FPGA攻城狮玩5G通信算法的基本套路说明-电子发烧友网

5G 通信的风口虽然经过近3年的洗礼，热度稍减，但不可否认的是，全球5G网络的部署正在持续快速推进，而我国更是部署了占据全球70%左右的5G基站。

随着工业互联网的推进，“5G+工业互联网”的企业融合组网模式，将在未来几年得到广泛应用。

图1 “5G+工业互联网”企业融合组网

干通信这行的朋友一定不会对数字信号处理陌生，当然在我们从事该行业前，都是经过比如《数字电路》、《模拟电路》、《信号与系统》、《数字通信原理》、《数字信号处理》、《现代信号处理》、《电磁场与电磁波》、《信息论与编码》等一系列课程磨练过。历经千帆，我们再来看看，通信系统的设计，套路在哪？从理论到实践，有几条街的距离？

一个完整的通信系统，是十分庞大的，没有几百上千人，在短时间内是做不好的。本文仅仅针对5G NR中的基带算法部分，做一个简单梳理。

对于5G通信系统，站在基站侧的角度，那么下行方向的整个处理过程，从gNB MAC到终端UE MAC，可以用图2来说明。

图2 5G NR下行物理层处理过程

这张图在此不做过多解读，感兴趣的可以自己去找点资料了解。

我相信，只要你把这张图所包含的知识和技术，都搞明白了，年薪50W不是梦。

当然，与图2相对应地，还有NR上行物理层处理过程，如图3所示。

图3 5G NR上行物理层处理过程

当你把5G NR上下行都搞明白了，年薪100W应该不是梦。

但实际上，真正全部搞明白的人，在全人类来看，也是极少数。

在通信中，我们知道有几个概念，比如频谱搬移、时频域变换、星座映射、信道编解码、上下变频、ADC/DAC等。实际上，通信系统的设计，全是套路。当然，也存在一些特殊通信手段，并不按照国际标准出牌，这里面包含大量打破常规的方式，此处省略500字。

通信一收一发，要想高速率、低延时，上高阶调制，实际上还是有大量的工作需要去做。放眼世界，把5G玩得很6的，也就那几家。

对于5G基站而言，其典型的部署场景如图4所示。

图4 5G NR基站架构部署场景

话说回来，通信发射机的设计，在业界来看，不是主要挑战，核心算法也没几个，当然难点也是有的。各种控制信道、广播信道和数据信道揉在一起，就足够玩一年半载了。我们在比特级做些CRC、信道编码、速率匹配、加扰等手段，就把信号拿去做星座映射。而在符号级，我们做完星座映射后，成了复数信号，再进行层映射和天线端口映射，随后进行虚拟的物理资源映射，经过N点IFFT变换，得到OFDM符号。这里面涉及帧结构等相关知识套路，不展开讲，但也很有意思。最后，我们再通过DUC、 DAC转换、波束赋形、PA等技术手段，把基带信号变成射频信号，从天线发射出去。

下面图5给出了混合波束赋形的架构，这也是目前最实用的波束赋形方式。图6则对三种波束赋形进行了简要分析。

图5 混合波束赋形

图6 波束赋形类型

我们知道，香农老爷子提出的公式，如图7所示，C=Blog2(1+S/N)，从理论上表明了在带宽有限的情况下，信道容量也是有限的。为了提高信道容量，我们用多根天线来撑起门面，搞MIMO空间复用和分集技术。MIMO也不是那么好搞，学术界在理论上发了不少文章，然而在产业界，能做到8T8R，都算可以了。

图7 香农公式与香农

发射机倒是完成任务了，接收机才开始。首先得通过天线把信号接收下来，这些信号就是肉眼看不见摸不着的电磁波，以特定的频率和波长，游荡在你我周围，并具有一定的穿透力。

我们用天线接收信号后，经过一系列滤波、ADC、DDC后，终于来到接收机的基带系统。接收机的设计，无疑是重头戏，设计实现的复杂度也要上升一个等级。全球玩家那么多，为啥只有高通、HW等巨头玩得很6，其他都一般的原因，由此可见。

接收机里面，有几个重要处理，直接决定了系统的性能。对于移动通信系统，FPGA 工程师，应该怎么玩呢？

同步：如帧同步，符号同步等，常采用匹配滤波，相关运算。

频偏/相位补偿：接收机相干解调，本振非同频同相，以及多普勒频移等引起相位旋转，采用复数乘法CORDIC正余弦计算等手段进行补偿。

定时纠偏：符号定时同步准确与否，将决定能否完美地恢复OFDM符号。时偏极易引起符号间干扰ISI和载波间干扰ICI，并引起相位旋转，如图8所示。采用时域或频域的STO估计技术进行补偿。Gardner环路，插值运算，比较大小等。

图8 时偏造成的相位旋转示意图

信道估计与均衡：估计出各天线信道和符号的信道响应，通过相关和矩阵求逆等手段完成，常用算法有LS、MMSE、ZF等。

信道解码：与信道编码对应，但通常解码更复杂，例如Turbo、Viterbi、LDPC和Polar等。图9显示了各种纠错码的性能。

图9 各种纠错码性能对比

从算法层面讲，一个好的系统算法，的确可以让实现变得更简单，系统性能更优。但在实际工作中，其实也存在纯算法与纯实现的隔阂。主要反映为很多算法工程师熟知算法本身，但并不了解怎么用硬件去实现，思考的维度不够，也许可以设计出性能优异的算法，但是是否有利于硬件实现，也是必须考虑的问题。与此类似，如果ASIC/FPGA工程师不了解算法，只根据算法进行逻辑实现，很有可能会走弯路，多耗硬件资源。

一个再牛的算法，只有落地了，才能发挥出应有的价值。比如LDPC码和Polar码，是由香农的弟子及再传弟子搞出来的。这两个重要的编码技术，一个沉睡了半个世纪才被发掘进行实用化，另一个则是火速上线，一战成名。

一个再复杂的算法，弄清楚了本质，确认在什么样的场景下解决什么样的问题，也就不复杂了，这才是核心所在。

举个例子，比如空间站建设、火星探测器、卫星星座、5G通信等，系统复杂且庞大，任何一点小错误，就足以造成致命损伤。在工程实践中，形成工作闭环和复盘机制，划分风险等级和各种优先级，都是极为重要的。