8個問題全面瞭解5G關鍵技術Massive MIMO

時間 2019-11-30

標籤問題全面瞭解 5g 關鍵技術 massive mimo 简体版

原文原文鏈接

1 什麼是Massive MIMO

Massive MIMO（大規模天線技術，亦稱爲Large Scale MIMO）是第五代移動通訊（5G）中提升系統容量和頻譜利用率的關鍵技術。它最先由美國貝爾實驗室研究人員提出，研究發現，當小區的基站天線數目趨於無窮大時，加性高斯白噪聲和瑞利衰落等負面影響全均可以忽略不計，數據傳輸速率能獲得極大提升。html

從兩方面理解：web

（1）天線數算法

傳統的TDD網絡的天線基本是2天線、4天線或8天線，而Massive MIMO指的是通道數達到64/128/256個。數組

（2）信號覆蓋的維度網絡

傳統的MIMO咱們稱之爲2D-MIMO，以8天線爲例，實際信號在作覆蓋時，只能在水平方向移動，垂直方向是不動的，信號相似一個平面發射出去，而Massive MIMO，是信號水平維度空間基礎上引入垂直維度的空域進行利用，信號的輻射狀是個電磁波束。因此Massive MIMO也稱爲3D-MIMO。架構

參考資料：工具

[1] http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_Definition.html性能

2 Massive MIMO優勢有哪些

2.1 Massive MIMO的好處在哪裏

高複用增益和分集增益：大規模MIMO系統的空間分辨率與現有MIMO系統相比顯著提升，它能深度挖掘空間維度資源，使得基站覆蓋範圍內的多個用戶在同一時頻資源上利用大規模MIMO提供的空間自由度與基站同時進行通訊，提高頻譜資源在多個用戶之間的複用能力，從而在不須要增長基站密度和帶寬的條件下大幅度提升頻譜效率。測試

 高能量效率：大規模MIMO系統可造成更窄的波束，集中輻射於更小的空間區域內，從而使基站與UE之間的射頻傳輸鏈路上的能量效率更高，減小基站發射功率損耗，是構建將來高能效綠色寬帶無線通訊系統的重要技術。優化

 高空間分辨率：大規模MIMO系統具備更好的魯棒性能。因爲天線數目遠大於UE數目，系統具備很高的空間自由度，系統具備很強的抗干擾能力。當基站天線數目趨於無窮時，加性高斯白噪聲和瑞利衰落等負面影響全均可以忽略不計。

2.2 Massive MIMO爲何能有這麼多優勢

從數學原理上來說，當空間傳輸信道所映射的空間維度趨向於極限大時，兩兩空間信道就會趨向於正交，從而能夠對空間信道進行區分，大幅下降干擾。

雖然理論上看，天線數越多越好，系統容量也會成倍提高，可是要考慮系統實現的代價等多方面因素，所以現階段的天線最大也即256個。

參考資料：

[1] https://wenku.baidu.com/view/906431e003d276a20029bd64783e0912a2167ce9.html

3 Massive MIMO挑戰有哪些

雖然Massive MIMO做爲5G的核心技術之一，可是這並不意味着這項技術已經成熟（完整）。關於這項技術仍有不少事情須要改進或解決。此頁面將列出一些一般被列爲進一步研究項目的區域。

3.1 如何安排天線

如您所知，在Massive Antenna中，您將擁有大量的天線。如今您會有疑問......我應該如何安排這些天線以達到最佳性能？

下圖顯示了我從各類技術材料中看到的各類類型的天線佈置。什麼是最好的安排？會有新的安排方法嗎？

這些問題應該從進一步的研究中獲得解答。

3.2 如何建模3D頻道

若是將天線排列爲（B），（C），（D），則能夠將光束的方向指向水平方向和垂直方向。若是組合兩個方向，則能夠將光束指向3D空間中的任何方向（至少幾乎是3D球體的一半）。這很好，但也有複雜性。如今您須要考慮全部這些方向的通道因素，而且您須要數學模型來考慮這些3D因素。

