《IMT-2030(6G)推進組：2023分布式超大規模MIMO技術研究報告（47頁）.pdf》由會員分享，可在線閱讀，更多相關《IMT-2030(6G)推進組：2023分布式超大規模MIMO技術研究報告（47頁）.pdf（47頁珍藏版）》請在三個皮匠報告上搜索。

1、北京稻殼科技有限公司Beijing Rice Hull Technology Co.,Ltd.地址：北京市朝陽區九住路 188 號IMT-2030(6G)推進組IMT-2030(6G)Promotion Group2023 年年 12 月月版權聲明版權聲明 Copyright Notification未經書面許可未經書面許可 禁止打印、復制及通過任何媒體傳播禁止打印、復制及通過任何媒體傳播2023 IMT-2030（6G）推進組版權所有2IMT-2030(6G)推進組IMT-2030(6G)Promotion Group1.概述概述.51.1 技術原理技術原理.51.2 國內外研究現狀國內外研

2、究現狀.52.應用場景、部署方式、網絡架構應用場景、部署方式、網絡架構.62.1 應用場景應用場景.62.2 部署方式部署方式.82.3 網絡架構網絡架構.113.協同傳輸方案協同傳輸方案.143.1 初始靜態協作簇接入初始靜態協作簇接入.143.2 動態協作簇構建動態協作簇構建.173.3 動態協作預編碼動態協作預編碼.233.4 協作接收算法協作接收算法.274.通道校準通道校準.274.1 協作點間空口校準協作點間空口校準.284.2 基于基于 UE 輔助的校準輔助的校準.305.時頻同步時頻同步.335.1 時間同步時間同步.335.2 頻率同步頻率同步.376.原型驗證原型驗證.39

3、7.總結及發展建議總結及發展建議.43參考文獻參考文獻.44主要貢獻單位主要貢獻單位.463IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖目錄圖圖 2.1 高校、高校、CBD 等熱點區域示圖等熱點區域示圖.6圖圖 2.2 大中型場館、交通樞紐等應用場景示圖大中型場館、交通樞紐等應用場景示圖.6圖圖 2.3 企業園區應用場景示圖企業園區應用場景示圖.7圖圖 2.4 低空覆蓋應用場景示圖低空覆蓋應用場景示圖.7圖圖 2.5 分布式超大規模分布式超大規模 MIMO 星形部署方式示意圖星形部署方式示意圖.8圖圖 2.6 分布式超大規模分布式超大規模 MIMO 環

4、形部署方式示意圖環形部署方式示意圖.9圖圖 2.7 分布式超大規模分布式超大規模 MIMO 星形環形結合部署方式示意圖星形環形結合部署方式示意圖.9圖圖 2.8 分布式超大規模分布式超大規模 MIMO 樹形部署方式示意圖樹形部署方式示意圖.10圖圖 2.9 基于基于 A-ROF 實現前傳鏈路示意圖實現前傳鏈路示意圖.10圖圖 2.10 雙層分布式超大規模雙層分布式超大規模 MIMO 網絡架構示意圖網絡架構示意圖.12圖圖 2.11 宏微組網分布式超大規模宏微組網分布式超大規模 MIMO 上下行服務節點解耦上下行服務節點解耦.13圖圖 2.12 上下行解耦網絡架構的吞吐量性能增益上下行解耦網絡架

5、構的吞吐量性能增益.13圖圖 3.1 動態協作協作點簇架構動態協作協作點簇架構.14圖圖 3.2 初始接入流程初始接入流程.16圖圖 3.3 協作協作 SSB 示意圖示意圖.17圖圖 3.4 三層協作簇結構三層協作簇結構.18圖圖 3.5 協作簇測量協作簇測量.19圖圖 3.6 異頻測量示意圖異頻測量示意圖.21圖圖 3.7 同頻測量示意圖同頻測量示意圖.21圖圖 3.8RSRP 測量結果比較測量結果比較.23圖圖 3.9 可擴展的分布式超大規?？蓴U展的分布式超大規模 MIMO 系統系統.24圖圖 3.10 某城區一個面積為某城區一個面積為 3 平方公里的區域的三維射線追蹤模型平方公里的區域的

6、三維射線追蹤模型（左左）；接收器位置在品接收器位置在品紅色陰影紅色陰影區域，發射器用藍色圓圈表示（右）。區域，發射器用藍色圓圈表示（右）。.26圖圖 3.11 不同不同 MIMO 方案的頻譜效率比較：（左）單接收天線；（右）四接收天線方案的頻譜效率比較：（左）單接收天線；（右）四接收天線.27圖圖 4.1 通道系數示意圖通道系數示意圖.28圖圖 4.2 協作點協作點/RRU 分組校準及校準信號分組校準及校準信號.29圖圖 4.3 使用不同碼書精度情況下的校準誤差使用不同碼書精度情況下的校準誤差 CDF.31圖圖 4.4 使用多樣點聯合估計情況下的校準誤差使用多樣點聯合估計情況下的校準誤差 CD

7、F.32圖圖 5.1 上行定時同步協作點分組上行定時同步協作點分組.35圖圖 5.2 協作點下行定時協作點下行定時.36圖圖 6.1 低頻段分布式超大規模低頻段分布式超大規模 MIMO 無線接入網試驗場景無線接入網試驗場景.404IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖圖 6.2 低頻段分布式超大規模低頻段分布式超大規模 MIMO 無線接入網試驗場景無線接入網試驗場景.40圖圖 6.3 48 個數據流時系統總頻譜效率個數據流時系統總頻譜效率.41圖圖 6.4 12 個數據流時系統總頻譜效率個數據流時系統總頻譜效率.42圖圖 6.5 不同方案的頻譜效

8、率對比不同方案的頻譜效率對比.42圖圖 6.6 下行下行 24 個數據流的頻譜效率個數據流的頻譜效率.43圖圖 6.7 考慮校準時延的下行考慮校準時延的下行 24 個數據流的頻譜效率個數據流的頻譜效率.43表目錄表表 3.1 中心頻率中心頻率 4GHZ，車速，車速 60KM 場景下同頻測量之效能比較場景下同頻測量之效能比較.22表表 5.1 時頻同步實現方法對比時頻同步實現方法對比.395IMT-2030(6G)推進組IMT-2030(6G)Promotion Group1.概述概述1.1 技術原理技術原理分布式超大規模 MIMO 系統是超大規模天線演進的重要方向，它融合了大規模MIMO 和分

9、布式天線技術的優勢，有望通過更廣域的節點間協作提供更高的空間分辨率和頻譜效率，為終端（UE,User Equipment）提供更為優異的性能體驗。6G 網絡中的分布式超大規模 MIMO 系統呈現天線數更多、分布地理范圍更廣、智慧協同作用更深的顯著特征。在大規模 MIMO 技術基礎上，分布式超大規模 MIMO 將原本集中式天線陣列分散在小區各個位置，以用戶為中心，以站間智慧交互與智能協作為基礎，融合多頻段傳輸特性，在消除小區間干擾以及提高頻譜資源利用率的同時，降低了傳統集中式 MIMO 射頻和天線數倍增的物理實現挑戰，增強系統可拓展性和可靠性，從而使得無邊界用戶體驗在 6G 網絡下成為可能。1.

10、2 國內外研究現狀國內外研究現狀面向未來移動信息網絡更高速率（Tbps）、更低時延（0.1ms）、更高可靠（99.99999%）等需求，分布式超大規模 MIMO 被認為是未來 6G 移動通信系統的候選技術方案之一，受到研究者們的廣泛關注。4G 時期的協作多點傳輸（CoMP）、5G 的多收發協作點（Multi-TRP）技術，都是分布式超大規模 MIMO 技術實踐應用的早期探索。近幾年來，無蜂窩大規模 MIMO（Cell-free massive MIMO）也引起了廣泛關注，該技術是一種試圖實現去小區化、無縫協作的無線通信技術，在 2017 年由 Marzetta 教授和瑞典林雪平大學的 Lars

11、son 教授共同提出1。從網絡架構和物理實現上，無蜂窩大規模 MIMO 與分布式超大規模 MIMO 有較多相似之處。兩者都可以采用集中式的中心處理單元實現系統中所有節點的協作。但為了實現無縫協作，無蜂窩大規模 MIMO 更多地強調協作傳輸的可擴展性，不僅需要物理層信號處理方法的可擴展性，還要要求上層的實時調度具備可擴展性，并具備完善的移動性管理，這就要求物理層支持以用戶為中心的有限集的動態協作簇。當前，美國“下一代移動通信技術聯盟（Next G Alliance）”發布了 6G Distributed Cloudand Communications Systems 的 白 皮 書，歐 盟“20

12、20 地 平 線 計 劃”和“MarieSkodowska-Curie”計 劃 設 立 了“An intelligent design of user-centric cell-free massiveMIMO:A deep learning approach”項目，開展研究基于深度學習的智能化無蜂窩大規模MIMO。國內產學研也開展了大量的分布式超大規模 MIMO 的基礎理論、關鍵技術、原型驗證等研究工作?？梢钥吹?，當前已有的研究更多聚焦分布式超大規模 MIMO 通信關鍵技術。然而，在從技術走向商用過程中，分布式超大規模 MIMO 還有許多實際問題需要進一步研究分析，例如動態協作、低復雜度預編

13、碼技術、高精度時頻同步等。6IMT-2030(6G)推進組IMT-2030(6G)Promotion Group2.應用場景應用場景、部署方式部署方式、網絡架構、網絡架構2.1 應用場景應用場景分布式超大規模 MIMO 主要應用于大容量場景，特別是人流量密集，數據業務爆發式增長的流量密集場景，例如高校、CBD 熱點區域、大中型場館以及交通樞紐等。同時，還可以聯合部署不同類型的節點，以適應不同場景覆蓋需求，例如除固定式基站外，還可以利用移動式基站、無人機基站、智能超表面等改善覆蓋性能。高校、高校、CBD 等熱點區域。等熱點區域。該類場景的終端流量較大，但分布較為均勻，密度適中，移動性不高。典型的

14、網絡需求包含視頻會議，網頁瀏覽，數據下載等等。為提升容量，可采用室外覆蓋室內的方式，將多個節點連接到基帶處理單元，實現控制信道合并，數據信道復用。圖 2.1 高校、CBD 等熱點區域示圖大中型場館大中型場館、交通樞紐等應用場景交通樞紐等應用場景。該類場景的主要特點是人流量大，數據業務爆發式增長，需要提供高密度、高速率的網絡連接。針對此類大中型場館以及交通樞紐等室內密集場景，可通過室分系統升級，實現數據信道復用，提升容量。圖 2.2 大中型場館、交通樞紐等應用場景示圖企業園區應用場景企業園區應用場景。一般為 ToB 業務的場景，例如智慧工廠，具有大量連接、高并發率、數據速率穩定等特點。通過分布式

15、超大規模 MIMO，可滿足上下行大帶寬特定業務需求。例如，在智慧工廠的生產調度和狀態監控中，可通過分布式超大規模 MIMO 系統，實時獲取設備信息，一方面實現設備狀態監控和安全維護，另一方面為建立調度模型和優化調度方案提供數據基礎。7IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 2.3 企業園區應用場景示圖低空覆蓋應用場景。低空覆蓋應用場景。隨著無人駕駛航空器（UAV,Unmanned Aerial Vehicle）相關產業的快速發展，其應用領域也逐漸向各個行業擴展，除軍事用途外，還包括快遞物流、農業植保、應急通信、氣象監測、森林防火等多種用途。為滿足

16、無人機的覆蓋要求，最主要的是增強垂直維度的覆蓋效果。一種方案是直接增加指向空中的天線，另一種是增加 MIMO 天線在垂直維度的數量，即通過多個窄波束取代原有的寬波束，增加整體的垂直覆蓋能力。然而，隨著無人機飛行高度的提升，“可見”范圍內的干擾源增多，當無人機位于服務小區邊緣時，干擾信號與服務信號相似，會導致頻繁切換或中斷。為保證低空覆蓋下的傳輸性能，可通過分布式超大規模 MIMO 化干擾為有用信號，提升低空覆蓋性能。圖 2.4 低空覆蓋應用場景示圖為支持上述應用場景，6G 時代的分布式超大規模 MIMO 將融入多頻段特性，即 6G將是一個低中高多頻段協同的全頻譜通信系統，中低頻將繼續增強連接能

17、力，毫米波、可見光和太赫茲等新頻段可以利用其大帶寬的優勢提供極致容量，多頻段協同為終端的快速接入與“零中斷”傳輸提供有力保障。但分布式超大規模 MIMO 技術性能的發揮依賴于空口校準、調度方案、組網及協作簇等方案的實現能力。對于低頻段而言，分布式超大規模 MIMO 相干傳輸可有效提升系統性能，其關鍵挑戰包括動態協作、空口校準等。但對于高頻段，由于器件工藝等問題引入相噪等非理想因素，使得空口校準變得極具挑戰，因此高頻段下的分布式超大規模 MIMO 可優先考慮非相干傳輸模式，重點解決動態協作、波束管理等問題。8IMT-2030(6G)推進組IMT-2030(6G)Promotion Group2.

