kaiyun官方注册
您所在的位置: 首页> 模拟设计> 设计应用> TD-LTE系统中MIMO技术的应用场景与介绍
TD-LTE系统中MIMO技术的应用场景与介绍
摘要:日前,上海贝尔股份有限公司参加工业和信息化部和中国移动共同组织的多项实验室和外场验证及测试,并首批成功完成了该测试。作为第一批成功完成该项测试的厂商之一,上海贝尔将为中国移动在上海开展的大规模4GTD-LTE试验网部署项目提供端到端LTE解决方案。
Abstract:
Key words :

1 引言

日前,上海贝尔股份有限公司参加工业和信息化部和中国移动共同组织的多项实验室和外场验证及测试,并首批成功完成了该测试。作为第一批成功完成该项测试的厂商之一,上海贝尔将为中国移动在上海开展的大规模4GTD-LTE试验网部署项目提供端到端LTE解决方案。

大规模外场测试在真实环境下布网,边界条件复杂,与实验室环境有诸多不同。TD-LTE技术采用多天线的发射接收技术,利用不同的传输模式来适配复杂的自然环境从而达到性能最优。在LTE系统的研发过程中,经过几年的摸索与实践,上海贝尔阿尔卡特朗讯公司积累了众多经验。

下面以大规模试验网络需要的布网技术角度,对几种MIMO的原理及应用场景进行描述,对波束赋形的天线模式、物理层过程、波束赋形在TD-LTE基站系统中的实现和原理以及几种波束赋形算法的特点和应用场景进行介绍与分析。

在LTE(Long Term Evolution,长期演进技术)标准中,被采纳的MIMO技术主要包括发送分集、空分复用、波束赋形等。其中基于用户专用参考信号的下行波束赋形技术能够利用时分复用LTE(TD-LTE)系统中的上/下行信道的互易性,针对单个用户进行动态的波束赋形,从而有效提高传输速率和增强小区边缘覆盖性能。这些都在阿尔卡特朗讯的解决方案中得到了验证。本文对此进行了总结,对真实的网络部署有参考意义。

2 TD-LTE MIMO应用场景

在本次中国移动大规模外场测试主要选用以下3种MIMO技术适配不同的应用场景。

2.1 发射分集(Tx Diversity)

LTE的多天线发送分集技术选用SFBC(Space Frequency Block Code)作为基本发送技术,在发射端对数据流进行联合编码以减少由于信道衰落和噪声所导致的符号错误率。SFBC通过在发射端增加信号的冗余度,使信号在接收端获得分集增益。发射分集方案不能提高数据率。

LTE采用的SFBC技术对编码矩阵进行了改进,能保证在有天线损坏的情况下也可以正常传输,传输数据更为简单,图1为SFBC发送端基本框图。


图1 SFBC发送端基本框图

对发射信号以发送分集进行传输可以获得额外的分集增益和编码增益,从而可以在信噪比相对较小的无线环境下使用高阶调制方式,但无法获取空间并行信道带来的速率红利。空时编码技术在无线相关性较大的场合也能很好地发挥效能。SFBC可以较普遍地应用于表1所示场景。

表1 SFBC应用场景



发送分集发射方式对信道条件要求不高,对SNR,信道相关性,移动速度均不敏感。但是该发射方式无法获取空间并行信道带来的速率红利,发送分集方案不能提高数据率。当信道间相关性大且SNR较低或移动速度过高情况下(对应无线信道条件差),会考虑切换到发送分集的发射方案,例如信道恶化的场景下。当信道处于理想状态或信道间相关性小时,发射端采用空分复用的发射方案,例如密集城区、室内覆盖高SNR条件等场景。

2.2 空分复用技术(Spatial Multiplexing)

空分复用技术是在发射端发射相互独立的信号,接收端采用干扰抑制的方法进行解码,此时的理论空口信道容量随着收发端天线对数量的增加而线性增大,从而能够显著提高系统的传输速率。

空分复用允许在同一个下行资源块上传输不同的数据流,这些数据流可以来自于一个用户(单用户MIMO/SU-MIMO),也可以来自多个用户(多用户MIMO/MU-MIMO)。单用户MIMO可以增加一个用户的数据传输速率,多用户MIMO可以增加整个系统的容量(见图2)。


图2 空间复用基本框图

空分复用能最大化MIMO系统的平均发射速率,但只能获得有限的分集增益,在信噪比较小时使用可能无法使用高阶调制方式。

无线信号在密集城区、室内覆盖等环境中会频繁反射,使得多个空间信道之间的衰落特性更加独立,从而使得空分复用的效果更加明显。无线信号在市郊、农村地区多径分量少,各空间信道之间的相关性较大,因此空分复用的效果要差许多。

无线信号在密集城区、室内覆盖等环境中会频繁反射,使得多个空间信道之间的衰落特性更加独立,从而使得空分复用的效果更加明显。对于适用于密集城区地区的MIMO应用,可以用OpenLoop MIMO和CloseLoop MIMO两种MIMO模式选择,其中CloseLoop MIMO对环境要求较高,由于拥有PMI/RI的反馈调整,其数据可靠性较强,对于OpenLoop MIMO,其健壮性较强,对SNR要求和信道相关性要求不如前者严格(见表2,表3)。无线信号在市郊、农村地区多径分量少,各空间信道之间的相关性较大,因此空间复用的效果要差许多。