這種渠道模型是須要進一步研究的領域之一。

3.3 如何將其應用於FDD操做

我認爲這是Massive MIMO的最大缺點（至少截至目前）。爲了執行最佳波束成形，您須要得到不斷變化的通道的準確（詳細）信息。爲了得到此類信息，您須要從UE獲取有關下行鏈路信道質量的報告。爲此，您須要爲下行鏈路參考信號分配大量資源，這將致使嚴重的資源浪費。在FDD中，咱們沒有任何好主意在不使用基於參考信號的這種信道質量報告的狀況下得到信道信息。

然而，在TDD中，咱們可使用一些可能不須要這種UE報告的替代技術。在TDD中，咱們對下行鏈路和上行鏈路使用相同的頻帶。所以，若是網絡能夠從UE傳輸信號估計上行鏈路信道質量，則能夠將該信息用做下行鏈路信道質量。所以，在TDD中，您能夠建立很是優化的波束，而無需從UE得到明確的信道質量報告。

固然，從上行鏈路信號導出的估計可能與下行鏈路信號不徹底相同，由於上行鏈路和下行鏈路的時隙是不一樣的。所以，在某個時隙的UL的信道估計可能與下行鏈路時隙不徹底相同。然而，這是目前最常被接受和實踐的想法。

因爲這個緣由，大多數Massive MIMO實現都是在TDD模式下完成的。

3.4 如何從大陣列生成寬光束

Massive MIMO背後的關鍵思想之一是經過將單個波束的多個天線輸出建設性地相加來增長天線增益，而且經過該過程，所得波束的寬度趨於變窄。咱們能夠說這種窄光束在能量密度方面是好的，但它也意味着光束覆蓋的區域將很是窄。這意味着波束成形和引導應該很是快速和準確以適當地聚焦在目標UE上，可是這並不老是簡單且容易的，尤爲是當UE處於快速移動狀態時。

所以，有必要在不犧牲大規模MIMO的太多性能的狀況下加寬波束寬度。

3.5 如何校準天線系統

任何具備RF / mmWave設計或測試經驗的人都會明白，設計/測試的複雜性和難度會隨着信號路徑的增長呈指數級增加。即便假設設計正確完成，您也必須確保全部信號路徑和天線都通過適當校準，以便天線系統按預期工做。校準那些巨大數量的天線路徑絕對是一項具備挑戰性的任務。

3.6 如何處理調度和預編碼的複雜性

如您所知，Massive MIMO的最大動力是增長指定目標設備的方向性和增益。另外一個動機（或由波束造成引發的要求）是實現MU-MIMO（多用戶MIMO）。然而，隨着使用更多天線而且更多用戶被瞄準，調度和預編碼將變得更復雜。如何處理這種狀況將是一個大問題。只是爲了增長DSP功率？或者想出一個新的/智能的數學方法來處理這個問題而不會過多地增長DSP的要求？

參考資料：

[1] http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_FurtherStudy.html

4 5G爲何要用Massive MIMO

5G雖然可使用低於6GHz的低頻頻段，可是因爲低頻頻段的資源有限，而5G對帶寬的需求量又很大，所以大部分5G網絡會部署在高頻頻段，即毫米波頻段（mmWave）。在爲5G尋找合適的技術時，不能忽略5G的這個特徵。

從無線電波的物理特徵來看，若是咱們使用低頻頻段或者中頻頻段，咱們能夠實現天線的全向收發，至少也能夠在一個很寬的扇面上收發。可是，當使用高頻頻段（如毫米波頻段）時，咱們別無選擇，只能使用包括了數日線的天線陣列。使用多天線陣列的結果是，波束變得很是窄。爲何在毫米波頻段，咱們只能使用多天線陣列呢？

在理想傳播模型中，當發射端的發射功率固定時，接收端的接收功率與波長的平方、發射天線增益和接收天線增益成正比，與發射天線和接收天線之間的距離的平方成反比。

在毫米波段，無線電波的波長是毫米數量級的，因此又被稱做毫米波。而2G/3G/4G使用的無線電波是分米波或釐米波。因爲接收功率與波長的平方成正比，所以與釐米波或者分米波相比，毫米波的信號衰減很是嚴重，致使接收天線接收到的信號功率顯著減小。怎麼辦呢？

咱們不可能隨意增長髮射功率，由於國家對天線功率有上限限制；咱們不可能改變發射天線和接收天線之間的距離，由於移動用戶隨時可能改變位置；咱們也不可能無限提升發射天線和接收天線的增益，由於這受制於材料和物理規律。

