超大规模混合场MIMO去伪峰信道估计技术

超大规模MIMO(Multiple-Input Multiple-Output)是6G移动通信的潜在关键技术。在现有的信道模型中,大多假设所有的散射体要么都在远场区域,采用基于平面波假设的远场信道模型;要么都在近场区域,采用基于球面波假设的近场信道模型。实际中,超大规模MIMO系统更容易产生混合场的信道环境,现有的信道模型并不能很好地匹配这种远场近场混合信道的特征,因此不能直接采用现有的信道估计方案。本文对混合场信道进行建模,针对混合场信道空间谱中出现的伪峰问题,提出了一种去伪峰混合场信道估计方案。同时,该方案的设计也考虑了超大规模MIMO天线阵列的空间非平稳问题。仿真结果表明,本文提出的混合场下去伪峰的信道估计方案有较好的信道估计性能。

超大规模MIMO系统中稀疏度自适应的极化域信道估计

针对超大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中的极化域信道估计调整,提出了一种基于压缩感知的自适应极化域稀疏度同步正交匹配追踪(Adaptive Polar-domain Simultaneous Orthogonal Matching Pursuit, AP-SOMP)算法。AP-SOMP算法利用信道相关度设计合理的判决准则来估计极化域信道稀疏度,从而能在极化域信道稀疏度未知的情况下完成信道估计。该算法有效地克服了传统算法对信道稀疏度的依赖,具有更强的实用性。仿真结果表明,AP-SOMP算法在归一化均方误差性能表现上优于传统的基于网格的极化域同步正交匹配追踪(Polar-domain Simultaneous Orthogonal Matching Pursuit, P-SOMP)算法,且算法复杂度并未明显增加。

超大规模MIMO-OTFS系统上行辅助的下行信道估计方法

针对超大规模多输入多输出(MIMO,multiple-input multiple-output)正交时频空间(OTFS,orthogonal time frequency space)系统,提出了一种适用于高速移动场景的低复杂度下行信道估计方法。不同于现有研究,该方法考虑了超大规模MIMO-OTFS系统显著的空间非平稳特性,基于可视路径区域提出了一种低复杂度的增强型稀疏正交匹配追踪算法,利用频分双工(FDD,frequency-division duplex)模式中上下行信道的映射关系实现上行辅助的下行信道估计。仿真结果表明,所提上行辅助的下行信道估计方法能够充分考虑信道非平稳特性,在降低计算复杂度的同时显著提高信道估计性能,并且在高速移动物联网场景下表现良好。

面向超大规模MIMO的混合远近场通信

超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output, XL-MIMO)是未来6G通信系统的一个关键备选技术,可以大幅度提升未来通信系统的性能,如超高的频谱效率和空间分辨率、超低时延等。不同于现有研究工作主要关注于近场通信或远场通信,考虑更加实际的混合远近场通信场景,即通信系统中同时存在近场和远场用户。介绍了XL-MIMO系统中考虑混合远近场通信范式的重要性和混合远近场通信的信道建模,指出混合远近场通信场景中固有的关键特征,即能量扩散效应;详细介绍了3种典型的混合远近场通信场景:混合远近场的干扰分析、无线信能同传、物理层安全。针对上述典型场景,指出其在混合远近场通信中相较于近场通信/远场通信的根本区别和面临的关键设计难题。总结了混合远近场通信中仍需关注和亟待解决的开放性问题。

超大规模MIMO下行系统1位传输信号设计

在超大规模MIMO系统中,采用1位数模转换器可降低硬件成本和功耗,但增加了预编码器设计的难度.文章研究PSK调制下超大规模MU-MIMO系统的1位预编码问题.首先利用相长干涉的思想,对接收信号进行坐标变换,将1位预编码问题建模成多目标优化问题.然后通过降维的方法,把多目标优化问题转换成双目标优化问题,提出一种基于相长干涉的交替优化算法来获得双目标优化问题的次佳解.该算法包括初始分配阶段和局部搜索优化阶段,按逐个元素的方式确定1位量化信号.结果表明,该算法可获得与现有的非线性预编码方法相媲美的性能,同时具有更好的性能-复杂性平衡.

