1.信道信息的测量与反馈

在TD-LTE系统中，基站可通过上下行信道的互易性，根据对上行SRS（Sounding Reference Signal，探询参考信号）导频测量的结果获取下行信道的状态信息，因此对于TD-LTE系统，使用大规模天线后，信道信息的测量与获取方式可以使用与现有4G系统相同的方案。对于LTE FDD系统，需要终端对下行信道进行测量后反馈给基站，在现有4G LTE系统中，采用基于码本的有限信道信息反馈来获取下行的信道信息。当采用大规模天线后，采用现有4G LTE信道测量和反馈方法，所需开销将随天线振子数目增加而显著增加，因此在这一部分，将针对FDD方式下，大规模天线系统的测量与反馈方案进行讨论。

（1）基于Kronecker乘积的反馈方法

在基于FDD的MIMO系统中，基站需要通过用户测量导频并反馈信道信息。用户直接反馈2D天线阵列的信道信息将导致巨大的反馈开销。为了降低用户信道信息反馈开销，用户可以对水平和垂直维度天线分别反馈信道信息。基站获得用户反馈的水平和垂直信道信息后通过Kronecker乘积恢复2D天线阵列的信道信息（见图4-36）。基站用户预编码矩阵W通过水平预编码矩阵W_H和垂直预编码矩阵W_v的Kronecker乘积获得，即有

图4-36 基于Kronecker乘积的反馈方法

基于Kronecker乘积的反馈方法可明显降低用户的反馈开销，水平维度和垂直维度的CSI-RS端口数都不会超过8个。

考虑的天线配置为（M，N，P，Q）=（8，4，2，16），水平维度天线端口数目为8，垂直维度天线端口数目为2，仿真场景为3D-UMa/3D-UMi场景，仿真的参数假设如表4-7所示。

表4-7 仿真参数

通过仿真结果可以看出，相比于TXRU数目为8的Release 12方案，基于Kronecker乘积的方案，在TXRU数目为16时，可以在不同场景中获得7%～37%边缘频谱效率的增益，见表4-8。

表4-8 基于Kronecker乘积方案仿真性能

（2）基于虚拟扇区化的方案

基于CSI-RS波束赋形的扇区虚拟化是一种受到广泛关注的大规模天线增强方案。该方案的核心思想是利用对CSI-RS的波束赋形技术，在水平和垂直方向形成多个虚拟扇区，每个扇区配置相同的小区ID，通过降低用户每次需要测量和反馈的天线端口数目，降低测量和反馈量如图4-37所示。

为了实现虚拟扇区化，基站需要配置多个CSI-RS资源，每个CSI-RS资源对应虚拟扇区，在每个虚拟扇区内，终端接收到的CSI-RS资源上的端口数目小于等于8。

基站通过多个TXRU产生不同方向的虚拟扇区，在实现该方案时，小区下倾角和水平角参数的设置会对虚拟扇区化方案的系统性能产生较大影响。

图4-38给出了4个垂直虚拟扇区时天线端口虚拟化的示例，天线配置为（M，N，P，Q）=（32，4，2，32），每一列的相邻8个同极化阵子映射为一个TXRU。每一列在相同的极化方向上有两个TXRU，垂直方向的每个TXRU对应一个虚拟扇区，扇区的下倾角根据不同场景设置为不同数值。水平方向上共有8个TXRU，TXRU与天线端口为一一映射，每个虚拟扇区的天线端口数目为8，与Release 12保持一致。

为了能够让用户接入到最佳的虚拟扇区中，终端和基站需要进行波束的选择。FDD系统中波束选择的方法主要有以下两类：

图4-37 虚拟扇区化示意图

图4-38 天线端口虚拟化

1）基于FDD信道互易性的波束选择

基站采用DFT预编码的方式形成下行CSI-RS波束，基于SRS测量到的上行接收到的相关矩阵R，则波束选择可由下式给出：

其中，W_i为预编码向量；C为包含所有虚拟小区预编码的DFT码本。这里假设FDD上下行统计相关矩阵存在互易性，该假设的前提是需要对FDD天线进行校准，FDD天线校准的方法需要后续进一步研究。

2）基于CSI-RS RSRP测量的波束选择

该方案要求用户可以基于CSI-RS测量并在不同的CSI进程反馈所有波束的RSRP，基站根据RSRP为用户选择最佳波束。值得注意的是，基于CSI-RS的RSRP测量是在Release12引入的，需要Release 12的终端支持，目前标准支持最大4个CSI进程。

接下来，将对FDD大规模天线样机的虚拟扇区方案性能进行评估。考虑垂直和水平两种扇区虚拟化方案。仿真场景为3D-UMa，站间距为200 m，仿真的参数假设如表4-9所示。

