英语原文共 31 页，剩余内容已隐藏，支付完成后下载完整资料

附录1 译文

无细胞大规模MIMO:一项调查

摘要——迈向全互联的智能数字世界，5G及网络以外的领域将迎来人物互联的智能互联网新时代。新时代对网络提出了具有挑战性的要求，如高频谱效率、低延迟、高可靠通信和高能源效率。为了应对这些前所未有的需求，主要的技术突破之一就是无细胞(CF)大规模多输入多输出(mMIMO)系统。在CF mMIMO中，大量的分布式接入点连接到一个中央处理单元，通过相同的时频资源为少量的用户提供服务。与同位置的mMIMO和传统的小蜂窝系统相比，该系统在提高网络性能方面显示了巨大的潜力。此外，该系统可以灵活集成各种5G及网络以外的新兴技术/技术，从不同角度提升网络性能。尽管CF mMIMO系统有大量的理论报告，但系统实际可扩展部署的全图还不清楚。在本文中，我们提供了CF mMIMO系统的不同方面的全面调查，从一般的系统模型，详细的系统操作，实际实施的系统的限制，以整合系统与新兴技术/技术的潜力。此外，我们提供了一些及时开放的问题和未来的研究方向，以充分开发CF mMIMO系统的潜力，交付未来无线网络的预期需求。

索引——对于5G以上的、无小区大规模MIMO、前端网络、硬件障碍、mMTC、微波、移动性、非正交多址接入(NOMA)、物理层安全(PLS)、无线条带、可重构智能表面(RIS)、无人机(UAV)、可扩展实现。

1. 介绍

除了满足人类和智能机器的通信需求外，5G网络将成为生活、社会和行业所有部分的虚拟基础组件。超越5G网络将为实现个人的技术愿望铺平道路，包括全息远程呈现、电子健康、智能环境中的普及连接、大规模机器人、三维大规模无人移动、增强现实、虚拟现实和万物互联。为此，超越5G网络将应用新的有前途的技术，以前所未有的数据速率、大规模连接、高可靠性和低延迟[3]的增长，提供比以往任何时候都更有效和高效的无线通信。在这方面，大规模多输入多近年来，输出(mMIMO)系统作为目前最具吸引力的5G及网络以外的实现技术，在学术研究和行业中都受到了相当大的关注。特别是，目前的大量研究工作已经分析了不同模式的mMIMO系统的潜力,即共置、分布式和无细胞，以满足5G和网络以外的各种需求。

传统的mMIMO系统实施例是在mMIMO系统中，通过波束形成的方式，使马可基站(BS)配备大量天线，同时与较小数量的用户在同一时频资源进行通信的共定位mMIMO系统。有趣的是，当不同用户的通道渐进正交时，大的系统维会导致良好的传播。因此，BSs可采用简单的线性预编码和检测技术进行下行(DL)数据传输和上行(UL)数据检测，分别为。研究表明，应用共定位的mMIMO系统可以显著地提供高数据速率，并增强链路可靠性、覆盖范围和/或能源效率。然而，由于服务小区的信道增益较低以及邻近小区的初始干扰，对小区边缘用户来说，系统的性能会下降。

共存mMIMO系统不同,mMIMO操作也可以部署在一个分布式的方式通过部署大量的地理上分布的单一或复合天线接入点(AP)连接到一个中央处理单元(CPU)通过高速光纤或无线回程/ 前传链路。该系统的设置类似于分布式天线系统(DAS)的设置和协调多点(COMP)的静态不联合协作簇[，其中每个小区以合作的方式为其覆盖区域内的用户服务。在中比较了分布式mMIMO系统与共定位系统的性能。结果表明，由于每个用户从不同的AP接收到不同的大规模衰落(LSF)组件，分布式mMIMO系统为用户提供了较高的分集增益，从而比同位置系统提供了更好的数据速率。此外，与共定位的mMIMO系统相反，分布式系统可以向边缘用户提供良好的服务质量(QoS)，因为在边缘用户附近有更多的AP。

最近，一种改进的分布式mMIMO系统的实际实施例以CF mMIMO系统的名义出现了。如图1所示，CF mMIMO中系统中，所有AP都连接到CPU上，CPU将所有AP作为一个无小区边界的mMIMO网络，通过连贯的传输和接收为所有用户服务。特别是，CPU通过应用空间复用技术，允许所有AP通过相同的时频资源为所有用户服务。以DL和UL可达数据为指标，比较了CF mMIMO系统与SC系统的性能。据透露，CF mMIMO系统在95%可能的用户吞吐量方面优于全分布式SC系统。此外，系统采用最大最小功率控制，可为覆盖范围内的所有用户提供统一良好的服务。

