Massive MIMO广播波束场景化研究

Massive MIMO和波束赋形是5G的一项关键技术。5G将LTE时期的MIMO进行了扩展和延伸,即LTE的MIMO最多8天线,到5G扩增为16/32/64/128天线,被称为“大规模”的MIMO。本案通过对不同场景Massive MIMO波束调整方案进行研究,输出场景化的设置方案,以期为后期Massive MIMO优化提供参考。     

基于波束赋形原理通过SSB1+X提升高层楼宇覆盖质量

5G NR工作在sub 3G频率内,覆盖弱、穿透力小是其主要特点。通过Massive MIMO可以弥补覆盖距离的不足,但穿透力不足的特点始终无法得到很好的解决。文章基于波束赋形原理通过SSB1+X的方式解决一定场景下的高层楼宇覆盖问题。     

5G Massive MIMO的优化思路探讨

首先重点介绍了5G Massive MIMO关键技术特征,然后分析了该技术与Pre-5G多天线技术的联系与区别。进一步给出了不同广播波束和业务波束配置条件下5G NR的覆盖能力与用户速率感知情况,最后再结合原理分析和测试结论,给出了5G Massive MIMO优化的主要思路,并针对后续优化工作面临的挑战提出了一些建议。     

智慧工厂5G室内分布式Massive MIMO增强技术运用

在5G室内高负荷场景中,分布式皮基站采用密集组网,重叠覆盖导致小区间同频干扰严重,网络容量的下降影响用户体验。通过将Massive MIMO(大规模天线)技术引入数字室内子系统,将干扰转化为增强信号,并通过波束赋形和多用户MIMO(多输入多输出)来提高容量和体验,有效地解决了室内5G小区间干扰问题,大大提高了小区容量,满足了5G室内场景的需求。测试结果表明,当开启Massive MIMO时,上下行速率都有显著提高。     

基于Actor-Critical架构的5G Massive MIMO波束能效的研究与应用

大规模阵列天线技术（Massive Multiple Input Multiple Output,Massive MIMO）作为第五代移动通信（5G）的无线核心技术,实现了多波束空间覆盖增强,然而5G Massive MIMO的多波束射频高能耗、多波束碰撞和增加的干扰造会成5G网络能效下降,运营成本增高。基于3D数字地图、基站工程参数、终端上报的测量报告/最小化路测（Measurement Report/Minimization of Drive Test,MR/MDT）数据、用户/业务分布构建的三维数字孪生栅格,通过卷积长短期记忆（Convolutional Long Short Term Memory,Conv-LSTM）算法对栅格内的用户分布、业务分布进行分析和预测,通过Actor-Critic架构对5G波束配置和优化策略进行评估,实现不同场景、时段的5G波束最佳能效,智能适应5G网络潮汐效应,实现“网随业动”。     

Massive MIMO技术4G化应用研究

作为下一代移动蜂窝网通信（5G）的关键技术之一,Massive MIMO具有极高的频谱效率和能量效率,能大幅提高系统的吞吐量;在其4G化应用研究中,主要挖掘在下行精准波束赋形、上行增强接收分集以及波束三维可调等方面性能;本文通过对Massive MIMO技术4G化标准进度、产品情况及测试情况分析,进一步验证了它的技术优势,指出存在问题和提出解决思路,并总结了Massive MIMO技术4G化应用的推荐场景,为该技术后续研究和规模应用提供一定的指导。     

多波束赋形在非正交多址接入技术中的应用研究

为解决非正交多址接入(NOMA)技术在毫米波Massive MIMO系统中用户的分组受限于基站波束宽度的问题,提出了一种能够产生指向多个方向的波束的波束赋形方案.基于该多波束波束赋形方案,建立了多小区多用户场景下的用户资源分配的数学模型.为降低计算的复杂性,采用两阶段的资源分配算法.在第一阶段中,在给定的功率分配条件下将模型转化为联盟博弈中联盟的生成问题,并提出一种通过迭代确定用户分组和天线单元分配的算法;在第二阶段中,通过将非凸的数学优化问题转化为DC规划问题,提出用户功率分配的算法.仿真结果表明,本文所提多波束波束赋形方案能够有效产生指向多个方向的波束,且所提资源分配算法能够有效提高系统的性能.     

基于深度学习的多用户Massive MIMO预编码方法

在下行链路传输场景中,发射机处的功率分配和波束赋形设计至关重要。考虑一个多用户Massive MIMO系统中总功率约束下最大化加权和速率问题,经典的WMMSE算法可以获取次优解,但计算复杂度过高。为了降低计算复杂度,提出了一种基于深度学习的快速波束赋形设计方法,该方法可以离线训练深度神经网络,利用训练后的神经网络求解最优波束赋形解,只需要简单的线性和非线性操作即可完成。实验结果显示,该方法可以逼近WMMSE算法精度的90%以上,同时计算复杂度和时延也大大降低。     

