《IMT-2030(6G)推進組：2023集中式超大規模MIMO關鍵技術研究報告（43頁）.pdf》由會員分享，可在線閱讀，更多相關《IMT-2030(6G)推進組：2023集中式超大規模MIMO關鍵技術研究報告（43頁）.pdf（43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3IMT-2030(6G)推進組IMT-2030(6G)Promotion Group1第一章第一章概述概述.52第二章第二章 超大規模天線信道建模超大規模天線

2、信道建模.52.1近場信道建模.52.2遠場信道建模.92.3混合近場/遠場信道建模.103第三章第三章 新型天線架構新型天線架構.113.1稀布陣.113.2基于 RIS 的新型天線架構.143.3RIS 輔助 MEGAMIMO.164第四章第四章 信道狀態信息反饋信道狀態信息反饋.184.1近場球面波信道的 CSI 反饋碼本設計.184.2近場非平穩信道的 CSI 反饋設計.204.3面向模塊化天線的 CSI 反饋優化設計.214.4面向 RIS 的 CSI 反饋增強.235第五章第五章 預處理算法預處理算法.255.1面向廣義極化 MIMO 的預處理算法.255.2對抗波束分裂的預編碼碼

3、本設計.286第六章第六章 非平穩信道下接收機算法設計非平穩信道下接收機算法設計.296.1算法描述.306.2性能評估.317第七章第七章 波束管理波束管理.337.1基于 RIS 的波束管理.337.2分層 RIS 波束訓練技術.358第八章第八章 總結及發展建議總結及發展建議.378.1總結.378.2研究方向發展建議.379參考文獻參考文獻.3710主要貢獻單位主要貢獻單位.4011縮略語縮略語.414IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖目錄圖 2.1-1電磁波波前示意圖.6圖 2.1-2基于幾何的隨機統計的近場信道建模流程.8圖 2.

4、2-1遠場平面波傳播示意圖.9圖 2.2-2超大規模天線遠場傳播場景幾何建模示意圖.10圖 2.2-3超大規模天線遠場信道建模流程圖.10圖 3.1-1稀布陣示例.11圖 3.1-2Type A 用戶分布下的系統吞吐性能 CDF 曲線.12圖 3.1-3Type B 用戶分布下的系統吞吐性能 CDF 曲線.13圖 3.2-1RIS 用作收發機的設備實物.15圖 3.3-1RIS 輔助 Mega MIMO 示意圖.16圖 3.3-2可達吞吐性能隨相控陣天線總發射功率的變化.18圖 4.1-1不同方案量化性能比較.20圖 4.2-1空間非平穩 LoS 徑信道示意圖.20圖 4.2-2空間非平穩多徑

5、信道示意圖.21圖 4.3-1模塊化天線陣列示意圖.22圖 4.3-2兩級碼本示意圖.23圖 4.3-3不規則天線模塊碼本構造示意圖.23圖 4.4-1基于 RIS 的無線通信系統.23圖 4.4-2RIS 示意圖.24圖 5.1-1極化編碼-調制-預編碼的聯合設計.25圖 5.1-2基于廣義極化的 MIMO 預處理框圖.26圖 5.1-3基于廣義極化的 MIMIO 預處理框圖.26圖 5.1-4GP-RP、PC-MIMO-QR 和 DFT-QR 方案容量對比.27圖 5.1-5不同調制階數下 GP-RP、PC-MIMO-QR 和 DFT-QR 方案的 BLER.28圖 6.2-1因子圖模型.

