分布式系统 MIMO 与无蜂窝状移动通信技术?
多输入多输出无线传输技术开启了移动通信系统空间资源开发利用的新纪元 。 从理论上来说 ， 它将传统香农信息论研究的对象从标量信道拓展至矢量信道 ， 使系统设计突破了“时间-频率”二维资源的限制 ， 走上了“空间-时间-频率”三维资源开发利用的发展新途径 ， 并可使研究人员利用全新的自由度 ， 进一步拓展移动通信新理论与新方法 ， 特别是基于“空间-时间-频率”三维资源的多用户MIMO无线通信方法 。 从工程实践上说 ， 通过在基站及移动终端引入多个天线 ， 移动通信系统容量得以显著提升；特殊条件下 ， 其系统容量可随基站天线数或多用户终端天线总数二者中的最小数而线性增长 。 正因为如此 ， 多用户MIMO或多用户大规模MIMO无线传输技术已成为4G及5G移动通信提升频谱效率、拓展系统容量最为重要的手段之一 ， 并将在未来移动通信的演进发展过程中爆发出更为旺盛的生命力 。 这有力地回应了一度甚嚣尘上的有关移动通信物理层研究已走向尽头的悲观论调 。
分布式MIMO是在经典MIMO无线传输技术基础上发展起来的 ， 它在移动通信无线传输与组网技术发展中扮演着“承前启后”的基础性作用 ， 且近年来新兴的无线传输与组网大多是其特殊形式或者拓展形式 。 具体来说：
首先 ， 分布式MIMO是经典MIMO无线传输技术的更为一般化形式 。 与经典MIMO不同 ， 分布式MIMO的天线单元处于不同的地理位置 ， 因而其理论分析与工程实践更具挑战性 。 更为重要的是 ， 分布式MIMO拓展了经典MIMO的应用范畴 ， 它不但可以应用于单小区蜂窝基站系统 ， 还可以进一步取代多小区蜂窝基站 ， 以分布式MU-MIMO形式 ， 构成无蜂窝移动通信系统 。 后者在同时–同频条件下为所有用户提供服务 ， 无需进行传统意义上的小区间频率规划 ， 系统资源可全维度动态利用 ， 显著改善系统资源配置的灵活性 ， 大幅度提升无线资源利用率 。 读者可在《分布式MIMO与无蜂窝移动通信》的第一章和第二章找到这方面更为全面的论述 。
文章图片
其次 ， 分布式MIMO还可进一步演变为更为复杂的无线组网方式 。 传统移动通信系统的上下行无线链路是以相互独立或相互正交的方式而设计的 。 近年来 ， 为了适应无线资源动态调配的需求 ， 已发展出了灵活双工和全双工等全新的无线资源复用方式 。 这时上下行无线链路呈现出相互耦合的表现形式 ， 系统模型可演变为上下行链路耦合的分布式MIMO及无蜂窝无线组网方式 。 有关该方面进一步的描述 ， 读者可参见第八章 。
第三 ， 分布式MIMO是业界流行的多种无线组网方式的简化形式 。 无线中继和超密集网络是近年来关注度较高的无线组网方式 。 对于无线中继 ， 若采用带外中继方式 ， 则其本身等同于分布式MIMO；反之 ， 若采用带内中继方式 ， 则分布式MIMO的容量是其性能上限 。 相对于超密集网络 ， 若分布式MIMO各个节点独立进行信号收发处理 ， 则两者完全等同 。 更为详细的讨论 ， 读者可参见第一章 。 有关基于分布式MIMO的无蜂窝网络与传统蜂窝超密集网络的容量性能分析与对比将在第四章中给出 。
东南大学移动通信国家重点实验室是世界上最早从事分布式MIMO移动通信无线传输研究与试验验证的研究单位之一 ， 相关工作可追溯至2004年前后 。 该实验室牵头承担了国家自然科学基金重大项目和国家863计划重大项目 ， 其目标是在3.5GHz以上的较高频段上 ， 探索移动通信大容量密集覆盖的基本原理与方法 ， 并开展相关技术可行性试验与系统测试 。 经10多年的持续研究与实践 ， 已逐步积累了较为丰富的理论知识、系统实现与试验经验 ， 涉及分布式MIMO的建模与信息容量解析方法、小区边缘效应度量及理论计算、频谱效率闭式求解与效能优化、基于统计信息的容量逼近与系统实现方法等 。 这一期间 ， 该实验室与英国Kent大学王江舟教授领导的课题组进行了长期密切合作 。 本书目的之一 ， 就是对这一领域的前期若干重要研究成果进行较为完整的概括与总结 。
