑制导频污染。

2013 年， Rusek ^[84] 等研究了基站中配备数百根天线的多条信道传输信息模型：在基站内设置大规模天线阵列，基站覆盖范围内的多个用户通过站内大规模天线提供的空间自由度，利用同一时频资源同时与基站进行通信。这种多条信道传输模型不仅带来了大规模MIMO的分集增益，而且进一步提升了用户间频谱资源的复用能力和利用率、通信链路的频谱效率、抗干扰能力，极大地降低了用户与基站间的通信功率。由此，大规模 MIMO 无线通信的优势越来越明显，功率及节能问题开始受到人们的广泛关注。

同年， Ngo ^[91] 等在 Rayleigh 衰落信道环境中，研究了上行大规模 MIMO 系统的能源效率和频谱效率。在保持服务质量不变的情况下，能够大幅度缩减发送功率，并采用简单的 MRC 检测器与 ZF 检测器消除用户间干扰。他指出当发射端能够获得完美 CSI ，单中继的天线数 M 增大到很大、相应的用户发射功率减小到 1/ M 时，可达速率可以收缩到一个常数。随后， Suraweera ^[92] 等研究了源－中继－目的三节点传输模型中，采用 MRC/MRT 和 ZF 方式时中继天线数、发送功率和可达速率的关系。在中继天线趋于无穷多、中继发射功率大幅度减小的情况下，采用 MRC/MRT 和 ZF 的 AF 转发时中继系统可以保持一个给定的可达速率。 Hoydis ^[93] 等在上行链路和下行链路的 TDD 非协作模型中，从信道估计、导频污染和路径损耗等方面综合考虑，研究了中继数和用户数都很大时，系统性能和发射功率的关系。

多用户大规模 MIMO 系统天线数量的增加，在提高系统容量的同时，也导致电路功耗和硬件成本的增加，部分研究者们从容量和系统能效角度出发，制定天线选择准则，并提出相应的优化算法。 2013 年， Ni 等 ^[94] 在多用户模型中，提出了最大化系统容量和最小化发射天线数目的天线选择算法，在保证用户传输速率要求的同时，最大限度地降低了硬件成本。 2014 年， Liu 等 ^[95] 在分布式大规模 MIMO 系统的下行链路中，在能够获得完美 CSI 的情况下，针对天线选择最优组合、联合功率分配和传输速率的凸优化问题，提出了相应的解决算法。同年， Li ^[96] 在单用户大规模 MIMO 系统模型下，在发射功率和电路功耗占不同比重的情况下，针对最大化的系统能效问题提出了两种有效的天线选择方案。之后，李洁 ^[97] 等分析了基于天线选择的多用户大规模 MIMO 下行系统的最大化能效问题，根据多用户信道链路的互异性，提出了一种基于 ZF 预编码的天线选择算法，通过理论推导证明了天线选择数目最优解的存在。

大规模 MIMO 系统要应用于实际中，还将面临很多具体问题，如改善系统覆盖性能、降低单位比特能耗、提高无线资源利用率等，研究者们随后开始关注异构分布式协作网络技术和智能自组网络技术的应用。分布式协作网络要求，不同移动终端、基站、远程天线阵列，由于地理位置的不同，都可以在同一时频资源上协作完成与多个用户终端的通信，形成虚拟 MIMO 通信，打破蜂窝系统中对 MIMO 技术应用的限制。

于是， Kang ^[98] 等研究了具有大规模天线阵列的下行协作基站系统的发射 BF 和功率分配问题。在同时满足用户信干噪比和基站总功率约束的情况下，通过减少协作基站的发射功率实现系统最优功率分配。在有基站功率约束的情况下，利用大规模 MIMO 的性能给出功率分配的封闭表达式。 Adam ^[99] 等研究了广义多用户大规模 MIMO 协作方案的协作信号最优化算法，可以实现任意节点或天线的功率约束，同时容纳任意数目的非线性预编码和检测天线。并通过该优化算法验证了非典型拓扑结构下多用户大规模 MIMO 的系统性能。

上述研究大多针对慢衰落信道进行，尤其是在独立同分布的 Rayleigh 衰落信道环境下分析系统的性能。 2015 年， Yang ^[100] 等研究了大规模 MIMO 系统中下行链路在大尺度衰落条件下的可达速率，给出了已知完美 CSI 和不完美 CSI 两种情况下可达速率的渐进表达式。这表明，人们已经开始关注实际信道条件下大规模 MIMO 系统的相关性能。

传统的小规模 MIMO 无线通信技术已趋于成熟，也存在一定性能局限，大规模 MIMO 通信技术能够深度利用空间维度无线资源，大幅提升频谱利用率和功率效率，目前已成为 5G 通信领域最具潜力的研究方向之一。大规模 MIMO 技术已经引起国内外学者的广泛关注，但相关应用研究还处在起步阶段，更多的深入研究工作有待进一步开展。

