江苏龙网

  1. 首页 > 资讯 > 科技 > >

『』大规模MIMO和波束成形：5G关键技术背后的信号处理( 二 )


『』大规模MIMO和波束成形：5G关键技术背后的信号处理
文章图片

文章图片

图5.类似于下行链路信道表征的音频信息
『』大规模MIMO和波束成形：5G关键技术背后的信号处理
文章图片

文章图片

图6.类似于上行链路信道表征的音频信息
在RF空间中 ， 导频信号用于表征空间信道 。天线与用户终端之间的空中传输信道是互逆的的 ， 这意味着该信道在上行下行两个方向上都是相同的 。这取决于以时分双工（TDD）模式而不是频分双工（FDD）模式运行的系统 。在TDD模式下 ， 上行链路和下行链路传输使用相同的频率资源 。互逆性假设意味着只需要在一个方向上表征信道 。上行链路信道是显而易见的选择 ， 因为仅需从用户终端发送一个导频信号 ， 并由基站所有天线单元接收 。信道估计的复杂度与用户终端的数量成正比 ， 而不与阵列中天线的数量成正比 。考虑到用户终端可能正在移动 ， 这是至关重要的 ， 因此将需要频繁执行信道估计 。基于上行链路的表征的另一个显着优势是 ， 所有的重处理负荷的信道估计和信号处理任务都是在基站而不是用户端完成的 。
『』大规模MIMO和波束成形：5G关键技术背后的信号处理
文章图片

文章图片

图7.每个用户终端发送正交导频符号
因此 ， 既然已经建立了收集CSI的概念 ， 那么该信息如何应用于数据信号以进行空间复用的呢？滤波器是基于CSI进行设计的 ， 以对从天线阵列发送的数据进行预编码 ， 以便在用户终端位置相干地叠加多径信号 。这种空间滤波也可以用于线性合成天线阵列RF路径接收的数据 ， 以便可以检测到来自不同用户的数据流 。下一节将对此进行更详细的介绍 。
支持大规模MIMO的信号处理
在上一节中 ， 我们介绍了如何估算CSI（以矩阵H表示） 。检测和预编码矩阵是基于H矩阵进行计算的 。有许多方法可用于计算这些矩阵 。本文重点介绍线性方案 。线性预编码/检测方法的示例是最大比率（MR） ， 迫零（ZF）和最小均方误差（MMSE） 。本文没有提供来自CSI的预编码/检测滤波器的完整推导 ， 但讨论了它们针对的优化标准以及每种方法的优缺点 。这些主题的更详细处理可以在本文结尾的参考文献中找到 。
图8和图9分别描述了上述三种线性方法在上行链路和下行链路中信号处理的工作方式 。为了进行预编码 ， 可能还存在一些缩放矩阵以对整个阵列的功率进行归一化 ， 为简单起见此处已省略了该矩阵 。
『』大规模MIMO和波束成形：5G关键技术背后的信号处理
文章图片

文章图片

图8.上行信号处理 。H表示矩阵的共轭转置
『』大规模MIMO和波束成形：5G关键技术背后的信号处理
文章图片

文章图片

图9.下行信号处理 。T表示转置 。*表示共轭
顾名思义 ， 最大比率（MR）滤波旨在最大程度地提高信噪比（SNR） 。从信号处理的角度来看 ， 这是最简单的方法 ， 因为检测/预编码矩阵只是CSI矩阵H的共轭转置或共轭 。此方法的一大缺点是忽略了用户之间的干扰 。
强制迫零预编码尝试通过设计优化标准来最大程度地解决用户间的干扰问题 。检测/预编码矩阵是CSI矩阵的伪逆 。与在MR情况下相比 ， 计算伪逆要比复杂共轭的计算量更大 。然而 ， 通过如此专注于使干扰最小化 ， 用户的接收功率受到损害 。
MMSE试图在最大程度地放大信号和减少干扰之间取得平衡 。这种整体观点将以信号处理的复杂性增加作为代价 。MMSE方法为优化引入了正则化项（在图8和9中表示为β） ， 该项可以在噪声协方差和发射功率之间找到平衡 。在文献中有时也将其称为正则强迫归零（RZF） 。


推荐阅读


上一篇：@开发者：别看纸面参数 PS5 实机比 Xbox Series X 更强大

下一篇：：长城宽带断网引发网友吐槽，企业宽带昂贵，家用宽带网速很不稳定