MassiveMIMO
正常情况下,基站的发射功率Ptx,UE的接收功率是Prx,两者相隔距离是R,
如图:
在理想情况下,两个功率之间的关系是
但现实情况是,电波在传输过程中存在路损、有天线的增益、使用频率等情况,
公式变化为如下:
最最最关键的是,在5G中使用更高的频率(意味着更短的波长)信号,这意味
着接收功率将远低于当前的通信系统。例如,如果我们在当前通信中使用2GHz
频率,并且我们将在5G中使用20GHz频率,则20GHz中的波长比2GHz的波长短
10倍。这意味着20ghz的接收功率将比2ghz的接收功率低100倍。
通过这个数学公式可知,要达到UE接收功率增大,可提升的参数很多,但悲剧
的是Ptx、R、频率都被限制死了,可做工具的就剩下接收和发送增益了。
MassiveMIMO的潜力(优势)描述如下:
MassiveMIMO可以同时将容量提高10倍以上,使辐射能量效率提高100倍左
右。
MassiveMIMO可以用廉价的低功耗来构建
MassiveMIMO能够显著减少空中接口的延迟(由于对衰落的鲁棒性)
MassiveMIMO简化了多址接入层
MassiveMIMO增强了对非故意人为干扰和有意干扰的鲁棒性。
如果假设我们使用的是相对于波长的固定天线尺寸(例如,1/4波长、1/2波长
等的尺寸),则随着载频的升高,路径损耗增加。
这意味着天线的绝对物理尺寸随着载频的升高而变小。这意味着我们可以把更多
的天线放在同一个区域,在更高的载频。基于这一事实,我们可以在不增加天线
阵列总尺寸的情况下,通过增加天线来补偿高载频下的高路径损耗。
当载波频率增加超过大约10ghz时,衍射将不再是主要的传播机制。在这个频率
范围内,反射和散射将是非视线传播链路最重要的传播机制。
随着载频的增加,传播到建筑物中的穿透损失趋于增大。这将使室内覆盖不适用
于部署在室外的基站
利用大规模MIMO(即在阵列中使用多个天线),我们可以实现高增益自适应波束
形成,这将产生增加覆盖的效果,并在系统中产生较少的干扰(因为波束宽度变
得非常窄)。
多天线空间聚焦
MassiveMIMO和天线阵列强相关,天线阵发射的能量大部分集中在很窄的区域。
这意味着当你使用更多的天线时,波束宽度变得更窄。这种影响会同时造成有利
和不利的后果。建议是,对于不同的用户,波束之间的干扰会更小,因为每个光
束都会聚焦在非常小的区域,缺点是必须实现非常复杂的算法来找到用户的准确
位置,并以高精度将光束定向到用户。
MassiveMIMO信道模式
场景1:技术构成部分1:大量阵列近场通信
该模型给出了一个(通常)单小区天线阵列庞大,同时覆盖多个用户的情况。因
此,对于不同的用户来说,可能存在很高的干扰信号的可能性。但是,不考虑来
自相邻小区的信号的干扰。这可能是我们可以实现最大吞吐量的情况。
在这种情况下,您可能需要在通道模型中考虑以下因素。
MUMIMO(Multi-UrMIMO)
BeamForming
IntracellInterference
场景2:低速率和简单协作
网络重叠覆盖较大,UE速率低,网络试着通过多点协作传播
场景3:球面波建模,线性预编码
在大多数信道模型中,我们假设到达接收天线的波前是平面的,这意味着阵列中
每个发射天线与接收天线之间的距离是相同的,或者波长倍数的差异是不同的。
如果阵列中的Tx天线的数目不是很大,这个假设是有效的。但是,如果阵列中
的发射天线数目很大,则发射天线和接收天线之间的差异是不容忽视的。在这种
情况下,我们必须假设到达接收天线的波前是球形的。
这个通道模型应该考虑球面波前。
场景4:MU-MIMO
在大规模MIMO中,对每个天线端口进行校准是非常重要和具有挑战性的(如果
校准不当,波束形成的结果将达不到预期的UE)。在该模型中,我们将研究在UE
帮助下的校准过程。
该模型将考虑以下因素。
预编码方案
CQI报告中的链路自适应和干扰
场景5:信道预编码
场景6:快速移动下的鲁棒性
场景7:基于CSI测量的高频段
场景8:IntegratingaMassive-MIMOmacronetworkwithadenlayerof
smallcells(SCs)–twotierdeployment
场景9:多小区MU-MIMO最大化加权和速率
当一个网络同时与一个小区中的多个用户通信时,该信号将受到来自同一小区内
的其他ue的各种类型的干扰和来自相邻小区的干扰。我们需要找出每个ue的最
佳配置(Tx功率、资源分配),以最大化小区的总吞吐量。
场景10:Multi-cellMUMIMO,decentralizedtransceiverdesign
场景11:HeterogeneousMulti-cell,MUMassive-MIMO,massiveSDMA
以上都是基站侧的一些内容,那在接收端(UE)该用什么方式来体现呢?那种情
况最合适?(红色A64天线,蓝色B128天线)
MRC(MaximumRatioCombining),ZF(ZeroForce)andMMSE(MinimizedMean
SquareError)
下图都是32天线,In(A),itusacombinedalgorithmofZFandMRC
andin(B),,you
onlyhavetoeMMSE+MRC(B)showsbetterperformancethanZF+MRC(A).
Thetwocasareusingthesamenumberofantenna(128)butusing
differentrecieveralgorithm((A)=MRC,(B)=MMSE).Youwoulde
thatthecurve(B)showsmuchbetterperformance.
下面这张图都是32天线,(A)=MRC+MMSE,(B)=MMSE,当然,B的性能表现
更好,如果考虑功耗和复杂度,A应该更好。
本文发布于:2022-12-26 17:23:26,感谢您对本站的认可!
本文链接:http://www.wtabcd.cn/fanwen/fan/90/35013.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
留言与评论(共有 0 条评论) |