电子发烧友App
在下一代（6G）无线系统和网络的曙光中，大规模多输入多输出（MIMO）被设想为使能技术之一。随着在5G及期之后的无线系统中的应用的不断成功，大规模MIMO技术已经展现出其优势。可集成性和可扩展性。此外，近年来大规模MIMO的若干演进特征和革命趋势逐渐显现，有望重塑未来6G无线系统和网络。
具体而言，未来大规模MIMO系统有信号的功能和性能将通过结合其他创新技术、架构和策略（如智能全表面/智能反射面、人工智能。太赫兹通信、无小区架构）来使能和增强。同时，基于MassiveMIMO的更多垂直应用将会涌现并蓬勃发展，如无线定位与感知、车载通信、非地面通信、遥感、星际通信等。
大规模MIMO一直是5G无线通信中的关键技术之一， 并且最近在开发和部署方面经历了前所未有的增长。了解到作者分析由于快速的技术创新和巨大的商业需求，MassMIMO有望进一步演进， 更广泛、更深入地重塑末来的电信及相关领域。5G新空口（NR） 标准［1］中固有地支持大规模MIMO.作为5G NR的第- -个标准版本， Release 15包括可在不同部署场景中支持大规模MIMO的基本特性，包括时分双工（TDD）系统的基于（上/下行）信道互易的操作、多用户MIMO（MU-MIMO）的高分辨率信道状态信息（CSI） 反馈，以及用于高频段模拟波束赋型的高级波束管理等。在Release 15之后，3GPP 在Release 16中又对大规模MIMO进一步增强。 Release 16中具有代表性的大规模MIMO增强是通过空间和频域压缩减少CSI反馈开销、波束管理信令开销和延迟减小，以及来自多个TRP （发射和接收点）的非相干联合传输。3GPP在Release 17中继续进行大规模MIMO演进。通过利用角度延迟互易性进一步降低了CSI反馈开销。引入了统- -传输配置指示（TCI）框架以增强多波束操作。通过引入小区间多TRP增强功能和多TRP特定波束管理功能，多TRP支持也得到改进。
Release 18是5G-Advanced第一-版标准，其范围包括进- -步的大规模MIMO演进。了解到作者介绍3GPP正在研究的潜在方向是上行链路MIMO增强（例如在上行链路和多面板_上行链路传输中使用8个传输天线）、统一TCI 框架从单一TRP到多TRP场景的扩展、面向MU-MIMO的更大数量的正交解调参考信号（DMRS） 端口，以及中高速用户设备（UE）的CSI报告增强功能。
随着标准化的快速推进和对商业化前景的看好，大规模MIMO成为5G及未来无线系统的关键底层技术，有望结合其他使能技术并扩展到更多新的垂直领域。
本文介绍并分析了在通往6G的道路上演进的大规模MIMO的几种技术趋势。例如，其中-项关键观察是产业界和学术界最近对智能表面［2］的强烈关注，智能表面具有实现节能/成本高效的大规模MIMO的巨大潜力。此外，支持智能反射面（IRS） 的大规模MIMO可以促进通信、定位和感知- -体化功能，从而广泛支持新用例并增强6G中的无线系统性能。本文的前两节分别分析大规模MIMO的IRS物理基础知识，以及用于定位和感知的支持IRS的大规模MIMO。紧随其后，我们对THz频率的超大规模MIMO进行了调研，因为采用小波长和宽带宽给无线系统设计的几乎每个方面都带来了前所未有的挑战。
然后，我们研究了提高频谱和能量效率的无小区大规模MIMO技术。接下来，对用于大规模MIMO的人工智能（Al） 进行了调研和讨论，然后综述并讨论了用于高速应用的大规模MIMO-OFDM。作为未来面向6G的大规模MIMO的最后-一个垂 直方向，非地面网络（NTN） 通信自2017年以来-直是标准化的-个方向［3］。因此，在结束本文之前，我们对基于大规模MIMO的当前和未来非地面应用及架构进行了详细的综述、讨论和分析。
二、大规模MIMO的I0S （智能全向表面） /IRS 物理基础
