0 引言

无线移动通信的快速发展导致了移动用户的数量和相关产业规模呈现出爆炸性增长，因此无线通信系统需要满足更高的数据传输速率和更高的系统容量，需要通信系统高效地利用带宽资源，由于现在的频谱资源相对缺乏，所以提高系统的频谱利用率尤为重要，传统的MIMO技术可以利用有限的频谱资源满足用户对系统性能的需求，但是传统MIMO系统中基站的天线数目较少，所能提高的系统性能有限，大规模MIMO作为未来5G的关键技术之一，可以满足未来无线通信业务的需求，提升通信系统的频谱效率与信道容量，并且能够有效提升链路可靠性和数据传输速率^[1]。

1 传统MIMO技术

多输入多输出MIMO技术最早是由Marconi在1908年提出来的，它通过发送端和接收端都配备多根天线来提高通信系统的容量、系统传输数据速率以及传输可靠性。3GPP LTE Release10已经可以支持8个天线端口进行传输，也即 8个单流用户或者 4个双流用户同时传输。LTE/LTE-A 中的 MIMO 技术标准化进程如表1所示。受移动终端尺寸、功耗以及外观的限制，想要进一步提高数据的传输能力，一个直观的方法就是增加并行传输的数据流个数或者增加基站天线端口数目。

2 大规模MIMO技术

2010年，Bell实验室的科学家Marzetta在多小区、TDD场景下，提出了大规模MIMO的概念^[2]，从而发现了与单小区、有限数量天线时的一些不同特征。大规模MIMO技术是指基站配置了庞大的天线数量^[3]，通常是一百根或者是几百根，较现有通信系统中天线数增加几个数量级以上，在相同的时频资源上同时服务多个用户，且移动终端一般采用单天线接收的通信方式。大规模MIMO的基本模型如图1所示。

2.1 大规模MIMO的技术优势

大规模MIMO技术的主要优势如下：

（1）根天线消耗的功率极低。理想情况下，在总发射功率一定的条件下，每根天线所用发射功率与天线数量成反比例关系，并且在发射信噪比一定的条件下，总的发射功率也与天线的数量成反比例关系。因此，每根天线所需的发射功率与天线数量的平方成反比。从而有效降低大规模MIMO的应用中所消耗的功率。

（2）信道“硬化”。当天线数趋于无穷大时，信道矩阵可以采用随机矩阵的理论进行分析，信道矩阵的奇异值将趋向已知的渐进分布^[4]，并且信道向量将会趋向正交，最简单的信号处理方法是渐进最优的。

（3）热噪声和小尺度衰落的影响消除。采用线性信号处理方法，热噪声和小尺度衰落对系统性能的影响会随着天线数量的增加而减小，并且热噪声和小尺度衰落的影响与小区间的干扰相比可以忽略不计。

（4）空间分辨率提升。在大规模MIMO系统中随着基站天线数的增多，波束形成能够把所传输的信号集中到空间的一个点上，即基站能够精确分辨每一个用户，从而提高了空间分辨能力。

2.2 大规模MIMO与传统MIMO性能对比

在3GPP中，MIMO技术总体上是沿着单用户MIMO、多用户MIMO到网络MIMO的发展进行演进的，相比传统MIMO技术，大规模MIMO技术的性能体现在诸多方面，表2中给出了传统MIMO与大规模MIMO之间性能对比。

2.3 大规模MIMO应用场景

大规模的多天线MIMO技术在第五代移动通信系统中的应用场景如图2所示，宏蜂窝和微蜂窝两种小区在5G大规模天线阵列应用场景下共存，网络主要分为同构与异构网络两类，而场景则分成室内场景和室外场景，由测试的相关性文献知，陆地上有约70%的移动通信系统的通信是出自室内，所以可以将大规模的MIMO信道分为微小区基站对室内或室外用户，宏小区基站对室内或室外用户，同时也可以将微小区作为中继基站传输信息，信道也可以分为宏小区基站和微小区基站。基站的天线数可无限增大，并且小区内的移动用户天线数也可以增加。

3 大规模MIMO信道的测量与建模

当无线传播条件理想时，由于大规模的MIMO系统天线数的增加，发射机和接收机间信道向量逐渐正交。下面主要研究并分析大规模MIMO的信道测量和建模。

3.1 大规模MIMO信道的测量

通过实际无线传播环境下的信道测量可以有效地验证大规模MIMO系统的理论信道模型，经测量实际的信道提高整个通信系统的性能^[5]。

（1）测量2.6 GHz微蜂窝条件下分布式MIMO信道。测量的方法主要是在分布式MIMO下使用3个基站分别配备4组天线单元，令其空间的高度满足同向极化条件，再用最后一个基站去配置一个天线单元，由圆柱形均匀阵列配置为64组双极化天线单元组成的移动台，经分析不同基站间通信链路大尺度衰落的互相关性求出不同位置大尺度的信道衰落值。

