大规模MIMO(massive MIMO)技术是新一代增强型MIMO技术,由于它能够极大地提高系统的频谱效率、能量效率和鲁棒性,吸引了很多学者的关注。Massive MIMO技术是最有潜力的第五代通信网络(5G)的关键技术之一[1-2]。为了设计和评估Massive MIMO系统,建立能够有效展现Massive MIMO信道特征的信道模型至关重要。在一个Massive MIMO系统中,通常在基站端使用可单独控制的数十甚至数百个天线,MIMO信道沿大规模天线阵列轴呈现非平稳特性[3-4],即在Massive MIMO系统中任意一个散射簇都不能影响到大规模天线阵列中所有天线,天线阵列轴的每一天线阵元都拥有自己的一组影响其信号传播的散射簇。
Kronecker信道模型是最为广泛使用的信道模型之一,由于该模型复杂度较低且实现简单,常用于研究具有空间相关性的MIMO系统容量和性能仿真分析[5-6]。为了更好地描述3D信道传播特性,近来有学者提出了一种3D MIMO Kronecker信道模型用于任意结构天线阵列的3D MIMO信道容量和天线间相关性的分析研究[7],但该Kronecker模型缺乏对Massive MIMO信道非平稳特性的描述,适用于Massive MIMO系统的3D Kronecker模型还需要进一步研究。
本文提出了一种3D Massive MIMO Kronecker信道模型,采用生灭过程建模散射簇沿阵列轴的非平稳演变[8-9],在所提的Kronecker信道模型对信道相关矩阵计算中引入幸存概率矩阵来体现生灭过程的影响,最后通过仿真验证了所提模型不仅可以表征天线相关性,而且可以描述散射簇在大规模天线阵列轴上的演变。
1 3D MIMO Kronecker信道建模 1.1 3D MIMO信道模型3D MIMO信道模型中散射传输路径可以抽象为散射簇,由方位角、俯仰角和散射簇功率表示,如图1所示。
Download:
|
|
在图1中,信号以一定的角度从基站发出,经过多个3D散射簇反射后以不同的路径到达用户终端。角度
$\begin{array}{l}{h_{u,s,n}}(t) = \sqrt {{{{P_n}} / M}} {\sum\limits_{m = 1}^M {\left[ {\begin{array}{*{20}{c}}{{F_{{\rm{RX}},u,\theta '}}\left( {\theta ',\phi '} \right)}\\{{F_{{\rm{RX}},u,\phi '}}\left( {\theta ',\phi '} \right)}\end{array}} \right]} ^{\rm{T}}} \times \\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left[ {\begin{array}{*{20}{c}}{\exp \left( {j\varPhi _{n,m}^{\theta \theta }} \right)} & {\sqrt {{\kappa ^{ - 1}}} \exp \left( {{\rm{j}}\varPhi _{n,m}^{\theta \phi }} \right)}\\{\sqrt {{\kappa ^{ - 1}}} \exp \left( {j\varPhi _{n,m}^{\phi \theta }} \right)} & {\exp \left( {{\rm{j}}\varPhi _{n,m}^{\phi \phi }} \right)}\end{array}} \right] \times \\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left[ {\begin{array}{*{20}{c}}{{F_{{\rm{TX}},s,\theta }}\left( {\theta ,\phi } \right)}\\{{F_{{\rm{TX}},s,\phi }}\left( {\theta ,\phi } \right)}\end{array}} \right] \times \exp \left( {{\rm{j}}2{\rm{{\text {π}} }}\lambda _0^{ - 1}\left( {{{{{\Omega}} '}_{n,m}} \cdot {{{d}}_{{\rm{RX}},u}}} \right)} \right) \times \\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\exp \left( {{\rm{j2{\text {π}} }}\lambda _0^{ - 1}\left( {{{{\Omega }}_{n,m}} \cdot {{{d}}_{{\rm{TX}},s}}} \right)} \right) \times \exp \left( {{\rm{j2{\text {π}} }}{v_{n,m}}t} \right)\end{array}$ | (1) |
