大規(guī)模MIMO系統(tǒng)中導(dǎo)頻污染研究進(jìn)展

［張書暢］

?

大規(guī)模MIMO系統(tǒng)中導(dǎo)頻污染研究進(jìn)展

［張書暢］

摘要大規(guī)模MIMO技術(shù)作為第五代移動(dòng)通信（5G）的關(guān)鍵技術(shù)之一，它能夠充分利用空間維度，有效地提高數(shù)據(jù)傳輸速率。由于大規(guī)模MIMO系統(tǒng)中導(dǎo)頻污染的存在，導(dǎo)致其性能無法隨基站天線數(shù)目的增加而大幅度提升，如何降低系統(tǒng)中的導(dǎo)頻污染已成為一個(gè)迫切需要解決的問題。文章首先分析了大規(guī)模MIMO系統(tǒng)中導(dǎo)頻污染產(chǎn)生的原因；其次對目前國內(nèi)外降低導(dǎo)頻污染的方法進(jìn)行了分類討論；最后總結(jié)了目前還存在的一些問題和今后的發(fā)展趨勢。

關(guān)鍵詞：大規(guī)模MIMO導(dǎo)頻污染導(dǎo)頻分配信道估計(jì)預(yù)編碼

張書暢

男，碩士研究生，重慶郵電大學(xué)通信與信息工程學(xué)院。主要研究方向?yàn)橐苿?dòng)通信。

引言

5G是面向2020年以后移動(dòng)通信需求而發(fā)展的新一代移動(dòng)通信系統(tǒng)，它將具有超高的頻譜利用率和能效，在傳輸速率和資源利用率等方面較4G移動(dòng)通信提高一個(gè)量級或更高，其無線覆蓋性能、傳輸時(shí)延、系統(tǒng)安全和用戶體驗(yàn)也將得到顯著的提高［1］。

大規(guī)模MIMO技術(shù)作為第五代移動(dòng)通信（5G）的關(guān)鍵技術(shù)之一，它能夠充分利用空間維度，有效地提高數(shù)據(jù)傳輸速率［2］。在大規(guī)模MIMO系統(tǒng)中，基站端配置大量天線（成百上千）。與傳統(tǒng)的MIMO系統(tǒng)相比，大規(guī)模MIMO系統(tǒng)能更好地利用空間復(fù)用特性，能夠在更大程度上提高通信過程中的數(shù)據(jù)速率并且增強(qiáng)通信的可靠性［3］。

1　導(dǎo)頻污染

由于TDD系統(tǒng)信道相干時(shí)間較短，因此導(dǎo)頻序列的長度有限，每個(gè)小區(qū)能夠分配的正交導(dǎo)頻數(shù)也是有限的。然而，移動(dòng)通信用戶數(shù)目較大，使得相鄰小區(qū)內(nèi)用戶往往使用相同或者非正交的導(dǎo)頻序列在相同時(shí)頻資源塊上發(fā)送，會(huì)對目標(biāo)用戶發(fā)送的導(dǎo)頻序列造成干擾，從而引入導(dǎo)頻污染［4］，如圖1。

圖1　導(dǎo)頻污染圖解

導(dǎo)頻污染的存在會(huì)使基站無法通過接收到的導(dǎo)頻估計(jì)得到準(zhǔn)確的信道狀態(tài)信息，從而影響信道的預(yù)編碼矩陣，對下行鏈路的通信產(chǎn)生嚴(yán)重的干擾。這種干擾會(huì)引起飽和響應(yīng)，從而使系統(tǒng)的信道容量無法隨著基站天線數(shù)目的增加而大幅度提升，而是在某一水平停滯不前。有研究表明，增加基站天線數(shù)目并不能降低或消除導(dǎo)頻污染對系統(tǒng)性能的影響，導(dǎo)頻污染問題已成為限制系統(tǒng)性能的最大瓶頸［5］。因此，分析大規(guī)模MIMO系統(tǒng)中的導(dǎo)頻污染以及研究如何降低導(dǎo)頻污染的方法就顯得尤為重要。

2　降低導(dǎo)頻污染研究進(jìn)展

大規(guī)模MIMO系統(tǒng)自2010年提出后，迅速成為科研領(lǐng)域的熱門話題之一，其中對導(dǎo)頻污染問題的研究獲得了更多的關(guān)注?，F(xiàn)階段大規(guī)模MIMO系統(tǒng)中降低導(dǎo)頻污染的方法主要分為以下三方面：基于導(dǎo)頻分配策略的方法，基于子空間的信道估計(jì)方法，基于預(yù)編碼的方法。

