《第五代移动通信系统若干关键技术概述.doc》由会员分享，可在线阅读，更多相关《第五代移动通信系统若干关键技术概述.doc（13页珍藏版）》请在三一文库上搜索。
1、第五代移动通信系统若干关键技术概述【摘 要】在将协作中继技术和认知无线电技术相融 合的认知中继网络中，进一步采用大规模 MIMO 技术，构成 大规模 MIMO 多用户认知中继网络， 深度挖掘空间维度无线 资源，从而大幅度提升频谱效率、能量效率和传输可靠性。 对 5G 移动通信系统若干关键技术进行综述， 对大规模 MIMO 技术、协作中继技术以及认知无线电技术这些具有代表性的 技术进行介绍和梳理，重申其重要作用和意义。【关键词】 大规模 MIMO 认知中继网络 频谱效率 能量 效率 5Gdoi： 中图分类号： TN92 文献标识码： A 文章编号：1006-1010（2015）13-0051-0
2、6 引用格式：杨睛，陈蕾，刘琪，等 . 第五代移动通信系 统若干关键技术概述 J. 移动通信， 2015，39（ 13）： 51-56.1 引言 随着移动互联网的迅猛发展，人们对无线传输速率要求 越来越高，通信系统能源消耗所占的比例不断增加，绿色通 信也越来越受到人们的关注。因此，如何在 4G 基础上，进 一步提升无线移动通信的频谱效率和能量效率， 是 4G/5G 移 动通信的核心所在 1-2 。为了提高无线资源利用率、改善系 统覆盖性能、提升通信的能量效率，多用户多输入多输出 ( MIMO ，Multiple-Input Multiple-Output )技术、 协作中继技 术以及干扰对齐技
3、术得到了业界的广泛关注。然而，这些技 术并不能从根本上带来系统容量的飞跃提升，也无法满足用 户的需求。为此，研究者们提出大规模 MIMO 技术，在基站 设以大规模阵列天线代替目前所采用的多天线，由此形成大 规模 MIMO 通信系统， 大规模 MIMO 系统具有无可比拟的技 术优势：空前的频谱效率，更高的能量效率，精准的空间区 分度，相对廉价的硬件实现等 3-4 。另一方面，无线中继技 术和认知无线电(CF, Cognitive Radio)技术分别被认为是提 高系统传输可靠性和频谱利用率的核心技术。无线中继技术 具有潜在能力扩展通信业务覆盖区域，实现分集增益以抵抗 大小尺度衰落 5等优点； 认
4、知无线电技术允许非授权用户或 认知用户(SU, Secondary User)在不影响授权用户(PU, Primary User)的服务质量(QoS, Quality of Service)的前提 下，灵活、动态地进行频谱接入，共享分配给 PU 的频谱资 源6 ,从而提高频谱效率。综上所述,大规模 MIMO 技术、协作中继技术、认知无 线电技术在提升频谱效率、能量效率、传输可靠性等方面具 有较强的技术优势,是第五代移动通信系统中最具潜力的技 术。2 大规模 MIMO 技术大规模 MIMO 技术通过在基站端架设数百根低功率天线， 使得天线数较 4G 系统中的 4(或 8)根增加了一个数量级， 天
5、线数目远远超过在同一时频资源上同时调度的单天线用 户数量，模型框图如图 1 所示。大规模天线阵列所带来的分 集增益、阵列增益以及干扰抑制增益，使得每个用户与基站 之间通信的功率效率和频谱效率得到极大提升。由于大规模 MIMO 技术的研究都才刚刚起步， 有大量的未知空间待探索， 比如信道建模、导频污染、最优波束成型等。图 1 大规模天线通信系统框图近年来，大规模 MIMO 引起了学者们的广泛关注，并在 信道容量 7，8、预编码方案 3，9、能量效率 8 、导频污染 10、单载波传输方案 11 等方面取得了一些进展。 另一方面， 如何使用更少的天线，而不是无穷多的天线来获取更高的频 谱效率？在参考