惟一可行的解決方案是：增長髮射天線和接收天線的數量，即設計一個多天線陣列。

3GPPR1-136362對5G引入Massive MIMO的動機作了很好的總結：

隨着移動通訊使用的無線電波頻率的提升，路徑損耗也隨之加大。可是，假設咱們使用的天線尺寸相對無線波長是固定的，好比1/2波長或者1/4波長，那麼載波頻率提升意味着天線變得愈來愈小。這就是說，在一樣的空間裏，咱們能夠塞入愈來愈多的高頻段天線。基於這個事實，咱們就能夠經過增長天線數量來補償高頻路徑損耗，而又不會增長天線陣列的尺寸。

使用高頻率載波的移動通訊系統將面臨改善覆蓋和減小干擾的嚴峻挑戰。一旦頻率超過10GHz，衍射再也不是主要的信號傳播方式；對於非視距傳播鏈路來講，反射和散射纔是主要的信號傳播方式。同時，在高頻場景下，穿過建築物的穿透損耗也會大大增長。這些因素都會大大增長信號覆蓋的難度。特別是對於室內覆蓋來講，用室外宏站覆蓋室內用戶變得愈來愈不可行。而使用Massive MIMO（即天線陣列中的許多天線），咱們可以生成高增益、可調節的賦形波束，從而明顯改善信號覆蓋，而且因爲其波束很是窄，能夠大大減小對周邊的干擾。

多天線陣列無疑是把雙刃劍。很明顯，多天線陣列的大部分發射能量彙集在一個很是窄的區域。這意味着，使用的天線越多，波束寬度越窄。

多天線陣列的好處在於，不一樣的波束之間，不一樣的用戶之間的干擾比較少，由於不一樣的波束都有各自的聚焦區域，這些區域都很是小，彼此之間不大有交集。

多天線陣列的不利之處在於，系統必須用很是複雜的算法來找到用戶的準確位置，不然就不能精準地將波束對準這個用戶。所以，咱們不難理解，波束管理和波束控制對Massive MIMO的重要性。

參考資料：

[1] http://www.360doc.com/content/18/0703/08/54080910_767270974.shtml

[2] http://www.elecfans.com/tongxin/rf/20180222638103.html

4.1 Massive MIMO的聚焦特性

有一件事是由Massive MIMO自動得到的。事實上，從天線陣發射的大部分能量集中在很是狹窄的區域。這意味着當您使用更多天線時，波束寬度會變窄。下面的圖將給出一個示例，說明隨着天線數量的增長，波束衰減的影響。

這種效果會同時形成優點和失敗。優點在於不一樣用戶的光束之間的干擾會更少，由於每一個光束都會聚焦在很是小的區域，缺點是你必須實現很是複雜的算法來找到用戶的確切位置並指導光束給用戶高精度。

注*：在本例中，我假設每一個天線都傳輸徹底相同的功率，不管它是在2個天線陣列仍是在4個天線陣列中。因此你看到4個天線陣列的峯值功率更高。但實際上，它們會增長每一個天線的發射功率，由於它們會增長天線的數量。關鍵是即便增長天線數量，也不該增長整個陣列的總傳輸功率。

如下是另外一個玩具程序，它顯示了二維天線陣列中的光束模式（這是線性比例，而不是dB比例）。你會注意到隨着陣列中天線數量的增長，波束寬度變得愈來愈窄。

參考資料：

[1] http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_Motivation.html

4.2 Massive MIMO的波束賦形 vs. 傳統的波束賦形

波束賦形是指，大規模多天線系統能夠控制每個天線單元的發射（或接收）信號的相位和信號幅度，產生具備指向性的波束，消除來自四面八方的干擾，加強波束方向的信號。它可補償無線傳播損耗。

至於3D Beamforming，是指在三維空間（水平和垂直空間）造成傳輸信號的分離波束。

須要說明的是，Massive MIMO的波束賦形和咱們一般理解的波束賦形是不同的。它並非波束直線指向用戶終端，而是能夠從多個不一樣方向指向終端。信號預處理算法能夠爲波束安排最佳路由，它也能夠在精確協調下將數據流經由障礙物反射路徑發送到指定用戶。