18、2 部署方式部署方式分布式超大規模 MIMO 的性能增益源于大規模天線的協作傳輸。應用分布式超大規模 MIMO 技術，可以靈活、有效地根據不同環境，構建星形、樹形、鏈形、環形等拓撲結構的網絡，有效消除干擾快速提升容量?？紤]到協作點分布式部署和硬件實現的局限性，網絡架構和部署方式與物理層的信號處理方法相互影響。2.2.1 網絡拓撲結構網絡拓撲結構星形部署現網大多數以星形方式的部署，即中央處理單元（CPU，Central Processing Unit）連接多個協作點，在 CPU 實現集中式的聯合處理。這種方式對 CPU 基帶池的處理能力有較高的要求。如果協作點具有物理層信號處理能力，例如信道估計

19、、檢測、預編碼等，結合動態分簇技術，CPU 的處理能力具有較好的擴展性。圖 2.5 分布式超大規模 MIMO 星形部署方式示意圖環形部署對于上行鏈路，當協作點具有信道估計、檢測能力時，經過檢測后的信號可以進行相干合并。相干合并可以采用串行實現，即一個協作點的檢測輸出到下一個協作點進行合并。對于下行鏈路，每個數據流的比特信息分發到各個協作點進行預編碼。這種串行實現，可以采用文獻2提出了 Radio Stripes 形部署。9IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 2.6 分布式超大規模 MIMO 環形部署方式示意圖星形與環形結合的部署文獻3采用了星

20、形和環形結合的方式進行部署。CPU 與協作點之間采用星形部署，CPU 之間采用環形部署。當 UE 處于兩個 CPU 管理范圍之間時，為了實現聯合傳輸，需要 CPU 之間有較強的交互能力。圖 2.7 分布式超大規模 MIMO 星形環形結合部署方式示意圖樹形分層部署文獻4采用了樹形的拓撲形式，虛擬化的中央單元（vCPU，virtual CPU）與多個邊緣分布式單元（EDU，Edge Distributed Unit）連接，EDU 與多個協作點連接，vCPU 和EDU 共同實現分布式基帶信號處理。多個 vCPU 與云化的 CU 連接，在 Cloud CU 中實現用戶的移動性管理。這種樹形部署中，ED

21、U 具有較強的聯合處理能力，具備信道估計、檢測和預編碼的能力，這樣 vCPU 同樣具有較好的擴展性。10IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 2.8 分布式超大規模 MIMO 樹形部署方式示意圖2.2.2 網絡鏈接技術網絡鏈接技術分布式超大規模 MIMO 的實際部署中，對協作點與基帶單元之間的前傳實現有較高的要求。通?；鶐卧蛥f作點間的前傳（fronthaul）鏈路一般基于光纖連接，傳輸的是經過光調制的數字信號，因此可以稱為 digital-radio-over-fiber（D-RoF）。這要求協作點不僅具備一定的數字處理能力以完成對應分布式

22、單元(DU,Distributed Unit)的信號處理功能，而且包含 AD/DA、混頻、功放/低噪放等完整射頻鏈硬件組件，復雜度和功耗相對較高。對于帶寬較小的低頻段，其基帶處理功能的協作點相對成熟，但是對于帶寬較大的毫米波及以上頻段，協作點的 AD/DA、混頻器等器件性能限制了分布式超大規模 MIMO 系統的應用。Analog-radio-over-fiber（A-RoF）技術具有低成本、低損耗、大帶寬的特點，可以有效應對以上挑戰。與 D-RoF 不同，A-RoF 中傳輸經過光調制的模擬信號，協作點僅需完成模擬信號的發射、接收等。因此，基于 A-RoF 實現前傳鏈路時，協作點不再需要基帶處理

23、功能及 AD/DA 等部分射頻器件，可以降低協作點的復雜度。具體的，基于 A-RoF技術的前傳鏈路可以傳輸光調制的射頻（RF）或中頻（IF）模擬信號。前者稱為 RFoF，在協作點側進行光電轉換后無需上變頻即可發射信號；后者稱為 IFoF，在協作點側上變頻至射頻即可發射信號5。從而實現了協作點極簡化。A-RoF 技術也支持構建不同拓撲結構的網絡，但具體拓撲及 A-RoF 類型對協作點的要求不同6。在空口層面，由于數字處理能力集中在基帶單元，有利于聯合傳輸（JT）。當考慮基于 A-RoF 的分布式超大規模 MIMO 相干聯合傳輸（CJT）時，多個協作點間的同步可以由基帶補償；同時，由于分布式協作點

24、側結構簡單，有利于簡化通道校準。圖 2.9 基于 A-RoF 實現前傳鏈路示意圖11IMT-2030(6G)推進組IMT-2030(6G)Promotion Group2.3 網絡架構網絡架構在分布式大規模 MIMO 網絡中，網絡側以協作點（簇）的形式服務終端，在單層分布式超大規模 MIMO 網絡中，由于 UE 的移動性，服務 UE 的協作點（簇）會持續更新，導致 UE 移動性管理相關的功耗較高，并可能導致服務中斷問題與復雜的信令交互7。此外，協作點與 UE 的功率差異引入了上下行覆蓋范圍不平衡的問題。因此，面向 6G 的分布式超大規模 MIMO 架構設計需要考慮靈活的移動性和上下行覆蓋均衡的

25、需求。2.3.1 雙層分布式網絡架構雙層分布式網絡架構為了應對移動性導致的中斷與復雜信令交互的挑戰，可以考慮一種雙層分布式超大規模 MIMO 網絡架構，如圖 2.10 所示。其中，第一層網絡主要實現 UE 的初始接入和移動性管理功能，完成 UE 與網絡之間的低時延控制信令交換，能夠提供較高的覆蓋性能，例如第一層網絡可以是基于單頻網1（SFN，Single Frequency Network）技術的超級小區（super cell）、或者是基于低頻段通信的廣覆蓋小區（例如利用原有的 2G/3G/4G/5G 基礎設施或頻譜資源）、或者是衛星通信中的衛星/HAPS（High Altitude Plat

26、form Station）小區。第二層網絡主要實現高速率的數據傳輸功能，通過動態地為每個終端選擇一個或若干個傳輸節點進行集中式或者分布式的傳輸，能夠獲得更高的空間復用增益，提供更高的數據傳輸速率。第二層網絡可以采用 non-SFN 模式的、或者采用相比第一層網絡頻點的更高頻點、或者采用衛星通信中的低軌衛星。第一層網絡節點的同步信號/參考信號可以關聯同一區域內的第二層網絡節點的同步信號/參考信號，例如第一層網絡可以使用寬波束范圍的參考信號維持 UE 的穩定連接，第二層網絡可以使用與寬波束關聯的若干窄波束范圍的參考信號實現 UE 的高速傳輸?？紤]到 UE 在不同狀態下差異化的通信和流量需求8，UE

27、 可以在不同狀態下根據傳輸需求連接到不同層的網絡。在空閑態或者非激活態下，UE 主要連接到第一層網絡，通過測量網絡同步信號/參考信號，進行尋呼監聽和系統消息讀取，以建立或維持網絡連接關系，獲得較高的覆蓋性能并減少切換；在連接態時，則根據流量需求的不同，UE可以連接到第二層網絡進行高速率的數據傳輸?；谶@種雙層分布式超大規模 MIMO 網絡架構，UE 可以一直測量到一個信號質量較好的第一層網絡同步信號或參考信號，避免原本基于單小區模式的頻繁小區重選流程，減少尋呼的丟失概率。當 UE 進入連接態時，如果其需要接收或者發送的數據量較大，UE 也能夠接入到第二層網絡，以提升傳輸效率。1單頻網模式下，信

28、號從多個網絡側的協作點（如小區或協作點）發送，因此可以提供更好的覆蓋性能。12IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 2.10 雙層分布式超大規模 MIMO 網絡架構示意圖2.3.2 上下行解耦網絡架構上下行解耦網絡架構分布式超大規模 MIMO 系統可以通過密集的節點部署來改善上行覆蓋，也可以在大型節點覆蓋邊緣部署小型接收節點來提升上行覆蓋，但由于大型節點發射功率通常明顯大于小型節點，因此通過下行參考信號的 RSRP 確定的服務節點通常只能代表其為最優的下行服務節點，不一定是最優上行服務節點。上下行服務節點解耦網絡架構通過允許單一用戶的下行數據和

29、上行數據可以面向不同物理節點進行傳輸來解決上述問題。上下行服務節點解耦以不同的原則分別選擇最優上行和下行服務節點。下行服務節點的選擇可以仍然基于下行參考信號 RSRP 測量結果，而上行服務節點的選擇將基于上行傳輸損耗。為使分布式超大規模 MIMO 部署具有更高的靈活性，動態協作簇簇間和簇內的節點間的天線陣列特性以及發射功率應當允許存在差異性，傳輸損耗則是綜合考慮了天線面板帶來的波束增益以及傳播路徑損失兩個因素，使得在多個不同天線面板配置的節點間進行服務節點選擇更加公平。在如圖 2.11 所示的宏微異構組網的分布式超大規模 MIMO 系統中，部分 UE（如圖中 UE-1）會同時處于宏節點和微節點

30、的下行覆蓋范圍內，但其上行覆蓋范圍僅能包含微節點，因此其下行傳輸可以來自宏節點或微節點，但上行傳輸只能面向微節點；還有部分 UE（如圖中 UE-2）上行覆蓋范圍會同時包含宏微節點，因此宏節點與微節點都能提供上下行服務，從而在非聯合傳輸場景下需要進行動態服務節點選擇。13IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 2.11 宏微組網分布式超大規模 MIMO 上下行服務節點解耦對于一般上下行解耦網絡架構，每個節點都可以進行上下行傳輸，可以根據 RSRP測量、傳輸損耗和可分配資源等分別動態選擇上行服務節點和下行服務節點。對于相干傳輸場景，由于要選擇多于一個

31、節點或協作點進行上下行傳輸，因此還需要考慮基于多節點整體吞吐量最大原則或者多節點整體接收功率最大原則進行服務節點選擇。上下行解耦網絡架構的需求還體現在一些特殊場景中，（1）在分布式超大規模 MIMO 系統中，密集的節點部署會導致多個節點的下行覆蓋范圍嚴重重疊，為了降低節點間下行干擾，部分節點的下行傳輸會被關閉，從而僅接收上行傳輸；（2）低負載場景下，由于節點能耗主要由下行發送模塊貢獻，出于網絡節能的考慮，部分節點的下行傳輸單元可以被關閉；（3）對于僅存在上行容量覆蓋受限的場景，只需要部署僅支持上行接收的節點，在這些場景中，用戶上行服務節點和下行服務節點必須進行解耦。上下行解耦網絡架構在 5G

32、頻段移動通信場景下的仿真結果如圖 2.12 所示，在動態上行傳輸節點選擇場景中，其可以有效改善邊緣用戶和系統平均吞吐量，對邊緣用戶吞吐量的提升相比上下行節點綁定的網絡架構可以達到約 30%，平均吞吐量的提升可以達到約 20%。其中，傳輸損耗除了傳輸損耗外還包含了節點接收面板的接收增益差異。圖 2.12 上下行解耦網絡架構的吞吐量性能增益上下行解耦網絡架構在分布式超大規模 MIMO 系統中提供了更靈活的網絡部署方14IMT-2030(6G)推進組IMT-2030(6G)Promotion Group式，一方面，其通過打破上下行節點物理位置統一的傳統網絡部署限制，實現了分別根據上行和下行鏈路最優原