一种基于mMIMO技术的应用落地实践

为应对移动通信业务量的迅猛增长,以及对信息传输的速率、时延、可靠性等各方面都提出了更高的要求,大规模多进多出(Massive MIMO,m MIMO)因其空间资源挖掘的独特优势而获得青睐与重视,可实现系统频谱和能量效率的极大化,已成为5G的关键技术之一。文章介绍了m MIMO的关键技术原理,提出了针对不同TR数的设备进行差异性部署的方法,同时介绍了m MIMO最关键的波束赋形技术的优化思路和详细案例,为后续打造低成本优质5G精品网络具有重要意义。     

面向5G Massive MIMO的无线网智能规划研究

传统基于人工经验规划的方法已不能满足5G网络精准规划的需求,急需引入基于大数据分析的5G无线网智能规划方法,本文利用在线地图爬虫得到覆盖场点区域库,采用聚类算法进行5G弱覆盖区域的判定与弱覆盖区域站址规划,以及Massive MIMO广播波束权值规划,熵权法的价值区域预测等几个维度,为5G无线网规划提供高效支撑.     

基于建筑模型的5G Massive MIMO天馈寻优方法研究与应用

当前5G MR/MDT等定位技术尚不成熟且样本过少,本文提出了一种基于建筑物信息的5G Massive MIMO天馈寻优方法,利用5G大规模阵列天线的技术优势,通过Massive MIMO天线波瓣宽度的精确计算,实现了天线覆盖方案的寻优,以最大程度地提升室内覆盖.本方法在降低网络运维成本的同时,提升了资源效能,为后续5...     

Massive MIMO关键技术及应用初探

随着无线通信技术和新型业务的快速发展,人们对数据传输速率提出了更高的需求。为进一步提高数据传输速率,通过增加基站天线数目构建Massive MIMO系统,是一种高效而相对便捷的方式。本文介绍了Massive MIMO研究进展和技术原理,并针对其特有的关键技术信道信息的获取、天线阵列的设计、低复杂度传输技术进行了分析讨论,最后从覆盖、容量、感知和上行干扰四个维度对4G网络上部署的Massive MIMO系统进行了评估分析。     

Energy efficiency of massive MIMO wireless communication systems with antenna selection

Massive multiple-input multiple-output (MIMO) requires a large number (tens or hundreds) of base station antennas serving for much smaller number of terminals, with large gains in energy efficiency and spectral efficiency compared with traditional MIMO technology. Large scale antennas mean large scale radio frequency (RF) chains. Considering the plenty of power consumption and high cost of RF chains, antenna selection is necessary for Massive MIMO wireless communication systems in both transmitting end and receiving end. An energy efficient antenna selection algorithm based on convex optimization was proposed for Massive MIMO wireless communication systems. On the condition that the channel capacity of the cell is larger than a certain threshold, the number of transmit antenna, the subset of transmit antenna and servable mobile terminals (MTs) were jointly optimized to maximize energy efficiency. The joint optimization problem was proved in detail. The proposed algorithm is verified by analysis and numerical simulations. Good performance gain of energy efficiency is obtained comparing with no antenna selection.     

Uplink SINR Analysis in Massive MIMO Systems Using Ginibre Point Process

Wireless Personal Communications - This paper deals with the coverage probability analysis of Massive MIMO networks with random topology. Poisson Point Process is a popular stochastic geometry...     

基于5G MR实现Massive MIMO权值智能寻优的技术方案研究

首先基于5G NSA的技术特点,提出了从NSA MR获取高精度经纬度信息的技术方案.进一步地,提出了基于MR经纬度信息的Massive MIMO权值智能寻优技术方案,利用智能化权值选择算法在Massive MIMO权值空间中搜索最优解;考虑到现有系统算力的限制,还提出了寻求局部最优解的简化算法,提高了算法的实用性和推广...     

面向5G的大规模MIMO天线的波束规划及天线选型探讨

大规模MIMO天线技术作为5G技术的关键,在解决超高容量和多用户连接的问题上极具优势。天线的实际增益效果与多波束的管理和天线的选型紧密相关。基于此,本文先行阐述了大规模MIMO天线的波束形成技术,提出了不同场景下的多套波束规划方案,并进一步地对不同覆盖场景给出天线选型建议,为5G的网络设计与建设提供切实可行的参考依据。     

基于多路实值时延神经网络的大规模MIMO系统发射机射频失真补偿方案

大规模MIMO（Multiple-Input Multiple-Output）系统具有频谱效率高、系统容量大的优势。然而由于发射机射频元件存在着技术、工艺等方面的限制,大规模MIMO系统不可避免地存在着多种射频失真问题,成为制约系统性能的重要瓶颈。本文针对大规模MIMO系统中的功率放大器 (Power Amplifier,PA)非线性、同相/正交 (In-phase/Quadrature,I/Q)支路不平衡、射频链路串扰等多种射频失真问题,提出基于多路实值时延神经网络（Real-Valued Timed-Delay Neural Network, RVTDNN）的大规模MIMO系统发射机射频失真补偿方案。该方案使用多个RVTDNN预失真网络对发射信号进行预处理,补偿发射机的射频不理想特性,提高系统性能。此外,本文还提出了基于量子遗传算法的预失真网络超参数优化方案,与传统的基于遗传算法的网络超参数优化方案相比,该方案在种群数较小时可实现超参数优化,从而降低了算法的时间复杂度。