天線陣列和用戶之間的多路徑環境

這裏有一個經典的演示。

假設在一個周圍建築物密集的廣場邊上有一個全向基站（紅色圓點），周圍不一樣方向上分佈3臺終端（紅、綠、藍X）。

未採用Massive MIMO場景下，當紅色終端和基站通訊時，無線傳播路徑是這樣的，以下圖所示：

採用Massive MIMO場景下，並引入精準的波束賦形後，狀況就神奇的變成這樣了，以下圖所示：

Massive MIMO可改善能效，提高頻譜效率，也就不難理解了吧！

參考資料：

[1] http://www.elecfans.com/tongxin/rf/20180222638103.html

[2] http://www.javashuo.com/article/p-yxruzcoq-mo.html

5 Massive MIMO 信道模型怎麼數學描述

5.1 點對點MIMO的信道模型（PTP MIMO）

信道模型：如下是PTP MIMO信道模型的簡要數學描述

可實現的速率：如下是表示可實現的數據速率的數學模型。這是通用形式，您能夠在等式中看到全部因素（例如，Tx數，Rx天線，SNR，通道矩陣）。但根據狀況，主導因素會有所不一樣，您能夠將此通用近似爲各類其餘（更簡單）形式。

表達這種公式的另外一種方式以下。該等式使用經過SVD得到的奇異矩陣的對角線數來表示相同的事物。（SVD是用於MIMO建模的很是重要的數學工具。若是您對此不熟悉，請參閱SVD頁面以瞭解概念並參考LTE MIMO頁面查看應用程序）

當SNR在單元邊緣中很是低時，該等式能夠近似以下。（本文將詳細描述原始方程式如何近似。若是您真正瞭解詳細信息，可能須要查找另外一篇論文。）

當發射機天線的數量與接收機天線的數量相比變得很是大時，下面的項能夠近似爲單位矩陣。（本文未描述如何推導出這種近似）

使用此近似值，您能夠重寫原始等式，以下所示。

當接收天線的數量與發射機天線的數量相比變得很是大時，原始方程能夠表示以下。

參考資料：

[1]http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_ChannelModel_ScaleUpMIMO_FredrikRusek.html

5.2 多用戶MIMO的信道模型（MU-MIMO）

5.2.1 什麼是MU-MIMO

MU-MIMO表明多用戶MIMO。這意味着同時爲2個以上的UE執行MIMO，以下所示。這不是一個新概念。咱們在當前的LTE（TM5）和WLAN（802.11ad）中具備MU-MIMO。然而，MU-MIMO的規模將更大，部署也將更加廣泛。據我所知，我尚未看到TM5真正用於當前LTE直播網絡的任何狀況。在802.11ad的狀況下，與5G網絡相比，UE和發射機天線之間的距離設計得很是短。所以，針對5G的MU-MIMO的真正實現將更具挑戰性。

實施MU-MIMO有多大的挑戰性？根據許多因素，答案會有所不一樣。即便具備相同數量的用戶和相同數量的Tx / Rx天線，也能夠有不一樣的天線分配模式，以下所示。在MU-MIMO實現中能夠考慮以下幾個因素。

應該覆蓋多少個UE？
將使用多少Tx天線和Rx天線？
將使用什麼樣的接收器設計（均衡器設計）？
將使用什麼樣的預編碼算法？

5.2.2 MU-MIMO信道模型

假設BTS具備大量天線而且它們與多個UE通訊而且每一個UE僅具備一個天線。咱們假設BTS天線的數量與UE的數量相比很是大。咱們也假設這是TDD系統。

信道矩陣能夠表示以下。在TDD中，假設信道互易性成立。若是您有上行鏈路的信道矩陣，您能夠經過轉置它來得到下行鏈路信道模型，反之亦然。

反向連接（上行鏈路）的容量能夠描述以下。

前向鏈路（下行鏈路）的容量能夠描述以下。

參考資料：

[1]http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_ChannelModel_MU_MIMO_FredrikRusek.html

5.3 全維MIMO的信道模型（FD MIMO）

5.3.1 什麼是FD-MIMO

FD表明全尺寸。所以，FD-MIMO表明全尺寸MIMO。那麼，Full Dimension在這裏意味着什麼？這意味着天線系統能夠在水平和垂直方向上造成光束（光束），以便它能夠覆蓋（聚焦）3D空間中的任何位置。下圖將向您展現FD與傳統多天線系統之間的對比圖。