在无线数据流量“爆炸式”增长的推动下，迫切需要支持未来6G高数据速率的创新通信范式。大规模MIMO对无线环境隐含随机性的利用引起了广泛关注。然而，传统的大规模MIMO依赖于大规模相控阵，由于移相器的耗能导致硬件成本和功耗较高一尤其是当天线数量增加时，这限制了它们在实践中支持大规模MIMO的可扩展性。
智能超表面作为一种镶嵌有亚波长散射体的新型超薄二维超材料，提供了一种以经济高效的方式实现大规模MIMO的新技术。能够同时反射和/或折射入射信号，超表面可以通过灵活的相移重新配置［4］主动将不可控的无线环境塑造成理想的形式。
了解到作者介绍由于每个单元的这种重新配骨通常是通过一个或两个由偏胃电压控制的PIN二极管实现的，因此与传统相控阵相比，它只涉及很少的硬件和功率成本;因此，超表面可以很容易地扩展到大规模，为实现大规模MIMO提供了一种实用的方法。
一个表面单元的-般传输模型如图1所示。入射信号到达表面后，-部分被反射，其余部分向另- -侧折射。通过将反射折射比定义为E， 我们在图1中得到了反射和折射信号。然后可以将三种不同类型的表面分类如下。
①当ε=0时，表面只反射入射信号，形成智能反射表面。它可以被贴在墙上，作为面向覆盖范围的反射中继。
②当e-→∞时，表面仅折射入射信号。作为可重构折射面（RRS）。它可以代替基站的天线阵进行发射和接收。
③当0《 ε 《 1时，表面可以同时反射和折射入射信号，称为智能全向表面（IOS）。 与IRS相比，它可以实现全维无线通信，而不管用户相对于超表面的位置如何。5G公众号（ID： angmobile） 了解到作者介绍由于I0S和IRS的成熟实现，I0S 和IRS都被认为是实现大规模MIMO的有效方法;特别是最近发展起来的I0S技术也给该领域带来了新的挑战：
（a） IOS的折射信号和反射信号相互耦合，且同时由PIN二极管的状态决定。这种耦合效应使得当信号撞击IOS的不同侧时lOS是否对电磁波具有相同的影响是未知的，即通道互易性是否仍然适用于IOS辅助的传输。
（b） 此外，为了充分利用loS的折射和反射特性，还需要在给定BS和用户分布的情况下探索Ios的最佳位置和方向，以扩大IoS两侧的覆盖范围。
（c） 此外，由于针对不同用户的反射和折射波東相互依赖，因此应针对I0S辅助传输重新考虑并调整波束赋型方案［5］。
三使用支持I0S/IRS的Massive MIMO进行定位和感知
未来6G将内生无线定位和感知功能，以用于导航、交通、医疗等各种应用。因此，对提供高分辨率感知和高定位精度的服务提出了很高的要求。为实现这一愿景，大规模MIMO可能是一一个很有前途的解决方案，因为可以使用更大的天线阵列来减小波束宽度，从而获得高的空间分辨率。然而，这些系统中的无线环境正变得越来越复杂，例如，视距（LoS） 链路可能被建筑物或物体阻挡，从而降低感知和定位的准确性，幸运的是，loS 的发展可以提供有利的传播条件，
以提高感知和定位精度［6］。解到作者分析，- -方面，Ios 可以提供额外的到达目标的路径，扩大覆盖范围;另- -方面，通过操纵传播条件的能力，可以定制来自不同物体或目标的信号，以使更容易区分它们，如图2所示。
然而，将lOS集成到无线感知/定位系统中并非易事，通常会带来以下挑战。
Q优化与I0S相关的配置将是一一个挑战。与用于通信目的的IOS设计不同，此处的优化旨在最大化感知/定位性能，因此需要新的设计。例如，度量可以被定义为来自不同目标/位置的两个信号模式（每个对应于I0S的配置）之间的距离，以便接收器可以更轻松地识别两个目标/位置，从而获得更高的准确性。此外，由于I0S单元的数量可能很大，因此枚举所有配置会导致非常高的延迟。从而，选择适当数量的配置以实现延迟和准确性之间的权衡非常重要。
②决策函数与lOS优化的耦合使得最优函数难以找到。具体来说，接收器需要-一个决策函数来将接收到的信号转换为目标/位置信息，由于IOS可以调整接收信号，因此决策函数的选择也受I0S配置的影响。因此，联合优化以提高性能将是必要的［6］，