式中:
在包含
${h_{u,s}}(t){\rm{ = }}\sum\limits_{n = 1}^N {{h_{u,s,n}}(t)} $ | (2) |
Kronecker模型假设发送端相关矩阵和接收端相关矩阵是可分离的,最终通过获得的信道相关矩阵来计算信道系数矩阵。下面以式(2)为基础给出3D MIMO Kronecker信道模型。一个MIMO系统由
${{H}}{\rm{ = }}{\left[ {{h_{u,s}}} \right]_{U \times S}}$ |
式中:
3D MIMO Kronecker信道模型中,信道相关矩阵
${{{R}}_H} = {{{R}}_{{\rm{TX}}}} \otimes {{{R}}_{{\rm{RX}}}}$ |
式中
${{{R}}_{{\rm{TX}}}} = {\rm{E}}\left\{ {\left[ {\begin{array}{*{20}{c}} {\sum\limits_{u = 1}^U {h_{{u_1}}^ * {h_{{u_1}}}} }&{...}&{\sum\limits_{u = 1}^U {h_{{u_1}}^ * {h_{{u_s}}}} } \\ \vdots &{...}& \vdots \\ {\sum\limits_{u = 1}^U {h_{{u_s}}^ * {h_{{u_1}}}} }&{...}&{\sum\limits_{u = 1}^U {h_{{u_s}}^ * {h_{{u_s}}}} } \end{array}} \right]} \right\}$ |
取
${R_{{\rm{TX}}}}(k,l) = {\rm{E}}\left\{ {\sum\limits_{u = 1}^U {h_{{u_k}}^ * {h_{{u_l}}}} } \right\}$ | (3) |
结合式(1)可以求得
${R_{{\rm{RX}}}}(k,l) = {\rm{E}}\left\{ {\sum\limits_{s = 1}^S {h_{{k_s}}^ * {h_{{l_s}}}} } \right\}$ |
则3D MIMO Kronecker模型的信道矩阵表达式为
${{H}}{\rm{ = }}{{R}}_{{\rm{RX}}}^{1/2}{{GR}}_{{\rm{TX}}}^{1/2}$ | (4) |
式中
3D MIMO Kronecker模型虽然可以很好地描述传统MIMO信道的三维传播场景,但缺少对Massive MIMO信道非平稳特性的描述,本文提出的3D Massive MIMO Kronecker模型中采用散射簇在阵列轴上生灭过程演变来建模Massive MIMO信道的非平稳特性。
2.1 信道的非平稳特性通过信道测量发现[11],在Massive MIMO系统中任意一个散射簇都不能影响到天线阵列中的所有阵元,散射簇沿着天线阵列轴方向呈现出现或消失现象。由于Massive MIMO系统中不同天线阵元拥有不同的、能够影响其信号传播的散射簇集,因此MIMO信道沿阵列轴展现非平稳特性。图2中以4个散射簇为例描述了散射簇沿阵列轴的变化。这意味着传统MIMO中所有天线阵元拥有同一组散射簇的假设不再适用于Massive MIMO信道。
Download:
|
|
生灭过程是文献[12]中提出的一种用以建模信道关于时间轴的非平稳演变的方法。对于Massive MIMO系统,可以利用生灭过程来建模散射簇在阵列轴的非平稳演变。散射簇沿阵列轴的生灭过程包括两部分:首先是散射簇在阵列轴演变过程中的幸存;其次是散射簇演变过程中新散射簇的产生。
散射簇从大规模阵列轴上第
${P_{{\rm{TX}}}} = {{\rm{e}}^{ - \beta {d_T}}}$ |
式中
此外,阵列轴上散射簇的演变是无记忆的。即从第
$\begin{array}{l}{P_{{\rm{TX}}}}(k,l) = {P_{{\rm{TX}}}}\left\{ {k \to s} \right\}{P_{{\rm{TX}}}}\left\{ {s \to l} \right\} = \\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{{\rm{e}}^{ - \beta {d_T}(s{\rm{ - }}k)}}{{\rm{e}}^{ - \beta {d_T}(l - s)}} = {{\rm{e}}^{ - \beta {d_T}\left( {l - k} \right)}}\end{array}$ |
所提的3D Massive MIMO Kronecker模型和传统3D MIMO Kronecker模型不同点在于,传统模型中所有天线阵元都观察到场景中的所有散射簇,所以传统模型的空间相关函数减小完全由天线之间的空间差异确定。而所提模型空间相关函数的计算不仅与天线间的空间距离相关,而且与天线阵元对应的散射簇集合差异有关。当天线阵列较大时,后者在Massive MIMO信道中更为显著。