5.3.2 FD-MIMO信道模型

本文基於以下所示的狀況。我從論文中擴展了插圖，使其更接近於論文中的數學表達式。

與任何其餘渠道模型同樣，本文從系統模型開始。該環境的系統模型描述以下。

參考資料：

[1]http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_ChannelModel_FD_MIMO_MultiLayerPrecoding_Ahmed_Alkhateeby.html

6 Massive MIMO 自適應算法怎麼作

6.1 信道質量獲取

6.1.1 FDD中CSI的獲取

當系統採用FDD模式時，上下行所須要的CSI是不一樣的。基站側進行的上行信道估計須要全部用戶發送不一樣的導頻序列，此時上行導頻傳輸須要的資源與天線的數目無關。然而，下行信道獲取CSI時，須要採用兩階段的傳輸過程:第一階段，基站先向全部用戶傳輸導頻符號，第二階段，用戶向基站反饋估計到的所有或者部分的CSI，此時傳輸下行導頻符號所須要的資源與基站側天線數目成正比。當採用Massive MIMO系統，基站側天線數目增長大大增長了 CSI獲取時佔用的資源量。

在Massive MIMO系統中，系統所需的反饋信息量隨着天線數目的增長成正比例增加，由此引起的系統反饋幵銷增長以及反饋信息的準確性及時性下降已經成爲FDD雙工模式發展的瓶頸。所以，針對Massive M1MO系統FDD模式，最關鍵的問題，在於下降數據傳輸中反饋佔用的資源量。

6.1.2 TDD中CSI的獲取

TDD能夠利用信道互易性直接利用上行導頻估計出信道矩陣，避免了大量的反饋信息需求。對於TDD系統這種消耗則與用戶數量成正比。CSI獲取的具體過程以下：首先，系統中全部的信道狀態信息；接着基站使用估測到的信道狀態信息檢測上行數據並生成下行傳的用戶同時發送上行數據信號；隨後用戶發送導頻序列，基站利用這些導頻序列估計小區中用戶輸的波束賦形矢量。然而，因爲多用戶Massive MIMO系統中，基站側天線數目及系統中用戶數目都不少，使得相鄰小區的不一樣用戶對應的導頻序列可能不徹底正交，從而引入了用戶間干擾，及導頻污染問題。對於TDD傳輸模式，導頻污染是限制其性能的重要因素之一，於是受到了國內外專家學者的普遍重視。

參考資料：

[1] https://wenku.baidu.com/view/906431e003d276a20029bd64783e0912a2167ce9.html

6.2 信道估計

如下是基於大規模MU-MIMO下行鏈路系統的線性預編碼性能（[1]）。這是爲了估計eNB的上行鏈路信道質量的質量。在直到LTE的大多數狀況下，大多數信道估計是由UE側使用由eNB發送的參考信號完成的，可是在Massive MIMO系統中，若是UE必須對此進行信道估計，則UE的開銷將太大。數日線，更嚴重的是它須要太多的資源用於下行鏈路信號的參考信號。所以，對於5G Massive MIMO最常提出的想法之一是使用TDD而且讓eNB使用上行鏈路信道執行信道估計而且應用該信息來配置下行鏈路信號。本論文的主要內容是UL信號的信道估計。

首先，說明了本文要分析的總體系統。我以爲你如今熟悉這種畫。您可能會注意到此插圖與您在許多其餘渠道模型頁面中看到的另外一個插圖之間的巨大差別。你能猜出這是什麼？這是箭頭的方向。在大多數其餘信道估計頁面中，箭頭的方向是從eNB到UE。可是在這種狀況下，方向是從UE到eNB，意味着UE天線是Tx而且eNB天線是Rx。

關於信道估計的另外一個重要事項是弄清楚如何在發送的子幀中分配參考信號。在本論文中，上行鏈路子幀中的參考信號被分配以下。

經過通道矩陣和參考信號，您能夠爲該系統編寫通道模型，以下所示。每當您看到任何通道模式（系統方程）時，首先檢查每一個矩陣和向量的維度，並嘗試理解矩陣的每一個列和行的含義。那麼你就能夠很好地理解系統方程的含義。（在信道矩陣H中，行數對應於Rx天線的數量，列數對應於Tx天線的數量）。