本书力求将一系列看似极为繁复的分析方法 ， 以尽可能统一且尽可能简洁的方式进行描述 。 读者仅需掌握随机过程与信息论及线性代数基础理论 ， 便可从总体上把握分布式MIMO与无蜂窝无线网络发展的总体脉络 。 这体现在：
引入统一的建模方法 ， 详见第一章、第二章及第四章中涉及的分布式MIMO系统模型 ， 涵盖多用户、多小区等常见应用场景 ， 经典MIMO仅是其中的一种简化方式 ， 无蜂窝无线网络则是其一种特殊应用形式 。 对于新型的网络辅助全双工方式 ， 其上下行链路存在一定的耦合或干扰 ， 在无蜂窝配置条件下 ， 其模型是上述建模方法的推广形式 ， 详见第八章 。
引入统一的信道模型 ， 涵盖经典MIMO以及多用户MIMO ， 并考虑收发两端天线之间的耦合特性 ， 详见第一章 。 当信道存在多径时延扩展时 ， 通过正交频分复用处理后 ， 该基本信道模型仍然适用 ， 详见第七章 。
引入统一的容量模型 ， 建立MIMO与传统单输入单输出之间的关系 ， 详见第一章和第二章；建立与用户位置有关的瞬态与平均信道容量、中断容量、区域平均容量、区域中断容量等常见分析方法的相互关系 ， 详见第二章；在上述容量模型的基础上 ， 探讨分布式MIMO各种典型配置场景下的最优功率分配和能量效率优化问题 ， 包括多用户、多小区以及无蜂窝无线网络等实际应用场景 ， 详见第五章 。
【分布式系统 MIMO 与无蜂窝状移动通信技术?】鉴于信道信息获取是限制分布式大规模MIMO应用的瓶颈因素 ， 需要引入导频复用技术以减少资源的开销 。 此时 ， 信道信息获取的非理想特性 ， 也即导频污染 ， 将对系统的性能形成制约 。 在第三章中 ， 对此关键问题进行了较为完整的分析 ， 并引入了收发天线数充分多时 ， 典型接收机和发射机的系统极限性能 。
无线缓存是移动通信领域近年来的一个研究热点 。 在第六章中 ， 针对分布式MIMO网络的特点 ， 给出了无线缓存的基本模型 ， 提出了性能优越且实现简单的缓存方案及优化算法 ， 从而探讨了分布式MIMO无线网络资源有效利用的一种新途径 。
计算复杂度随天线的规模增加而大幅增加 ， 是限制分布式MIMO及无蜂窝无线网络走向应用的另一个主要瓶颈 。 在第七章中 ， 结合5G移动通信系统应用 ， 给出了低复杂度的接收机与发射机联合设计 ， 其核心是利用统计信息对多用户MIMO问题进行解耦 ， 并最终将问题转化为多个独立并行的单用户处理问题 。
云化处理是近年来移动通信系统发展的一个主流趋势 ， 愈来愈多的网络功能将通过数据中心以虚拟化的方式加以实现 。 在第九章中 ， 引入了基于以太交换机及通用众核服务器的5G移动通信云构架实现方法 ， 介绍了分布式大规模MIMO无蜂窝网络的高速并行编程及实时实现方法 ， 提出了无线节点同步、上下行链路互易性校正等关键问题的解决方法 ， 并通过典型场景下的试验测试 ， 表明基于分布式大规模MIMO的无蜂窝无线网络极具发展潜能 。
在本书即将完稿之际 ， 要特别感谢国家自然科学基金重大项目、创新群体项目以及国家863计划4G和5G重大项目的持续性支持 。 正是得益于上述支持 ， 分布式MIMO理论与方法的研究能得以长期深入持续 ， 辅以系统性的测试验证 ， 并得以向工业界推广 。 特别值得一提的是 ， 围绕分布式MIMO这一新兴研究方向 ， 东南大学移动通信国家重点实验室的众多研究人员进行了长期卓绝的努力 ， 贡献了极为丰富的成果 。 鉴于作者精力有限 ， 未能在本书中对他们的成果逐一涉及 ， 谨在此向他们致以崇高的敬意！
认识作者
文章图片
推荐阅读
- 鸿蒙系统+1.08亿像素主摄华为P50，华为P30跌至白菜价在即
- 湖南安仁通报公职人员吸毒检测结果：交通系统两职工检出阳性
- 鸿蒙OS系统+一亿像素华为Mate40，华为Mate30再创超低价神话
- TN-C系统在农村鱼塘供电中的应用分析与改造实施
- 车载微信好用吗？全新交互体验，2020款哈弗F5 Fun-Life系统尝鲜
- 肺炎美国超161万例，巴西圣保罗州医疗系统已近满负荷
- 黑屏、乱码、重启……知名品牌手机凌晨系统崩了！官方回应了
- 大批三星手机系统一夜崩溃变砖：临时解决办法来了
- 除了电动汽车，博世甚至还为婴儿车使用了电动系统
- PC系统终于有纯国产配件了，光威弈系列Pro内存条测试