散射簇沿阵列轴的演变过程中,从第
${R}_{{\rm{TX}}}{^{\rm{'}}}\left( {k,l} \right) = {P_{{\rm{TX}}}}(k,l){R_{{\rm{TX}}}}\left( {k,l} \right)$ |
也就是说,3D Massive MIMO Kronecker模型中天线相关性等于传统3D MIMO Kronecker模型的天线相关性乘以幸存概率因子。同时,虽然可能有新的散射簇根据生灭过程产生,但这些新产生的散射簇与幸存的散射簇不相关。因此,新生成的散射体对天线相关性没有贡献。
下面考虑散射簇沿天线阵列轴的演变幸存概率。令
${{ R}}_{{\rm{TX}}}{^{\rm{'}}}{\rm{ = }}{{{R}}_{{\rm{TX}}}} \circ {{{P}}_{{\rm{TX}}}}$ |
式中“
首先考察MIMO系统的信道容量,一个MIMO系统由
$C = {\log _2}\det [{{{I}}_S} + \frac{\rho }{S}{{H}}{{{H}}^{\rm{H}}}]$ | (5) |
式中:
$C = {\log _2}\det [{{{I}}_S} + \frac{\rho }{S}{{R}}_{{\rm{RX}}}^{1/2}{{G}}{{{R}}_{{\rm{TX}}}}{{{G}}^{\rm{H}}}{{R}}_{{\rm{RX}}}^{{\rm{H}}/2}]$ |
本文中Massive MIMO系统收发天线阵列设为均匀线性天线阵列结构。下面利用蒙特卡罗实验分析3D Massive MIMO Kronecker模型。我们设置仿真条件如下:
图3展示了散射簇沿着天线阵列轴的演变过程中,参考天线1中的初始散射簇经过生灭过程,幸存的散射簇逐渐减少。从图中可以看出,随着天线索引的增大,共同的散射簇数减少。另外,参数β控制散射簇的幸存概率,β的值可以调整以适应不同的散射环境。
Download:
|
|
图4展示了3D Massive MIMO Kronecker信道模型不同
Download:
|
|
图5给出了不同
Download:
|
|
本文提出一种3D Massive MIMO Kronecker信道模型。该模型以传统3D MIMO Kronecker信道模型的研究为基础,通过生灭过程建模散射簇在阵列轴上的演变,在3D MIMO Kronecker信道模型中对信道相关矩阵的计算考虑散射簇的幸存概率影响,为Massive MIMO系统理论分析和仿真提供了一种更加准确且简单实现的3D分析模型,扩展了Kronecker信道模型的应用。通过仿真实验对比,可以得到以下结论:
1)与传统3D MIMO Kronecker信道模型相比,所提模型更加准确地反映了Massive MIMO的信道特性;
2)所提3D Massive MIMO Kronecker信道模型中对信道相关矩阵的计算考虑了散射簇在阵列轴的演变,总的信道相关矩阵等于天线空间相关矩阵和幸存概率矩阵的Hadamard积;
3)通过计算机仿真实验可以看出,散射簇在天线阵列轴的非平稳演变可以进一步降低Massive MIMO信道的空间相关性。
[1] | JUNGNICKEL V, MANOLAKI K, ZIRWAS W, et al. The role of small cells, coordinated multipoint, and massive MIMO in 5G[J]. IEEE communications magazine, 2014, 52(5): 44-51. DOI:10.1109/MCOM.2014.6815892 (0) |
[2] | DONG Lei, ZHAO Hongyi, CHEN Yan, et al. Introduction on IMT-2020 5G trials in China[J]. IEEE journal on selected areas in communications, 2017, 35(8): 1849-1866. DOI:10.1109/JSAC.2017.2710678 (0) |
[3] | 刘留, 陶成, 卢艳萍, 等. 大规模多天线无线信道及容量特性研究[J]. 北京交通大学学报, 2015, 39(2): 69-79. DOI:10.3969/j.issn.1672-8106.2015.02.010 (0) |
[4] | GAO Xiang, EDFORS O, RUSEK F, et al. Massive MIMO performance evaluation based on measured propagation data[J]. IEEE transactions on wireless communications, 2015, 14(7): 3899-3911. DOI:10.1109/TWC.2015.2414413 (0) |