33、則選擇上下行服務節點，大幅度提升用戶上下行業務體驗；另一方面，其允許節點只支持上行、只支持下行或者上下行都支持，能夠靈活應對不同的應用場景、網絡需求、業務負載。3.協同傳輸方案協同傳輸方案分布式超大規模 MIMO 網絡中的協作簇包括靜態協作簇與動態協作簇，其中動態協作簇主要用于連接態的數據傳輸，靜態協作簇主要用于系統消息廣播和終端的初始接入。實際系統中為簡化隨機接入的時延和公共信令開銷，可以以靜態協作簇或者靜態協作簇的一部分協作點子集為單位配置公共的同步信號并進行測量，方便終端快速接入多協作點組成的協作小區。本章節從初始靜態協作簇接入，動態協作簇構建、動態協作預編碼和協作接收的角度進行具體闡述

34、。3.1 初始靜態協作簇接入初始靜態協作簇接入在分布式超大規模 MIMO 網絡中，一個協作簇一般由地理位置上相鄰的幾個協作點組成。對于每個 UE 而言，為其服務的協作點簇是 UE 專屬的。如下圖 3.1 所示，其中一個中心單元（CU，Centralized Unit）可調度的協作點數量是可以動態變化的，并且一個協作點可以同時由兩個或以上的 CU 來調度其通信資源為不同的 UE 服務?；诿芗膮f作點部署，多個協作點聯合服務同一 UE 的特點會對 UE 的初始接入過程帶來諸多新的挑戰910，在多協作點聯合服務的場景下，UE 的初始接入存在以下幾個特點：圖 3.1 動態協作協作點簇架構大量分布式部

35、署的協作點與 UE 的距離遠近分布并不均勻，發射功率也可能不同，僅依據接收功率選擇協作點可能會導致路徑損耗較大，從而導致終端上行功耗較大。因此，除了接收功率 RSRP 外，還可以聯合參考路徑損耗選擇同步信號進行接入；15IMT-2030(6G)推進組IMT-2030(6G)Promotion Group基于大量分布式部署的協作點，UE 可能同時檢測到多個符合接入條件的同步信號。為了進一步提高初始接入的可靠性與成功率，可以利用多個同步信號進行初始接入，并確定 UE 隨機接入的 PRACH 資源和 MSG 1/MSG A 的發射功率；不同協作點之間的同步精度和物理連接關系可能有所差異，各個協作點（

36、簇）的波束發射能力也有所不同。UE 可以根據 UE 接收能力和協作點（簇）的波束發射能力，選擇合適的同步信號進行初始接入。3.1.1 基于雙層網絡的初始接入基于雙層網絡的初始接入初始接入階段，UE 沒有分布式協作點的先驗信息，如果對周圍所有協作點的參考信號進行逐個測量，則掃描時間較長，這增加了基于動態協作點簇的初始接入的設計難度?；陔p層網絡的分布式超大規模 MIMO 架構，UE 的初始接入和網絡連接流程可進一步設計與完善。其中，雙層網絡中的第一層網絡主要實現 UE 的初始接入和移動性管理，提供較高的覆蓋性能，第二層網絡主要通過動態地為每個終端選擇一個或若干個傳輸協作點來提升空間復用增益，提供

37、高速率的數據傳輸。為避免 UE 在初始接入過程中由于前導參考信號盲檢導致接入時延與資源開銷變大，可以利用第一層與第二層網絡參考信號之間的關聯關系，設計更加靈活的廣播信道和更加高效的初始接入方式。例如，當空閑態或者非激活態下的 UE 在第一層網絡中接收到屬于自己的下行尋呼消息時，UE可以基于對第一層網絡參考信號與波束的測量結果，利用第一層和第二層網絡參考信號與波束方向的關聯關系，縮短第二層網絡參考信號的測量時間，更快地接入第二層網絡。為此，在基于協作點簇的組網架構中可以考慮設計兩種類型的協作點簇：靜態協作簇和動態協作簇。其中靜態協作簇主要用于空閑態、非激活態 UE 的初始接入，而動態協作主要服務

38、于連接態 UE，為其提供數據傳輸服務。靜態協作簇服務于所有的 UE，主要用于 UE 的快速初始接入，因此該類簇需要保證廣域的覆蓋，但對系統容量要求不高，可以采用低頻段作為初始接入時協作點的工作頻段。動態協作簇是 UE 專屬的，主要為 UE 提供高速數據傳輸的服務，可以采用高頻段作為工作頻段。其中，基于雙層網絡的初始接入流程如下圖 3.2 所示。由于兩種協作點簇功能不同，在參數配置上也要有所區別。對于靜態協作簇，UE只能通過掃頻、搜索的方式接入網絡，因此靜態協作簇需要配置 SSB/SIB/PRACH 等公共資源參數，以方便 UE 能快速完成接入。而動態協作簇是 UE 專屬的，對于每個 UE，一個

39、動態協作簇可以有一個特定的標識來表征其唯一性，例如動態協作點簇 ID。動態協作簇所對應的系統消息和參考信號需要通過 UE 專用信令下發。為了減少系統消息和參考信號的資源開銷，網絡側可以將動態協作簇的系統消息和參考信號進行復用，即處于同一位置的不同 UE 可以使用相同的系統消息和參考信號?；?UE 的測量上報，網絡16IMT-2030(6G)推進組IMT-2030(6G)Promotion Group側確定為 UE 服務的動態協作簇，并且維護一個測量協作簇，測量協作簇中的協作點為動態協作簇周圍的部分協作點。當 UE 處于移動狀態時，通過對測量協作簇中的協作點進行周期性測量，UE 可完成動態協作

40、簇的更新和切換。圖 3.2 初始接入流程3.1.2 靜態協作簇初始接入增強靜態協作簇初始接入增強現有的技術中，終端要想獲得分布式協作傳輸，需要先接入網絡，然后才能在業務信道上進行協作傳輸。如果是在多點協作網絡中，這一過程更加冗長，要在服務小區接入一次，還要在其他相鄰小區進行同步信號測量以選擇合適的協作小區，最后才能開始協作傳輸。所以，對于靜態簇協作簇的構建，若沿用現有方式時延和開銷較大。為降低接入時延，可以考慮接入協作的增強。在接入階段將系統中的同步信號劃分為兩類：一類是普通的非協作同步信號，每個協作點在這類同步信號的位置上獨立發送同步信號；另一類是協作同步信號，不同的協作點可以在這類同步信號

41、的位置上協作發送同步信號，使得 UE 可以在同步階段就測量到協作小區的信息，從而在接入階段就開始進行協作傳輸，實現時延降低以及接入流程的速率提升或可靠性增強。如圖 3.3 所示，在非協作 SSB 的傳輸位置上，每個協作點發送的 SSB 對應于小區 ID；可以有多個協作點在這個位置上發送 SSB，那么由于小區 ID 不同，這些 SSB 互為干擾信號。而在協作 SSB 的傳輸位置上，協作點按照協作 ID 發送同步信號，對于使用相同協作 ID 發送 SSB 的協作點，可以看作是以 SFN 方式發送的 SSB，信號得到增強；也可以有多個不同的協作 ID 在相同的位置上發送 SSB，那么他們之間還是一種

42、干擾關系。17IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 3.3 協作 SSB 示意圖UE 在進行小區搜索時，使用小區 ID 和協作 ID 分別在非協作 SSB 位置和協作 SSB位置上進行檢測，考慮到協作 SSB 會提高接收能量，在 UE 進行接入準則判定時，可以考慮如果協作 SSB 的接收 RSRP 高于非協作 SSB 一定范圍時，才會選擇協作 SSB 進行接入。通過約束不同 SSB 上的終端接入準則，實現 UE 接入協作 SSB，從而實現在接入階段的協作傳輸。這樣，UE 可以在同步階段就測量到協作小區的信息，從而在接入階段就開始進行協作傳輸，實

43、現時延降低以及接入流程的速率提升或可靠性增強。3.2 動態協作簇動態協作簇構建構建分布式超大規模 MIMO 網絡中的協作簇的構建主要包括新的協作簇架構、基于下行參考信號的動態協作簇選擇和切換和基于上行參考信號的動態協作簇選擇和切換三部分。3.2.1 多層級動態協作簇多層級動態協作簇在分布式超大規模 MIMO 系統中，大量的協作點廣泛靈活地部署在服務區域，并通過回程或前傳鏈路相互協作，為 UE 提供統一的高質量的數據傳輸服務。由于協作點分布在不同的地理位置，與每個 UE 的距離有遠有近，服務 UE 的信號強度有大有小，如果所有協作點同時服務 UE，一方面會引起回程或前傳鏈路中出現大量的信道和數據

44、信息的傳輸，另一方面遠離 UE 的協作點帶來的協作增益非常有限，因此通常在系統中構建以 UE 為中心的協作簇。每個 UE 的協作簇中可能包含相同或不同的協作點，如果需要在相同的時頻資源上同時服務多個 UE，例如相干聯合傳輸（CJT）的方式，多個協作簇中的大部分協作點之間需要有效地協調資源、聯合調度、消除 UE 間干擾或聯合傳輸，導致協作規模隨 UE 數增加而成倍增加，回程或前傳鏈路資源被大量占用，實現復雜度大規模增加，極大地影響了分布式超大規模 MIMO 系統的有效實施。為此，實際系統中可以考慮多層級的協作簇架構，如圖 3.4 所示。第一個層級是資源調度簇，可以根據地理位置的關系，將一組協作點

45、劃分成一個相對固定的簇，并通過回程或前傳鏈路連接到同一個 CU，進行統一地 UE 調度、資源分配、發送預編碼或接收合并器設計，以及功率分配等等，這樣可以有效地控制協作處理的規模和實施效果。第二個層級是信道測量簇，它是以 UE 為中心劃分的簇，根據在第一層資源調度簇中的協18IMT-2030(6G)推進組IMT-2030(6G)Promotion Group作點到達 UE 的距離或信號強度大小，將一組鄰近的協作點分配給一個 UE，并且配置相應的信道測量資源來估計多個協作點的信道，故稱為信道測量簇。資源調度簇可能包含多個 UE 相關的信道測量簇，不同的信道測量簇可能包含相同或不同的協作點。針對下行

46、鏈路，可以為該 UE 分配一組下行導頻，分別接收測量每個協作點的信道狀況；針對上行鏈路，UE 發送的上行導頻，只有該簇內的每個協作點能夠接收，測量該 UE 的上行信道狀況。信道測量簇中的協作點收集信道信息后，可以通過回程或前傳鏈路發送到與資源調度簇相連的 CU 中集中處理，也可以留在每個協作點單獨處理。第三個層級是數據傳輸簇，UE 或 CU 根據實時測量的下行或上行信道信息，進一步從信道測量簇中選取合適的協作點，為 UE 提供下行數據的聯合發送或上行數據的聯合接收，故稱之為數據傳輸簇。每個 UE 的數據傳輸簇可以等同于信道測量簇，也可以從信道測量簇中進一步篩選得來。如圖 3.5 所示，不同 U

47、E 的數據傳輸簇可能存在交疊，即同一個協作點可能出現在兩個 UE 的數據傳輸簇，當這兩個 UE 同時被調度和服務時，如何有效地抑制簇之間的干擾，3.3.3 節給出了一種聯合預編碼設計的方法。當然，三層協作簇的劃分并不是一成不變的，它可以根據協作點的負荷、能耗要求，以及 UE 的位置變化等相應地調整。不同的資源調度簇，可以獨立地服務各自簇內的 UE，也可以通過交換部分信道信息，為處在資源調度簇邊緣的 UE 提供一定程度的干擾消除或信號增強的效果，以進一步提升 UE 的服務質量和服務體驗。圖 3.4 三層協作簇結構3.2.2 基于下行參考信號的動態協作簇選擇和切換基于下行參考信號的動態協作簇選擇和

48、切換在 5G NR 系統中，網絡側通過波束測量上報和 CSI 測量上報來獲得各個協作點與UE 之間的信道信息，進而確定由哪幾個協作點為 UE 服務。例如，在基于多個協作點的波束測量上報中，UE 可以上報適合 2 個協作點聯合傳輸的波束組合；在基于多個協作點的 CSI 上報中，UE 可以分別上報 2 個協作點進行 NCJT 傳輸和進行單點傳輸的 CQI，19IMT-2030(6G)推進組IMT-2030(6G)Promotion Group或者從 4 個協作點對應資源中上報適合進行 CJT 傳輸的資源（協作點）。在分布式超大規模 MIMO 系統中，網絡部署會更加密集，如果仍然按照 5G 的方法對