1.5.2 大规模MIMO技术现状分析

目前，大规模 MIMO 技术仍处在起步阶段，其潜在的技术优势有待进一步探寻，这不仅需要研究典型应用场景的信道模型，考虑在一定的导频开销和系统实现复杂度等实际约束条件下，分析系统的功率效率和频谱效率，若将其应用到实际场景中，还需进一步研究信道信息获取技术及最优传输技术，解决大规模天线带来的导频污染问题、频分双工（ frequency division duplexing ， FDD ）系统的适用性问题、多用户空间资源共享问题等 ^[101] 。目前研究问题大多涉及信道模型和导频污染、 CSI 估计、优化设计和实用化等方面，具体分析如下。

（1）信道模型与导频污染问题。大规模 MIMO 系统中基站处配置大规模天线阵列，与传统 MIMO 系统相比，空间维度资源的利用率得到显著提高，因此受到国内外学者广泛关注。但现有性能分析大多建立在理想独立同分布的信道模型下，更复杂的实际信道环境及相关研究较少 ^[87,102] 。

一方面，实际传输信道不满足理想独立同分布的条件，信道能量大都集中在有限的空间方向上，这使目前相关分析的实用性受到限制，需要进一步扩展到典型应用场景中开展理论建模和实测建模工作。并且需要在信道模型和发射功率已知的情况下，分析信道特性对信道容量的影响，为频谱、功率效率以及传输系统的优化设计提供依据。另一方面，现有研究大多在独立同分布的信道条件下分析信道容量和系统性能 ^[83,86] ，基站设置大规模天线阵列，导频污染成为系统的“瓶颈”。在 Rayleigh 衰落信道环境下，理论上可通过基站之间的统计预编码消除导频污染；在空间相关性信道环境下，利用多用户的统计信道信息，通过基站间联合实施导频调度减轻导频污染 ^[103] ；而对于其他实际应用信道，如 Ricean 信道环境下，导频污染对传输性能的影响有待进一步研究。

（2） CSI 估计问题。大规模 MIMO 系统中，信道估计是信号检测和自适应传输的基础，对系统性能有很大影响。现有传输方案要求单天线用户数远远小于基站天线数，这样基站利用接收到的不同单天线用户发送的正交导频信号和 TDD 系统上下行信道的互易性，获得上下行链路的信道参数估计，然后进行上行链路检测处理和下行链路的预编码传输。可见，随着基站覆盖范围内用户数的增加，用于信道估计的导频开销也相应增加，尤其在中高速移动通信系统中，导频开销将占用时频资源的一大部分，成为系统的“瓶颈”。因此，在 TDD 大规模 MIMO 系统中研究导频受限情况下的信道获取技术有重大的实际意义 ^[104] 。

针对 TDD 系统上下行信道的互易性不能用于 FDD 系统进行信道估计的问题，可采用联合空分复用方案解决 ^[105] ：基站利用信道信息对用户进行分组并完成预波束赋形，降低等效信道维数，然后在等效信道上完成信道估计，从而减少获取 CSI 的开销，使 FDD 大规模 MIMO 系统的信道估计成为可能。但上述联合空分复用方案中，假设分组后组内用户信道协方差矩阵的特征向量相同，组间用户信道协方差矩阵相互正交，这种理想的假设在现实信道条件下很难实现。因此，在 FDD 大规模 MIMO 系统中，研究实际信道条件下的导频受限传输技术也有重要的实际意义 ^[106] 。

（3）优化设计问题。大规模 MIMO 系统的现有研究中存在很多问题：基站大多利用上行链路的正交导频和 TDD 系统下行信道的互易性获得多用户上下行链路信道参数的估计值，实施上下行传输 ^[83,93] ，传输的鲁棒性无法保证；上行链路的检测处理和下行链路的预编码处理中需进行高位矩阵求逆运算，系统复杂度较高；单天线用户较少时，频谱利用率较低； FDD 系统中获取用户瞬时信道信息很困难，实用性较差。在基站和用户很难获得瞬时完美 CSI 的条件下，优化设计多用户上下行传输系统，实现多用户资源的共享，完成高性能、高鲁棒性、低复杂度的传输，已成为大规模 MIMO 通信系统研究中亟待解决的重要问题。

（4）实用化问题。目前，大规模 MIMO 技术仍处在起步阶段，其潜在的技术优势有待进一步探寻，这不仅需要研究典型应用场景的信道模型，考虑在一定的导频开销和系统实现复杂度等实际约束条件下，分析系统的功率效率和频谱效率，若将其应用到实际场景中，还需进一步研究信道信息获取技术及最优传输技术，解决大规模天线带来的导频污染问题、 FDD 系统的适用性问题、多用户空间资源共享问题等。 Dt73w9iNp9I927Tq8Z3+ivab6x17RwqcyshpvFRNVaPaGCaRFqhUfpig5IBN0Rl5