從簡化的系統公式中，您能夠爲每一個天線寫入接收信號的公式，以下所示。

假設基站正在使用MMSE信道估計，則每一個信道矢量（從一個發射機天線到全部接收機天線的矢量）能夠描述以下。若是不參考其餘參考文獻，很難理解如何得出這一點。我只是在撰寫結論，並讓每一個讀者參考其餘參考資料，以找出推導的細節。這是每一個通道路徑的估計值。

參考資料：

[1]http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_ChannelModel_MU_MIMO_ChannelEstimation_EakkamolPakdeejit.html

6.3 MIMO 自適應

步驟1：對信道傳輸矩陣H進行SVD分解：

對角陣 S 中的元素 s1，s2就是 H 矩陣的奇異值。奇異值的個數，直接反應了信道所支持的「自由度」數目。奇異值的個數，就是該信道矩陣的秩（Rank）。

條件數越接近1，說明信道中各個平行子信道（自由度）的傳輸條件都很好，很平均；比值越大，說明各個子信道的傳輸條件好的好，差的差。

步驟2：使用右酉陣 V，能夠對發送信號進行「預處理」，將傳輸過程轉化成具備「平行子信道」的對角陣形式；

步驟3：有了信道矩陣秩的信息（奇異值的個數），能夠靈活的調整空間流數（自由度），從而提升通訊系統效率；

步驟4：知道了奇異值的個數和大小後，可使用「注水算法」分配發送功率，提高系統容量。

6.4 預編碼

預編碼技術主要是在發射端對於傳輸信號進行處理的過程，其主要目的是優化傳輸信號，簡化接收端複雜程度，提高系統容量及抗干擾能力。

線性預編碼：匹配濾波器(MF)、迫零預編碼(ZF）

非線性預編碼：髒紙編碼(DPC)、矢量預編碼(VP)

線性預編碼複雜度低，實現較簡單。非線性預編碼如髒紙編碼計算複雜度較高，但每每會得到更佳的效果。然而，在Massive MIMO系統中，隨着基站側天線數目的增加，—些線性預編碼算法，好比匹配濾波器(MF)、迫零預編碼(ZF)等將會得到漸進最優的性能。所以，在實際應用中，採用低複雜度的線性預編碼算法更爲現實。

參考資料：

[1] https://wenku.baidu.com/view/906431e003d276a20029bd64783e0912a2167ce9.html

7 Massive MIMO系統架構及測試怎麼進行

7.1 Massive MIMO系統架構

支持Massive MIMO的有源天線基站架構以三個主要功能模塊爲表明：射頻收發單元陣列，射頻分配網絡和多天線陣列。

射頻收發單元陣列包含多個發射單元和接收單元。發射單元得到基帶輸入並提供射頻發送輸出，射頻發送輸出將經過射頻分配網絡分配到天線陣列，接收單元執行與發射單元操做相反的工做。RDN將輸出信號分配到相應天線路徑和天線單元，並將天線的輸入信號分配到相反的方向。

RDN可包括在發射單元（或接收單元）和無源天線陣列之間簡單的一對一的映射。在這種狀況下，射頻分配網絡將是一個邏輯實體但未必是一個物理實體。

天線陣列可包括各類實現和配置，如極化、空間分離等。

射頻收發單元陣列、射頻分配網絡和天線陣列的物理位置有可能不一樣於下圖邏輯表示，取決於實現。

支持MassiveMIMO的有源天線基站架構

7.2 Massive MIMO測試技術

隨着天線系統向現代化的發展，尤爲是5G的演進，一體化的基站有源天線系統（AAS）形態逐漸成爲主流，通道數愈來愈多，有源天線鏈接方式也會簡化，RU和天線高度集成，射頻指標再也不侷限於傳統的RU傳導測試，OTA測試將成爲將來測試演進的方向，同時也將帶來極大的測試挑戰。

