首页 > 搜索 > 什么是zf算法,zf迫零算法原理

什么是zf算法,zf迫零算法原理

互联网 2020-10-31 23:46:24
在线算命,八字测算命理
大规模MIMO技术概述

一. 前言

本文主要介绍了大规模MIMO涉及的各个层面,包括理论、实现和原理样机的介绍,旨在对大规模MIMO技术有个总体的了解,不涉及具体的技术细节,包括各种算法等等。

二. 技术背景

从应用需求来说, 未来需要更高速的移动通信。目前4G网络以及非常成熟了,但是依然难以实现极速无线通信,这也限制的了其他依赖极速数据传输的技术行业的发展,包括虚拟现实、高清视频、物联网、公共安全等等。为此,提出了5G通信,可以从各个方面对4G通信进行增强,而大规模MIMO则是5G通信的关键技术之一。

图 1 5G(IMT-2020)通信的需求图 1 5G(IMT-2020)通信的需求 从技术继承的角度来说,MIMO技术已经在4G通信中进行的充分的研究与实现,各项技术实现比较成熟,但是在4G通信中,MIMO天线数量较少,多为4个或者8个,天线数量少就限制了4G网络的通信容量。5G在4G研究的基础上,提出了大规模MIMO(massive MIMO)的概念,MIMO天线数量可以是成百上千个,而理论上的通信容量则是无限的。 目前应用大规模MIMO技术具备如下优势: 1. 通信容量的提升。大规模MIMO具备波束空间复用的特性,使得在同频同时下,通过地理位置的不同,实现对不同终端的通信,通过该方式,极大的提升了频谱效率。 2. 覆盖范围与功耗的改善。一般来说,通信设备的功耗与覆盖范围成正比,在4G网络中,由于天线数量少,增益小,所以为了满足一定的小区覆盖范围,通常需要功率非常高的射频组件(可由几十到上百W)和配套的散热设备等等,功耗极大。而利用大规模的MIMO技术,天线数量多,增益大,相对而言,需要的射频组件为毫瓦级别,功耗大大降低。 3. 降低终端复杂度。大规模MIMO技术要求所有的复杂处理运算均放在基站处进行。 图 2 大规模MIMO使用场景(圆圈代表波束覆盖范围)图 2 大规模MIMO使用场景(圆圈代表波束覆盖范围) 三. 原理与基本框架

大规模MIMO技术的基本原理与相控阵雷达技术中提到的DBF技术一致,都是通过加权合成从而实现在目标方向上的增益提升,从而使目标信号性能增强,在非目标方向上的增益降低,甚至是对干扰方向进行置零。只不过在通信中,一般习惯从信号处理的角度来说(预编码技术),而在雷达中,一般习惯从天线方向图的角度来说(波束成型)。