③除了上述信号处理方面的挑战外， 实际实现是另一个挑战。了解到作者分析在何处部署lOS以及如何确定其大小应仔细考虑，这还应考虑环境的拓扑结构。综上所述，大规模MIMO技术有望提供集通信、定位和感知于- -体的多功能服务。可以定制传播环境的IoS被认为是未来大规模MIMO的推动者，以促进这种集成。
四、太赫兹频率的超大规模MIMO
根据ITU-R， THz频率是0.1 THz-10 THz范围内的频率。具有最高潜力的0.1 THz和0.3 THz之间的最低频率区域通常被称为亚太赫兹区域。太赫兹和亚太赫兹信号充当无线电频率和光学频率之间的“桥梁“。它们在毫米和亚毫米区域的波长使它们成为实现6G承诺的极高容量通信、良好态势感知和超高分辨率环境传感的优秀候选者。这种小的波长是以信道特性的高度不确定性为代价的，导致不可靠、间歇性的无线电链路受到以下- -种或多种损伤的影响：
①高路径损耗、分子吸收。阻塞。这些频率下的小天线孔径导致的高自由空间路径损耗，以及分子吸收、阻塞、漫散射和由雨、雪或雾引起的额外衰减，导致链路高度间歇性。因此，必须通过使用超窄波束赋型来提高链路可靠性。2能效低。对于给定的功率放大器（PA） 技术，RF输出功率每十年降低20 dB.这会影响链路预算并强化对具有大量天线的大型收发器的需求。
③大型收发器。提高链路可靠性所需的高波束赋型增益需要具有大量天线（通常超过1024个振子）的大型收发器。了解到作者介绍其中产生的锐化超窄波束对移动性和波束跟踪提出了重大挑战。
④相位噪声。在亚太赫兹/太赫兹频率下，相位噪声导致的载波间干扰（ICI）会严重降低CP-OFDM性能。增加子载波间隔可以减轻其影响，但相应较短的符号持续时间会带来覆盖范围的损失，并削弱减轻大延迟扩展的能力。
⑤信道稀疏性。超窄波東与类射线波传播一起导致信道呈现出少量空间自由度，并且等级仅限于-一个LoS分量和一些多径分量，这对MIMO运行提出了挑战。
⑥球面波和近场效应。大型收发器因其配备的电大型天线结构而表现出显著的球面波和近场效应，这给MIMO预编码策略带来了复杂性。
⑦波柬斜视。平面阵列中移相器的窄带响应引入了与频率相关的波束未对准，被称为波柬斜视。可以通过使用波束展宽技术来减轻波束未对准造成的损失，但代价是覆盖范围会缩小;并以复杂性为代价避免使用真实时间延迟（TTD） 单元。业界已对旨在改善上述某些问题，尤其是那些受亚太赫兹/太赫兹传播挑战的问题的收发器架构和网络解决方案进行了大量研究。在网络解决方案中，上述配备大量小型天线单元的IRS/RIS 正受到相当多的关注，因为它们能够调整反射和折射波束的特性［2］。
［7］。亚太赫兹/太赫兹的IRS/RIS利用射线偏转来克服阻塞和路径损耗;可以通过聚焦波東来利用近场效应改善波束赋型和3D成像;并且可以通过提高信道的多径丰富度，来增强亚太赫兹/太赫兹频率的空间复用能力。。
五、无小区大规模MIMO
无小区大规模MIMO被较广泛设想为B5G系统的一项有前途的技术，因为它可以提供大幅改进的频谱和能量效率。自然而然，不仅是学术界，产业界也对无小区大规模MIMO产生了浓厚的兴趣，业界也将其称为“分布式MIMO”或“分布式大规模MIMO“［8］。它旨在通过受益于联合发射/接收和密集部署的低成本接入点以及增加的宏多样性，保证为覆盖区域中的每个用户设备提供几乎- -致的优质服务。符合未来可扩展系统设计的接收器组合设计、传输预编码设计和功率分配算法等物理层方面现已获完善。对于可扩展（在信号处理复杂性和前传信令负载方面）无小区大规模MIMO系统，-个接入点只能为有限数量的用户设备提供服务。-种面向服务的设计选项是以用户为中心的接入点结构，根据每个用户设备的需要为其提供服务。如图3所示，每个用户设备由多个具有最佳信道条件的接入点提供服务，这些接入点位于图3的彩色阴影圆形区域中。