表4-9 仿真参数

垂直扇区化的两种天线配置分别为（M，N，P，Q）=（16，4，2，16）以及（M，N，P，Q）=（32，4，2，32）分别对应2垂直扇区以及4垂直扇区。

图4-39 垂直虚拟扇区化示意图

与单扇区的性能对比，可以看出，2垂直扇区虚拟化方案可以将小区平均吞吐量提升约51%，小区边缘吞吐量提升约22%；4垂直扇区虚拟化方案可以将小区平均吞吐量提升约101%，小区边缘吞吐量提升约16%。

表4-10 垂直扇区化仿真性能

水平扇区化的两种天线配置分别为（M，N，P，Q）=（8，8，2，16）以及（M，N，P，Q）=（8，16，2，32）分别对应2水平扇区以及4水平扇区。

图4-40 水平虚拟扇区化示意图

与单扇区的性能对比，可以看出，2水平扇区虚拟化方案可以将小区平均吞吐量提升约42%；4垂直扇区虚拟化方案可以将小区平均吞吐量提升约78%；小区边缘吞吐量没有明显提升。

表4-11 水平扇区化仿真性能

（3）基于混合RS测量CSI反馈

在3GPP Release 10中，用户基于CSI-RS测量信道信息并进行反馈。随着天线数的增加，CSI-RS的开销也将随之增加。

图4-41 Release 10基于CSI-RS测量反馈机制

为了降低在大规模天线系统中CSI-RS开销的问题，可以采用一种基于混合RS测量信道信息并反馈的方法。其主要思想是用户基于CSI-RS的测量或DM-RS的测量进行信道信息的反馈。

方案的具体操作步骤如下：

1）基站配置CSI-RS并通过高层信令通知给用户，包括CSI-RS端口、CSI-RS图案、CSI-RS周期等。

2）在存在CSI-RS的子帧，用户k通过测量CSI-RS获取信道H_k，用户根据H_k和码本W{W₁，₂，…，W_M}选取W_k并反馈。

3）基站获取用户反馈的W_k进行调度，若用户k被调度上，发送DM-RS和PDSCH，DM-RS和PDSCH用相同的预编码矩阵T_n，T_n可以为W_n，也可不同于W_n。

4）用户判断当前子帧是否存在CSI-RS或DM-RS：若存在CSI-RS，同步骤2）；若不存在CSI-RS，但存在DM-RS，用户k通过测量DM-RS获取H_kT_n，用户根据H_kT_n和码本W{W₁，W₂，…，W_M}选取W_k并反馈；若既不存在CSI-RS，也不存在DM-RS，用户不反馈信道信息。

5）基站根据用户基于CSI-RS测量反馈的W_n和基于DM-RS测量反馈的W_n共同决定调度。若用户k被调度上，发送DM-RS和PDSCH，DM-RS和PDSCH用相同的预编码矩阵T_n，T_n可以和基于CSI-RS测量反馈的W_n或基于DM-RS测量反馈的W_n相同，也可不同于W_n。

图4-42 基于混合RS测量反馈机制

2.导频和码本设计

实际系统中，空间无线信道信息的获取来源于导频信号，而导频信号在时间、频率上的分布及小区间的干扰都会影响空间无线信道信息获取的准确性。提高空间无线信道信息获取的准确性的主要手段有以下几种：

·主动干扰避免：主动干扰避免主要通过小区内和小区间导频的正交化设计来主动避免导频之间的相互干扰（导频污染），接收端通过较为简单的信道估计算法即可获取较为准确的空间无线信道信息。但是这种方式导频开销一般比较大。导频可通过时分/频分/码本复用的方式避免导频间的干扰。

·被动干扰抑制：被动干扰抑制主要指基站侧通过大规模天线系统所拥有的精确空间分辨能力，接收端通过较为复杂的信道估计方法对导频干扰进行抑制，从而提升无线信道信息获取的准确性。这种方式要求导频间相互正交，因此开销相对比较小，但接收端的复杂度将会有所提高。(www.daowen.com)

在基于码本反馈的FDD MIMO系统中，基站发送下行导频信号；用户对导频信号进行测量，选取与信道相匹配的码本并反馈给基站。大规模天线系统需要支持更多的天线，在FDD大规模天线系统中，基站需要发送更多的下行导频信号来获取下行信道的状态信息。如果采用目前LTE设计CSI-RS的方案，大规模天线系统中所需要的导频开销将随天线数的增加呈线性增长。

（1）基于天线虚拟化的导频设计^[24]