图 3 大规模MIMO原理框图图 3 大规模MIMO原理框图 图 4 数字波束形成原理框图图 4 数字波束形成原理框图 波束形成技术: 源自阵列信号处理这一学术方向,比预编码概念的提出大概要早数十年。在经典的阵列信号处理或早期的波束赋形方案中,出于避免相位模糊的考虑,一般都采用阵子间距不超过0.5 lambda的阵列;这些早期波束赋形方案的目标基本都是瞄准期望方向,同时对若干干扰方向形成零限(用于电子对抗或军事通信);它们考虑的主要是LOS或接近LOS的场景。 预编码技术:十几年前MIMO兴起之后的概念。由于在低相关、高空间自由度场景中,MIMO信道容量的优势才能得以体现,因此针对MIMO中的预编码的研究(尤其是早期)更多地偏重于大间距天线以及NLOS的情况。当然,这也是由于小间距+LOS这一场景在阵列信号处理领域已经被掘地三尺,从做文章的角度考虑,缺乏新意(这一点也从侧面印证了预编码和波束形成之间的联系)。从实现的角度出发,最优化的预编码需要发端确知CSI(信道状态信息)。 上述两种技术的仅仅实在实现方式上有所不同,比如设计导频、需要知道CSI、天线间距不同、实现的算法不同等等。 大规模MIMO在使用中主要有三个工作流程:信道估计、预编码和权值计算。 1. 信道估计:即接收端通过对发送端的数据处理,来确定无线传输信道的状态(不确定性)。常用的方法是基于导频符号的非盲信道估计,即发送端发送已知的导频信息,接收端对该信息进行处理,得出信道状态。 2. 预编码:发射端常常包含预编码器,该编码器能够利用信道状态信息,生成预编码矩阵,用于对发射信号进行预处理操作,实现DBF的功能。 3. 权值计算:即利用预编码矩阵,和发射数据流进行矩阵乘法的操作,实现K个用户数据流到M个天线数据流的变换。 大规模MIMO的技术框架与实际使用场景是密切相关的,目前包括的TDD与FDD两种方式,一下分别介绍FDD和TDD两种模式下的使用方式。 在FDD模式下,基站与用户的通信有上下行链路,由于上下行采用不同频段进行通信,两个链路的状态特性不相同。为了采集上行链路(用户传输到基站)参数,需要用户发送CSI导频信息到基站,由基站计算后得出加权的参数,之后再回传给用户,用于上行链路的权值计算。下行链路则相反。在M个天线和K个用户的场景下,该导频模式需要知道每个天线对于每个用户之间的上下行状态,需要O(M+K)的发送导频时间和O(MK)的计算量,当M非常大时,FDD模式下的导频将会占用非常多的资源,使得FDD模式变得不合适。针对这样的情况,一种针对FDD模式下的多用户大规模MIMO系统的传输方案由美国南加州 大学的研究人员提出,被称为联合空分复用(Joint Spatial Division and Multiplexing,JSDM)。其主要思想是,在基站侧对用户进行分组及预波束赋形,分组的原则是利用不同用户的信道二阶统计量。预波束赋形之后系统的等效信道维度明显降低,在该等效信道上实施信道估计能够明显降低下行导频开销和CSIT反馈。这使得FDD模式下的多用户大规模MIMO系统成为可能。本文将不继续对该算法进行展开了。 在TDD模式下,基站与用户的通信有上下行链路,由于上下行采用同一频段进行通信,两个链路的状态特性相同,知道了任一链路的特性就可以利用与另外一条链路了(链路的)。目前常用的设计思路是,用户在上行链路发送CSI状态信息给基站,基站利用CSI信息进行信道估计等处理后,将处理信息通过下行链路送给用户使用。在该模式下,需要O(K)的导频接收时间,且相关的计算量与天线数量M不相关了。 TDD模式相比FDD模式有着很大的优势,所以目前主要的研究都是基于TDD模式进行的,以下讨论均在TDD模式下进行。

四. 面临的问题

大规模MIMO技术在理论上面临的最大一个问题就是导频污染。利用TDD模式,多用户可以使用不同的正交的导频信号来进行各自的信道估计,但是考虑到符号周期要小于相干时间,所以导频信息不能无限多,这就导致了相邻小区的用户可能使用同样的导频信息,从而导致基站接收到的导频信息并非来自本小区的用户,从而导致导频污染的现象。目前上没有成熟的解决方案,大多数研究都是从导频的特殊设计、小区间的协同工作等角度来解决该问题。除此之外还有天线互耦带来的容量限制等技术问题。 大规模MIMO技术在实现上面临的最大问题就是缺乏成熟的原理样机。大规模MIMO系统需要海量的计算量,这对硬件平台是个考验,对应的需要大量的经费支持。且目前没有各方认可的信道模型和技术架构。

五. 原理样机

目前各大企业和高校均开展了大规模MIMO的原理样机的研制,从报道来看中兴实现的了系统级的仿真与研制工作,但是没有更多的资料了。依据公开的资料,以下将就两类原理样机进行说明。