49、每 2 個協作點或每 4 個協作點進行聯合測量將增加測量上報的延時，進而影響分布式超大規模 MIMO 系統的傳輸效率。因此，有必要對測量上報進行增強以快速構建動態協作簇。一種方法是沿用 5G 的設計思路，由網絡側確定動態協作簇并通知給 UE。另一種方法是由 UE 確定動態協作簇，或者至少 UE 可以發起對協作簇的動態變更請求。與 5G 類似，UE 通過測量上報來輔助網絡側確定動態協作簇，但測量上報方法相比5G 系統更加靈活。例如，在每次測量上報中，UE 對大于 4 個協作點對應的測量資源進行測量上報，選擇部分協作點對應的資源和測量值上報給網絡側；又例如，在進行測量上報時，UE 還可以上報選中的

50、協作點適合進行 NCJT、CJT 或 DPS/DPB 中的哪一種或哪幾種傳輸方式；此外，UE 還可以上報哪些協作點適合進行聯合傳輸，并且當這些協作點進行聯合傳輸時，測量的其它協作點是否適合進行同時傳輸（如其它協作點對聯合傳輸的協作點干擾過大，則不適合進行同時傳輸，其它協作點需要靜默）。傳統多點協作傳輸網絡僅應用于業務數據傳輸階段，并未對切換過程的上行速率和魯棒性進行優化設計。UE 要想獲得分布式協作傳輸，需要先切換至新的網絡，而后才能在業務信道上進行協作傳輸，這對位于小區邊緣的 UE 而言，難以保證一致性體驗。為此，可以考慮在測量環節即引入協作協作點簇測量的機制，并在切換判決環節生成非協作點、

51、協作點簇兩類候選切換目標列表，使得切換過程可按實際網絡需求完成多個目標協作的接納控制，從而在切換后即可實行多協作點的聯合傳輸，實現速率提升或可靠性增強，保證用戶一致性體驗。圖 3.5 協作簇測量在觸發協作切換時，考慮協作切換簇列表和非協作點切換列表。兩類列表均進行目標協作簇/非協作點綜合排序。當判決結果是非協作點切換，源節點/源協作簇只需向單個目標節點發起切換請求和執行切換。當判決結果是協作簇切換，源節點/源協作簇需向目標協作簇內的協作點（協作簇內可預先指定接收和響應切換請求的協作點）或協作簇20IMT-2030(6G)推進組IMT-2030(6G)Promotion Group內切換控制單元

52、（獨立于協作點的實體，用于接收和響應切換請求）發起切換請求，協作簇內各協作點完成協作信息發送和確認并完成接納控制后，執行切換并最終實現成功切換。在以用戶為中心的系統中，可以由 UE 發起或決定協作簇的構建和變更。在 UE 發起的協作簇構建/變更方法中，UE 通過網絡側的配置確定測量資源與協作點的關聯關系，在 UE 進行協作傳輸的同時，對部分測量資源進行測量（可以是進行協作傳輸的協作點對應的測量資源，也可以是協作簇以外協作點，即非協作點對應的資源），根據測量資源與協作點的關聯關系，UE 可以確定當前協作簇是否最優，是否需要變更協作簇等。如果有協作點與 UE 間鏈路質量變差，或其他非協作點有更好的

53、鏈路質量，則 UE 可以發起協作簇變更上報，如建議網絡側將測量資源 A 對應的協作點在協作簇中刪除，或將測量資源 B 對應協作點增加到協作簇中。待網絡側對 UE 發起的協作簇變更上報進行確認后，則 UE 上報的協作簇生效，即網絡側為 UE 動態地更換了協作簇。這樣，將會大大縮短協作簇變更時延。在 UE 決定的協作簇構建/變更方法中，UE 同樣可以根據測量資源確定出當前最優的協作簇，并將最優協作簇（或對應的測量資源索引）通知給網絡側，網絡側在收到 UE的指示后，按照 UE 的決策，使用協作簇中的協作點為 UE 服務。3.2.3 基于上行參考信號的動態協作簇選擇和切換基于上行參考信號的動態協作簇選

54、擇和切換在分布式超大規模 MIMO 系統下，每個協作點覆蓋范圍縮小，且協作點密度相較于以往相對較高。UE 必須要能夠更快的測量出協作點信號強度并且完成上報，否則網絡將無法及時為 UE 選擇最佳的服務協作點簇。這樣密集部署的環境中，傳統單靠 UE 進行 RRC 觸發的層 3 測量、上報測量結果、網絡再根據 UE 上報結果選擇協作點的方式將會對測量效能以及下行頻譜使用效率上造成極大的挑戰，并且也會造成切換過程中有過多的傳輸中斷。當前 3GPP 在 Rel-18 對傳統的移動性管理提出改進，想從傳統的以RRC 觸發的層 3 測量上報結果來決定切換對象、推進到以 L1/L2 觸發的層 1 測量(L1/

55、L2-triggerd mobility,LTM11)上報結果來決定切換對象。LTM 主要是針對在層 3 測量上報(layer-3 measurement report)后之行為的優化，也就是通過過對層 1 測量流程的調整來降低切換過程中對服務小區或協作點造成的傳輸中斷。雖改進了傳輸中斷但仍舊存在層 3 測量結果跟蹤不上實際環境變化以及下行頻譜使用效率不佳的問題。為此，我們考慮利用上行測量信號來取代下行測量信號。如圖 3.6 所示，當 UE 在服務小區所在的頻點接收數據時，過去為了要收異頻頻點的下行測量信號必須中斷服務小區的下行數據接收；現在改為在異頻頻點上傳送上行測量信號，只要服務小區所在頻

56、點與異頻頻點符合 UE 能支持的同時接收和發送的頻點組合，就能夠讓 UE 在維持服務小區的下行數據接收的同時傳送上行測量信號、讓網絡來21IMT-2030(6G)推進組IMT-2030(6G)Promotion Group進行測量。舉例來說，FDD 頻譜中的相關聯的下行/上行頻點即為 UE 能支持同時收發頻點的組合，一般而言，只要發射和接收的頻點差距大于 FDD 頻中的下行/上行頻點差異，UE 即可支持同時接收和發送。在 TDD 頻譜中,以上述上行信號為基礎的層 3 測量也適用，如圖 3.7 所示，在網絡與 UE 皆支持子帶全雙工(sub-band full duplex)的情況下，除了解決異

57、頻頻點和服務小區的下行數據無法同時接收的問題，過往同頻測量時 UE 在某些場景無法同時進行層 3 測量以及維持服務小區的下行數據接收的問題，也就是有所謂的調度限制(scheduling restriction)，也可通過 UE 在維持服務小區的下行數據接收的同時傳送上行測量信號、讓網絡來進行測量來改善。圖 3.6 異頻測量示意圖圖 3.7 同頻測量示意圖根據 3GPP 所制定的仿真假設12，以及參考過去傳統 RRC 觸發切換流程、LTM 切換流程的仿真假設13，我們依此進行了仿真，比較傳統切換流程中常見的效能評估指標切換失敗率(handover failure rate)、乒乓率(ping-p

58、ong rate)、無線鏈路失效率(RLFfrequency)以及干擾時間或者叫做傳輸中斷(data interruption time)。表 3.1 所示中心頻率4GHz 的仿真結果，我們比較利用不同測量方式做同頻測量、在沒有測量間隙與有測量間隙兩種情況下的進行效能比較。在這里我們假設網絡使用了 20ms 的下行測量信號測量周期(SMTC periodicity)，而當網絡有配給 UE 測量間隙時使用的是 40ms 的測量間隙周期(MGRP)。比較結果可以發現相較于傳統 RRC 觸發切換流程以及 LTM 切換流程的仿真結果，利用上行測量信號來取代下行測量信號的結果可以大幅降低無線鏈路失效率以

59、及切換失敗率。與傳統的切換流程相比，LTM 與基于上行測量信號之切換方式其乒乓率雖有提升，但由于每次切換過程的的傳輸中斷時間比較短，所以總體而言的傳輸中斷22IMT-2030(6G)推進組IMT-2030(6G)Promotion Group比率仍有所改善。在 LTM 的仿真假設當中，我們假設使用者有能力先進行時頻域的精準同步且切換過程只有約 25ms 的傳輸中斷(大約是參考資料13中 T3 時間的長度)；而在基于上行測量信號之切換方式里，上行同步已經等同于被預先進行，下行同步我們假設在網絡給予切換小區指示后會順帶給與非周期性下行同步信號幫助 UE 快速完成時頻域的精準同步，因此有約 45ms

60、 的傳輸中斷(大約是參考資料13中 T1+T3 時間的長度)。就仿真結果而言，我們可以看到總體而言基于上行測量信號之切換方式的傳輸中斷比率仍然是所有場景中最低的 2.53%。表 3.1 中心頻率 4GHz，車速 60km/h 場景下同頻測量之效能比較HO KPIsHO schemesDL RRC-triggeredDL LTMUL basedMGRP 40msWithout MGWith MGWithout MGWith MGNo need MGHO failure rate3.35%5.43%2.54%4.13%0.21%RLF frequency(times/hr)85.44109.437

61、8.9594.9413.00Ping-Pong rate5.93%5.28%7.64%6.97%10.92%Datainterruption3.86%19.20%2.79%18.02%2.53%圖 3.8 中我們比較不同方式所測量到的參考信號接收功率 RSRP 變化，由于 LTM 切換流程仍需基于層 3 測量上報的結果為基礎，其仿真結果與傳統 RRC 觸發切換流程仿真結果類似，故此忽略不顯示于圖中。圖 3.8 中，左圖為所有發生 RLF 到重新與網絡鏈接上的中斷時間內，理想估測值、基于下行測量信號之估測結果、與基于上行測量信號之估測結果的 CDF 曲線的比較；右圖為單一次發生 RLF 到重新與

62、網絡鏈接上的中斷時間里，理想估測值、基于下行測量信號之估測結果、與基于上行測量信號之估測結果隨著時間的變化的采樣。如圖所示，與固定周期傳輸下行測量信號的方式相比，利用短時間密集傳輸上行測量信號之測量結果更貼近理想估測值，更能反映環境的變化并找到信號最強的協作點；此外，由于測量結果更貼近理想估測值，有利于降低決策錯誤率，故也能減少 RLF 的發生。23IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 3.8RSRP 測量結果比較利用上行測量信號來幫助移動性管理以及協作點簇的選擇，不但可以改善下行頻譜使用效率也能減少測量所需的時間，讓 UE 能對環境的變化做出

63、更精準的反應，連接上最適當的信號源?？紤]到 UE 數目眾多、上行測量信號的傳輸資源有限，以及上行傳輸功率可能不足的限制，實作上如何有效調配資源，仍需進一步研究。3.3 動態協作預編碼動態協作預編碼為了實現靈活的下行相干傳輸，需要在協作簇基礎上實現動態協作預編碼。另外，下行相干聯合傳輸性能嚴重依賴于上下行互易性校準和協作點間時頻同步的影響。因此，設計預編碼方法需要結合協作點間時頻同步技術及互易性校準。3.3.1 動態動態分布式分布式聯合預編碼技術聯合預編碼技術當網絡中協作點間做到高精度的同步時，可以采用集中式或分布式預編碼，以及基于動態分簇的預編碼方法。另外，下行終端的功率分配對系統性能也有較大

64、的影響，需要考慮每協作點功率約束下的多用戶功率分配技術。為了實現超大規模 MIMO 的擴展性，將傳統的基帶單元分為邊緣分布式單元 EDU和以終端為中心的分布式單元 UCDU。如圖 3.9 所示的可擴展分布式超大規模 MIMO，多個 RRU 連接到 EDU，在 EDU 中可以實現物理層信號處理的功能，實現空-時-頻解耦，在 UCDU 實現空域數據流的分發/合并、調制/解調以及編解碼。假設系統中有多個邊緣分布式單元 EDU，每個 EDU 連接固定數量的 RRU 集合，系統中有多個 UCDU。每個 UCDU 與 EDU 均存在處理能力的上限。對于下行傳輸，在中央控制單元 CCU 根據終端接入、上行探

65、測等信息，實現動態協作簇，建立終端與 RRU、EDU、UCUD 的關聯。每個終端僅關聯一個 UCDU。多個 RRU 之間的空口校準可以在 CCU 實現，CCU 將其關聯的 RRU 的校準系數下發到 EDU，多個 CCU 管理的 RRU 之間的校準系數，可以由 CCU 之間交互獲得聯合校24IMT-2030(6G)推進組IMT-2030(6G)Promotion Group準。圖 3.9 可擴展的分布式超大規模 MIMO 系統下行相干協作傳輸的預編碼在每個 EDU 本地計算，即每個 EDU 僅根據終端到該EDU 連接的 RRU 的上行信道計算其相應的預編碼矩陣。具體地，根據分簇和關聯信息，EDU