[5] | NOH S, ZOLTOWSKI M D, SUNG Y, et al. Pilot beam pattern design for channel estimation in massive MIMO systems[J]. IEEE journal of selected topics in signal processing, 2014, 8(5): 787-801. DOI:10.1109/JSTSP.2014.2327572 (0) |
[6] | CHUAH C N, TSE D N C, KAHN J M, et al. Capacity scaling in MIMO wireless systems under correlated fading[J]. IEEE transactions on information theory, 2002, 48(3): 637-650. DOI:10.1109/18.985982 (0) |
[7] | LI Jianzheng, LI Fei, JI Wei, et al. Three-dimension kronecker channel modeling and correlation analysis[J]. International journal of interdisciplinary telecommunications and networking, 2015, 7(4): 43-56. DOI:10.4018/IJITN (0) |
[8] | ZHANG Ping, CHEN Jianqiao, TANG Tian. An overview of non-stationary property for massive MIMO channel modeling[J]. ZTE communications, 2017, 15(1): 3-7. (0) |
[9] | WU Shangbin, WANG Chengxiang, AGGOUNE E H M, et al. A novel Kronecker-based stochastic model for massive MIMO channels[C]//Proceedings of 2015 IEEE/CIC International Conference on Communications in China. Shenzhen, China, 2016: 1−6. (0) |
[10] | ADEMAJ F, TARANETZ M, RUPP M. 3GPP 3D MIMO channel model: a holistic implementation guideline for open source simulation tools[J]. EURASIP journal on wireless communications and networking, 2016, 2016: 55. DOI:10.1186/s13638-016-0549-9 (0) |
[11] | GAO Xiang, TUFVESSON F, EDFORS O, et al. Measured propagation characteristics for very-large MIMO at 2.6 GHz[C]//Proceedings of 2012 Conference Record of the Forty Sixth Asilomar Conference on Signals, Systems and Computers. Pacific Grove, CA, USA, 2012: 295−299. (0) |
[12] | ZWICK T, FISCHER C, WIESBECK W. A stochastic multipath channel model including path directions for indoor environments[J]. IEEE journal on selected areas in communications, 2002, 20(6): 1178-1192. DOI:10.1109/JSAC.2002.801218 (0) |
[13] | PAPOULIS A, PILLAI S. Probability, random variables, and stochastic processes[M]. 4th ed. New York: McGraw-Hill, 2002: 1637−1637. (0) |
[14] | CHO Y S, KIM J, YANG W Y, et al. MIMO-OFDM无线通信技术及MATLAB实现[M]. 孙锴, 黄威, 译. 北京: 电子工业出版社, 2013: 237-237. (0) |