5.1 Argos系列 5.1.1 概述 Argos是一款64*15 multiuser MIMO系统,基站处有64个天线,可以同时服务15个用户。Argos为TDD模式,每个天线通道带宽为20MHz,利用RICE大学自己的WARP开发板。Argos极大的提升了小区的传输速率,利用zero-forcing算法,可以将原12.7bps/Hz的速率提升到85bps/Hz,利用conjugate beamforming(最大比传输)可以提升到38bps/Hz,同时将发射能量将为原来的1/64。Argos的基本工作原理如下图所示。 图 5 Argos收发工作原理框图图 5 Argos收发工作原理框图 Argos采用MUBF(multiable user beamforming)技术,与下面叙述的NI系列不同,该架构中,所有的天线均服务于每一个用户。Argos采用了分层分布式的架构,为了方便天线数量和用户数量的可扩展性,将所有的功能模块化,计算分布化,以去除集中式架构计算量随着天线和用户数量增加而急剧增加、无法随意扩展的缺点。 5.1.2设计思路 Argos的设计思路是“设计一个MUBF基站架构,满足基站天线和用户数目的任一增加”,在设计中,遵循了如下几点要求。 1.随着天线数量增加,设计费用合理; 2.可以满足基站天线和用户数量的数量巨大的要求; 3.设计最优的波束形成机制。 5.1.2.1 可扩展性 Argos的可扩展性需要解决的最主要的问题是波束赋形的机制能不能支持任一扩展。目前波束赋形具备三个主要的步骤,信道估计、权值计算和线性预计。 信道估计 这里我们采用TDD架构,利用上下行信道的互易性,只需要在上行链路中,用户传输导频信息即可完成信道估计。该机制中天线数量的增长不影响导频的开销。 波束赋形方法 传统的波束赋形的算法都需要集中所有相关数据已获得最优的解。比如迫零算法,他就需要知道所有用户的数据,以在正确的方位进行置零处理,其计算量在O(MK2)。就连最简单的共轭波束赋形算法,都需要集中优化计算以实现全局的功率配置。这一点显然使得波束赋形算法的可扩展性不强。为此,argos在设计中,将波束赋形的相关计算经过改良,放在了每个射频前端,即每个射频前段单独计算各自的波束合成权值。 线性预计 线性预计要求每个基站天线发送的数据流是由K个用户下行数据流与K个波束合成权值的乘积的合成。一般来说,这样的线性预计都是集中式计算的,但是在大规模MIMO系统中,这样不是太现实,应为每个天线传输的数据流都是不同的,如果采用集中式,集中计算模块需要向每个射频模块发送一组数据流,则集中计算模块的输出数据带宽与基站天线数量成正比,如果天线数量为成百上千个,这么大的带宽是难以实现的。Argos在设计中,将线性预计的计算放在每个射频前端进行。这样的话,对于下行链路,数据中心发送给每个射频的数据流是一致的,数据带宽与用户数量成正比,这样的带宽是可以接受的,只需要一个数据总线即可实现。对于上行链路,每个射频前段通过波束加权算法可以分解出K个用户数量的数据流,但是所有的基站射频前端分解出来的用户数据流都可以根据用户对象的不同,合并成K个用户数据流,之后这些合并的数据流通过一个数据总线即可传输。 5.1.2.2 拓扑结构 基于上述设计,argos拓扑结构可以分为两个部分,一个是集中控制模块,用于处理数据的编解码等处理,一个是M个带有线性预计算法的天线射频前端。如果采用集中控制模块与所有射频前端直连,则集中控制模块需要的端口太多,不便于扩展,如果采用串联模型,那么传输的可靠性和时延将会是个问题。为此argos采用的分层的设计思路。 1. 首先,射频前端能够与一个或多个天线模块直连; 2.其次,上述模块采用串联模式,方便后续的扩展; 3.为了增加可靠性、减少端到端时延,系统中引入的argos交换机,该交换机能够实现射频前端的串联。 这种架构既确保了系统的可扩展性和可实施性,又保证了系统性能和总成本限制。在该架构下,argos可以通过如下方式实现扩展:1. 加入跟多的argos交换机;2. 增长模块链的长度;3. 增加每个射频前端对应的天线数量。