6、30圖 6.2-2PE-EP 因子圖模型.31圖 6.3-1算法性能分析.33圖 6.3-2不同檢測器性能對比.34圖 7.1-1RIS 接收波束掃描示意圖.34圖 7.1-2RIS 發送波束掃描示意圖.35圖 7.2-1分層訓練的設計邏輯訓練決策示意圖.36圖 7.2-2兩種分層碼本的波束訓練成功率.36表格目錄表 3.3-1兩種 RIS 輔助 Mega MIMO 傳輸方案.17表 5.1-1仿真參數.27表 6.3-1 計算復雜度對比.325IMT-2030(6G)推進組IMT-2030(6G)Promotion Group1第一章第一章概述概述在 4G、5G 中 MIMO 技術與大規模

7、MIMO 技術一直承擔著提高數據傳輸速率、頻譜利用效率和覆蓋能力的重任，在 6G 中超大規模 MIMO 技術將繼續支撐系統性能指標的進一步提升。然而，隨著天線規模的持續增加，超大規模 MIMO 系統在眾多方面展現出了新的特性并遇到了新的技術挑戰：超大規模 MIMO 信道表現出了近場特性、空間非平穩特性；超大規模天線陣列所形成的波束具有更高的空間分辨率，給波束管理帶來新的挑戰；天線數的大幅增加所帶來的功耗和數據處理復雜度的大幅提升、CSI 反饋開銷的大幅增加等問題。本報告針對集中式超大規模 MIMO 所面臨的挑戰與問題開展研究，提供有效的解決方案，指出當前研究中尚存在的不足，探討超大規模 MIM

8、O 未來的發展方向，以使得超大規模 MIMO 能為 6G 提供更有力的技術支撐與性能提升。關于分布式超大規模 MIMO技術、低功耗以及智能化超大規模 MIMO 技術的研究進展和成果將在分布式超大規模MIMO 研究報告和綠色智能化超大規模 MIMO 研究報告中呈現。本報告主要包含以下研究內容：在信道建模方面，需要新的信道建模方法去刻劃超大規模 MIMO 隨天線數增加所表現出的近場特性與空間非平穩特性；在天線形態方面，隨著天線規模的擴大，天線的功耗也將變得不可忽視，需要研究具有低功耗、高能效的新型天線架構；在 CSI 反饋方面，特別是在基于碼本的 CSI 反饋方案設計中，需要充分考慮超大規模信道的

9、近場特性、空間非平穩特性、以及新型天線架構的影響；在預處理算法方面，特別是預編碼的設計方面，需要充分考慮超大規模 MIMO的信道特點、高頻段下的大帶寬特性、以及新型天線架構的影響；在接收機算法方面，隨著天線數的增加，接收機算法的復雜度變得很高，需要設計考慮超大規模信道特點的低復雜度的接收機算法；在波束管理方面，需要考慮超大規模 MIMO 的高空間分辨率特性，并考慮新型天線架構的引入對波束管理的影響。2第二章第二章 超大規模天線信道建模超大規模天線信道建模2.1 近場信道建模近場信道建模2.1.1近場信道建模的背景與挑戰近場信道建模的背景與挑戰根據電磁理論和天線理論，發射機周圍的場可分為近場和遠

10、場，近場區可進一步分為反應近場區域和輻射近場區域1。其中，反應近場區域僅限于靠近天線的空間，在這6IMT-2030(6G)推進組IMT-2030(6G)Promotion Group一區域內倏逝波占主導地位，電磁場并不以輻射波的形式從天線傳播出去。輻射近場區域位于距離天線幾個波長以上的區域，在此區域內，輻射的電磁波還沒有完全發展成具有遠場特征的平面波，而主要以球形波前的形式進行傳播。遠場區域包圍著輻射近場區域，在遠場中電磁波可以近似視為平面波前。由于反應近場區域通常較小，且倏逝波隨距離呈指數級衰減，因此在實際的近場通信系統中，通常主要關注輻射近場區域內的無線通信，即“近場”一般表示輻射近場區域