基于天线虚拟化的导频设计方案可有效降低大规模天线所需要的下行导频数量。其主要思想是基站利用大规模天线形成若干个波束，对导频信号进行预编码并发送给用户，用户通过测量获取预编码后的信道，基于该信道信息选取最优码本并反馈给基站，基站根据导频预编码和用户的反馈共同决定数据信道的预编码。预编码矩阵W{W₁，W₂，…，W_M}由基站产生，W的数目大于或等于导频信号端口的数目。且该预编码矩阵W对用户透明，即用户不知道W的具体内容。基站从M个预编码矩阵中选取N个对导频信号进行预编码，并发送导频信号。基站在不同的时刻可选取不同的预编码矩阵对导频信号进行预编码并发送，如图4-43所示。

图4-43 虚拟化导频发送

根据用户反馈的内容，基于虚拟化的天线导频设计可包括两种具体实现方案。

方案一：用户反馈最优的若干个导频（如图4-44所示），其具体操作步骤如下：

1）基站利用大规模天线形成M（M≥N）个波束（N为正交导频数），预编码矩阵表示为W₁，W₂，…，W_M，矩阵大小为T×（T为大规模天线的天线端口数）。

2）从M个预编码矩阵中选取N个，对导频信号进行预编码，并发送导频信号：W₁s₁，W₂s₂，…，W_Ns_N。

3）用户k对导频信号H_kW₁S₁，H_kW₂S₂，…H_kW_NS_N进行测量，获得H_kW₁，H_kW₂，…H_kW_N，根据一定准则将H_kW_n的索引n反馈给基站。其中H_k（RΧT）为用户k的信道矩阵（R是用户k接收天线数）。

4）基站根据用户反馈的索引对应的H_kW_n推算其信道信息为W_n。

5）基站根据每个用户的信道信息进行调度和形成预编码矩阵T_n。

图4-44 方案1示意图

方案二：用户通过测量获取预编码后的信道，基于该信道信息选取最优码本并反馈给基站（如图4-45所示），其具体操作步骤如下：

图4-45 方案2示意图

1）基站利用大规模天线形成M（M≥N）个波束，预编码矩阵表示为W₁，W₂，…，W_M矩阵大小为T×1。

2）从M个预编码矩阵中选取N个，对导频信号进行预编码，并发送导频信号：W₁S₁，W₂S₂，…，W_NS_N。

3）用户k对导频信号H_kW₁S₁，H_kW₂S₂，…，H_kW_NS_N进行测量，获得的H_e=[H_kW₁，H_kW₂，…，H_kW_N]，用户从N个码本中选择一个最优的码本P_n并反馈给基站。其中H_k为用户k的信道矩阵，大小为RΧT（R是用户k接收天线数）。P_n大小为NΧr，r为用户的rank值。

4）基站根据用户反馈的索引求得P_n。

5）基站根据每个用户的信道信息进行调度和形成预编码矩阵T_n，T_n=WP_n，其中P_n可以为用户的反馈，也可不同于用户的反馈P_n。

（2）天线分组的码本设计和反馈方法

大规模天线系统中，需要从只关注在水平方向的波束赋形转移到关注水平和垂直共同作用下的空间立体自适应波束赋形技术。如何在尽可能降低上行反馈信道开销的情况下设计大维度的码本空间，保证无线信道的量化精度，是需要仔细研究的问题（特别是系统上下行信道特性不同的频分双工系统）。主要解决方法有：

·基于旋转的码本构造方法：目前学术界关于Grassmannian流行压缩的研究主要集中于低维度的情形，对于高维度的研究较少，因此它对计算复杂度和性能提出了双重要求，所以必须通过设计搜索算法的精心设计才能够在较短时间内获得较为理想且上行反馈开销小的结果。

·基于叠加的码本构造方法：分析大规模天线系统空间无线信道的特点，通过多级码本的设计来降低系统的上行反馈信道开销，并保证空间无线信道的量化精度。例如，分别设计水平码本和垂直码本，在基站通过Kronecker乘积的方式形成大维度码本。

目前LTE中为了支持2、4、8根发送天线下的信道反馈，分别定义了三种码本。大规模天线系统天线数目将更大且多样，比如可以支持16～128、256甚至更多天线数。码本的设计一直是LTE系统的一个难点，此时针对不同的天线数目，逐个去设计码本并基于此进行反馈的方法将过于复杂和不切实际。本节给出了一种基于天线分组的码本设计和反馈方法，该方法可以适应大规模天线系统天线数目更大且多样性的需求，其具体实现步骤如下：

1）eNB针对发送天线进行分组。eNB将N根发送天线均匀分组，N=NSG_size×SG_num，其中NSG_size为每个子组内包含的发送天线数，NSG_num为划分的子组数目。每个子组内的天线数目与已有码本支持天线数目对应，如可为2、4、8。每个子组内的天线（index）连续，或者天线（index）间隔相等。每个子组内的天线极化方向相同。eNB通过SIB（或RRC）将NSG_size（和/或NSG_num）通知给UE。例如，将N=64的大规模天线发送天线分为8个子组，每个子组包含8根天线，如图4-46所示。