6、文献 12， 13中对此问题进行了研究。文献 12 针对大规模分布式天线系统， 提出了 2 种天线选择方案， 以优化能量效率和频谱效率为目标，减少使用的天线数目； 文献 13对在接收端采用匹配滤波器接收机的问题进行了研 究。为了获得大规模 MIMO 系统的性能增益， 基站需要获取 信道状态信息 ( CSI，Channel State Information )。基于信道估 计和反馈问题的考虑，上下行信道具有互易性的时分双工 (TDD，Time Division Duplexing )模式 3成为当前大规模MIMO 技术研究的重点。 众所周知，频分双工( FDD，Frequency Divisi
7、on Duplexing )模式不具有上下行信道的互易性。如何 在 FDD 系统下采用大规模 MIMO 技术？目前， 学术界主要有 2种方法：一种方法是基于部分CSI14或者甚至在没有任何CSI信息的情形下，设计高效的预编码方案；另一种方法是 利用压缩感知的方法降低反馈开销15。以上的研究大多在假设信道满足独立同分布 Rayleigh 衰 落信道的基础上。实际上，由于大规模 MIMO 天线系统的信 号传输具有精准的方向，并且毫米波的传播具有准光(quasi-optical)特性，视距信号(LoS, Line-of-Sight)在大 规模MIMO系统中会占据主导地位8。而Rayleigh衰落模型
8、 仅仅适用于不存在 LoS信号的情形，在大规模 MIMO系统中 仍然采用Rayleigh衰落模型不太合理。适合建模存在LoS信号的信道模型有 Rician、Nakagami-m、？-卩等。目前，仅有 少量文献考查了独立同分布 Rician 信道模型 8下的系统性能， 尚无在更为复杂的 Nakagami-m、?-卩衰落环境下的相关研究 报道。另一方面，独立同分布的假设也有些欠妥当，毕竟当 天线数目变得非常巨大时，信道具有高度的空间相关性。然 而，从目前的文献检索来看，这方面的研究也非常少，仅有 少量文献就此问题展开研究。比如参考文献16 和参考文献17在相关Rayleigh衰落信道下对多小区多用
9、户大规模 MIMO 系统的频谱效率性能进行了研究。因此在典型实际应用场景下， 对于大规模 MIMO 无线信 道的实际建模以及传输性能的研究工作有待进一步开展。3 认知中继网络 无线中继技术具有扩展无线覆 盖区域、实现分集增益提升系统抗干扰性能 5 等优势，在一 定程度上改善了无线通信的性能。然而，随着移动用户的逐 渐增多和多媒体移动通信业务的急剧增长，有限的频谱资源 与快速增长的频谱需求之间的矛盾日益尖锐。单纯地依赖中 继技术还远远无法解决下一代无线通信系统发展所面临的 困难和挑战。认知无线电技术的出现打破了传统固定频谱分 配机制，可提高频谱资源的利用率 6 。频谱接入是认知无线 网络的关键技
10、术之一，在 underlay接入方式中，SU和PU同 时占用同一频谱资源，为了保证PU的QoS,要求SU对于PU 的干扰功率必须低于某一确定的门限值（ Interference Temperature，干扰温度），因此限制了 SU的发射功率，这使 得 SU 的传输范围和传输性能受到很大的影响。把无线中继 技术和认知无线电技术相融合，构成认知中继网络，不但能 利用分集增益以抵抗信道衰落，拓宽网络覆盖范围，还能提 高频谱利用率，对其研究具有重要意义。一个典型的认知中 继网络如图 2 所示：图 2 认知双向中继网络系统示意图 在协作单中继通信场景下（如图 3 所示），假设认知网 络中信源S中继R以及
11、目的节点D都位于一条直线上，并且它们的坐标分别为（ 0，0）、（1/2 ，0）、（1，0），考虑授权 用户PU处于3种不同位置的情况下，即PU位于（0.44,0.44）、（0.55，0.55）以及（ 0.66，0.66）这 3个坐标下，图 4所示 中断概率的结果表明：一方面，有中继协作下的系统传输性 能要比直传链路（即无中继协作）的性能好；另一方面，PU的位置会影响到认知网络的传输性能，当 PU 位于坐标（ 0.66，0.66）时，系统传输性能最佳。图 3 认知单中继网络示意图图4不同PU位置下的中断概率对比在多协作中继通信场景中，存在认知信源 S 到认知目的 节点D的直传链路的情况下， 中继