2.1基于導(dǎo)頻分配策略的方法

該方法主要是指保持系統(tǒng)現(xiàn)存的導(dǎo)頻序列組不變，基于一定的分配原則重新分配導(dǎo)頻，來減少系統(tǒng)中相同或者不正交導(dǎo)頻重疊的情況，從而降低導(dǎo)頻污染。目前主要的方法有：導(dǎo)頻偏移，導(dǎo)頻功率控制，部分導(dǎo)頻復(fù)用，導(dǎo)頻協(xié)調(diào)分配等。

（1）導(dǎo)頻偏移［6］。重新設(shè)計(jì)導(dǎo)頻在幀結(jié)構(gòu)中的位置，使相鄰小區(qū)間的導(dǎo)頻發(fā)送時(shí)隙不一致，從而降低導(dǎo)頻污染。由于幀結(jié)構(gòu)的重新設(shè)計(jì)，用戶在進(jìn)行上行導(dǎo)頻信號傳輸時(shí)，會(huì)收到相鄰小區(qū)內(nèi)在相同時(shí)頻資源塊上傳輸數(shù)據(jù)用戶的干擾，但這種干擾相對導(dǎo)頻污染而言要小。但是，當(dāng)下行發(fā)送功率較大時(shí)，仍不能提供準(zhǔn)確的信道狀態(tài)信息，還是存在一定的干擾。

（2）導(dǎo)頻功率控制［7，8］。把通常的導(dǎo)頻發(fā)射時(shí)隙分為兩段，使交叉增益相對較大的小區(qū)間的導(dǎo)頻發(fā)射時(shí)隙錯(cuò)開，或降低目標(biāo)小區(qū)以外使用相同導(dǎo)頻用戶的發(fā)射功率，從而降低導(dǎo)頻污染。但是，導(dǎo)頻功率控制方法需要一個(gè)控制機(jī)制來確保幾個(gè)小區(qū)的導(dǎo)頻動(dòng)態(tài)同步，避免導(dǎo)頻之間的重疊，這在實(shí)際通信系統(tǒng)中很難實(shí)現(xiàn)，而且會(huì)影響系統(tǒng)同時(shí)調(diào)度的用戶數(shù)量。

（3）部分導(dǎo)頻復(fù)用［9，10］。一種方法是利用正交導(dǎo)頻把蜂窩系統(tǒng)中的小區(qū)劃分為兩類一維大的天線陣列網(wǎng)絡(luò)，每一類之內(nèi)采用相同的導(dǎo)頻，兩類之間采用正交的導(dǎo)頻，從而降低導(dǎo)頻污染。另一種方法是將每個(gè)小區(qū)劃分為中心區(qū)域和邊緣區(qū)域，小區(qū)中心用戶使用相同的一組導(dǎo)頻序列，小區(qū)邊緣用戶使用相互正交的導(dǎo)頻序列。部分導(dǎo)頻復(fù)用能夠協(xié)調(diào)處理小區(qū)間干擾，有助于提高小區(qū)邊緣用戶傳輸速率，但該機(jī)制在降低小區(qū)間干擾的同時(shí)會(huì)降低導(dǎo)頻復(fù)用增益。

（4）導(dǎo)頻協(xié)調(diào)分配［11］。通過識別某組導(dǎo)頻序列的使用情況，當(dāng)重用該導(dǎo)頻序列時(shí)，選擇產(chǎn)生導(dǎo)頻污染影響（MSE）最小的用戶，從而降低導(dǎo)頻污染。但是，小區(qū)間的協(xié)作給系統(tǒng)帶來了額外的負(fù)擔(dān)。

表1總結(jié)了以上幾種導(dǎo)頻分配策略的優(yōu)缺點(diǎn)。分析表明，單一的導(dǎo)頻分配策略并不能很好地降低導(dǎo)頻污染。目前常用的方法是結(jié)合幾種導(dǎo)頻分配策略，從而更好地降低導(dǎo)頻污染［7～11］。