（2）128单元线性阵列的测量方法。文献[6]描述了工作在2.6 GHz条件下，不同的视距下进行传播的26个用户，非视距情况下进行传播的10个用户，并且部署128单元阵列天线于基站端，同时设定半个波长为天线间距，7.3 m作为天线阵列的长度，通过验证上述配置下的大规模MIMO信道可知当一些不可见的散射或变化较大的散射功率值存在时大规模天线阵列是无线传播的信道，不能看成是广义的平稳过程，不过因为天线阵列非平稳性与近场的效应可以去除用户间的相关性，以此来提供一个相对稳定与低干扰的信道环境。

3.2 大规模MIMO信道建模

由于5G技术的飞速发展，使得大规模MIMO信道建模表现出了一些新特性。例如在基站端大规模阵列天线部署时需用球面波替换为平面波^[7]，将信道能量集中于有限的空间。信道不再独立同分布。随着不断增大的基站端天线阵列使得只有不同的天线单元可以看见不同的散射体，用非静态特性来表征衰落^[8]。

4 信道状态信息获取技术

贝尔实验室提出了大规模的MIMO系统TDD模式的传输方案，其在蜂窝网络中的移动用户（一般设定为单天线）传输互为正交的导频信号到基站端，通过接收导频信号到目标基站，根据信道估计的上行链路CSI的值，使用TDD系统的上下行链路互易性，用上行链路CSI的共轭转置表征下行链路的CSI。从而传输上行信号的检测和下行的预编码，在小区用户的数目变多时，信道估计的导频开销也会增加，尤其是在中高速移动通信的情况下，导频开销会占据绝大部分的时频资源，所以在TDD传输模式导频受限时研究大规模MIMO的CSI技术具有很大实用性的价值。相比于FDD模式，TDD模式可以提供更理想的获取CSI的方法。

5 大规模MIMO预编码技术

已经有研究表明在突破系统下行容量的瓶颈上大规模的MIMO预编码技术发挥了至关紧要的作用。现如今在大规模的MIMO下行传输[9]中大量地用发射机信号处理的技术目的就是为了把大规模的MIMO系统复杂度从终端侧转换为基站侧，目前主要有线性和非线性的预编码算法，线性由ZF，MF预编码以及块对角化(Block Diagonalization，BD)组成，而非线性则含有脏纸编码(Dirty Paper Coding，)DPC、辅助网格法、矢量微扰法(Vector Perturbation，VP)等等。

5.1 线性预编码

目前的线性与非线性预编码技术已经取得了广泛的研究，使得大规模的MIMO预编码技术能够减轻系统性能受到导频污染的影响，下面将会着重介绍典型线性预编码算法。

（1）ZF迫零式预编码。在文献[10]中提出了ZF预编码采用由伪逆矩阵替换的信道参数。在文献[11]中，当满足基站天线数M与终端数K的比值α恒定时，通过同时增加M和K，可以将矩阵Trace{(G^HG)^-1}收敛于1/(α-1)，其中A^H代表矩阵A的Hermite共轭转置。

(2)MF匹配滤波。在ZF预编码中对k×k维的矩阵求逆运算，将增加算法计算的复杂度，在大规模的MIMO中，G^HG/M逐渐趋近于单位矩阵，通过简化该矩阵求逆运算，使ZF预编码的性能趋于MF预编码性能，在天线阵列的扩大情况下，MF预编码矩阵将无限接近于ZF。

(3)基于MMSE的预编码。在多小区大规模MIMO系统中设计预编码方案时需要考虑训练序列的分配问题，在文献[12]中提出的MMSE预编码方案能减轻导频的污染，相比于单小区的场景MMSE预编码矩阵由目标函数的最优解求得，其中主要由同一小区用户所接收的信号均方误差和交叉小区的用户之间所发生的均方干扰建立目标函数。

5.2 非线性预编码

非线性的预编码是由向量扰动（VP）^[13]、DPC以及辅助网络方法[14]等构成，在蜂窝小区中M和K不是特别大时，非线性预编码能够表现出一定优势，在文献[15]中提到带有完整CSI的VP中SNR近似的表达式。

6 大规模MIMO系统信号检测算法

基站将时频的资源分给不同的用户，向大量的用户来提供服务，在多小区多用户的大规模MIMO系统中在小区的终端把传输的信号发送到小区基站的同时，基站能由空间签名把接收到的上行信号用于检测。