表天線系統的演進對測試技術的挑戰

天線系統類型	天線系統特色	測試方式	是否支持傳導測試	測試挑戰
RRU+天線	一、天線與RRU相互分離，天線與基站的設計製造可相對獨立；二、RF性能要求在基站天線端口定義，經過標準接口進行傳導RF測試；三、未考慮天線對RF性能的影響四、天線做爲網絡配套設備，主要考察Pattern和電路性能。	RRU和天線獨立測試	是	成熟基站型態，測試技術成熟，無挑戰。
一體化有源天線	一、天線和RRU一體化集成，非標準接口鏈接，天線設計須要與RF模塊設計同步；二、天線口較少，RF性能要求可在天線口定義，測試比較繁瑣；三、主要指標傳導測試，增長部分OTA測試。	一體化測試+分體測試	是，接口非標準	一、傳導測試接口非標準，RRU RF指標沒法反映一體化有源天線的性能；二、部分須要OTA測試，測試標準需進一步明確。
Massive MIMO天線	一、天線與基站深度融合，傳統的部件獨立測試存在挑戰；二、大規模的天線及射頻通道；三、3GPP提出了RF指標OTA測試標準。	整機測試成爲主流	取決整機設計	主流的整機設計將難以拆卸，存在無對外RF接口形態，須要依賴大量OTA測試，測試標準正在討論中。

參考資料：

[1] http://www.elecfans.com/d/611885.html

[2] https://wenku.baidu.com/view/8cd52348ec630b1c59eef8c75fbfc77da26997f2.html

[3] https://wenku.baidu.com/view/a7e6f61478563c1ec5da50e2524de518964bd32a.html

8 Massive MIMO 商用進展怎樣

8.1 中興

2015年，中興基於TDD的Pre5G Massive MIMO完成產品開發和外場測試，多家運營商開始商用測試和部署。

2016年2月，在巴塞羅那舉行的MWC 2016世界移動通訊大會上，該產品榮獲「最佳移動技術突破」（Best Mobile Technology Breakthrough）以及「CTO之選」（Outstanding overall Mobile Technology-The CTO’s Choice 2016）雙料大獎，這但是被業界承認的最高榮譽。

TDD Massive MIMO 2.0

隨後，在中國、日本、印尼等人口大國的運營商進行了規模商用部署，咱們在街頭髮現了中興的這個基於TDD的Pre5G Massive MIMO基站。

正是依託於TDD Massive MIMO技術規模商用積累的大量傳播特性數據，中興研發團隊創造性地提出FDD制式的Massive MIMO信道測量與估計專利算法，實現了FDD宏觀對稱性，在無須手機更多配合的狀況下大幅提高了頻譜效率。

同時，中興通信自研的矢量處理芯片MCS2.0提供了強大的信號運算與處理能力，爲FDD Massive MIMO複雜的算法實現提供了可能。

閉關修煉，終成正果。2016年12月30日，中興通信發佈了全球首個基於FDD LTE制式的Massive MIMO解決方案，並與中國聯通合做完成外場預商用驗證。

今天，短短2個月後，咱們又看到了中興在FDD Massive MIMO上的技術突破。無疑，做爲中興Pre5G的標籤技術，Massive MIMO引入FDD制式後，爲全球最爲普遍部署的FDD-LTE網絡解決了頻譜效率亟待提高的難題，將進一步拓展了Pre5G的商用空間。據稱，中興通信Pre5G已經在全球30個國家，超過40個網絡中進行了部署。又一個新時代開啓，移動通訊的發展速度實在使人驚歎！

參考資料：

[1] http://www.elecfans.com/tongxin/rf/20180222638103.html

8.2 華爲

業務痛點

在3G時代，還能夠根據經驗從13種無線參數組合中挑出最優參數組合。而在4G和5G時代，面對高達幾百種乃至成千上萬種的參數組合，再依靠過去的經驗，經過人工的方式去找出Pattern最優值幾乎是不可能的。軟銀曾經反饋人工嘗試調整一種Pattern，由於操做效率低，風險大，單個Pattern調節約一週時間，通常不敢調。

解決方案

本方案採用隨機森林算法進行建模和預測，經過對現網數據的採集、分析、整理和標註，送入AI推理平臺使用隨機森林模型進行計算最優初始值。同時在最優初值的基礎上，經過迭代優化的方法，短時間內收斂到最優參數組合。

方案價值

該方案在J國S運營商進行現網驗證，1天內找出最優初值，一週左右時間進行迭代優化、完成最優配置參數組合。網絡流量提高17%左右，用戶容量提高18.4%。

參考資料：

[1] https://www.huawei.com/cn/industry-insights/technology/softcom-ai/cases/cases-1