该架构可以保证argos进行分布式部署。如果模块连过长使得时延过大,可以变为增加argos交换机的方式进行扩展。 图 6 argos架构图 6 argos架构 5.1.2.3 信道校正 在实际的TDD系统使用中,我们除了要考虑利用CSI计算用户与基站天线之间的信道参数,还需要考虑每个基站天线之间的不一致性。Argos 通过理论计算,设计了如下的信道校正方法。 1.计算天线间的通道不一致性。在基站天线内部找出一个参考天线1,所有的天线与参考天线1互发导频信息,依次计算内通道校正系数。 2.所有用户发送不同的正交导频信息给参考天线1,由他计算得出参考天线1与所有用户之间的信道信息,在结合第一步终端内通道校正系数,得出所有天线与所有用户之间的信道信息; 3.利用所有的信道信息,计算波束合成需要的权值。 通过该方式,系统只需要K个用户数量的导频信息即可完成相关计算,与基站天线数量无关,这也有利于基站天线的可扩展性。 5.1.2.4 分布式波束合成 在之前的波束权值计算中,系统需要考虑所有信道的数据,确保每个天线的发射能量不超过限制(即每个天线的幅度和相位都需要综合考虑,实现波束指向)。但是随着天线规模和用户数量的大规模增加,其实每个天线发送的能量基本保持一致,因此不需要考虑功率限制这一个因素。Argos可以利用这一点,采用射频终端分布式的计算,每个射频直接考虑吱声的功率就可以了。 5.1.3 工程实施 Argos在工程实施中采用了WARP(类似软件无线电的开发平台),一个货架时钟分发板,一个电脑和一个交换机。其中集中控制模块放在电脑内,交换机连接16个射频模块,每个射频模块带有四个天线。电脑内部的集中模块用matlab来发送数据、权值、和控制信号到射频模块。Argos利用交换机、时钟分发板、和WARP板实现时钟同步功能。WARP板即有射频模块的功能,有可以进行数据功能的开发。由于乘法器的限制,每个WARP板可以最大支持4个天线和15个终端的数据处理。 图 7 argos组成框图图 7 argos组成框图 5.1.3.1 软硬件平台 WARP板是可扩展可编程的软件无线电平台。每个板子支持四个天线同时工作。WARP提供了一个matlab开发平台,WARPLab。WARP有四个层:1. 最底层具备很多simulink模块,包括控制FPGA、射频模块和线性预编码等;2. Xilinx platform studio,可以将所有的硬件模块和simulink模块、IO模块等等连接起来;3. 运行在powerpc上的C语言,可以实现处理调制解调和对交换机的端口;4. Matlab接口,用于配置板子,生成发射信号和处理接收信号。 Argos利用WARPlab实现了:1. 硬件MUBF;2. 传输同步;3. 时钟同步;4. 基站天线之间的间接校正。这些都是argos大规模可扩展功能所必须的。 图 8 argos原理样机图 8 argos原理样机 5.1.3.2 硬件MUBF 如前文所述,化集中式MUBF处理,变为每个射频上单独进行权值处理。 5.1.3.3 传输同步 详细硬件设计,暂不详述。 5.1.3.4 时钟同步 详细硬件设计,暂不详述。 5.1.3.5 间接校正 利用前文所述的参考天线模式,可以得出每个天线的相位校正参数,但是由于大规模mimo为网格排列,每个天线到参考天线1的物理距离各不相同,那么每个天线传到参考天线1的SNR差距可以达到40dB,这对信道校正是不利的,需要合理的设计各个天线的参考功率。在argos设计中,参考天线独立于其他天线,放置在一个位置,使得其他天线到参考天线的距离差不多。 5.1.4 测试方法 利用真实无线环境,测试了64*15的argos系统。在该系统中,包含了LOS(直视)和NLOS信道,通过多次测试统计数据来衡量系统性能。在该测试中,测试了如下内容:1. 系统总容量与用户数目、基站天线数据之间的关系;2. 不同的算法对系统容量的影响;3. 间接校正的稳定性。 图 9 测试环境图 9 测试环境 5.1.5 后续 在argos系统的基础上,rice大学又开发了argosV2,在结构与电性能上均有改善。 