6G超大规模天线信道波束域传播特性分析

为了探明6G超大规模天线信道在波束域的信道传播特性,重点开展了无线信道测量实验与测量数据分析.首先,在典型城市场景下,开展了sub-6 GHz频段配置超大规模均匀线阵的视距(light-of-sight,LoS)和非视距(non-LoS,NLoS)信道测量实验;其次,划分若干子阵列,并分别使用高分辨率参数提取算法估计多径幅度、时延和角度;然后,根据不同的子阵列角度分辨率构建虚拟波束,将对应不同虚拟波束角度的多径进行分组及叠加.通过比较不同子阵列在相同角度对应的虚拟波束系数,发现传统天线域的空间非平稳特性在波束域表现不明显.通过分析不同虚拟波束的信道系数,可观察到波束域稀疏特性,并且LoS场景的稀疏特性更加明显.针对不同场景下各虚拟波束的多径数目、功率和均方根时延扩展进行拟合分析,可知分别服从高斯分布、高斯分布、均匀分布.此外,分析发现LoS场景下虚拟波束间相关性较低,而NLoS场景下虚拟波束间相关性随波束分辨率提高而增大.

6G超大规模天线阵列近场通信的波束赋形设计

应用超大规模天线阵列(Extremely Large-scale Antenna Array, ELAA)是未来6G移动通信基站的发展趋势。ELAA的孔径增加使阵列近场区域扩大,原有研究中的远场假设不再成立,对于ELAA近场通信,应该建立正确的近场模型进行研究。基于此,建立了近场球面波信号模型并提出了ELAA近场多用户多输入多输出(Multiple-Input Multiple-Output, MIMO)通信系统模型,通过进行波束赋形设计优化近场通信的可达和速率。为了突出正确近场通信模型的重要性,对比了原有远场平面波假设下的波束赋形设计在近场通信中的性能。此外,考虑到ELAA的硬件开销,设计了相位提取-迫零(Phase Extraction Zero-Forcing, PE-ZF)混合波束赋形方法。结果表明基于近场正确建模的波束赋形设计拥有最佳的和速率,同时提出的PE-ZF混合波束赋形方法拥有良好的性能,验证了ELAA近场通信波束赋形设计的重要性。

互耦效应对超大规模MIMO天线系统信道容量的影响

超大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)天线系统是6G的关键技术,由于天线单元间距很小,多个天线单元的互耦效应是影响其性能的因素之一。建立了基于石墨烯基贴片天线阵列-子阵列架构的超大规模MIMO天线系统,推导出了互耦效应影响下的信道容量表达式。通过电磁场数值计算仿真了超大规模MIMO天线系统的信道容量,结果表明,在不考虑互耦效应时,超大规模MIMO天线系统的信道容量与子阵列天线单元数、子阵列数以及发射机功率正相关;在互耦效应的影响下,系统的信道容量降低,互耦效应的强弱与子阵列天线单元的间距有关,天线单元间间距越小,相邻天线间的互耦效应越明显,系统的信道容量越小。该仿真结果可以为6G中超大规模MIMO天线系统的设计提供参考。

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。

超大规模MIMO信道测量建模研究综述

超大规模多天线技术(Extra-large Scale Massive Multiple-Input Multiple-Output,XL-MIMO),是5G大规模MIMO进一步向更高空间维度的扩展和延伸。随天线数目大幅增加,XL-MIMO部署呈现超大孔径阵列等新形态;其传播信道在5G大规模MIMO信道模型近场传播、空间非平稳等特性基础上,进一步呈现出用户可视区域不同等新特点,因此,需要新的模型架构对其进行描述。基于此,对文献中XL-MIMO相关的信道测量、特征分析与建模方法进行综述。从传统无线信道模型出发,对有限维MIMO、大规模MIMO、XL-MIMO共同的信道建模理论与手段、随阵列尺寸增加所表现出的信道新特性以及新特性所催生的新模型架构进行了详细阐述,对XL-MIMO信道特性下出现的挑战与机遇进行了展望,以期为未来超大规模MIMO传输设计提供重要参考。

6G潜在关键技术对材料发展的启示

随着2020年前后5G商用全面铺开,标志着移动通信成功实现了从"人联"走向"万物互联",同时也暴露了5G技术单基站信号覆盖范围小、信号传播能力弱、信号穿透率差等带来的问题。6G具有更低延迟、更高速率、更高容量、更大规模等特点。在5G的基础上,6G将传统的“万物互联”迈向更高阶的“万物智联”,引领推动新一轮科技革命和产业变革。本文从全球6G发展现状和趋势出发,分析了当前移动通信行业需要解决的问题,对以智能超表面和超大规模天线阵列等为核心的6G移动通信关键技术进行调研,同时对相关技术的关键共性问题及材料领域发展动态进行了深入探讨,以期为未来6G时代通信新材料的研究和发展提供思路。

6G候选技术关键问题研究综述

5G技术在推动数字经济和新兴产业迅速发展的同时,也暴露了能耗高、垂直行业应用难、单基站覆盖有限等问题。为了解决5G技术的短板,本文基于全球6G发展现状和趋势,分析了6G需要解决的问题,对以太赫兹通信、通信感知一体化、智能与通信融合、超大规模MIMO、智能超表面和全双工等为核心的6G移动通信主要候选技术进行了研究,并对其中亟待解决的关键共性问题进行了深入探讨,以期为后续的进一步研究和创新提供参考。

5G自身智能化及赋能智能产业之路

2019年是5G商用的元年,5G深入各个垂直行业的应用同人工智能(AI)的典型应用高度重叠。5G网络自身的智能化是5G+AI赋能各行各业应用的基础,同时也是提升网络效率,降低运营运维成本的关键。5G+AI赋能产业的场景和规模正在加速发展,这些不断拓展的新业务需求也对5G网络和AI技术提出了新的挑战。本文阐述了5G网络自身智能化及5G+AI赋能产业所取得的进展,以及面临的核心技术问题,呼吁产学研突破现有的研发共享合作模式,加速解决核心技术挑战。

联合低秩及稀疏结构特性的毫米波通信下行信道估计

毫米波通信的信道估计给系统带来较大负荷。为降低系统开销,联合无线信道低秩和稀疏特征,提出一种基于非凸低秩逼近的信道估计算法框架。针对基于信道建模的字典学习方法运算量大的问题,设计了基于深度神经网络信道特征分类的字典学习算法。仿真表明:在特定城市微蜂窝信道模型下,该方法的均方误差性能均优于基于信道模型的字典学习方法、贝叶斯框架下的信道估计方法以及基于压缩感知信道估计方法;获取相同归一化均方误差时本文算法所需的信噪比最低;所需导频数量低于上述3种方法。