12、节点个数K从2个变化到 6 个时的系统中断概率的不同结果如图 5 所示，可以看出系 统的传输性能随着中继节点个数K的增加而明显改善。对于认知中继网络来言， 发射功率约束和（来自PU的） 共道干扰，是其有异于传统中继网络的主要特征。认知节点 的发射功率约束包括干扰温度（分为均值干扰功率约束和峰 值干扰功率约束 2 类）、最大发射功率约束。然而，从文献 调研来看，针对认知中继网络在物理层的传输性能的分析研 究工作还比较少。考虑在不同发射功率约束条件下（如峰值 干扰功率约束 18 、联合峰值干扰功率约束 -最大发射功率约 束19），不同的中继信号处理方式（AF/DF），学者们针对认 知中继网络，获得
13、了其在 Rayleigh18、Nakagami-m19等衰 落环境下的理论成果。需要指出的是，以上研究多数考虑的 是 Rayleigh 衰落和 Nakagami-m 衰落，然而这些衰落分布模 型可能不能很好地对实际的网络环境进行建模，这使得相关 分析结果存在较大的局限性，对认知中继网络的研究有待进 一步开展。4 大规模 MIMO 在中继网络中的应用 在中继网络中进一步采用大规模MIMO 技术， 可深度挖掘空间维度无线资源，从而大幅度提升频谱效率、能量效率 和传输可靠性。考虑如图 6 所示的大规模 MIMO 双向中继网络， 2K 个用 户在第一阶段同时将各自的信号传送给中继，中继在第二阶 段时将
14、处理过的信号广播给 2K 个用户。理论研究表明，当 用户或中继站的发送功率减少到单天线中继站发送功率的 1/N 时，网络不但能获得较高的能量效率，同时能获得较高 的频谱效率，如图 7、图8和图9所示。图7图9中的3 种情形分别为：情形一代表用户发送功率降低为 1/N ，即为 P/N;情形二代表中继发送功率降低为1/N，即为P/N;情形三代表用户和中继发送功率均降低1/N。从图7、图8和图9可以看出：随着中继天线数 N 的增加，频谱效率增加并趋于 较高的稳定值，情形一的频谱效率最高。情形一和情形二的 能量效率较低，情形三的能量效率呈线性增加。因此，在大 规模 MIMO 系统中，在不损耗系统频谱效
15、率的情况下，可以大幅度地降低用户或基站发送功率，从而保证较高的能量效 率，实现绿色通信。图 6 大规模 MIMO 多用户双向中继系统模型图 7 在情形一和二下能量效率随着中继天线个数增加 的变化曲线图 8 在情形三下能量效率随着中继天线个数增加的变 化曲线图 9 频谱效率随着中继天线个数增加的变化曲线 目前， 针对大规模 MIMO 在传统中继网络中的研究已有 一些研究成果 20-22 ，但是尚未出现大规模 MIMO 在认知中 继网络中的相关研究报道。在已有的相关文献报道中，大规 模 MIMO 多用户单向中继通信网络， 通常假设两跳中继网络 场景，独立同分布Rayleigh衰落信道，已知完备CS
16、,固定中 继通信协议。像频谱效率更高的选择中继、增强中继以及双 向中继通信中的机会信源选择协议，更广泛的多跳中继网络 场景以及更切合实际的相关衰落信道等都没有相应的研究 报道。 仅有少量关于小规模天线配置下的 MIMO 系统在认知 中继网络中的相关研究。比如，在认知单向DF中继网络采用正交空时分组编码， 文献 23研究了系统的中断概率性能。 在认知中继站配置大规模天线的情形下，认知中继网络的性 能极限将会怎样？此时，干扰温度限制和共道干扰又在系统 性能方面扮演着怎样的角色？这些问题，都值得深入探讨。5 结束语大规模 MIMO 无线通信能够大幅度提升无线通信系统的 频谱效率和能量效率，在认知中继
17、网络中进一步采用大规模 MIMO 技术，构成大规模 MIMO 认知中继网络，深度挖掘空 间维度无线资源，从而大幅度提升频谱效率、能量效率和传 输可靠性，已成为 5G 无线通信领域最具有潜力的研究方向 之一。参考文献：1 WANG Chengxiang， HAIDER F， GAO Xiqi， et al.Cellular architecture and key technologies for 5G wireless communication networksJ. IEEE Communications Magazine ， 2014，52（ 2）： 122-130.2 尤力， 高西奇 .