由于其在提高未来无线网络性能方面的巨大潜力，CF mMIMO系统代表了下一代室内和热点覆盖场景的一个有前途的解决方案，如智能工厂、火车站、小村庄、购物中心、医院、地铁、大学校园和体育馆。此外，一些工作已经显示出它在提供高速环境和性能优于传统蜂窝网络方面的巨大潜力。此外，CF mMIMO业务提供的无蜂窝网络被强烈推荐用于5G以外的网络，因为它能够确保无缝移动支持，而不会因移交而产生开销。这反过来又将提供稳定的QoS，这是未来无线网络[3]中对车载场景的最具挑战性的要求之一。而且,进一步改进系统性能方面可实现的数据速率,可靠性、安全性和连接密度可以获得执政5G的道路的目标要求和超越网络通过整合CF mMIMO系统与新兴技术,如非正交的多址(NOMA),物理层安全(PLS)、可重构智能表面(RIS)、无线电条纹、无人机(UAV)。

基于上述讨论，由于CF mMIMO的概念吸引了大量的研究兴趣，我们对CF mMIMO系统在无线通信和网络应用中的应用进行了全面的综述。为此，我们的目标是从CF mMIMO系统中收集最先进的研究成果。据我们所知，本调查是第一次针对CF mMIMO在不同学科的研究现状进行调查。主要贡献如下:

bull;对不同信道衰落模型下CF mMIMO系统中DL/UL传输的数据预编码/检测技术以及文献中采用的DL/UL功率控制技术进行了全面的综述，以提高系统性能。

bull;讨论CF mMIMO在各种实际系统考虑下的性能，即非理想硬件组件的存在、前端链路的有限容量、高移动性场景和可扩展系统操作，重点讨论提出的解决方案，以减轻这些实际系统考虑的影响。

bull;对CF mMIMO与5G和其他网络(包括NOMA、PLS、无线电条纹、RIS和UAV)的新兴技术和技术的集成提供全面的最新综述。对于每一种技术/技术，最新技术的状态和获得的结果将被完全讨论。

bull;考察了CF mMIMO在微波(mmWave)波段的基本传播特性和信道模型，并讨论了详细的系统操作，重点讨论了信道估计过程和DL和UL传输阶段。

bull;最后，讨论了未来的各种研究方向和需要解决的问题，以充分开发CF mMIMO系统的潜力。

为了改善本次调查的流程，我们在表一中提供了缩略词的定义，并在图2中说明了调查的组织。第二节给出了CF mMIMO系统模型，包括网络拓扑、信道模型和通信协议。然后，在第三节中详细讨论了系统的操作，重点讨论了信道估计过程和DL和UL数据传输阶段。此外，第四节讨论了在各种实际系统考虑下的系统性能。CF mMIMO与不同的5G实现传输技术的集成将在第五节中介绍。此外，第六节还讨论了CF mMIMO与5G网络之外的其他新兴技术(即无线宽带、RIS和无人机)集成的潜力。此外，第七节介绍了CF在微波波段的微波传输。第8节重点介绍了未来的研究方向和挑战，以及一些需要进一步研究的原始解决方案。最后，从调查中得出的结论和教训载于第九节。

1. 广义无单元mMIMO系统模型

本节介绍了CF mMIMO系统的网络模型，以及用户和AP之间采用的不同信道模型。此外，还讨论了系统在不同通信原型下的运行情况即时分双工(TDD)和频分双工(FDD)。

A.网络渠道和模式

如图1所示，CF mMIMO系统由M个随机分布的单/多天线ap和K个随机分布的用户组成，其中M≫K。通常，在CF mMIMO系统中，所有ap都通过前端网络连接到单个CPU，该网络允许CPU和部署的ap之间交换有效载荷数据和功率控制系数。有趣的是，CPU作为一个没有单元边界的单单元网络来运行网络。在这样做的过程中，CPU允许所有ap通过空间复用的方式在相同的时频资源上与所有用户通信，这是由超出用户数量[15]的APs数量提供的。

1. 通信协议

目前大多数CF mMIMO系统采用TDD模式作为候选传输协议，而系统采用FDD模式进行系统运行。当系统运行在TDD模式下时，DL和UL数据传输发生在同一频带内。将系统框架划分为三个阶段，即UL训练阶段、DL传输阶段、UL传输阶段，如图3所示。在UL传输阶段，用户发送长度为tau;的导频序列_p ≪tau;_c 到tau;所在的ap_c 表示信道相干时间。然后，ap利用这些导频序列来估计用户的信道条件。利用估计的信道，ap可以计算用于分别在DL和UL传输阶段进行数据预编码和检测的向量。请注意，APs利用UL估计的信道来执行DL数据预编码，这取决于TDD操作下的信道互惠性属性。此外，没有传输DL导频，但是，用户检测DL传输的数据符号取决于信道统计。