66、 獲得終端上行 SRS 接收信號，進而得到多個終端的上行信道，根據調度和空分復用配置，EDU 對經過校準的上行信道計算下行預編碼。3.3.2 魯棒預編碼魯棒預編碼采用多協作點聯合預編碼時，性能會受到非理想校準和相位同步的影響，尤其是當每個協作點服務的終端數據流接近協作點的天線數時，性能下降較為明顯，因此需要采用魯棒的預編碼技術。以共參考時鐘不共本振的實現為例，經過校準后，如果不考慮頻繁地發送校準信號跟蹤本振相位漂移，相位誤差或校準的相位誤差可以建模為max的均勻分布。為了減輕信道上乘性相位誤差對系統性能的影響，需要設計合適的魯棒預編碼。文獻14提出了采用加權和速率作為魯棒預編碼設計的目標函數，

67、并且考慮了協作點間信息共享。根據乘性相位噪聲的分布，可以計算出信道的協方差矩陣，考慮單協作點的功率約束，建立一個存在功率約束的最大化加權和速率，優化目標為預編碼的優化問題。由于該問題無法直接求解，文獻14將加權和速率問題轉化為加權和估計均方誤差（MSE）問題，并證明這兩個問題有著相同的全局最優解。進一步，論文給出了最優解的結構，并引入拉格朗日乘子將原問題變為無約束問題，采用迭代方法求解。為了得到閉式解，文中進一步簡化為求解下面的瑞利熵最大化問題，25IMT-2030(6G)推進組IMT-2030(6G)Promotion Group2maxkHkkkHkjkj kKNPRRwwwww（公式 3

68、-1）其中kR是第k個終端的信道的協方差矩陣，其中包含了對乘性相位噪聲求期望的處理，kw是第k個終端的預編碼向量，N是 AP 個數，P是單 AP 的最大功率，K是終端數。其解可以表示為m21axkNMkj kjKNPuIRRw（公式 3-2）其中maxuA表示 A 矩陣的最大的特征值對應的特征向量。由于是次優的魯棒預編碼，此時還不滿足協作點的功率約束，最終的預編碼還需要對最大預編碼功率的協作點進行歸一化。3.3.3 重疊協作簇的預編碼重疊協作簇的預編碼在分布式超大規模 MIMO 系統中，終端與協作簇之間的關聯、預編碼和功率控制的聯合設計可以顯著提高性能。當終端可以由其專屬簇的協作點服務時，由于

69、簇之間可能存在重疊，需要有效的干擾抑制算法。如果一個終端由其覆蓋區域內的所有協作點提供服務，可以使用眾所周知的迫零預編碼器，它通過對估計的信道矩陣求 Moore-Penrose 逆實現。然而，在分布式超大規模MIMO 中，終端只從其簇內的協作點接收信號，無法通過來自簇外接入點的傳輸來抑制干擾。一些文獻討論了分布式超大規模 MIMO 中的預編碼問題1516，通過限制簇間干擾的迭代算法實現分布式下行波束賦形，但相關算法要求協作點之間交換信道信息。在未來密集網絡場景下，干擾源的數量可能非常龐大，傳統方案不僅加大了網絡傳輸負荷而且可能無法有效地減輕干擾。以下提出一種使用廣義逆矩陣理論的非迭代預編碼方法

70、17。它依賴于全局計算簇，以集中的方式一次性計算預編碼系數和功率控制，并推送給發射機，避免了任何迭代算法，無需在接入點之間進行消息傳遞。在基于協作簇的分布式超大規模 MIMO 系統中，解耦簇間干擾可通過簇間鏈路的預編碼系數設為零的方式。預編碼矩陣A 的設計目標需滿足以下兩個條件：GA=I（公式 3-3）A CT=A（公式 3-4）其中(3-3)是迫零條件。矩陣C是與信道G相同大小的二進制簇矩陣。如果協作點j為終端i提供服務，則Cij=1；否則Cij=0。A可以是信道矩陣的求逆。假設協作點的數量大于終端數目，估計的信道矩陣G是奇異的。條件(3-4)確保沒有協作點向未包括在其協作點中的終端傳輸。所

71、提出的預編碼算法基于廣義逆，即26IMT-2030(6G)推進組IMT-2030(6G)Promotion GroupA=A+(I A+G)B（公式 3-5）為了實現條件(3-4)，需要構造一個任意矩陣B，使得式(3-5)中的A滿足(3-4)所示的簇外條目相對應元素為零的條件。廣義逆和傳統的 Moore-Penrose 逆都可以解決迫零問題，但廣義逆的計算速度比 Moore-Penrose 逆更快，并且具備額外的自由度，即可通過適當構造中間矩陣B滿足條件(3-4)。功率分配在分布式大規模天線中起著重要作用。以上基于廣義逆的預編碼算法在服務的單元數遠遠超過終端數時幾乎消除了干擾。因此，將最大化所

72、有終端的最小信噪比（SINR）的功率優化問題可以簡化為以下更簡單的線性規劃問題，即解決最大化給定終端的最小接收符號功率的問題，并能通過變化效用函數來構建閉合解決方案。圖 3.10 某城區一個面積為 3 平方公里的區域的三維射線追蹤模型（左）；接收器位置在品紅色陰影區域，發射器用藍色圓圈表示（右）。為了評估以上算法，通過 ray tracing 射線追蹤在 3.5GHz 頻段對某城區的一個 3 平方公里的街區進行了信道建模18，如圖 3.10（左）所示。我們假設終端在街道上均勻分布，彼此之間距離為 5 米。協作點放置在建筑物立面上，協作點之間的距離為 200 米，交替分布在街道的兩側。圖 3.1

73、0（右）顯示了紫紅色陰影區域上的接收器位置和藍色圓圈表示的發射器。在給定時間內，隨機選擇了 180 個活躍終端。對于 3.2.1 節中的三層協作簇方案，將資源調度計算和信道測量簇包括在所有 193 個協作點中，而每個終端的傳輸/接收簇根據信號強度標準確定。每個終端由最多 7 個協作點提供服務，這些協作點的信號強度與最強協作點的信號強度相差不超過 26 dB，形成其傳輸/接收簇。如圖 3.11（左）所示，與獨立運行的多用戶 MIMO 小小區（small cell）相比，采用提出的三層協作簇的方法可以獲得 2.6 倍的中位數頻譜效率，而與傳統的非重疊服務簇限制在相似數量的 7個協作點的聯合傳輸 C

74、oMP 相比，可以獲得 2 倍的中位數頻譜效率。圖 3.11（右）顯示了在接收端采用四個接收天線時，小小區 small cell、CoMP、DmMIMO 和完全協調四個不同方案的比較。與小區相比，DmMIMO 的頻譜效率增益為 2.6 倍，與單個接收天線的情況相當。然而，與單個接收天線的情況相比，幾乎實現了 2 倍的頻譜效率。許多終端位于其簇中的協作點的直射徑 LOS 范圍內，因此增加接收天線數量并未帶來四倍的增益。27IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 3.11 不同 MIMO 方案的頻譜效率比較：（左）單接收天線；（右）四接收天線3.4

75、協作接收算法協作接收算法對于分布式超大規模 MIMO 系統，采用集中式的聯合接收機可以獲得最優的性能。例如，采用聯合最大似然檢測可獲得最優的性能。但是，集中式的聯合接收機一方面對前傳要求很高，另外對基帶信號處理的算力要求也很高。采用干擾抵消類接收機可以獲得較好的性能，但是實現的復雜性仍然較高。當協作的天線數遠大于數據流個數時，線性接收機可以獲得較好的復雜度和性能的折中。由于多 UE 與多點的時延差和多普勒頻偏各不相同，從頻域和時域看，分布式超大規模 MIMO 信道矩陣整體上在頻域和時域變化較大。算力允許的情況下，逐子載波均衡可以獲得較好的性能。采用分布式接收機可以降低協作接收機的復雜性。例如分

76、布式超大規模 MIMO 技術可以采用在每個協作點/RRU 本地做分布式檢測，然后再進行集中式合并。這種分布式檢測/均衡算法只有在協作點個數遠大于服務 UE 數據流個數時，可以獲得逼近最優的性能。并且，協作點/RRU 檢測后的結果與集中式合并基帶單元之間的信息傳遞的前傳開銷也較大。參考圖 3.9 的新型架構下的分布式超大規模 MIMO 系統，以上行接收為例，檢測出多個 UE 數據流后，EDU 將其發送給 UCDU。一個 UE 可以關聯多個 EDU，但是只能關聯一個 UCDU。在 UCDU，可以將不同 EDU 發送過來的相同 UE 的數據流進行合并。這種新型架構下，每個 EDU 服務的 UE 是動

77、態的。例如，當 UE 被多個 EDU 管理的 AP 服務時，P-MMSE 在每個 EDU 中實現，而該 UE 的檢測結果在其對應的 UCDU 中進行合并。4.通道校準通道校準在物理實現上，每根天線的射頻端需要兩套電路來分別完成信號的發送和接收，如圖 4.1 所示。由于硬件方面的工藝誤差，加上放大器的非線性失真，很難實現射頻端的28IMT-2030(6G)推進組IMT-2030(6G)Promotion Group兩套電路具有完全一樣的特性。另外，每個射頻電路的特征響應也隨著環境（如溫度，濕度等）和時間的變化而變化。這樣，從對基帶信號的影響上看，發送通道和接收通道等效的對信號乘以了不同的系數，導

78、致了信道的互易性受損。圖 4.1 通道系數示意圖對于分布式超大規模 MIMO，多個協作點之間時頻同步的實現方式也會對上下行整體信道的互易性產生影響?？偟膩碚f，在一定的帶寬內，校準系數可以建模為19，2,tfc f teecf（公式 4-1）其中，表示收發通道之間固有的時間偏差，t表示由于每個協作點本振相位漂移引起的相位變化，cf表示通道校準系數，通常不隨時間變化。當多個協作點采用精確時間同步，以及公共的參考時鐘時，在較長時間保持不變，但是由于非理想的鎖相環，t仍會隨時間變化，其變化特征與鎖相環的實現以及參考時鐘的實現都有關系，它也可以理解為多個協作點之間載波頻率的偏差引起的相位變化。對于集中式

79、大規模 MIMO，通常采用硬件耦合校準獲得發送通道的校準系數和接收通道的校準系數，進而可以根據上行信道信息獲得下行信道狀態信息。在分布式超大規模天線系統中，對于同站 RRU，采用硬件耦合的方式可有效估計校準系數；對于分布式部署的 RRU，硬件耦合的方式部署成本較高，空口校準是低成本的可行實現方法。最優的空口校準系數為發送通道系數與接收通道系數的比值。校準系數的估計通常采用參考天線的方法。參考天線可以是 UE，也可以是 RRU 的天線?；诖?，空口校準通常分為兩種方式，一種是協作點/RRU 間空口校準，另一種是 UE 輔助的校準。4.1 協作點間空口校準協作點間空口校準4.1.1 基于基于 Ar

80、gos 的校準的校準一種簡單的自校準方法是文獻20給出的 Argos 校準，該方法以一個天線為參考，校準系統中所有協作點/RRU。但是這種方法嚴重依賴于校準天線與協作點/RRU 之間的信噪比。為提升信噪比，可考慮基于波束的協作點/RRU 間天線校準方法。首先，同站 RRU間基于硬件耦合方式完成自校準。在此基礎上，異站 RRU 通過多天線互相收發校準信號。進一步地，可基于時域進行加權，獲得多組校準系數以提升校準效果。29IMT-2030(6G)推進組IMT-2030(6G)Promotion Group4.1.2 基于基于總體最小二乘的總體最小二乘的分組分組校準校準另一種是基于總體最小二乘的多個