18、 大规模 MIMO 无线通信关键技术 J. 中兴通信技术 . 2014，20（ 2）： 26-28.3 MARZETTA T L. Noncooperative cellular wireless with unlimited numbers of base station antennasJ. IEEE Transactions on Wireless Communications ， 2010，9（11）： 3590?C3600.4 LARSSON E G， TUFVESSON ，F EDFORS O， et al. Massive MIMO for next generation wir
19、eless systemsJ. IEEE Communications Magazine ， 2014，52（ 2）： 186-195.5 LANEMAN J， TSE D， WOMELL G. Cooperative diversity in wireless networks ： efficient protocols and outage behaviorJ. IEEE Transactions on Information Theory ， 2004， 50（ 12）： 3062-3080.6 MITOLA J， MAGUIRE G Q. Cognitive radios： Makin
20、g software radios more personalJ. IEEE Personal Communications ， 1999， 6（4）： 13?C18.7 NGO H Q， LARSSON E ，G MARZETTA T L. Energy and spectral efficiency of very large multiuser MIMO systemsJ. IEEE Transactions on Communications， 2013， 61（ 4）： 1436-1449.8 ZHANG Qi， JIN Shi， WONG K.-K， et al. Power sc
21、aling of uplink massive MIMO systems with arbitrary-rank channel meansJ. IEEE Journal of Selected Topics in Signal Processin，g 2014， 8（ 5）： 966-981.9 RUSEK F， PERSSON ，D LAU B K， et al. Scaling up MIMO ： opportunities and challenges with very large arraysJ. IEEE Signal Processing Magazin，e 2013， 30（
22、1）： 40?C60.10 YIN Haifan， GESBERT ，D FILIPPOU M， et al. A coordinated approach to channel estimation in large-scale multiple-antenna systemsJ. IEEE Journal on Selected Areas in Communications ， 2013， 31（ 2）： 264?C273.11 PITAROKOILIS ，A MOHAMMED S K， LARSSON E G.On the optimality of single-carrier tr
23、ansmission in large-scale antenna systemsJ. IEEE Wireless Communications Letters， 2012， 1（ 4）： 276-279.12 JOUNG Jingon， CHIA Khiang， SUN Sumei. Energy-Efficient， Large-scale distributed-antenna system （ L-DAS） for multiple usersJ. IEEE Journal of Selected Topics in Signal Processing， 2014， 8（ 5）： 95
24、4-965.13 LI Jun， ZHANG Zhaoyang， WANG Chao， et al. Performance analysis of MF receiver in noncooperative cellular networks with distributed massive MIMOC. High Mobility Wireless Communications （ HMWC）， 2013 International Workshop on ， IEEE， 2013： 146-150.14 NAM J， AHN J， ADHIKARY A， et al. Joint spa
25、tial division and multiplexing ： Realizing massive MIMO gains with limited channel state informationC. Information Sciences and Systems （ CISS）， 2012 46th Annual Conference on ， IEEE， 2012： 1-6.15 李晓辉，王维猛，黑永强 . 基于空频相关性的大规 模 MIMO-OFDM 信道压缩反馈算法 J. 电子与信息学报， 2014（5）： 1178-1183.16 NGO H Q， MARZETTA T ，LL
26、ARSSON E G. Analysis of the pilot contamination effect in very large multicell multiuser MIMO systems for physical channel modelsC. Acoustics， Speech and Signal Processing（ ICASSP）， 2011 IEEE International Conference on ， IEEE， 2011： 3464-3467.17 WANG D， JI C， GAO X， et al. Uplink sum-rate analysis
27、of multi-cell multi-user massive MIMO systemC. Communications （ ICC）， 2013 IEEE International Conference on， IEEE， 2013 ： 5404-5408.18 DUONG T Q， BAO V N Q， ZEPEMICK H -. Exact outage probability of cognitive AF relaying with underlay spectrum sharingJ. Electronics Letters ， 2011， 47（17）： 1001-1002.
28、19 DUONG T Q， COSTA D B D，a ELKASHLAN M， et al. Cognitive amplify-and-forward relay networks over Nakagami-m fadingJ. IEEE Transactions on Vehicular Technology， 2012，61（ 5）： 2368?C2374.20 NGO H Q， SURAWEERA H ，A MATTHAIOU M，et al. Multipair full-duplex relaying with massive arrays and linear process
29、ingJ. IEEE Journal on Selected Areas in Communications ， 2014， 32（ 9）： 1721-1737.21 NGO H Q， LARSSON E G. Large-scale Multipair two-way relay networks with distributed AF beamformingJ. IEEE Communications Letters， 2013， 17（12）： 2288-2291.22 CUI H， SONG L， JIAO B. Multi-pair two-way amplify-and-forwa
30、rd relaying with very large number of relay antennasJ. IEEE Transactions on Wireless Communications， 2014，13（ 5）： 2636-2645.23 ZHANG X， XING J， WANG W. Outage analysis of orthogonal space?Ctime block code transmission in cognitive relay networks with multiple antennasJ. Vhlar Hnology Ranaon on， 2013（ 7）： 3503-3508.