11、。近場與遠場區域并沒有嚴格統一的界限，因此，也有著多種邊界劃分的指標來表征近場與遠場區域的邊界。從相位誤差角度看，出現了幾種常用的經驗法則，包括瑞利距離、夫瑯禾費距離1、基于 MIMO 收發器和 RIS 場景的擴展瑞利距離2，這些距離主要適用于靠近天線孔徑主軸的場邊界。從信道增益誤差的角度來看，可以對離軸區域給出更準確的場邊界描述。近場與遠場的邊界不僅取決于天線孔徑大小和波長，還取決于出發角、到達角和發射天線形狀3。從波束聚焦能力角度，可以基于近場增益和最大波束聚焦距離劃分近場與遠場區域4。從信道容量表征角度，可以結合信道的秩來評估遠場平面波與近場球面波的適用區域，通過等秩面給出近場與遠場邊界

12、，可以證明近場范圍會隨著視距和非視距環境中散射體數量的增加而增加，且在非視距環境中增加更為顯著5。在諸多近遠場邊界劃分方法中，夫瑯禾費距離(22/，其中，L 表示天線孔徑，表示波長)是最為廣泛使用的劃分指標，其主要與表征發射信號的相位行為有關。傳統 MIMO 天線系統中，由于天線數量較少，天線孔徑較小，天線陣列的近場區域范圍很小。例如，考慮 64 端口的 2.4GHz MIMO 面天線陣列，以每端口對應 4 個天線單元為例，天線孔徑不足 1 米，夫瑯禾費距離約為 14 米。用戶到基站發射端的距離往往大于夫瑯禾費距離，使用戶處于天線陣列的遠場區域。此時可認為所有收發天線對間的信道經歷相同的散射體

13、，同一個散射路徑信號到達天線陣列的各天線陣元近似平行，可近似為平面波前。圖 2.1-1(a)給出了平面波示意圖。相對于傳統的 MIMO 天線系統，超大規模 MIMO 系統的天線陣列規模更大。隨著天線陣列尺寸的增加，天線陣列的夫瑯禾費距離也會增大，用戶與基站之間的距離可能不再滿足遠場條件。以 1600 單元、半波長單元間距、2.4GHz 的超大規模正方形天線陣列為例，夫瑯禾費距離達到約 100 米。此時，到達天線陣列不同陣元的電磁波會呈現出球面波特性。圖 2.1-1(b)所示給出了一個位于近場的終端球面波示意圖。（a）平面波前示意圖（b）球面波前示意圖圖 2.1-1電磁波波前示意圖對于超大規模天

14、線陣列來說，信道不能被看作是平穩的。陣列天線的不同部分可能會經歷不同的傳播環境，即陣列天線的每一部分能夠觀察到的反射體（或散射體）可能是不一樣的。因此，從超大規模天線陣不同空間位置的陣元上發射的信號在傳播過程中7IMT-2030(6G)推進組IMT-2030(6G)Promotion Group可能由不同的反射體（或散射體）反射（或散射），導致信號在不同的收發天線陣元對之間經歷的信道不同，呈現出空間非平穩特性。以上近場球面波效應和空間非平穩特性是超大規模 MIMO 信道建模的重要特征，對系統設計帶來相應的挑戰。當采用球面波假設和隨機幾何特性對超大規模 MIMO 的近場效應進行信道建模時，通過對

15、不同的天線收發對分別建模路損、角度參數、多普勒頻移等可以更精確地進行信道建模。但天線規模巨大，意味著子信道增多，信道的建模也將變得非常復雜。找到一種兼顧復雜度和精確度的球面波（近似）建模方法是亟需解決的問題。針對近場信道的空間非平穩特性，空間非平穩信道的建模方法、非平穩信道的關鍵參數設計、信道測量方案設計等問題同樣需要解決，不同典型場景下的非平穩信道特征也需要進一步探明。2.1.2近場信道建模方法近場信道建模方法如上文所述，近場超大規模 MIMO 信道具備兩個顯著特征：球面波傳播以及空間非平穩67。實際上，這兩種信道特征在以往室內場景的大規模 MIMO 信道測量中已被廣泛觀測到。例如，在文獻9

