2023分布式超大规模MIMO技术研究报告

北京稻壳科技有限公司 BeijingRiceHullTechnologyCo.,Ltd.地址：北京市朝阳区九住路188号 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 2023年12月 版权声明CopyrightNotification 未经书面许可禁止打印、复制及通过任何媒体传播 ©2023IMT-2030（6G）推进组版权所有 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 1.概述5 1.1技术原理5 1.2国内外研究现状5 2.应用场景、部署方式、网络架构6 2.1应用场景6 2.2部署方式8 2.3网络架构11 3.协同传输方案14 3.1初始静态协作簇接入14 3.2动态协作簇构建17 3.3动态协作预编码23 3.4协作接收算法27 4.通道校准27 4.1协作点间空口校准28 4.2基于UE辅助的校准30 5.时频同步33 5.1时间同步33 5.2频率同步37 6.原型验证39 7.总结及发展建议43 参考文献44 主要贡献单位46 2 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 图目录 图2.1高校、CBD等热点区域示图6 图2.2大中型场馆、交通枢纽等应用场景示图6 图2.3企业园区应用场景示图7 图2.4低空覆盖应用场景示图7 图2.5分布式超大规模MIMO星形部署方式示意图8 图2.6分布式超大规模MIMO环形部署方式示意图9 图2.7分布式超大规模MIMO星形环形结合部署方式示意图9 图2.8分布式超大规模MIMO树形部署方式示意图10 图2.9基于A-ROF实现前传链路示意图10 图2.10双层分布式超大规模MIMO网络架构示意图12 图2.11宏微组网分布式超大规模MIMO上下行服务节点解耦13 图2.12上下行解耦网络架构的吞吐量性能增益13 图3.1动态协作协作点簇架构14 图3.2初始接入流程16 图3.3协作SSB示意图17 图3.4三层协作簇结构18 图3.5协作簇测量19 图3.6异频测量示意图21 图3.7同频测量示意图21 图3.8RSRP测量结果比较23 图3.9可扩展的分布式超大规模MIMO系统24 图3.10某城区一个面积为3平方公里的区域的三维射线追踪模型（左）；接收器位置在品 红色阴影区域，发射器用蓝色圆圈表示（右）。26 图3.11不同MIMO方案的频谱效率比较：（左）单接收天线；（右）四接收天线27 图4.1通道系数示意图28 图4.2协作点/RRU分组校准及校准信号29 图4.3使用不同码书精度情况下的校准误差CDF31 图4.4使用多样点联合估计情况下的校准误差CDF32 图5.1上行定时同步协作点分组35 图5.2协作点下行定时36 图6.1低频段分布式超大规模MIMO无线接入网试验场景40 3 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 图6.2低频段分布式超大规模MIMO无线接入网试验场景40 图6.348个数据流时系统总频谱效率41 图6.412个数据流时系统总频谱效率42 图6.5不同方案的频谱效率对比42 图6.6下行24个数据流的频谱效率43 图6.7考虑校准时延的下行24个数据流的频谱效率43 表目录 表3.1中心频率4GHZ，车速60KM场景下同频测量之效能比较22 表5.1时频同步实现方法对比39 4 1.概述 1.1技术原理 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 分布式超大规模MIMO系统是超大规模天线演进的重要方向，它融合了大规模MIMO和分布式天线技术的优势，有望通过更广域的节点间协作提供更高的空间分辨率和频谱效率，为终端（UE,UserEquipment）提供更为优异的性能体验。 6G网络中的分布式超大规模MIMO系统呈现天线数更多、分布地理范围更广、智慧协同作用更深的显著特征。在大规模MIMO技术基础上，分布式超大规模MIMO将原本集中式天线阵列分散在小区各个位置，以用户为中心，以站间智慧交互与智能协作为基础，融合多频段传输特性，在消除小区间干扰以及提高频谱资源利用率的同时，降低了传统集中式MIMO射频和天线数倍增的物理实现挑战，增强系统可拓展性和可靠性，从而使得无边界用户体验在6G网络下成为可能。 1.2国内外研究现状 面向未来移动信息网络更高速率（Tbps）、更低时延（0.1ms）、更高可靠（99.99999%）等需求，分布式超大规模MIMO被认为是未来6G移动通信系统的候选技术方案之一，受到研究者们的广泛关注。4G时期的协作多点传输（CoMP）、5G的多收发协作点 （Multi-TRP）技术，都是分布式超大规模MIMO技术实践应用的早期探索。近几年来，无蜂窝大规模MIMO（Cell-freemassiveMIMO）也引起了广泛关注，该技术是一种试图实现去小区化、无缝协作的无线通信技术，在2017年由Marzetta教授和瑞典林雪平大学的Larsson教授共同提出[1]。从网络架构和物理实现上，无蜂窝大规模MIMO与分布式超大规模MIMO有较多相似之处。两者都可以采用集中式的中心处理单元实现系统中所有节点的协作。但为了实现无缝协作，无蜂窝大规模MIMO更多地强调协作传输的可扩展性，不仅需要物理层信号处理方法的可扩展性，还要要求上层的实时调度具备可扩展性，并具备完善的移动性管理，这就要求物理层支持以用户为中心的有限集的动态协作簇。 当前，美国“下一代移动通信技术联盟（NextGAlliance）”发布了6GDistributedCloudandCommunicationsSystems的白皮书，欧盟“2020地平线计划”和“MarieSkłodowska-Curie”计划设立了“Anintelligentdesignofuser-centriccell-freemassiveMIMO:Adeeplearningapproach”项目，开展研究基于深度学习的智能化无蜂窝大规模MIMO。