81、協作點/RRU 互相校準?？傮w最小二乘也可以分為兩種方法。方法一是，各個協作點/RRU 輪流發送，其余協作點/RRU 接收。這種方法可以達到最優的性能，但是輪流校準的時間開銷較大。方法二是，將協作點/RRU 分為兩組，在兩組之間互相發送校準信號。這種方法可以在較短時間內實現多個協作點/RRU的校準。兩組協作點/RRU 之間的自校準21如下：假設兩組協作點/RRU 之間互相發送正交的校準信號，每個接收機先進行信道估計，得到兩個協作點/RRU 組之間的頻域信道矩陣。如圖 4.2 所示，假設兩組協作點/RRU 之間互發校準信號后，某個子載波上的信道矩陣分別為 H1和 H2。校準系數是如下總體最小二乘

82、的最優解，cal2T1cal,1cal,22arg mincH CCH（公式 4-2）2cals.t.1c（公式 4-3）其中，Ccal,1和 Ccal,2為校準系數組成的對角陣，cal,1cal,1diagcC和cal,2cal,2diagcC。因此，所有協作點/RRU 的校準向量可以表示為TTTcalcal,1cal,2,ccc?？梢钥吹?，當校準系數為該天線單元接收通道系數與發射通道系數的比值時，（4-2）式的最小值為 0。文獻21給出了最優校準向量的求解。上述方法同樣適用于多個 UE 對多個協作點/RRU 的校準。但是，UE 輔助的校準方法需要 UE 把下行信道反饋給協作點/RRU，或者

83、需要定制化的虛擬 UE，專門完成進行下行信道信息的反饋，實現校準。采用協作點/RRU 之間的自校準可以避免 UE 反饋或定制化的虛擬 UE，并且可以利用 5G 的幀結構實現對射頻單元以及終端均透明的校準21。如圖 4.2 所示，為了兼容 AP的提前接收，校準參考信號（CARS）在特殊時隙采用兩個 OFDM 符號實現。圖 4.2 協作點/RRU 分組校準及校準信號這種協作點/RRU 分組校準的方法有如下優點：不考慮通道之間的時間偏差，校準系數的相位在較大的子帶帶寬內變化較小，因此，利用多天線正交導頻，即使利用 1 個OFDM 符號，仍可估計出較多天線的之間的校準系數，這種并發的方式，可以實現多個

84、30IMT-2030(6G)推進組IMT-2030(6G)Promotion Group天線的空口校準，時間開銷較少；采用雙符號的校準信號，兩個符號互為循環前綴，可以支持較大的范圍的覆蓋。4.1.3 大規模協作點的空口校準大規模協作點的空口校準為了實現大規模協作點的相干協作傳輸，需要共相位參考，因此要求全網協作點的校準。當協作點規模較大時，需要研究如何以較低的實現復雜度，快速的實現全網校準。為了快速校準，可以將分簇和分組校準相結合，實現快速的大規模協作點校準。（1）分簇為了實現快速校準，我們可以將參與校準的協作點分簇。分簇以鄰近為原則，例如可以采用 K-means 聚類的方法，將鄰近的協作點視

85、為一簇。分簇中協作點的個數，需要根據協作點的分布、校準信噪比、距離遠近等合理地選取。（2）分組每一個簇內的多個協作點可以再次分為兩組，在兩組協作點之間，設計正交導頻，估計兩組之間互相發送時的空口信道。為了獲得更好的校準信噪比，簇內協作點的分組，需要進一步優化。直觀上，兩組協作點以交織的方式進行分組，可以獲得更好的校準性能。這種交織的方式，應盡可能地將鄰近的協作點分別劃分在不同的組中。文獻21采用遺傳算法獲得了一種優化的分組方法。（3）簇間間接校準每個簇進行校準時，簇間可以采用正交的校準參考信號，例如在時間上錯開。為了獲得全網校準，我們還需要進行簇間的相對校準。簇間的相對校準可以在相鄰簇內選擇兩

86、個距離最近的協作點，通過它們使得兩個簇的所有天線形成公共的參考。除了上述的分簇和分組校準方法外，還可以采用文獻22提出的基于生成樹的方式進行校準。這種方法源自于中繼校準的思路，根據協作點之間的拓撲，選擇最優的校準路徑，對大規模協作點完成校準。但是這種方法校準的時間開銷較大。4.2 基于基于 UE 輔助的校準輔助的校準4.2.1 UE 輔助的校準系數獲取輔助的校準系數獲取在 TDD 系統中，網絡側通過 UE 發送的 SRS 估計出上行信道信息，利用互易性原理確定下行信道信息，進而利用估計的下行信道信息確定下行預編碼矩陣進行傳輸。在非理想互易性假設情況下，UE 與每個協作點之間的上下行信道不再是互

87、為轉置的關系。相應地，網絡側通過上行信道估計獲得的預編碼矩陣與實際的下行信道不再匹配。假設由 4 個協作點（分別是協作點 1 到協作點 4）為 UE 服務，每個協作點已進行內部通道校準，未進行協作點間通道校準，每個協作點與 UE 之間的上下行信道分別是,和,，在理想互易性假設下,=,，4 個協作點組成的理想的等效下行信31IMT-2030(6G)推進組IMT-2030(6G)Promotion Group道（也即上行等效信道 的轉置）可以表示為：=,1,2,3,4（公式 4-4）根據通道校準假設，每個協作點與 UE 間實際的下行信道可以建模為：?,=,，其中和為幅值誤差和相位誤差，分別服從對數

88、正態分布和均勻分布，則4 個協作點組成的實際的等效下行信道可以表示為：?=,111,222,333,444（公式 4-5）顯然，根據 計算出的預編碼矩陣和?并不匹配。因此，需要對各個協作點間的互易性誤差進行校準，以提高相干傳輸的性能。例如，網絡側估計各個協作點處的幅值誤差和相位誤差，計算校準系數，并使用校準系數對上行等效信道進行預補償，進而確定下行預編碼矩陣進行下行傳輸。網絡側正確估計校準系數的關鍵在于獲得精確的上下行信道信息（各個?,和,），可以通過 SRS 獲得上行信道信息,，通過UE 輔助的反饋方法獲得下行信道信息?,。圖 4.3 和圖 4.4 對 UE 輔助校準算法的校準誤差進行了初步

89、的仿真。相位校準誤差定義為error=angle cal，其中cal為通過 UE 輔助校準算法估計到的校準系數，為仿真中疊加的相位誤差（服從-180,180度均勻分布）。根據圖 4.3 可知，校準誤差隨著碼本精度的增加而增加，其中 2 比特碼本對應 NR 中的 2 天線碼本。碼本精度越高，協作點根據 UE 反饋估計的下行信道信息也更加的準確。在圖 4.4 仿真中，假設校準誤差在一段時間內保持不變，協作點利用多個信道實現（樣點）進行校準系數計算?？梢钥吹?，當碼本精度固定為 3 比特時，隨著樣點數的增加，校準誤差也逐漸減小。當樣點數為 5 時，UE 輔助校準算法可以將校準誤差減小到 10 度以內。

90、圖 4.3 使用不同碼書精度情況下的校準誤差 CDF32IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 4.4 使用多樣點聯合估計情況下的校準誤差 CDF4.2.2 UE 側天線校準誤差影響側天線校準誤差影響在協作點側進行天線校準，UE 側沒有進行天線校準的情況下，多天線 UE 的天線校準誤差影響系統性能。假設協作點側經過天線校準后，上下行信道的誤差因子為一個常數BS，UE 側沒有天線校準，但考慮單天線發送，此時天線誤差因子為 eUE。經過協作點側天線校準后，上下行信道如下所示：12DLBSUEULBSUEheehHH（公式 4-6）由此可見，UE 單天

91、線發送時不需要天線校準。然而，UE 為多天線時，其校準誤差為對角陣UEE。則經過協作點側天線校準后，上下行信道如下所示，相當于在信道上左乘了一個誤差矩陣：1 11 22 12 2D LB SU EU LB SU EhhhhHEHE（公式 4-7）此時 UE 側的天線校準誤差對性能產生影響。面向未來的通信系統，UE 將具備更多的天線數，此時基于 UE 輔助的校準時 UE 的天線校準誤差不容忽略。4.2.3 UE 輔助的校準系數跟蹤輔助的校準系數跟蹤根據校準系數的建模，由于通道系數和時延通常在較長時間內保持不變，多個協作點之間由于載頻頻差引入的相位漂移可以通過 UE 輔助跟蹤得到。初始校準，可以采

92、用33IMT-2030(6G)推進組IMT-2030(6G)Promotion Group協作點側的自校準，得到當前的校準系數。在跟蹤階段，可以利用 UE 的上行 DMRS 或SRS 跟蹤出協作點之間的頻率差/相位差跟蹤校準系數的相位漂移。假設協作點和 UE 均采用單天線。根據 UE 到各協作點間信道，計算 UE 到協作點 p的信道增益與它到參考天線 P 的信道增益的相位差為：angleanglepipiPitGtGt（公式 4-8）其中，angle 表示求相角。it時隙上行信道間的相位差 pit以及1it時隙上行信道間的相位差1pit，更新it各天線的校準系數：121pipijttpipic

93、tcte（公式 4-9）這種方法的好處在于，無需協作點間繼續發送校準信號，無需 UE 反饋。但需要注意的是，這種跟蹤方法依賴于 UE 的狀態。當 UE 處于靜止狀態時，可以較好地跟蹤出校準系數的變化。但是如果 UE 處于移動狀態下，該增量包含了 UE 與多個協作點之間的多普勒頻偏。因此，需要慎重選擇參與的 UE。5.時頻同步時頻同步在分布式超大規模天線系統中，各個協作點通常處于不同的地理位置，并使用獨立的晶振，這導致了系統中存在多個不同的時間偏移和載波頻率偏移。這使得同步在分布式超大規模天線系統中變得更為復雜。無線通信系統中的同步精度會直接影響系統的性能，如果各協作點之間不能實現精準的時頻同步

94、，那么系統將無法實現最佳的性能。因此，分布式超大規模天線時頻同步技術對于提高系統性能和可靠性至關重要。在本章中將介紹協作點之間的同步技術方案，包括時間同步和時鐘頻率同步。5.1 時間同步時間同步5.1.1 協作點之間的定時同步協作點之間的定時同步當前無線通信系統常采用加循環前綴（CP）的分塊傳輸，如正交頻分復用 OFDM。時間同步可以保證系統能較準確地恢復出符號/數據塊。受到 OFDM 循環前綴的約束，各協作點/RRU 到服務 UE 的時延差不能超出 CP 的保護范圍，否則將被視為異步干擾。因此，分布式超大規模 MIMO 系統中，為一個 UE 服務的協作點/RRU 數一方面受到大尺度衰落的影響

95、，另一方面受到循環前綴長度的約束。為了實現協作傳輸，高精度的時間同步是基本的要求。假設系統中存在統一的時間基準，例如采用 GPS/Beidou 獲取精確的時間（TOD，Time of Day）和秒脈沖（PPS，PulsePer Second），并通過有線的方式發送給各個協作點/RRU，則可以實現協作點/RRU 時間34IMT-2030(6G)推進組IMT-2030(6G)Promotion Group的時間同步。IEEE 1588 PTPv2 是一種高精度的時間同步以太協議，精度可以達到 50ns以內。當各個協作點/RRU 之間沒有統一的時間基準時，需要每隔一定時間進行同步。文獻2給出了一種分

96、布式超大規模 MIMO 的時間同步方法。其核心思想是，通過協作點/RRU 之間互相發送參考信號，估計出協作點/RRU 之間的發送和接收之間的時間差，進而通過聯立方程，求解出協作點/RRU 與其中一個參考協作點/RRU 之間的時間差。另外，如圖 4.2 所示通過互相發送分組空口校準信號，校準系數中包含了協作點/RRU之間的時間差21。通過估計校準系數中的時延，也可以得到協作點/RRU 之間的時間差。5.1.2 基于基于 UE 輔助的協作點間同步輔助的協作點間同步在使用單個協作點為 UE 服務時，當信號相比處理定時延后到達，將會導致 UE 與協作點之間的等效信道引入一定的相位偏移，但該相位偏移并不

97、會導致 UE 反饋的預編碼碼字和信道不匹配。當多個協作點采用相干聯合傳輸，且多個協作點發送的信號不同步，則會導致多個協作點與 UE 之間的信道均存在相位偏移。假設由 4 個協作點（分別是協作點 1 到協作點 4）為 UE 服務，每個協作點與 UE 之間的下行信道為，假設 UE首先接收到協作點 1 的信號，且將協作點 1 的接收時間作為接收定時，則 4 個協作點與UE 之間的等效頻域信道可以表示為：=1222323424（公式 5-1）其中為協作點 的接收時延，為頻率值。由以上公式可知，若 UE 針對某個子帶或子載波反饋了預編碼矩陣，該預編碼矩陣與當前子帶或子載波的頻域信道是匹配的。然而，由于時