太赫兹超大规模3D MIMO系统中的波束斜视补偿技术

太赫兹通信技术凭借超大带宽的优势成为未来6G的关键技术之一。超大规模天线技术可以提供巨大的空间分集,提升频谱效率,同样在6G无线通信系统中起到关键作用。在基于移相器的大规模MIMO(multipleinput multiple-output)混合预编码中,由于太赫兹频段的超大带宽,不同频率的子载波信道具有不同的等效空间方向,发射端波束形成时,将带来严重的波束斜视问题。与此同时,随着天线规模的不断增长,超大规模天线技术的应用更进一步扩大了波束斜视造成的影响。针对超大规模天线阵列带来的波束斜视现象放大问题,本文利用3D MIMO平面天线阵列来改善这一状况。为进一步改善太赫兹频段超大带宽引起的波束斜视,在3D大规模MIMO系统的基础上,本文提出了基于两层移相器结构的混合预编码方案,利用第二层移相器,对不同频率的子载波进行补偿。实验结果表明,本方法可以有效地弥补波束斜视带来的阵列增益损失,实现接近最优的系统性能。

全息无线电:全息超表面赋能的超大规模MIMO新范式

得益于空间复用能力,超大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术成为未来第六代通信提供高速数据服务和全球海量网络接入的关键技术之一.传统的大规模MIMO技术主要依托装配有高分辨率移相器的大规模相控阵来实现.然而,移相电路的高功耗与高硬件成本阻碍了超大规模相控阵在实际工程中的应用,从而阻碍了超大规模MIMO的实际部署与发展.本文考虑了一种超大规模MIMO的新范式——全息无线电.在全息无线电中,大量微小而廉价的天线单元紧密集成,在低硬件成本的情况下达到高方向性增益,从而能够对电磁波进行灵活的调控并有效提升无线通信性能.本文提出利用一种名为可重构全息超表面(Reconfigurable Holographic Surface,RHS)的新型超材料天线来实现全息无线电.具体而言,RHS由大量低成本低功耗可调谐超材料单元组成,其馈源与超表面集成为一体并产生电磁波,电磁波沿着超表面传播并逐一激励RHS辐射单元,每个RHS辐射单元会根据全息干涉原理在超表面上构建全息图案控制电磁波的辐射幅值从而实现全息波束成形.根据RHS的工作原理,本文介绍了一种低复杂度的新型多址接入技术——全息多址接入(Holographic-pattern Division Multiple Access,HDMA)技术,其主要思想是将所有发射信号映射叠加至超表面构建的单一全息图样上从而为多用户提供数据传输服务.本文对HDMA方案进行了优化设计以最大化RHS辅助下的多用户广播通信系统能量效率.为了进一步验证HDMA技术的有效性,本文实现了二维RHS阵列的原型机并搭建了RHS辅助下的全息无线电通信平台.基于HDMA技术,该通信平台能够以低功耗支持多用户高清视频的实时传输.实验结果表明RHS具有以简单的布线方式和低功耗实现定向增益的巨大潜力,从而进一步验证了利用RHS实现全息无线电的可行性.此外,本文还讨论了基于RHS的全息无线电的未来研究方向和关键挑战.

超大规模MIMO中包含球面波特征的最优传输方法研究

在超大规模多输入多输出(multiple input multiple output,MIMO)通信场景下,无线传输信道存在球面波特性,目前超大规模MIMO研究中多采用平面波模型,对球面波特征认识不足,忽略了其对系统传输设计的影响。针对此问题,基于球面波模型,利用统计信道状态信息,研究了多用户超大规模MIMO中的传输设计问题,分析了影响最优传输的关键特征参数,获得了包含球面波特征的最优发射策略的闭式表达式。研究结果表明,球面波模型下的最优发射策略与多用户所处位置有关,采用用户调度策略可以解决波束与用户间的误匹配问题。在此基础上,提出了一种基于贪婪思想的低复杂度多用户调度策略,仿真结果显示,所提传输策略能以较低复杂度达到近似最佳性能。

面向XL-MIMO可视区域识别的非均匀空间采样

超大规模多输入多输出(XL-MIMO)是面向未来6G超级无线宽带和超大规模连接的关键技术,其空间非平稳特性导致局部天线阵列区域可能仅会被部分用户“看到”,称为用户可视区域(VR)。利用VR可实现XL-MIMO低复杂度传输设计,如何识别用户VR是其必要前提。由于用户VR与其空间位置存在天然联系,可通过选择少量用户估计并反馈其所在位置处的VR,然后结合用户位置外推出其余用户VR。该过程可解释为“VR地图”的空间采样与重建,外推效果与采样点位置选择关系密切。为提高采样效率,基于探测与细化相结合的设计理念,提出了一种有限样本下的非均匀空间采样方案,并分析探测细化调控因子的设计方法。仿真结果表明,所提方案相较于传统随机采样具有更高的效率,可显著提升小样本下的VR识别准确性。