6.1 线性检测

当小区内基站配备了大规模的天线阵列时，如果能够满足信干噪比（SINR）比较低的条件，那么MRC 接收机的性能能够达到最佳线性接收机(OLR)性能，不过当处于高SINR条件下低于OLR；在干扰比较大的情况下，OLR性能相比于典型 MMSE 接收机系统的性能将有所优化。

6.2 非线性检测

（1）基于树形结构（TB）的算法。球解码（SD）^[16]可以说是典型的非线性检测的算法，SD其实是一个极大似然(ML)的解码器。SD算法的缺点是仅仅考虑到特定半径内的点，为了找到任意的信令点，要扩大半径范围，在已有的低复杂度的TB中只增加最有价值的节点部分便能有效地降低搜索的复杂度。

（2）随机步长(Random Step，RS)法。该算法原理为：选取一个初始的向量，评估其周边矢量N_Neigh需要MSE为条件，以此选取MSE为最小向量，将上述过程重复N_iter次。

7 结束语

大规模MIMO技术被业界认为是未来5G中的一项关键技术，它对无线通信系统的信道容量、能量效率和频谱效率等有显著提高作用，本文详细分析了MIMO技术的标准化进程，大规模MIMO与传统MIMO相比的性能优势，分析比较了大规模MIMO的应用场景、信道测量和信道建模，并且分析了大规模MIMO系统下的信道估计技术，预编码技术以及信号检测技术，在未来，由于大规模MIMO对硬件复杂度的要求更高，导频污染的存在限制了系统性能的提升，仍有许多的挑战亟待完成。

参考文献

[1] HUH H，CAIRE G，PAPADOPOULOS H C，et al.Achieving"massive mimo" spectral efficiency with a Not-so-Large Number of Antennas[J].IEEE Transactions on Wireless Communications，2011，11(9)；3226-3239.

[2] MARZETTA T L.Noncooperative cellular wireless with unlimited numbers of base station antennas[J].IEEE Transactions on Wireless Communications，2010，9(11)：3590-3600.

[3] 邱玲.多用户、多小区MIMO通信技术[M].北京：人民邮电出版社，2011.

[4] TULINO A M，VERDU S.Random matrix theory and wireless communications[J].Communications & Information Theory，2004，1(1)：1-182.

[5] GAO X，EDFORS O，RUSEK F，et al.Linear pre-coding performance in measured very-large mimo channels[C].Vehicular Technology Conference，2011 IEEE.

[6] PAYAMI S，TUFVESSON F.Channel measurements and analysis for very large array systems at 2.6 GHz[C]//European Conference on Antennas and Propagation.2012：433-437.

[7] ZHOU Z，GAO X，FANG J，et al.Spherical wave channel and analysis for large linear array in LoS conditions[C]//IEEE GLOBECOM Workshops.IEEE，2015.

[8] GAO X，TUFVESSON F，EDFORS O.Massive MIMO channels—Measurements and models[C]//Asilomar Conference on Signals，Systems and Computers，2013：280-284.

[9] HARASHIMA H，MIYAKAWA H.Matched-transmission technique for channels with intersymbol interference[J].IEEE Transactions on Communications，1972，20(4)：774-780.

[10] LI H，LEUNG V C M.Low complexity zero-forcing beamforming for distributed massive MIMO systems in large public venues[J].Journal of Communications & Networks，2013，15(4)：370-382.

[11] HOCHWALD B，VISHWANATH S.Space-time multiple access：linear growth in the sum rate[J].Proc.annual Allerton Conf.communications Control & Computing，2003.

[12] JOSE J，ASHIKHMIN A，MARZETTA T L，et al.Pilot contamination and precoding in multi-cell TDD systems[J].IEEE Transactions on Wireless Communications，2011，10(8)：2640-2651.

[13] HOCHWALD B M，PEEL C B，SWINDLEHURST A L.A vector-perturbation technique for near-capacity multiantenna multiuser communication-part II: perturbation[J].IEEE Transactions on Communications，2005，53(1)：195-202.

[14] WINDPASSINGER C，FISCHER R F H，HUBER J B.Lattice-reduction-aided broadcast precoding[J].IEEE Transactions on Communications，2005，52(12)：2057-2060.

[15] RYAN D J，COLLINGS I B，CLARKSON I V L，et al.Performance of vector perturbation multiuser MIMO systems with limited feedback[J].Communications IEEE Transactions on，2009，57(9)：2633-2644.

[16] LARSSON E G.MIMO Detection methods：how they work[Lecture Notes][J].IEEE Signal Processing Magazine，2009，26(3)：91-95.

作者信息：

王茜竹，邱聪聪，黄德玲

（重庆邮电大学 通信与信息工程学院，重庆400065）