表1　幾種導(dǎo)頻分配策略優(yōu)缺點(diǎn)比較

2.2基于子空間的信道估計(jì)方法

對于存在導(dǎo)頻污染的大規(guī)模MIMO系統(tǒng)，傳統(tǒng)基于導(dǎo)頻的信道估計(jì)算法很難明顯區(qū)分出目標(biāo)用戶信道與干擾用戶信道。因此，相關(guān)文獻(xiàn)［12，13］提出了基于子空間的信道估計(jì)方法，其使用較少的導(dǎo)頻信號或不使用導(dǎo)頻信號進(jìn)行信道估計(jì)，從而減小信道估計(jì)誤差，進(jìn)一步降低導(dǎo)頻污染。目前主要有盲估計(jì)和半盲估計(jì)等。盲估計(jì)方法［12］的基本觀點(diǎn)是分離信號子空間和干擾子空間。該方法假設(shè)基站天線數(shù)量和接收數(shù)據(jù)量趨于無窮大，從而證明接收到的數(shù)據(jù)信號矩陣的奇異向量組成的矩陣與本小區(qū)用戶到基站的信道矩陣是線性相關(guān)的，并且與其它小區(qū)用戶到本小區(qū)基站的信道矩陣無關(guān)。這樣，只要小區(qū)內(nèi)的導(dǎo)頻是正交的，就可以完全消除導(dǎo)頻污染。然而，實(shí)際系統(tǒng)中基站天線數(shù)量和接收數(shù)據(jù)數(shù)量都是有限的，故該方法只適用于分析極限條件下的系統(tǒng)。半盲估計(jì)方法［13］的基本觀點(diǎn)是基站利用大量接收到的數(shù)據(jù)信號對信道的特征向量進(jìn)行估計(jì)，并利用少量的導(dǎo)頻信號對信道特征向量與真實(shí)信道間的相位模糊乘數(shù)進(jìn)行估計(jì)。該方法認(rèn)為不同用戶到基站的信道向量被認(rèn)為是完全正交的，從而接收的數(shù)據(jù)信號的協(xié)方差矩陣的特征向量就可以表示為信道向量與一個(gè)未知系數(shù)的乘積。這樣，每個(gè)用戶只需要發(fā)送一個(gè)導(dǎo)頻符號就可以消除這個(gè)未知系數(shù)帶來的模糊，從而估計(jì)信道。然而，在實(shí)際的大規(guī)模MIMO系統(tǒng)中，不同用戶到基站的信道向量之間不是完全正交的，而這會(huì)導(dǎo)致模糊不能完全被消除，產(chǎn)生信道估計(jì)誤差。目前，半盲估計(jì)是基于子空間信道估計(jì)方法研究的一個(gè)熱點(diǎn)，目的在于尋找一種復(fù)雜度與性能折中的方法。

2.3基于預(yù)編碼的方法

該方法是根據(jù)基站端估計(jì)得到的信道狀態(tài)信息來制定相應(yīng)的下行鏈路預(yù)編碼矩陣，并將產(chǎn)生的預(yù)編碼矩陣運(yùn)用在系統(tǒng)下行鏈路中，從而降低導(dǎo)頻污染［14］。矩陣預(yù)編碼方案可以分為線性預(yù)編碼和非線性預(yù)編碼［15］。非線性預(yù)編碼的性能比線性預(yù)編碼好，但其具有較高的算法復(fù)雜度，加上大規(guī)模MIMO系統(tǒng)本身的復(fù)雜性，因此，在大規(guī)模MIMO系統(tǒng)中多采用線性預(yù)編碼。線性預(yù)編碼性能比非線性預(yù)編碼稍差，但其構(gòu)成方法相對簡單且容易實(shí)現(xiàn)。線性預(yù)編碼方案主要可以分為基于破零矩陣的預(yù)編碼方案和基于最小均方誤差的矩陣預(yù)編碼等?；谄屏憔仃嚨念A(yù)編碼方案（ZF預(yù)編碼）采用迭代方法得到目標(biāo)函數(shù)的局部最優(yōu)解，從而設(shè)計(jì)出符合要求的預(yù)編碼矩陣，但是迭代過程需要占用大量的計(jì)算時(shí)間和計(jì)算量較大?；谧钚【秸`差的預(yù)編碼方案（MMSE預(yù)編碼）設(shè)計(jì)適當(dāng)?shù)念A(yù)編碼矩陣使系統(tǒng)的均方誤差最小。該方案充分考慮系統(tǒng)中噪聲的影響，對系統(tǒng)噪聲有一定的魯棒性，但該算法復(fù)雜度較高且計(jì)算量較大。此外，非理想信道下的矩陣預(yù)編碼方案也成為近幾年研究的熱點(diǎn)［16］。該方案考慮信道估計(jì)誤差以及用戶選擇等多種因素，從而有效的降低導(dǎo)頻污染。但該方案大多數(shù)沒有預(yù)編碼矩陣的閉式解，需要多次的迭代運(yùn)算才能得到較為理想的性能，這在實(shí)際的通信系統(tǒng)中很難實(shí)現(xiàn)。

3　存在的問題及發(fā)展趨勢

（1）在以上文獻(xiàn)分析中，均假設(shè)一個(gè)簡化的大規(guī)模MIMO信道模型，不能夠準(zhǔn)確地反映真實(shí)場景中的導(dǎo)頻污染。因此，為了準(zhǔn)確的分析和研究降低導(dǎo)頻污染的方法，需要深入研究符合實(shí)際應(yīng)用場景的大規(guī)模MIMO信道模型。

（2）基于導(dǎo)頻的方法使用相互正交的導(dǎo)頻序列進(jìn)行信道估計(jì)，過度占用頻譜資源，在降低導(dǎo)頻污染的同時(shí)也降頻譜利用率。因此，尋找導(dǎo)頻數(shù)與頻譜利用率折中的方法將會(huì)是未來的研究一個(gè)方向。