图 10 argosV2基站的原理样机图 10 argosV2基站的原理样机 图 11 argosV2用户原理样机(4个天线代表4个用户)图 11 argosV2用户原理样机(4个天线代表4个用户) 5.2 NI系列 5.2.1概述 NI公司利用自身的商业化的软硬件平台(labview+USRP等)搭建了用于验证大规模mimo的原理样机。MIMO原型验证系统是个灵活的硬件测试台,能够提供4到128个相位相干收发器链,由多个强大的FPGA支持来实现实时处理。 此系统是原型验证MIMO算法与技术的必要工具。 MIMO应用程序框架大幅减少了原型验证大规模MIMO系统的准备工作。 MIMO应用程序框架的主要算法与IP为MU-MIMO系统提供了经过充分验证且功能强大的结构,使得用户无需从头创建基础架构。 MIMO原型验证系统结合了MIMO应用程序框架的性能,是MIMO研究的理想平台,有助于用户更快速创新。 5.2.2 技术架构 在设计过程中,NI系列考虑了大规模扩展的需要,采用了分层的设计模式,但是其原理与argos不相同,argos基站在发射过程中将每个送往用户的基带信号,处理完毕后送给每一个天线,也就是说所有的天线都负责对一个用户的信息传输。但是在NI系列的设计中,采用了不同的思路,即在使用过程中,基站的天线按照一定的使用规则被单独的用于服务一个单独的用户,比如常见的为10个基站天线对应一个用户,这种模式下,原本需要集中式大规模运算的MIMO系统被分为了以10*1MIMO子系统为标准单元的组合形式,每个子系统具备独立的单用户信息流处理能力。 NI系列在设计过程中重点考虑了如下几个特性。 1.灵活的软件无线电,可用于接受和发送射频信号; 2.射频设备之间精确的时间和频率同步; 3.具有高吞吐量和确定性的总线,用以传输和汇集海量的数据; 4.高性能的处理能力,用以满足物理层和介质访问控制(MAC)执行时所需的实时性能需求。 5.2.3 原理样机介绍 NI系统已经搭建了可用于扩展的大规模MIMO原理样机,其基站处的天线可以从几十到几百个,但是通常的天线数量都为128个。以下将主要介绍一种128*16的大规模MIMO原理样机。 图 12 常见的MU-MIMO配置图 12 常见的MU-MIMO配置 图 13 128通道MU-MIMO设置图 13 128通道MU-MIMO设置 上图为原理样机的硬件组成,以下介绍系统的软件架构。 基站应用程序框架软件中USRP RIO中的FPGA负责物理层的正交频分复用(OFDM)处理, PXI主机箱中的FPGA负责MIMO物理层处理。更高层的介质访问控制函数则在PXI控制器上的英特尔通用处理器(GPP)中运行。该系统架构可允许进行大量的数据处理且具有足够低的延时性来维持信道互易性。预编码的参数直接从接收机传输到发射机,以获得最高的系统性能。 图 14 大规模MIMO系统数据和处理框图图 14 大规模MIMO系统数据和处理框图 从天线开始,OFDM物理层的处理在FPGA中实现,这样计算强度最大的处理就可在天线附近执行。之后,计算结果与MIMO接收机(MIMO RX)的IP函数相结合,从而得到每个用户和每个副载波的信道信息。然后再将计算得到的信道参数传输到MIMO发射端(MIMO TX)进行预编译,将能量集中到单一用户的回路中。虽然介质访问控制的某些部分是在FPGA中实现,但是其大部分的实现还有其他更高层的一些处理还是在通用处理器(GPP)中实现的。系统每个阶段使用的特定算法是当前一个活跃的研究领域。整个系统可使用LabVIEW和LabVIEW FPGA进行重新配置——在提升速度的同时无需牺牲程序的可读性。 5.2.3.1 数据处理 高通道数MIMO系统需要非常稳定的数据处理。 高达128个通道的I与Q样本皆须实时处理,以便收发。为了处理如此大量的数据,MIMO原型验证系统使用了高吞吐量PCI Express总线。 数据通过PCI Express开关盒从USRP RIO SDR传送至单个PXI Express机箱。 机箱可汇聚数据,以便通过FPGA协处理器与四核Intel i7 PXI控制器集中处理这些数据。 