集中式计算处理单元及其与接入点之间的前传链路是预计在6G通信系统中发挥作用的实际无小区大规模MIMO操作的两个主要层。当边缘云位于接入点和中心云之间时，如图3所示，中传和由边缘和中心云组成的协作处理单元是无小区网络中的附加组件。
了解到作者认为由此应从端到端（从无线边缘到中心云）的角度分析缺陷、限制和能耗;对低成本、高能效的无小区大规模MIMO实施进行端到端研究对于加速其在6G中的实际部署至关重要。
接入点通过前传链路连接到中央处理器的无小区大规模MIMO系统的这种网络架构完全符合移动通信网络云化浪潮。因此，从一开始就期望在云无线接入网络（C-RAN）之上设想未来的无小区网络。虚拟化C-RAN可以通过虚拟化和计算资源共享功能将接入点的数字单元集中在边缘或中央云中。除了虚拟化
C-RAN，无小区大规模MIMO的实施选项已经在开放无线接入网络（O-RAN） 方面得到了讨论［9］，其旨在实现智能、虚拟化和完全可互操作的6G架构。前传/中传传输技术是在传统网络上低成本部署无小区大规模MIMO的重要组成部分之-。在大规模的无小区大规模MIMO系统中，在每个接入点与边缘或中央云之间部署专用光纤链路成本高昂且不可行。
爱立信开发的所谓基于”radio stripes“ 的前传架构通过将接入点按顺序集成到共享前传线路中，降低了这种成本。当接入点分布在大面积区域时，毫米波和太赫兹无线等其他低成本前传传输技术既可以提供巨大的带宽，又可以避免部署昂贵的有线光纤链路。
另一种选择是光纤-无线前传/中传传输组合，以
平衡链路质量和成本。
了解到作者介绍其在每个接入点及其各自的边缘云之间无线部署短距离前传链路，而从边缘到中心云的中传传输可以受益于极其可靠的光纤连接;减轻由于在接入点和无线前传节点部署低成本收发器而自然出现的硬件损伤是传统网络上无小区大规模MIMO部署的另一个关键方面。
近年来，移动网络运营商部署的节能技术在减少环境足迹和以绿色和可持续的方式设计”下一代移动通信系统方面变得越来越重要。- -些研究工作考虑了该研究方向的接入点开/关转换方法，以在无小区大规模MIMO系统中节省能量。此外，云和前传/中传资源的虚拟化和共享对于最小化端到端总能耗至关重要。归根结底，应该考虑边缘和中心云中数字单元和处理器的局限性、能耗模型和节能机制，以完整处理无小区大规模MIMO系统中的能效。
六面向大规模MIMO的人工智能
人工智能（AI） +大规模MIMO技术可被应用于“工业5.0”。该技术具有可靠的人机交互（HCI），可实现工业6G等信息的高可靠实时传输。大规模MIMO是5G的核心技术。尽管如此，天线数量的增加带来了新的挑战，其中显著的挑战是信道估计和反馈的快速增长。此外，信道估计和预测的精度也有待提高。把Al技术应用于大规模MIMO有望解决上述问题。然而，上述新兴技术存在一些问题。 从行业角度来看，主要挑战如下。
①不易有效控制训练数据集与实际信道的差异。人工智能算法缺乏通用性可能会导致系统性能下降。
②无线AI数据和应用均有其独特的特点。然而，如何将图像和语音处理中的经典Al算法与无线数据有机结合，还待解。
③应用于“工业5.0“的Masive MIMO通信系统的一个特点是通信场景复杂且多变（室内、室外等） ，而且业务形态多样。因此，在有限算力下，让无线Al解决方案适用于各种通信场景和业务形态，是业界需要攻克的重大挑战。
另-方面，从研究的角度来看，有几个有趣的趋势。 了解到作者分析，首先，将机器学习应用于资源分配有可能实现低复杂度实施并降低大规模MIMO的运营成本。该策略可以提高频谱效率和能量效率、增加用户数量、降低能耗和时延;其次，在大规模MIMO中使用机器学习或深度学习进行信号检测有可能减轻传统线性和非线性检测方法中出现的高复杂性问题;第三，人工智能可以在大规模MIMO的干扰管理中发挥潜在作用，例如确定和预测干扰源的数量及强度，并进一步减轻干扰; 。第四，随着大规模MIMO被扩展到更多垂直领域，为特定应用开发和部署合适的分段Al策略