国内产学研也开展了大量的分布式超大规模MIMO的基础理论、关键技术、原型验证等研究工作。可以看到，当前已有的研究更多聚焦分布式超大规模MIMO通信关键技术。然而，在从技术走向商用过程中，分布式超大规模MIMO还有许多实际问题需要进一步研究分析，例如动态协作、低复杂度预编码技术、高精度时频同步等。 5 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 2.应用场景、部署方式、网络架构 2.1应用场景 分布式超大规模MIMO主要应用于大容量场景，特别是人流量密集，数据业务爆发式增长的流量密集场景，例如高校、CBD热点区域、大中型场馆以及交通枢纽等。同时，还可以联合部署不同类型的节点，以适应不同场景覆盖需求，例如除固定式基站外，还可以利用移动式基站、无人机基站、智能超表面等改善覆盖性能。 高校、CBD等热点区域。该类场景的终端流量较大，但分布较为均匀，密度适中，移动性不高。典型的网络需求包含视频会议，网页浏览，数据下载等等。为提升容量，可采用室外覆盖室内的方式，将多个节点连接到基带处理单元，实现控制信道合并，数据信道复用。 图2.1高校、CBD等热点区域示图 大中型场馆、交通枢纽等应用场景。该类场景的主要特点是人流量大，数据业务爆发式增长，需要提供高密度、高速率的网络连接。针对此类大中型场馆以及交通枢纽等室内密集场景，可通过室分系统升级，实现数据信道复用，提升容量。 图2.2大中型场馆、交通枢纽等应用场景示图 企业园区应用场景。一般为ToB业务的场景，例如智慧工厂，具有大量连接、高并发率、数据速率稳定等特点。通过分布式超大规模MIMO，可满足上下行大带宽特定业务需求。例如，在智慧工厂的生产调度和状态监控中，可通过分布式超大规模MIMO系统，实时获取设备信息，一方面实现设备状态监控和安全维护，另一方面为建立调度模型和优化调度方案提供数据基础。 6 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 图2.3企业园区应用场景示图 低空覆盖应用场景。随着无人驾驶航空器（UAV,UnmannedAerialVehicle）相关产业的快速发展，其应用领域也逐渐向各个行业扩展，除军事用途外，还包括快递物流、农业植保、应急通信、气象监测、森林防火等多种用途。为满足无人机的覆盖要求，最主要的是增强垂直维度的覆盖效果。一种方案是直接增加指向空中的天线，另一种是增加MIMO天线在垂直维度的数量，即通过多个窄波束取代原有的宽波束，增加整体的垂直覆盖能力。然而，随着无人机飞行高度的提升，“可见”范围内的干扰源增多，当无人机位于服务小区边缘时，干扰信号与服务信号相似，会导致频繁切换或中断。为保证低空覆盖下的传输性能，可通过分布式超大规模MIMO化干扰为有用信号，提升低空覆盖性能。 图2.4低空覆盖应用场景示图 为支持上述应用场景，6G时代的分布式超大规模MIMO将融入多频段特性，即6G将是一个低中高多频段协同的全频谱通信系统，中低频将继续增强连接能力，毫米波、可见光和太赫兹等新频段可以利用其大带宽的优势提供极致容量，多频段协同为终端的快速接入与“零中断”传输提供有力保障。但分布式超大规模MIMO技术性能的发挥依赖于空口校准、调度方案、组网及协作簇等方案的实现能力。对于低频段而言，分布式超大规模MIMO相干传输可有效提升系统性能，其关键挑战包括动态协作、空口校准等。但对于高频段，由于器件工艺等问题引入相噪等非理想因素，使得空口校准变得极具挑战，因此高频段下的分布式超大规模MIMO可优先考虑非相干传输模式，重点解决动态协作、波束管理等问题。 7 2.2部署方式 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 分布式超大规模MIMO的性能增益源于大规模天线的协作传输。应用分布式超大规模MIMO技术，可以灵活、有效地根据不同环境，构建星形、树形、链形、环形等拓扑结构的网络，有效消除干扰快速提升容量。考虑到协作点分布式部署和硬件实现的局限性，网络架构和部署方式与物理层的信号处理方法相互影响。 3.1.1网络拓扑结构 星形部署 现网大多数以星形方式的部署，即中央处理单元（CPU，CentralProcessingUnit）连接多个协作点，在CPU实现集中式的联合处理。这种方式对CPU基带池的处理能力有较高的要求。如果协作点具有物理层信号处理能力，例如信道估计、检测、预编码等，结合动态分簇技术，CPU的处理能力具有较好的扩展性。 图2.5分布式超大规模MIMO星形部署方式示意图 环形部署 对于上行链路，当协作点具有信道估计、检测能力时，经过检测后的信号可以进行相干合并。相干合并可以采用串行实现，即一个协作点的检测输出到下一个协作点进行合并。对于下行链路，每个数据流的比特信息分发到各个协作点进行预编码。这种串行实现，可以采用文献[2]提出了RadioStripes形部署。 8 IMT-2030(6G)推进组 IMT-2030(6G)PromotionGroup 图2.6分布式超大规模MIMO环形部署方式示意图 星形与环形结合的部署 文献[3]采用了星形和环形结合的方式进行部署。CPU与协作点之间采用星形部署，CPU之间采用环形部署。当UE处于两个CPU管理范围之间时，为了实现联合传输，需要CPU之间有较强的交互能力。 图2.7分布式超大规模MIMO星形环形结合部署方式示意图 树形分层部署 文献[4]采用了树形的拓扑形式，虚拟化的中央单元（vCPU，virtualCPU）与多个边缘分布式单元（EDU，EdgeDistributedUnit）连接，EDU与多个协作点连接，vCPU和EDU共同实现分布式基带信号处理。多个vCPU与云化的CU连接，在CloudCU中实现用户的移动性管理。这种树形部署中