98、延導致的頻率選擇性，該預編碼矩陣對其它子帶或子載波是不適用的，因此需要一種機制以提升相干傳輸的性能。與第 4 章中的通道校準類似，網絡側可以通過 UE 輔助的方式獲得各個協作點之間的相位差，并對協作點發送的信號進行補償，使得 UE 接收到多個協作點的信號是同步的。問題的關鍵在于 UE 如何準確的反饋各個協作點的相位信息，例如，UE 可以對各協作點之間的時延差或相位差進行上報，還可以設計更加精細的碼本上報精細的時延信息，還可以上報預測的適合不同子帶傳輸使用的預編碼矩陣等。另一種方法是由網絡側通過上行參考信號估計各協作點的時延差，并直接將估計到的時延差補償到信號傳輸中。5.1.3 協作點與協作點與

99、 UE 間的定時同步間的定時同步5G 通信系統中，上行同步依靠隨機接入過程獲取初始上行定時調整量，然后通過MAC CE 信令調整上行定時。對于 Multi-TRP 場景，上行同步過程可以通過建立定時同步組（TAG）與 TCI state 的關聯關系，使得 TAG 在波束這一粒度上進行分組，有利于35IMT-2030(6G)推進組IMT-2030(6G)Promotion Group多傳輸協作點上行傳輸的定時管理優化。針對層 1/層 2 觸發的移動性管理（L1/L2triggered mobility，LTM）場景，上行同步過程引入了沒有 RAR 的 PRACH 傳輸以獲取定時提前量（TA），顯

100、著降低了獲取多個傳輸協作點的 TA 時延23。對于分布式超大規模 MIMO 系統，根據應用場景、網絡架構和傳輸方案的差異，其上行同步過程也存在一定的差異。對于包含靜態協作簇和動態協作簇的雙層網絡架構中，為了快速建立協作簇中的多個協作點的上行同步，低復雜度低時延的多協作點 TA 獲取方式需要被使用。對于多協作點相干聯合接收（CJR）場景，一次上行傳輸到達不同協作點的時刻很難保證都能滿足落在對應幀的 CP 范圍內的需求，因此上行同步需要考慮協作點的分組優化和多波束同時傳輸上行定時優化等方案。對于動態協作點選擇（DPS）場景且部署上下行解耦的網絡架構，波束級的 TA 調整更利用上行傳輸協作點切換后的

101、快速上行同步。（1）上行定時同步協作點分組在 CJR 場景中，基于下行參考信號的測量上報或者基于上行參考信號的測量，協作點可以獲得 UE 上行傳輸的傳輸時延信息，進而根據測量結果將不同協作點或者不同協作點的波束進行分組，同一組內的協作點或波束將采用相同的 TA，如圖 5.1 所示。上行同步協作點分組過程可以作為協作點配置、簇劃分、簇內協作點列表更新等的依據或關鍵步驟。圖 5.1 上行定時同步協作點分組UE 在移動過程中到多個協作點的距離會產生變化，相應的上行定時同步分組可能需要重新配置，特別是當上行定時同步分組是以波束的級別進行，因此靜態或半靜態的上行定時同步協作點分組在高速移動場景中并不是最

102、優選擇。（2）多協作點聯合確定 TA在 CJR 場景，當面向多個協作點的上行傳輸基于統一的下行定時參考點以及 TA 時，由于 UE 與各個協作點的地理位置、天線方向、波束方向等的差異，對應的上行傳輸到達不同協作點的時刻很難保證都能落在各自的 CP 范圍內。36IMT-2030(6G)推進組IMT-2030(6G)Promotion Group如圖 5.2 所示，即使協作點間可以保證下行同步，UE 側確定的每個協作點的下行幀起點仍會存在不對齊的情況。上行傳輸以其中一個協作點對應的下行幀作為下行定時參考點且應用一個統一的 TA 時，協作點決定 TA 調整量時需要聯合考慮各協作點接收上行傳輸的時刻與

103、下行定時的偏差。圖 5.2 協作點下行定時如式（1）所示，假設當前上行傳輸應用的定時提前量為 TAold，相應的上行傳輸在第 i 個協作點的時刻為 TUL,i，TDL表示協作點側的下行定時，LCP表示 CP 長度，協作點以最小化各協作點上下行定時偏差之和的原則確定上行定時調整量TA。|minargTACP0DL,ULLTTNitaita（公式 5-2）為了保證整體上行定時調整有效性，當部分協作點的 TA 調整量需求和協作點中的多數協作點有顯著差異時，仍然對所有協作點進行 TA 聯合調整可能導致 TA 無法滿足大多數協作點的上行定時需求，因此聯合 TA 調整需要適度忽視部分協作點或者需要對每個協

104、作點的 TA 調整需求分配一定的權重。（3）波束級 TA 調整在分布式超大規模 MIMO 系統中，多協作點相干接收的上行傳輸可以在不同的協作點和載波上，同時面向多協作點的上行傳輸可以被單個 DCI 調度，波束級別的 TAG 分組可以使多協作點 TA 管理更加靈活，也為協作點的配置帶來更大的靈活性。不同于面向多個協作點的透明上行傳輸只能使用聯合的功率控制、預編碼碼本和上行定時，基于上行 FDM 同發方案的上行協作傳輸在波束級的功率調整和預編碼碼本指示的基礎上，可以支持頻域重疊而時域不完全重疊的上行傳輸，因此對于分布式超大規模 MIMO 多協作點聯合接收的場景來說，相同或不同的上行數據可以通過不同

105、的波束發送到各個協作點，并通過波束級 TA 調整來對齊對應波束的上行傳輸定時。波束級的 TA 調整能夠支持更小粒度的 TA 組劃分，可以滿足不同 TA 要求的上行傳輸的獨立調整，但由于 UE 需要長久維護每個 TA 值與其對應的定時器，波束級的 TA 調37IMT-2030(6G)推進組IMT-2030(6G)Promotion Group整對 UE 所需要的維護成本具有更高要求。（4）更低時延的 TA 獲取方法分布式超大規模 MIMO 的部署使 UE 移動過程中的服務協作點切換更加頻繁，傳統基于 PRACH 獲取 TA 的方式將帶來明顯的服務協作點切換時延?；?PRACH 的 TA 獲取方

106、式由于需要與隨機接入過程綁定而需要按照配置的 SS/PBCH block 與 RACH 發送時機（RO）的映射關系確定有效 RO 用于 PRACH 傳輸，RO 位置的局限性對這種 TA 獲取方式帶來較高的時延2425。一方面可以通過允許用于獲取 TA 的 PRACH 傳輸不再依靠固定的 SSB-RO 映射關系確定波束方向，而是根據網絡配置或指示為 PRACH 傳輸引入波束信息，降低 PRACH傳輸的時延。同時具備波束信息的 PRACH 可以通過同發或者時分的方式獲取多個協作點的 TA，在協作點列表頻繁更新的場景中可以快速建立新協作點的上行同步。但新的PRACH 框架與初始接入的融合與碰撞會比較

107、激烈。另一方面可以完全由協作點測量 UE發送的 SRS資源集來獲取初始 TA和 TA更新量，從靈活性的角度說，SRS 資源具備非周期、半持續、周期三種類型，用于 TA 獲取時在時延表現上優于基于 PRACH 傳輸的方式。但由于相比于 PRACH，SRS 信號的檢測復雜度要更高，在獲取初始 TA 的時候，對協作點的處理要求更高。5.2 頻率同步頻率同步高精度的載波頻率同步是實現下行 CJT 的另一個基本要求。在當前的協作點/RRU實現中，基帶信號通常經過數模轉換之后上變頻到載波頻段。當各個協作點/RRU 上變頻采用的本振信號由同一個時鐘源生成并分發到各個協作點/RRU 時，可以實現高精度的載頻同

108、步。對于集中式的大規模 MIMO，由于各收發通道集成在一個無線單元，因此可以采用這種方法。但是對于分布式超大規模 MIMO，協作點/RRU 采用分布式部署方式，對于覆蓋范圍較小的專網應用場景是可行的，對于大范圍覆蓋，這種高頻本振信號的分發意味著較高的部署成本。此外，在實際產品中，雖然每個協作點（RRH）都使用高精度的晶振，同時采用相應的協作點同步技術。但是由于射頻鏈路的不一致性，每個協作點（RRH）的空口信號相對載頻仍會存在一定的頻率偏差。目前，標準定義的全網中基站相對載頻的最大頻偏的指標是+-0.05ppm26。頻偏將導致在進行相干傳輸時，通過 Sounding 得到的信道與實際傳輸時刻的信

109、道，不僅隨著信道本身的衰落變化，同時引入了與頻率偏移相關的量，使得預編碼算法得到的預編碼矩陣并不能有效的消除協作簇內的干擾，從而影響協作傳輸的性能。在 2.6GHz 的載頻上，+-0.05ppm 相當于2.6*0.05/1 6130GHzeHz，也就是說任意協作點的最大載頻頻偏為+-130Hz。假設兩個協作點與 1 個 UE 通信，協作點 1 在載頻 f1發送帶通信號 x1(t)，協作點 238IMT-2030(6G)推進組IMT-2030(6G)Promotion Group在載頻 f2發送帶通信號 x2(t)。假設信道是窄帶平坦的，協作點 1 與 UE 間的信道建模為1，eNB2 與 UE

110、 間的信道建模為復因子 a。UE 接收協作點 2 的信號相比于協作點 1 有的延遲，假設兩個協作點在時間上完全同步。收到的帶通信號可以表示為：txatxty21（公式 5-3）帶通信號 x1(t)和 x2(t)表示為：tfjbetxtx1212（公式 5-4）tffjbtfjbetxetxtx1222222（公式 5-5）其中 xb(t)是協作點 1 和協作點 2 發送的帶通信號，f是協作點 1 和協作點 2 之間的頻偏，假設我們鎖定接收端載頻為 f1,那么 1111122222 jfftjf tjf tbbbjft ffjf tbbyt ext eaxtextaxtee （公式 5-6）因此

111、，收到的帶通信號可以表示為：txtatxtybbbb（公式 5-7）其中 fftfjbeata12（公式 5-8）也就是說，協作點 1 和協作點 2 之間的頻偏導致了一個時變的信道。假設收端沒有延遲（=0），那么隨著時間間隔 t 的增大，信道的相位變化線性增大?；谏鲜龇治隹芍?，在分布式超大規模 MIMO 系統中，頻率同步的研究可分為以下三類方向：當各個協作點/RRU 配置獨立鎖定 Beidou/GPS 時鐘時，由于上變頻采用的本振信號由本地晶振生成，各個協作點/RRU 仍存在一定的頻偏，并且頻偏不是一個固定的值。因此，為了實現相干傳輸，即使各個協作點/RRU 配置 Beidou/GPS 接收

112、機，還必須對各個協作點/RRU 之間的頻偏進行補償。當各個協作點/RRU 的參考時鐘由同一個時鐘源提供，每個協作點/RRU 根據參考時鐘生成本振信號。SyncE 協議是以太的方式傳輸參考時鐘的常用方法，被廣泛應用于電信網絡。在這種情況下，雖然協作點/RRU 之間整體上不存在頻偏，但是由于各個協作點/RRU 的本振信號仍是獨立通過鎖相環生成，各個協作點/RRU 的相位仍不同步，即各協作點/RRU 的相位存在漂移。這種相位漂移仍會對相干傳輸產生較大的性能惡化。文獻27提出了高精度的時頻同步方法，可以大幅降低相位漂移的范圍。當協作點/RRU 沒有配置 Beidou/GPS 接收機且沒有共同的參考時鐘

113、時，例如 WiFi39IMT-2030(6G)推進組IMT-2030(6G)Promotion Group系統，則需要設計空口同步信號實現頻率同步。時頻同步是相干傳輸的基本要求，通常是聯合設計和實現的。表 5.1 中對比了當前常采用的時頻同步方法。表 5.1 時頻同步實現方法對比方案方案優點優點缺點缺點共參考時間，共本振共參考時間，共本振相位同步精度高部署成本高共參考時間共參考時間，共參考時鐘共參考時鐘易于實現時頻同步，不需要跟蹤協作點/RRU 之間的頻偏需要跟蹤相位漂移，部署成本較高協 作 點協 作 點/RRU 獨 立 配 置獨 立 配 置Beidou/GPS易于實現時頻同步需要跟蹤協作點/