（segmented AI strategies）至关重要。
七、适用于高速应用的大规模MIMO-OFDM
对于大规模MIMO，大量天线被用于在对多个用户进行空间复用时减少多用户干扰（MU），或者在使用比微波更高的频率（例如毫米波）时补偿路径损耗。通常，使用相干解调方案（CDS）_以利用MIMO-OFDM （正交频分复用），其中信道估计和预均衡/后均衡过程是复杂且耗时的操作，需要相当大的导频开销并增加系统的延迟。此外，在5G及未来移动通信中考虑了新的具有挑战性的场景，例如高移动性场景（如车辆通信）。传统CDS的性能更差，因为参考信号无法以负担得起的开销有效跟踪信道的快速变化。
作为替代解决方案，业界已经提出了基于差分调制与大规模MIMO-OFDM相结合的非相干解调方案（NCDS） ［10］。 研究结果表明，即使在没有参考信号的情况下，它们也可以在不需要参考信号的高速场景中以已降低的复杂性显著优于CDS。为了在MIMO-OFDM系统成功实施NCDS， -些应该注意的细节如下。了解到作者分析，首先，大量天线是成功部署NCDS的关键因素。在上行链路中，这些天线被用作空间组合器，能够降低差分调制产生的噪声和自干扰。在下行链路中，波束赋型与NCDS相结合，以增加覆盖范围并对不同用户进行空间复用;其次，将差分调制映射到OFDM符号的二维时频资源网格中。业界提出了不同的方案：时域、频域和混合域，其中后者表现出最佳性能，因为它可以最小化每个传输突发（transmittedburst）的单个导频符号所需的信令，第三，在MIMO-OFDM系统之上，多个用户可以在星座域中进行复用，这是对现有空间、时间和频率维度的一个额外维度。在发射机上，每个用户都在选择自己的星座，而在接收机上，接收到的联合星座是每个用户所有星座的骨加。在误码率（BER） 方面的整体性能取决于接收联合星座的设计、所有被选择的单独星座和每个符号的映射比特。这种非凸优化问题是使用进化计算来解决的，进化计算是AI的一-个子领域，能够解决这类数学问题。
最后，在那些低等或中等移动性场景中，［11］中提出了一种混合解调方案（HDS）， 其中包括用可以非相干检测的新差分编码数据流替换CDS中的传统参考信号。后者可以在不知道信道状态信息的情况下解调，并随后被用于信道估计。图4给出了-一个设计示例。因此，HDS可以利用CDS和NCDS的优势来提高频谱效率。据概述，信道估计几乎与CDS一样好，同时BER性能和吞吐量针对不同的信道条件得到改善，且复杂度增加得非常小。
八。用于非地面通信的大规模MIMO
随着3GPP 5G标准化阶段1 （Release 15）和第2阶段（Release 16）的最终确定，2022 年上半年见证了全球5G标准的第三阶段在3GPP Release17中完成系统设计，这被视为向5G新设备和应用的持续扩展。特别是，3GPP Release 17引入了对卫星通信的5G NR支持，卫星通信是非地面网络（NTN）的一种重要形式。事实上，NTN的概念涵盖任何涉及空中或太空飞行物体的网络， NTN包括卫星通信网络、高空平台系统（HAPS， 比如飞机、气球和飞艇），以及空对地网络［3］作为3GPP NTN工作的重点，卫星通信网络可实现无处不在的连接和对偏远/农村地区的覆盖等高级功能。此外，它们还包括两个截然不同的方面，-一个侧重于面向手持设备直接低数据速率服务以及客户端设备（CPE） 等应用场景的卫星回传通信，而另- -个侧重于适配eMTC （增强型机器类通信）和NB-IoT（窄带物联网）到卫星通信。近年来，近地轨道（LEO）卫星支持的宽带接。入和服务引起了业界前所未有的兴趣［12］。在该领域的几个主要商业参与者Starlink（SpaceX）、Kuiper （亚马逊），OneWeb. 波音和Telestat中， Starlink 在卫星巨型星座的规模和维度以及所服务用户数量方面处于领先地位。