（3）基于子空間信道估計(jì)方法復(fù)雜度較高且計(jì)算量較大，尋找復(fù)雜度與性能折中的方法也將是未來研究的一個(gè)重點(diǎn)方向。

（4）基于預(yù)編碼的方法不完善，未來可以結(jié)合大規(guī)模MIMO特性，設(shè)計(jì)出更高效的預(yù)編碼方案，從而降低導(dǎo)頻污染。

4　結(jié)束語

綜上所述，導(dǎo)頻污染已成為阻礙大規(guī)模MIMO系統(tǒng)廣泛應(yīng)用的關(guān)鍵因素之一。盡管對于降低導(dǎo)頻污染的研究越來越深入，但目前的方法都無法取得非常理想的效果。因此，需要尋找更優(yōu)降低導(dǎo)頻污染的方法，未來可以采用多種導(dǎo)頻分配策略和預(yù)編碼技術(shù)相結(jié)合的方法，更好地降低導(dǎo)頻污染。本文分析了大規(guī)模MIMO系統(tǒng)中導(dǎo)頻污染產(chǎn)生的原因，對降低導(dǎo)頻污染的方法進(jìn)行了分類討論，并總結(jié)了目前還存在的一些問題和發(fā)展趨勢。

參考文獻(xiàn)

1Larsson E，Edfors O，Tufvesson F，et al.Massive MIMO for next generation wireless systems［J］.Communications Magazine，IEEE，2014，52（2）: 186-195

2尤肖虎，潘志文，高西奇等.5G 移動(dòng)通信發(fā)展趨勢與若干關(guān)鍵技術(shù)［J］.中國科學(xué): 信息科學(xué)，2014，44（5）: 551-563

3Ngo H Q，Larsson E G，Marzetta T L.Energy and spectral efficiency of very large multiuser MIMO systems［J］.Communications，IEEE Transactions on，2013，61（4）: 1436-1449

4Marzetta T L.Noncooperative cellular wireless with unlimited numbers of base station antennas［J］.IEEE Transactions on Wireless Communications，2010，9（11）:3590-3600

5Marzetta T L，Caire G，Debbah M，et al.Special issue on massive MIMO［J］.Communications & Networks Journal of，2013，15（4）:333-337

6Mahyiddin wawm，Martin P A，Smith P J.Pilot contaminationreduction using time-shifted pilots in finite massive MIMO systems［C］// Vehicular Technology Conference （VTC Fall），2014 IEEE 80th.IEEE，2014:1-5

7王海榮，王玉輝，黃永明等.大規(guī)模MIMO多小區(qū)TDD系統(tǒng)中的導(dǎo)頻污染減輕方法［J］.信號處理，2013，29（2）:171-180

8Saxena V，F(xiàn)odor G，Karipidis E.Mitigating pilot contamination by pilot reuse and power control schemes for massive MIMO systems［C］//Vehicular Technology Conference （VTC Spring），2015 IEEE 81st.IEEE，2015: 1-6

9王海榮，王玉輝，黃永明等.大規(guī)模MIMO蜂窩網(wǎng)絡(luò)系統(tǒng)中的導(dǎo)頻污染減輕方法［J］.通信學(xué)報(bào)，2014，（1）:24-33

10Atzeni I，Arnau J，Debbah M.Fractional pilot reuse in massive MIMO systems［C］//Communication Workshop （ICCW），2015 IEEE International Conference on.IEEE，2015: 1030-1035

11Zhu X，Wang Z，Dai L，et al.Smart pilot assignment for massive MIMO［J］.Communications Letters，IEEE，2015，19（9）: 1644-1647

12Muller R R，Cottatellucci L，Vehkapera M.Blind pilot decontamination［J］.IEEE Journal of Selected Topics in Signal Processing，2014，8（5）:773-786

13Ngo B Q，Larsson E G.EVD-based channel estimation in multicell multiuser MIMO systems with very large antenna arrays［C］//Acoustics，Speech and Signal Processing （ICASSP），2012 IEEE International Conference on.IEEE，2012: 3249-3252

14Jin S，Wang X，Li Z，et al.On massive MIMO zero-forcing transceiver using time-shifted pilots［J］.IEEE Transactions on Vehicular Technology，2015，99:1

15Ren Y，Xu G X，Wang Y M，et al.Low-complexity ZF precoding method for downlink of massive MIMO system［J］.Electronics Letters，2015，51（5）: 421-423

16Jose J，Ashikhmin A，Whiting P，et al.Channel estimation and linear precoding in multiuser multiple-antenna TDD systems［J］.Vehicular Technology，IEEE Transactions on，2015，60（5）: 1264-1268

DOI:10.3969/j.issn.1006-6403.2016.05.017

收稿日期：（2016-04-06）