114、RRU 之間的頻偏或相位協作點協作點/RRU 間無公共參間無公共參考時間和參考時鐘考時間和參考時鐘部署和硬件實現成本低需要協作點/RRU 之間的空口時頻同步6.原型驗證原型驗證分布式超大規模 MIMO 試驗驗證平臺采用如圖 6.1 所示的架構。系統中的協作點的射頻單元可以采用低頻段的 RRU 或毫米波 AAU。RRU 主要完成上下變頻、AD/DA 變換、OFDM 的 FFT/IFFT 及加 CP 和去 CP 和資源映射和解映射。對于高頻段，AAU 還將實現模擬預編碼。試驗平臺中，終端采用與 CPU 類似的硬件架構?；鶐幚碛?X86 服務器實現，X86 服務器配置前傳卡和 FEC 加速卡。前傳

115、卡上配置 GPS 功能和時鐘單元，為射頻前端提供精確的時間和時鐘同步。前傳卡與 RRU 之間采用 eCPRI 接口，包括控制面、同步面和用戶面數據包。試驗系統由通用服務器實現基帶處理的功能，包括邊緣分布式單元（EDU）和以用戶為中心的分布式單元（UCDU）。40IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 6.1 低頻段分布式超大規模 MIMO 無線接入網試驗場景圖 6.2 低頻段分布式超大規模 MIMO 無線接入網試驗場景圖 6.2 低頻段分布式超大規模無線接入網試驗場景。系統中有 16 個 4T4R 的 RRU，12 個 4T4R 的模擬終端。系統

116、工作在 4.9GHz 頻段，采用 5G NR 商用的低成本 RRU，帶寬 100MHz，系統幀結構服從 5G NR 標準。系統的編碼調制服從 5G 標準。為降低導頻污染及信道估計的復雜性，我們采用 48 端口的正交 DMRS，平均每 2 個 RB 估計出一個端口的信道增益。在頻域，經過 8 個 RB 的均勻時延功率譜維納插值，可以得到子帶內所有子載波的信道增益。41IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 6.3 48 個數據流時系統總頻譜效率對于圖 6.2 所示的試驗場景，每個終端使用 4 個數據流，系統總共 48 個數據流。圖6.3 給出了采用

117、三種聯合接收機的系統總頻譜效率的離線分析，包括聯合的迫零檢測（J-ZF）、聯合 MMSE 檢測（J-MMSE）和聯合 MMSE 理想的連續干擾抵消檢測（J-MMSE-SIC）?？紤]信道估計誤差，三種接收機的平均頻譜效率分別為 319bps/Hz，323.3bps/Hz，382.2bps/Hz。在如圖 6.2 所示的試驗場景中，每個數據流均采用 64QAM調制時，接收機采用逐子載波的 MMSE 均衡，每個數據流的平均信干噪比大約在20dB23dB 之間。試驗經過第三方測試，11 個終端的每個流可以達到 MCS 28（LDPC碼率 948/1024），1 個終端每個流可以達到 MCS 27（LDP

118、C 碼率 910/1024）。不考慮導頻和循環前綴開銷時，總頻譜效率達到 265.7bps/Hz?？紤]導頻開銷和循環前綴開銷時，系統的總頻譜效率超過 200bps/Hz。接下來，我們進一步對采用新型架構的分布式超大規模 MIMO 系統的性能進行了離線分析?？紤]每個終端采用 1 根天線，系統總數據流為 12 個，接收側總共 64 天線。我們對比了 4 種場景下的系統總頻譜效率，即 AP 本地 MRC、AP 本地 MMSE 檢測、EDU采用 P-MMSE、聯合 MMSE 檢測。分別考慮 EDU 配置兩個 AP、4 個 AP、8 個 AP，即8 天線、16 天線和 32 天線，對應于系統中配置 8

119、個 EDU、4 個 EDU、2 個 EDU。圖 6.4和圖 6.5 分別給出了系統頻譜效率的 CDF 和平均頻譜效率。從圖中可以看到，由于在試驗場景中，終端之間干擾較為嚴重，local MRC 和 local MMSE 的干擾抑制能力較差。即便如此，local MMSE 相比 local MRC 仍有 39%的性能增益。當系統中 EDU 配置的天線每增加一倍，相比 local MRC 的性能提升分別為 82%、175%、213%。當系統采用兩個EDU，每個 32 天線時，可以達到聯合 MMSE 的 95%。由于系統中支持的總數據流數為12，當 EDU 總天線數為 16 時，相比 EDU 總天線

120、 8，系統獲得的性能改善最大。42IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 6.4 12 個數據流時系統總頻譜效率圖 6.5 不同方案的頻譜效率對比下面我們對采用 24 個數據流的下行傳輸進行了頻譜效率的離線分析。對于下行鏈路傳輸，我們采用兼容 5G 幀結構的校準參考信號（CARS）配置，并使用了基于總體最小二乘（TLS）的互易性校準算法。由于 UE 輔助校準可以被認為是完美的 CSI 反饋，基于 UE 輔助校準的聯合 MMSE 預編碼具有最佳性能。除了聯合 MMSE 預編碼，其他方案使用 RRU 的空口自校準。在實際系統中，使用校準系數時，不可避

121、免地會有時間延遲。圖 6.6 顯示了沒有延遲的頻譜的性能?？梢钥闯?，在兩個 EDU 的情況下，EDU-MMSE的性能可以接近 UE 輔助校準的聯合 MMSE 預編碼的 80%，并且比 L-MMSE 性能有較大提高。圖 6.7 展示了 5ms 校準延遲的性能。這意味著基于互易性校準的預編碼在 5 毫秒后才能發揮作用。由于本振相位漂移，CSI 在 5 毫秒后會發生變化，這對聯合預編碼有很大的性能損失。對于 EDU-MMSE，其性能損失約為 10%。即便如此，基于 EDU 的43IMT-2030(6G)推進組IMT-2030(6G)Promotion Group實現仍然是有吸引力的。圖 6.6 下行

122、 24 個數據流的頻譜效率圖 6.7 考慮校準時延的下行 24 個數據流的頻譜效率7.總結及發展建議總結及發展建議分布式超大規模 MIMO 作為 6G 的重要候選技術，以用戶為中心，部署大量分布式協作點并在協作點間引入協作來充分消除用戶間干擾，提高系統頻譜效率，降低通信時延，增強系統可拓展性和可靠性。隨著流量需求的爆炸式增長，預期未來分布式超大規模 MIMO 核心技術可實現商用部署，促進各行技術革新和框架創新，進一步賦能千行百業。44IMT-2030(6G)推進組IMT-2030(6G)Promotion Group參考文獻參考文獻1 Ngo H Q,Ashikhmin A,Yang H,et

123、 al.Cell-free massive MIMO versus small cellsJ.IEEE Transactions on Wireless Communications,2017,16(3):1834-1850.2 Interdonato G,Bjrnson E,Quoc Ngo H,et al.Ubiquitous cell-free massive MIMOcommunicationsJ.EURASIP Journal on Wireless Communications and Networking,2019,2019(1):1-13.3 Interdonato G,Fre

124、nger P,Larsson E G.Scalability aspects of cell-free massiveMIMOC/ICC 2019-2019 IEEE International Conference on Communications(ICC).IEEE,2019:1-6.4 Wang D,You X,Huang Y,et al.Full-spectrum cell-free RAN for 6G systems:systemdesign and experimental resultsJ.Science China Information Sciences,2023,66(

125、3):130305.5 Ito K,Suga M,Shirato Y,et al.Remote beamforming scheme with fixed wavelengthallocation for radio-over-fiber systems employing single-mode fiberJ.Journal ofLightwave Technology,2022,40(4):997-1006.6 Beas J,Castanon G,Aldaya I,et al.Millimeter-wave frequency radio over fiber systems:a surv

126、eyJ.IEEE Communications surveys&tutorials,2013,15(4):1593-1619.7 Elhoushy S,Ibrahim M,Hamouda W.Cell-free massive MIMO:A surveyJ.IEEECommunications Surveys&Tutorials,2021,24(1):492-523.8 終端友好 6G 技術白皮書，未來移動通信論壇，2022 年 3 月.9 Ngo H Q,Ashikhmin A,Yang H,et al.Cell-free massive MIMO versus small cellsJ.I

127、EEE Transactions on Wireless Communications,2017,16(3):1834-1850.10 BjrnsonE,SanguinettiL.Scalablecell-freemassiveMIMOsystemsJ.IEEETransactions on Communications,2020,68(7):4247-4261.11RP-223520,“WID on Further NR mobility enhancements,”Dec.,202212 3GPP TR36.839:Evolved Universal Terrestrial Radio A

128、ccess(E-UTRA);Mobilityenhancements in heterogeneous networks.13 R2-226982,“Target Performance Enhancements for L1/L2-based Inter-cell Mobility,”Aug.,2022.14 Han S,Yang C,Wang G,et al.Coordinated multi-point transmission strategies for TDDsystems with non-ideal channel reciprocityJ.IEEE transactions

129、on communications,2013,61(10):4256-4270.15 A.Forenza,E.Lindskog,and S.G.Perlman,“Systems and methods to coordinate45IMT-2030(6G)推進組IMT-2030(6G)Promotion Grouptransmissions in distributed wireless systems via user clustering,”U.S.Patent 8 542 763,Sep.24,2013.16 Hui D,Zangi K.Distributed computation o

130、f precoding weights for coordinatedmultipoint transmission on the downlink:U.S.Patent 8,107,965P.2012-1-31.17 Kaya A,Viswanathan H.Dense distributed massive MIMO:Precoding and powercontrolC/IEEE INFOCOM 2020-IEEE Conference on Computer Communications.IEEE,2020:756-763.18 Fortune S J,Gay D M,Kernigha

131、n B W,et al.WISE design of indoor wireless systems:practical computation and optimizationJ.IEEE Computational science and Engineering,1995,2(1):58-68.19 Nissel R.Correctly Modeling TX and RX Chain in(Distributed)Massive MIMONewFundamental Insights on CoherencyJ.IEEE Communications Letters,2022,26(10

132、):2465-2469.20 ShepardC,YuH,AnandN,etal.Argos:Practicalmany-antennabasestationsC/Proceedingsofthe18thannualinternationalconferenceonMobilecomputing and networking.2012:53-64.21 Cao Y,Wang P,Zheng K,et al.Experimental performance evaluation of cell-freemassive MIMO systems using COTS RRU with OTA rec

133、iprocity calibration and phasesynchronizationJ.IEEE Journal on Selected Areas in Communications,2023.22 Xu S,Cao Y,Li C,et al.Spanning tree method for over-the-air channel calibration in 6Gcell-free massive MIMOJ.IEEE Transactions on Wireless Communications,2023.23 3GPP.“Chairs notes RAN1#112bis-e v

134、15”,April 2023;http:/ftp.3gpp.org.24 3GPP TS 38.211:NR;Physical channels and modulation.25 3GPP TS 38.213:NR;Physical layer procedures for control.26 袁滿,劉曉燕,王科.5G 多頻段組網和優化策略研究J.電子技術應用,2021,47(10):16-21.27 Bigler T,Treytl A,Lschenbrand D,et al.High accuracy synchronization for distributedmassive MIMO

135、 using white rabbitC/2018 IEEE International Symposium on PrecisionClock Synchronization for Measurement,Control,and Communication(ISPCS).IEEE,2018:1-6.46IMT-2030(6G)推進組IMT-2030(6G)Promotion Group主要貢獻單位主要貢獻單位序號序號主要貢獻單位主要貢獻單位貢獻內容貢獻內容1中國移動1.1節、1.2節、2.1節、4.1節、4.2.2節、5.2節、3.1.2節、7章節2維沃移動通信有限公司2.3.1節，3.1節（總述部分，3.1.1節）3聯發科技股份有限公司3.2.3節4上海諾基亞貝爾股份有限公司3.2.1節、3.3.3 節5中興通訊股份有限公司2.3.2節、5.1.3節6中信科移動通信技術股份有限公司3.2.2 節，4.2.1 節，5.1.2 節7北京小米移動軟件有限公司3.1.1節8都科摩（北京）通信技術研究中心有限公司2.1節，2.2.1節9東南大學2.2.1節、3.3.1節、3.3.2節、3.4節、4.1節、4.2.3節、5.1.1節、6章節