另一方面，在FDD系统中，DL和UL数据传输同时发生，但在两个不同的频带上。因此，UL和DL信道系数不是互反的。这反过来迫使ap获得DL信道系数来执行DL预编码过程。特别是，ap可以通过DL信道估计阶段获取信道系数，然后再反馈信道状态信息(CSI)。然而，由于CSI采集和反馈的数量与ap的数量呈线性关系，后一种方法不适用于CF mMIMO系统。因此，通过利用FDD系统中的角度互惠，提出了不同的CSI捕获技术来规避这一问题。为此，提出了用于多路径分量估计的不同方法，将在第三- a节中讨论。

3.无细胞mmimo系统运行

在本节中，我们介绍了CF mMIMO系统的运行过程，包括信道估计过程、DL数据传输和UL数据传输。特别是,我们介绍了信道估计过程中采用的技术，以及DL/UL传输中应用的预编码/检测技术，假设有完美的硬件组成和理想的前端网络。非完美硬件元件和非理想前端网络的影响将在后面的章节中讨论。

答：信道估计

信道估计过程直接影响到用于DL/UL数据传输的预测/检测向量的计算，对mMIMO系统的频谱效率和能量效率性能起着至关重要的作用。文献中采用了不同的技术在CF mMIMO系统中进行信道估计过程，所采用的技术根据所采用的通信协议而有所不同。、TDD和FDD。

考虑到TDD通信协议，目前研究的是基于导频的信道估计技术，用户发送长度为tau;的导频序列_p。分配给用户的导频序列可以是正交的，也可以是非正交的，这取决于信道的相干时间和用户的数量。例如，在具有较大tau;的低移动性场景下_c 且用户数量少，用正交导频序列可以分配给用户。然而，在高度可移动性且tau;较小的情况下_c时，优选使用非正交导频序列来限制执行信道估计任务所消耗的资源量。

ap接收到用户发送的导频序列后，会努力估计用户的信道，以确定每个用户的数据符号对应的预编码/检测向量。目前主要研究的是瑞利衰落信道下的TDD CF mimo系统。此外，执行信道估计过程的一个常见假设是ap上用户的LSF系数的可用性。这是由于它们相对于信道相干时间的缓慢变化。因此，基于最小均方误差(minimum mean-square error, MMSE)的信道估计技术是文献中大多数著作普遍采用的技术。与此不同的是，在假设多天线终端的情况下，很少有人利用最小二乘(LS)估计器在无LSF系数的APs处分析CF mimo系统的性能。作者在中比较了LS和MMSE信道估计技术下CF mimo系统的性能。结果表明，与MMSE估计方法相比，LS估计方法可以获得更低的DL和UL数据率。

与系统在瑞利衰落信道下的运行类似，考虑系统在Rician衰落信道下的性能的大部分工作都采用基于mmse的信道估计技术来完成信道估计任务。在此过程中，假设ap拥有用户LSF系数的信息以及其LoS分量的相移信息。然而，在高移动性场景下，LoS组件相位变化频繁，在ap上不可用，工作分析了相位变化信息的缺乏对系统性能的影响。在非正交导频条件下，应用了非相位感知的MMSE估计器在信道估计阶段将序列分配给用户。结果表明，非相位感知的MMSE信道估计会显著降低系统性能，尤其是在存在非正交导频序列的情况下。因此，需要考虑明确估计相位的方法来处理非正交导频序列的存在。

由于信道估计质量对系统性能的显著影响，许多著作提出了不同的解决方案来提高估计信道条件的。例如，中提出了不同的基于贪婪的飞行员分配技术来限制飞行员的污染效应。具体来说，中的贪心算法迭代地力求最小化用户的LSF系数之和，以最小的数据速率分配用户相同的导频序列。此外 的工作提出了一种基于位置的贪心飞行员分配，以限制飞行员污染效应，假设用户是在低机动性的情况下移动的。，le;10km /h。进一步地，在中考虑了DL训练波束形成来限制CF - mMIMO系统[5]中缺乏通道强化问题，提出了一种联合UL和DL导频分配的高级贪婪算法。中提出了一种基于集群的飞行员分配，该分配创建了一个常规的飞行员重用结构，以最大化副飞行员用户之间的最小距离。该方法将用户划分为多个不相交的子集，每个子集包含多个副驾驶用户，其最小距离尽可能大。结果表明，该聚类方法可以在保持试点污染在一些可接受的水平上所需的试点开销中提供多倍的减少。在中提出了一种基于禁忌搜索的导频分配技术，该技术采用一种低复杂度的迭代算法来搜索次最优导频分配。此外，在中，作者提出了一种基于图着色的导频分配方法，以限制导频污染效应，假设每个用户都由有限数量的附近ap服务。特别地，利用ap和ue之间的LSF系数，提出了ap选择算法来构造干涉图。然后，更新干扰图，实现用户间最优导频分配。的结果表明，与随机试点分配方案相比，应用高级试点分配技术可以显著提高每个用户的吞吐量。

附录B Cell-Free Massive MIMO : A Survey

Abstract- -Towards a fully connected intelligent dig

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[604038]，资料为PDF文档或Word文档，PDF文档可免费转换为Word