16、的測量結果顯示，多徑的離開方位角和離開俯仰角的測量值會隨著檢測區域在整個陣列的位置變化而變化，這反映了近場超大規模 MIMO 信道的球面波傳播特征。此外，大規模陣列上不同檢測區域位置提取得到的多徑數量也不盡相同，且不同的簇（Cluster）具有不同的可視區域，這反映了近場超大規模 MIMO 信道的空間非平穩特征。幾何的隨機統計信道建模方法(Geometry-Based Stochastic Channel Model,GBSM)在各大標準模型中廣泛使用。近場信道建?？梢允褂没谖恢玫拇_定性信道建?；蛘甙虢y計的確定性建模方法。文獻6中提出了一種面向多徑信道的半統計的確定性信道建模方法。文獻6假設

17、終端和多徑散射體都可能處于近場范圍內，分別對端到端的近場直射路徑、近場散射體提供的非直射路徑進行了建模。在收發兩端是位于同一平面的均勻線陣天線的情況下，直射路徑建模為2,1=12,122,1（公式 2.1-1）2,1=cos 2sin 2+sin +2cos 12（公式 2.1-2）其中，2,1表示發射端天線2與接收端天線1之間的距離；表示發射端天線 1 與接收端天線 1 之間的距離，1和2分別表示接收天線陣列和發送天線陣列的天線間隔，和分別表示接收天線陣列和發送天線陣列之間的夾角和發送天線陣列的離開角（Angle ofDeparture,AOD）。在非直射路徑建模中，假設近場散射體與發送天線

18、陣列/接收天線陣列的距離和角度分別為,/,，按照直射路徑建模發射端與散射體之間的導向矢量,和散射體與接收端之間的導向矢量,?；诮鼒錾⑸潴w的非直射路徑建模為8IMT-2030(6G)推進組IMT-2030(6G)Promotion Group=,（公式 2.1-3）其中為散射體 l 的路徑增益。近場區域內 LOS 和 NLOS 多徑路徑最終建模為=+=1?（公式 2.1-4）在近場超大規模 MIMO 信道統計模型中，由于簇內子徑的相位與簇到陣列的距離直接相關，超大規模天線的近場信道建模需要考慮近場簇（Near-Field Cluster）的空間位置7。5G NR 所采用的 3GPP TR 38

19、.901 信道模型尚未對近場簇的空間位置進行確定性建模。文獻8給出了一種在 3GPP TR 38.901 信道模型的基礎上改進的近場信道建模。該方法基于 3GPP TR 38.901 信道模型的多徑時延、角度參數，通過幾何關系確定了首跳散射體（First-Bounce Scatterer，FBS）簇或末跳散射體（Last-Bounce Scatterer，LBS）簇在信道坐標系中的確切位置，且簇中的多徑成份（Multi-Path Component，MPC）到陣列每個陣元的相位都是根據 FBS 或 LBS 與陣元之間的距離獨立計算，這個過程實現了近場信道的球面波建模。對于空間非平穩特征建模，關

20、鍵是需要對信道中簇的可視區域的大小和位置進行刻畫，可以采用基于概率模型的建模方式，也可以采用基于信道測量的統計性建模方式9，或者采用結合上述兩種方法的混合建模方式。圖 2.1-2 基于幾何的隨機統計的近場信道建模流程基于 GBSM 建模超大規模天線近場信道的流程如圖 2.1-2 所示。該流程以 3GPP TR38.901 信道建模流程為基礎，考慮了公式(2.1-1)-公式(2.1-3)中近場球面波對信道衰落建模的影響，生成并采用球面波信道矩陣系數。超大規模 MIMO 近場信道 MIMO 系統設計主要有以下影響：1)波束賦形時，僅用基站與用戶之間角度信息無法準確對準用戶，需要利用基站和用戶之間的