如图7所示,PXIe-1085机箱是主要的数据汇聚节点与实时信号处理引擎。 在机箱的插槽1内,PXIe-8135 RT控制器可做为中央系统控制器使用。 PXIe-8135 RT配备了2.3 GHz四核Intel Core i7-3610QE处理器 (单核Turbo Boost模式可达 3.3 GHz)。 此机箱额外装载了8个PXIe-8384 (S1 到 S8)远端控制模块,可将PCI Express开关盒连接至主系统。 每个开关盒因而能够汇聚8 个USRP RIO链路。 PXI机箱与开关盒之间的链路采用PCI Express x8 Gen 2技术,可以在主机箱与其他开关盒之间提供高达3.2 GB/s的性能。 此系统还具有PXIe-7976R FlexRIO FPGA协处理器模块,可满足MIMO原型验证系统的实时信号处理需求。 每个PXIe-7976R皆采用强大的Kintex-7 410T FPGA。 每个FlexRIO模块都可以通过背板向彼此接收或传输数据,甚至还可以连接所有USRP RIO SDR;每个FPGA协同处理器的延迟均不到5微秒、传输率最高可达3.2 GB /s。 FlexRIO FPGA协处理器的数量根据所使用的天线数量从1至4个不等。 图 15 MIMO原型验证系统的数据通道图 15 MIMO原型验证系统的数据通道 5.2.3.2 定时与同步 正确的定时和同步对于任何MIMO系统而言都非常重要。 MIMO原型验证系统共用一个10 MHz参考时钟与数字触发器,用于触发每个无线电的采集或生成功能,以确保系统级的同步 (图 8)。 机箱内的PXIe-6674T同步模块可通过OCXO生成极为稳定且准确的10 MHz参考时钟(准确度可达80 ppb)。 该模块也为与主机CDA-2990时钟分配附件的设备同步提供数字触发。 而主机CDA-2990则负责向另外8个CDA-2990模块提供并缓存10 MHz参考(MCLK)与触发(MTrig),然后再供应至USRP RIO SDR,借此确保每根天线共用10 MHz参考时钟与主机触发器。 因此,上述的定时与同步架构可非常精确地控制每个无线电/天线元件。 这样便可实现相位相干运行,让各个通道与其他通道保持稳定的相位偏移。 这时您可使用软件校准技巧而妥善对齐通道。 图 16 MIMO原型验证系统的时钟通道图 16 MIMO原型验证系统的时钟通道 数据路径硬件与定时模块结合而成的强大测试台,能够实时处理庞大的数据流量,并且满足MIMO研究人员的同步需求。 此外,此系统本身也具有扩展性。 只需稍微调整硬件架构,便能轻松新增天线。 5.2.3.3 用户端设备 在MU-MIMO中,多天线基站能与用户端设备(UE)的数个单天线例程进行通信。 每个UE代表有无线功能的手机或其他无线设备。 每个UE可以使用通过有线PCI Express转ExpressCard链路连接至笔记本GPSDO的笔记本电脑。 GPSDO非常重要,不仅提供了更出色的频率准确度,还提供了同步与地理位置功能。 典型的MU-MIMO测试台包含多个可做为UE的独立运行USRP RIO SDR。 由于每个USRP RIO SDR都有2个RF通道,每个USRP与笔记本电脑组合可代表 2个UE。 图 17 使用笔记本电脑和USRP RIO进行典型的用户设备搭建图 17 使用笔记本电脑和USRP RIO进行典型的用户设备搭建 5.2.3.4 软件界面 LabVIEW提供了一个集成化的工具链,用以管理系统级软硬件细节;在图形化用户界面上可视化系统信息,开发通用处理器(GPP)、实时和FPGA代码;以及将代码部署到研发测试台上。借助LabVIEW,用户可以轻松集成其他编程环境中的代码,比如ANSI C/C++可通过调用库节点函数集成、VHDL可通过IP集成节点集成、甚至.m文件脚本也可通过LabVIEW MathScript实时模块进行集成。这使得开发具有高度可读性和可定制性的高性能设计变得可能。所有的硬件和软件在同一个LabVIEW项目中进行管理,使得研究人员能够将代码部署至所有处理单元并在统一的环境中运行各种测试场景。