UMa场景中频段XL-MIMO信道测量与特性分析

超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)是未来6G通信系统的一个关键潜在技术,显著提高了系统的安全性、能量效率、空间效率和鲁棒性。XL-MIMO信道的研究对于系统设计和部署十分重要。此外,为解决频谱紧张的问题,中频段(7~24 GHz)将作为6G潜在的应用频段之一,未来XL-MIMO系统也有可能应用在此频段。随着天线阵列尺寸的进一步增大,XL-MIMO信道将呈现出近场和空间非平稳特性,给XL-MIMO信道建模带来了挑战。为研究中频段下XL-MIMO信道近场与空间非平稳特性,在城市宏蜂窝(Urban Macro-cell,UMa)场景下进行了13 GHz XL-MIMO信道测量,通过多径参数分析了近场和空间非平稳特性。分析结果发现,近场球面波会造成多径角度在阵列域上的偏移,空间非平稳效应会造成多径功率、角度扩展在阵列域上的不均匀分布,为6G XL-MIMO信道建模提供了一些参考。

XL-MIMO系统中随机Kaczmarz算法的仿真与实现

超大规模多输入多输出(Extra-Large Scale Multiple-Input Multiple-Output,XL-MIMO)是未来的第六代移动通信(The 6th Generation Mobile Communication Technology,6G)关键技术之一,但是由于XL-MIMO系统采用了超大规模天线阵列,其信号处理需求非常庞大,增加了计算复杂度。这对信号的检测算法有了更高的要求,由此对XL-MIMO系统中低复杂度算法进行研究是十分重要的。首先介绍了XL-MIMO系统信道模型,然后引入了预编码技术,将随机Kaczmarz算法和传统的MMSE算法在完美非平稳信道的归一化传输功率的误码率情况、用户数量复杂度情况、天线数量复杂度情况进行了仿真分析与比较。结果表明随机Kaczmarz算法具有更低的计算复杂度,并且是一种可以准确实现的快速算法。

一种自适应稀疏度的混合场信道估计算法

针对6G超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统信道特性变化造成现有的近场和远场信道估计方案不能准确估计XL-MIMO混合场信道的问题,同时考虑到实际系统中稀疏度难以获取,提出了一种基于分段弱正交匹配追踪的混合场信道估计(Hybrid-field Stagewise Weak Orthogonal Matching Pursuit,HF-SWOMP)算法。该算法利用XL-MIMO混合场中近场和远场区域不同的信道特性,分别对近场和远场信道分量进行估计,从而得到混合场信道。仿真结果表明,所提XL-MIMO混合场信道估计算法性能相对于仅考虑近场和远场信道估计方案分别提高了约3.5 dB和3 dB,更符合实际信道场景。

近场信道下毫米波MIMO-NOMA网络性能优化

超大规模多输入多输出(Extremely Large-Scale Multiple Input Multiple Output,XL-MIMO)、非正交多址(NonOrthogonal Multiple Access,NOMA)、混合波束成形(Hybrid Beamforming,HBF)是6G的关键技术。随着天线数量的大幅增加,大规模MIMO系统向XL-MIMO系统的转变不仅意味着天线数量的变化,而且电磁波的传输特性发生了根本性变化,基于平面波模型的远场信道将不再适用。因此,考虑基于球面波传输模型的近场通信场景,在该模型下采用群体串行干扰删除(Group-level Successive Interference Cancellation,GSIC)的毫米波MIMO-NOMA网络能量效率。首先,基于近场信道建立上行链路毫米波XL-MIMO-HBF-NOMA系统模型,并给出优化的用户分组方案。其次,提出以最大化能量效率为目标的优化问题,并通过波束扫描和迫零技术完成HBF设计。为求解该非凸优化问题,采用嵌套的二次变换技术,并设计关于HBF与功率分配的迭代优化算法。最后,通过仿真验证所提架构在近场通信中的有效性。

低功耗并行MIMO空间复用检测器的VLSI结构

针对2×2天线配置的多输入多输出无线通信系统,提出了一种新颖的近最大似然多输入多输出检测算法.此算法只对搜索树的第2层节点耗尽搜索,第1层应用区域判定法直接得到假设星座点和反假设点,不需要对每一层搜索树的部分欧几里得距离排序,降低了计算复杂度,而且适合并行处理.依据该算法设计了规则的、流水线型的超大规模集成电路,可以配置并行检测核的数目,从而可灵活地控制吞吐率.在40nm的工艺下,约束工作电压为1.08V,设定时钟频率为156MHz,版图实现可以达到312Mbit/s的吞吐量和23mW的功耗,处理延迟仅为0.051ns.

基于信道分析的动态可重构MIMO检测器

在多输入多输出(MIMO)系统中分析信道增益对信号检测性能的影响,提出一种基于信道分析的智能MIMO信号检测算法,根据各对天线间的信道增益动态调整子节点扩展数,在检测性能接近最大似然算法性能的前提下,该算法比传统K-best算法减少54%的子节点扩展数。基于该算法设计并实现的动态可重构的超大规模集成电路MIMO检测器支持4×4天线阵列、QPSK/16-QAM调制信号,数据吞吐率达到800 Mb/s。