21、距離信息。2)近場超大規模 MIMO 的 LoS 信道具有豐富的空間自由度能夠提高空間復用增益，從而支持多流傳輸，但需要合理設計預編碼矩陣充分利用空間自由度。9IMT-2030(6G)推進組IMT-2030(6G)Promotion Group2.2 遠場信道建模遠場信道建模相對于近場通信，超大規模天線遠場通信信道中特定多徑分量角度參數對于不同天線陣元被認為是一致的。對于超大規模天線信道，電磁波到達不同陣元的相位差只與特定角度和陣元間隔有關。圖 2.2-1 遠場平面波傳播示意圖圖 2.2-1 為發射天線遠場傳播平面波示意圖。相對于近場球面波前多徑分量與收發機之間角度不同，遠場信道中平面波前與收

22、發機之間的角度是相同的?？紤]收發端均為超大規模天線，分別具有 個面陣天線和 個面陣天線。為第 p 行第 q列發射天線位置矢量，為第w行第n列接收天線位置矢量。發射端導向矢量,和接收端導向矢量,分別表示為：,=1,21 +1 ,.,21 +1 (公式 2.2-1),=1,21 +1 ,.,21 +1 (公式2.2-2)其中，/和/分別表示不同子徑與發射天線/接收天線之間的水平出發/到達角度和垂直出發/到達角度，與分別表示發射端與接收端天線的陣元間距。目前，主流的信道建模包括統計性建模、確定性建模以及基于幾何的隨機性建模方法?；趯崪y的統計性建模通過采集實際通信數據進行統計分析，提供真實場景下信道

23、特性，但受限于實測數據的數量和覆蓋范圍10。確定性建模根據幾何光學和一致性繞射理論進行建模，可以提供高精度的信道信息，但計算復雜度相對較高11?；趲缀蔚碾S機性建模將實際通信場景抽象為幾何模型，通過定義隨機變量和概率分布描述信道特性，具有較低的計算復雜度，廣泛應用于標準化研究中1213。本節考慮基于幾何原理以及導向矢量建立隨機性信道模型。圖 2.2-2 為超大規模天線傳播遠場場景幾何建模示意圖。10IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 2.2-2 超大規模天線遠場傳播場景幾何建模示意圖信道矩陣,是維度大小為 的復矩陣，具體表示為：,=+1LoS

24、,+1+1LoS,(公式 2.2-3)其中，K 為萊斯 K 因子，為收發端之間的路徑損耗。LoS 信道矩陣LoS,和 NLoS信道矩陣NLoS,分別表示為：LoS,=,2 ,(公式 2.2-4)NLoS,=1=1=1,2?,(公式 2.2-5)其中，M 和 N 分別表示多徑簇和簇內子徑的數目，/和/分別表示 LoS 徑的水平出發/到達角度和垂直出發/到達角度，/和/分別表示第 m 個簇中 n 條子徑的水平出發/到達角度和垂直出發/到達角度。和 分別表示時變的 LoS 徑和 NLoS 徑時延。,，,，,和,分別表示 LoS 和 NLoS 分量的波導矢量?；谏鲜雒枋?，超大規模天線遠場信道建模的流

25、程如圖 2.2-3 所示，涵蓋了大尺度信道參數、小尺度信道參數和時變信道參數的更新過程。與 3GPP 標準化信道模型不同的是，基于幾何原理進行遠場信道建模時多徑分量的角度、時延等信道參數的生成更加注重幾何關系的描述，對實測統計參數的依賴較低，該建模方式較為準確且復雜度適中。標準化模型中以上參數的生成通常是基于概率分布和統計參數等方式生成。圖 2.2-3 超大規模天線遠場信道建模流程圖2.3 混合近場混合近場/遠場信道建模遠場信道建模在現有的遠場或近場信道模型中，假設所有散射體都在遠場或近場區域。實際上，在超大規模 MIMO 系統中更容易出現混合場通信環境，即其中一些散射體位于遠場區域，而另一些