大规模MIMO应用程序框架采用LabVIEW进行开发是因为LabVIEW提供的高效率及其基于LabVIEW FPGA模块编程和控制I/O的能力。 图 18 LabVIEW项目和LabVIEW FPGA应用程序图 18 LabVIEW项目和LabVIEW FPGA应用程序 虽然MIMO原型验证系统可使用LabVIEW完全从头设计,不过此系统专为搭配MIMO应用程序框架使用而设计。 下图所示的软件架构提供了开放式可重配置的参考设计,能够根据研究需求重新配置,也可用作全新MIMO用的基础。 图 19 MIMO应用程序框架的前面板图 19 MIMO应用程序框架的前面板 使用LabVIEW Communications系统设计套件开发的MIMO应用程序框架,能够支持立即可用的MU-MIMO IP,例如MMSE、MRC与ZF波束成型。 MIMO应用程序框架还提供了无线同步、信道互惠校准、可重配置的框架架构、MIMO侦测、预编码与实时通信功能。 5.2.4 实例 依托NI的软硬件平台,各大学与企业均开发了适合自己的大规模MIMO原理样机,一下主要介绍几种。 Lund University 图 26瑞典隆德大学——基于USRP RIO的大规模MIMO测试台 (a) 一种自定义的横向极化贴片天线阵列(b),100个天线,10个用户,3.7GHz载频图 26瑞典隆德大学——基于USRP RIO的大规模MIMO测试台 (a) 一种自定义的横向极化贴片天线阵列(b),100个天线,10个用户,3.7GHz载频 瑞典隆德大学的Ove Edfors教授和Fredrik Tufvesson教授与NI一起合作,使用NI大规模MIMO应用程序框架开发出了一套世界上最大规模的MIMO系统。他们的系统使用了50套USRP RIO软件无线电来实现大规模MIMO基站收发信机天线数为100*10天线的配置。基于软件无线电的概念,NI和隆德大学研发团队开发了系统级的软件和物理层,该物理层使用了类似于LTE的物理层和时分复用技术来实现移动端接入。 图 27 大规模MIMO应用程序框架系统参数图 27 大规模MIMO应用程序框架系统参数 东南大学 图 28 5G实验原理样机 128天线 12个用户 5.8GHz载波图 28 5G实验原理样机 128天线 12个用户 5.8GHz载波 以上为东南大学搭建的大规模MIMO系统,为了满足科研需要,东南大学首先开发了一个16*2 Mini Massive MIMO系统。该系统为TDD系统,采用简化的LTE无线帧格式和还用OFDM无线传输技术,考虑到系统的可扩展性和系统未来带宽的增加(如引入载波聚合等先进技术),同时未来满足系统速率要求和有限资源限制,mini massive mimo在设计时考虑了整个系统划分为多个子系统,他们分别是天线合并模块、带宽拆分模块、信道估计模块、MIMO检测模块、射频通道校准模块、MIMO预编码模块、带宽合并模块和天线拆分模块,其中天线合并模块和天线拆分模块分别负责灰机来自哥哥天线的数据和将数据分发至各个物理天线,带宽拆分模块负责将该子系统中整带宽的数据划分成不同子带病分配至其他子系统,带宽合并模块负责汇聚其他子系统传输过来的子带的数据,MIMO检测模块和MIMO预编码模块则是分别负责对该子系统所负责的子带数据进行检测译码和预编码。 图 29 详细硬件参数图 29 详细硬件参数 mini massive mimo系统实物 mini massive mimo系统实物 Bristol University 大规模MIMO原理样机 128天线,12UE,3.51GHz载波 大规模MIMO原理样机 128天线,12UE,3.51GHz载波

免责声明:非本网注明原创的信息,皆为程序自动获取互联网,目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责;如此页面有侵犯到您的权益,请给站长发送邮件,并提供相关证明(版权证明、身份证正反面、侵权链接),站长将在收到邮件12小时内删除。

相关阅读

一周热门

查看更多