有几个重要的”催化剂”可以加速星载宽带接入的快速发展［12］，例如发射成本降低、私人资本介入、人工智能和云/边缘计算的广泛部署，以及高性能卫星无线和网络技术。从无线通信和特定的大规模MIMO角度来看，趋势和挑战如下。
①在2000公里以下部署和运行不断扩大的卫星星座带来了应对竞争和促进共存的潜在挑战。为了尽量减少传播延迟，许多低轨巨型星座建设者可能希望将卫星部署在尽可能低的轨道上，而国际电联在国际电联合作系统中采用”先到则先得”的方式来获取轨道/频谱资源。随着LEO中的空间变得更加拥挤和碰撞事件不断出现［12］，需要法规、策略和技术来应对不断复杂的空间交通并处理卫星/航天器的安全脱轨/处置。由于逃逸速度为7.8公里/秒，即使使用现代人工智能辅助传感和检测技术，跟踪并定位卫星/航天器并进一步避免碰撞也很困难。
②此外，频谱管理是另-个关键方面，因为普遍有限的频谱资源带来了严峻的挑战。为了促进NTN的5G NR发展，3GPP Release 17已经研究了支持CPE的卫星回传通信和直接链接到手持设备以使用sub-7 GHz S波段的低数据速率服务，而使用高于10GHz的频率将在3GPP Release 18中进行研究。同时，Starlink的第一代系统（Gen1） 主要使用Ku波段和Ka波段用于不同类型的链路和传输方向，其第二代（Gen2）将增加使用V波段。sub-7 GHz S波段或Ku/Ka/V波段在某种程度上将与正在商用的5G和未来6G系统和/或在这些波段中运行的其他无线系统的某些频谱重叠。因此，不同系统和网络之间可能存在干扰和共存挑战。事实上，如果地面5G使用12GHz频段，SpaceX 和OneWeb都表达了对非地球静止轨道（NGSO）卫星互联网可能受到干扰的担忧。
此外，使用sub-7 GHz S波段支持更多从用户设备（UE）到卫星的直接链路也使这种干扰挑战更加显著了解到作者认为需要对星载大规模MIMO的频谱资源（例如更高频段）和频谱管理进行更多研究。
③此外，同一空间网络内部和不同空间网络之间可能出现的干扰类型多种多样。例如，同一巨型星座的用户终端（UT）和地面站可能会发生带内/带外干扰（或辐射）。在多空间网络的情况下，-一个巨星座的卫星传输可能会对属于其他巨星座的UT和地面站的接收造成干扰。此外，UT/地面站传输可能会干扰不同星座中的卫星。传统，上，共存的空间网络需要彼此共享频率分配（包括。上行链路和下行链路）以减轻基于协调的干扰。然而，未来需要更多高性能的干扰抑制技术来应对更复杂的情况。
④从大局来看，一方面，NGSO巨型星座将支持或高效协同GEO （地球同步轨道）网络、HAPS. 空对地网络、无人机网络等。这样-一个更大的NTN生态系统将带来更多处理共存和竞争的挑战。另-方面，空间使能的网络和大规模MIMO将扩展到近地空间（NES）以及从中性地球大层（160-200 公里）到月球轨道（约384400公里）的空间。例如，诺基亚贝尔实验室将为NASA的“Artemis 计划”在月球上部署第一个LTE网络。在拟议的太阳能通信和防御网络（SCADN）概念［13］中，基于整个太阳系大量航天器/卫星互联网的大规模MIMO传感和通信框架能够及早发现和缓解潜在威胁（例如小行星/彗星之于地球和地外人类基地的撞击威胁，并为太阳系内的无线连接提供基础设施。非常大的传播距离（地球与其他天体之间）和延迟对无线感知和通信提出了严峻挑战，这需要更多创新的解决方案，如人工智能、机器/深度学习、边缘计算、边缘人工智能、分布式和联邦学习等。
综上所述，大规模MIMO技术正在将人类的通信和感知能力快速延伸到地球更大范围乃至地球之外，这无疑将促成全人类更加繁荣的太空时代。
编辑：黄飞
工商网监
评论