表2 CL-MIMO应用场景


表3 OL-MIMO应用场景


2.3 波束赋形(Beam Forming)

波束成型技术又称为智能天线,通过对多根天线输出信号的相关性进行相位加权,使信号在某个方向形成同相叠加,在其他方向形成相位抵消,从而实现信号的增益。系统发射端能够获取信道状态信息时(例如TDD系统),系统会根据信道状态调整每根天线发射信号的相位(数据相同),以保证在目标方向达到最大的增益;当系统发射端不知道信道状态时,可以采用随机波束成形的方法实现多用户分集(见图3)。



图3 定向智能天线的信号仿真效果

系统发射端能够获取信道状态信息时(例如TDD系统),系统会根据信道状态调整每根天线发射信号的相位,以保证在目标方向达到最大的增益。

波束成型技术在能够获取信道状态信息时,可以实现较好的信号增益及干扰抑制使的小区边缘性能提升(见表4)。波束成型技术不适合密集城区、室内覆盖等环境,由于反射的原因,接收端会收到太多路径的信号,导致相位叠加的效果不佳。

表4 波束成型应用场景


波束赋形技术对环境要求严格,不适用于密集城区。在阿尔卡特朗讯的LTE-TDD的系统方案中,针对波束赋形技术能够适配的场景的无线信道情况不同,应用不同的波束赋形算法,从而获得最大的增益与健壮性,达到性能最优。下面对阿尔卡特方案中的几种典型的算法做简单的介绍。

(1)per-RB-MRT(窄带加权)

per-RB-MRT是基于EBB(Eigen Beam Forming,SEBB)波束赋形算法的一个子类;利用对每个子载波/资源块瞬时信道状态信息的特征值分解成对应的下行波束加权向量。

可适用于角度扩展比较大的应用场合(如城区微小区覆盖、基站天线架设不太高的场合);复杂度高;在信道移动性较低,信道估计质量较好的情况下,可以获得最优的波束赋形增益;在移动性较高,信道估计交差的情况下,性能不是很健壮。

(2)Full-BW-EBB算法(宽带加权)

Full-BW-EBB是基于EBB波束赋形算法的另一个子类,利用对每个子载波/资源块的瞬时信道状态信息“统计特性”的特征值分解形成对应的下行波束赋形的加权向量。

可适用于角度扩展较大的应用场合;复杂度低于基于MRT的波束成形;在信道移动性较低,信道估计质量较好的情况下,相对于基于MRT的波束成形可获得的波束赋形增益较低;在信道移动性较高、信道估计质量较差的情况下,性能比较健壮。

(3)DOA算法(基于到达方向估计)

DOA基于对用户信号到达方向的估计形成下行波束赋形的加权向量。

适用于具有视距路径(Line Of Sight,LOS)或角度扩展(Angle Spread,AS)较小的应用场合(如郊区宏小区覆盖、基站天线架设较高的场合),获得高的波束赋形增益;复杂度较低;对于角度扩展较大的应用场合,有效性不高。

2.4 应用场景

大规模外场测试中无线通信环境边界条件复杂,布网期间众多因素均可导致网络性能的差异,应该依照不同的边界环境具体权衡与选择(见图4)。阿尔卡特朗讯也做了大量的针对各种场景的仿真与测试工作,力求提高其健壮性以适应复杂场景。


图4 MIMO多种模式的切换门限考虑

MIMO的几种模式分别适用于不同的场景,按照切换的边界件来分,从离城市中心到郊区以及小区边缘,分别可以用如下传输方式布网:离基站比较近、信号较强、靠近市中心、多径衰落较强的城市中心地区,可以使用传输模式4(CL-MIMO),由于有闭环的RI/PMI反馈,其速率稳定、误码率较低,可以获得多天线增益,但是对边界条件要求比较严格;如果环境较为恶劣,SNR较低,信道相关性稍低,可以适应传输模式3(OL-MIMO)方式;在城市郊区较为开阔、信道相关性较高的郊区地区,依照速度的不同,选择对应算法的Beam Forming算法(传输模式7)。以上各种模式均可切换成发射分集模式,发射分集模式的健壮性强,对速度、信道环境与SNR要求均不高,但是无法产生多天线速率增益,只可以享受由于多天线并行传输带来的分集增益。

LTE-TDD外场大规模布网,信道边界条件复杂,使用不同的传输技术以适配不同的应用场景尤为重要。如果选择不当,不仅不能达到网络性能最优,而且会造成网络干扰加大等恶劣影响。阿尔卡特朗讯在长期的研发与测试过程中,通过多种技术来适配各种不同的无线应用场景,每种技术在相应的场景下能有效地提高其数据健壮与性能增益,波束赋形技术更可以利用时TD-LTE系统中上/下行信道互易性,针对单个用户动态地进行波束赋形,从而有效提高传输速率和增强小区边缘的覆盖性能。

此内容为AET网站原创,未经授权禁止转载。
Baidu
map