图4-46 天线分示意图

2）UE利用已有码本针对各子组内（以及子组间）天线信道进行量化反馈。UE采用已有码本对每个子组内天线对应信道SG_CSI进行量化反馈，将SG_CSI进行量化反馈为w_i，其中w_i为码本中maxh_iw_i的向量。UE采用已有码本对子组间信道进行量化反馈，将进行量化反馈为v，其中v为码本中max[h₀w₀，h₁w₁，…，h₇w₇]v的向量。

3）eNB根据反馈的子组内（和子组间）CSI进行信道重构。子组内CSI反馈和子组间CSI反馈时，信道重构为

与现有技术（针对不同的天线数目，逐个去设计码本并基于此进行反馈的方法）相比，这种不依赖于逐天线数码本设计的统一的MIMO反馈方法的好处是针对任意新型发送天线数目，无需设计相应新型码本而可以直接采用已有码本进行量化反馈。该方法大大降低了MIMO反馈实现上的复杂度，提高了实现上的灵活性，解决了大规模天线应用中的反馈问题。

3.低复杂度接收机

当大规模天线进行多天线接收时，接收机复杂度将成为比较重要的问题，本节给出两种降低复杂度的技术方法。

（1）近似线性接收机性能的低复杂度迭代算法

当基站侧配置天线数较多，同时上行链路MU-MIMO并行传输用户数目较多时，非线性检测的复杂度会显著提升，此时当接收性能要求相应降低时可以采用线性接收机，例如ZF（Zero Forcing，迫零）或MMSE（Minimum Mean Square Error，最小均方误差）。然而，线性接收机中也需要做信道矩阵求逆计算，当信道矩阵维度较高时复杂度也非常可观。文献[25]给出了一种性能近似于线性接收机的迭代算法，进一步降低接收机复杂度。首先给出系统建模：

Y=HX+N （4-16）

其中，H为维度N_rΧM的MIMO信道矩阵，M为总传输数据流数，当每用户一个数据流时，M为用户数。

当采用MMSE接收机时，

其中，W=H^HH+σ²I，维度为M×M，因此可进一步改写：

当采用大规模天线时，上行链路中接收天线数N_r较大，信道矩阵H可近似为列正交，此时可证明矩阵W为半正定的，利用Richardson方法，可以利用迭代算法进行检测，具体为：

X^（i+1）=X^（i）+w（Y-WX^（i）） （4-19）

从上式可以看出，本接收机不需要做矩阵求逆计算，一次迭代的运算复杂度为：4M²+2M，迭代次数越多性能越趋近于MMSE接收机，当选取合适的X^（0）和w时，可以通过降低迭代次数来降低复杂度。

图4-47和图4-48针对迭代算法与传统线性MMSE接收机做了仿真对比，采用非相关瑞利信道，上行MU-MIMO，基站侧128根天线，每用户1根天线。通过仿真分析，当w=000645，时，迭代5次可以得到近似MMSE的系统性能，简单地从仿真时间来看，2用户时两种算法仿真时间相近，16个用户时MMSE算法为迭代算法仿真时间的3倍。

图4-47 2个用户

图4-48 16个用户

对于线性检测ZF/MMSE，计算复杂度为O（M³），而迭代方法的计算复杂度如表4-12所示。

表4-12 计算复杂度

可见，低复杂度接收机算法相比于传统线性接收机能进一步降低计算复杂度。

（2）利用信道时间相关性的低复杂度解决方案

如前所述，线性接收机复杂度主要体现在矩阵求逆的计算上。考虑在目前LTE系统设计中的实际计算方法，导频在时域间隔插入，通过对不同时间点上导频估计的信道冲激响应进行时域插值获得时间维度上各个OFDM符号上的信道冲激响应，而后在每个OFDM符号上进行信道检测，这样也就是每个OFDM符号都要做信道的矩阵求逆。

在实际系统中，当用户移动速度不大时，信道的时变性并不明显，也就是在相干时间内可以认为信道是时不变的，这样以相干时间N为周期，对每N个OFDM符号上的信道进行一次矩阵求逆操作，所以整体求逆操作次数将为原来的1/N。N的数值选取需要多次测试后得出。在具体实现时，需要接收机留出存储空间，将每组符号上的信道进行求逆计算后存储并应用到N个OFDM符号上，N个符号后存储器进行更新。

当然，进行分组操作后的系统性能会受到不同程度的影响，这与N值的选取和用户移动速度有关，需要基站通过用户的移动速度测量后对N设置不同的取值。