26、位于近場區域。換句話說，超大規模 MIMO 信道通常由遠場和近場路徑分量共同組成。然而，現有的遠場或近場信道模型與混合場信道特征并不能完全匹配，這使得現有的遠場或近場信道模型無法直接用于精確描述混合近場/遠場信道。為了應對這一挑戰，一種可行的方案是通過對近場和遠場散射體分別建模，將混合場的信道表示成一定比例的近場徑分量和遠場徑分量的加和，其中近場徑經由近場散射體反射（或散射），采用 2.1 節中的近場信道模型，遠場徑經由遠場散射體反射（或散射），11IMT-2030(6G)推進組IMT-2030(6G)Promotion Group采用 2.2 節中的遠場信道模型，從而得到混合近場/遠場場景下

27、的多徑信道模型14。3第三章第三章 新型天線架構新型天線架構3.1 稀布陣稀布陣3.1.1基本原理基本原理稀布陣技術實現的基本原理是，利用子空間的采樣定理，通過優化陣元位置、幅度激勵等方法，減少陣元數/通道數，且保證天線增益、旁瓣抑制等與半波長間距的均勻陣保持相同。如圖 3.1-1 所示，稀布陣按照是否網格抽取陣元樣點，可分為稀疏陣列、稀布陣列，前者按格點抽取，后者不限陣元位置，更具靈活性；按照陣列形態，稀布陣又可分為直線陣、平面陣、圓環陣。圖 3.1-1 稀布陣示例3.1.2技術優勢技術優勢由圖 3.1-1 可以看出，此時相鄰天線陣元的陣間距不再相同，且不再受半波長的約束，部分陣間距甚至可達

28、到若干個半波長，因此稀布陣具有節省天線數、簡化陣列結構、減輕陣列重量、抑制天線間互耦效應等優勢。除此之外，相比于基于均勻陣增加天線陣列間距的方式，稀布陣可以通過優化位置、激勵振幅等設計達到比相同陣子數的均勻陣更好的通信效果，實現更高的空間自由度，并有助于達到更好的小區邊緣性能。3.1.3設計算法設計算法天線方向圖綜合是稀布陣設計的核心關鍵。為了獲得與原均勻陣相當的性能，稀布陣天線綜合需要在給定陣列尺寸、最小陣元間距等諸多約束條件下，對天線陣元的位置、激勵幅度等目標參數進行優化設計。由此可見，稀布陣天線綜合是一個多變量的非線性優化問題。業界針對稀布陣天線綜合算法的有效性開展了廣泛的研究，目前應用

29、于稀布陣天線綜合的算法主要有：12IMT-2030(6G)推進組IMT-2030(6G)Promotion Group智能化優化算法，包括遺傳算法(genetic algorithm，GA)15、粒子群算法(particleswarm optimization,PSO)16、差分算法(differential evolution，DE)17等，該類算法可在較小天線規模陣列中應用，而對于大規模天線陣列，其算法的復雜度顯著增加?？焖俑道锶~變換(fast Fourier Transform,FFT)18、矩陣束(matrix pencil method,MPM)19、前后向矩陣束(forward-b

30、ackward MPM,FBMPM)20等算法有效提升了計算效率，使得大規模天線陣列的稀布綜合成為可能，但這類算法大多需要目標優化天線數作為先驗信息，無法獲取最優天線數。壓縮感知類算法，例如基于凸優化(convex optimization,CO)2122的算法等，可同時優化陣元分布和陣元激勵幅度，同時靈活處理最小陣間距等約束條件，具有較高的自由度?？紤]移動通信環境下用戶分布不確定性和移動特性，文獻23提出了一種聯合凸優化（joint convex optimization,JCO）的稀布綜合理論模型，有效抑制天線陣列掃描產生的旁瓣/柵瓣引入的干擾。3.1.4系統級性能評估系統級性能評估系統級

31、性能評估基于時分雙工（time division duplexing,TDD）移動通信系統以及宏蜂窩（Urban Macro cell,UMa）應用場景展開，并根據 3GPP TR 38.90126構建 5G 信道模型。仿真中，基站將分別配置 64-UPA、32-UPA、CO-based 32-SPA、JCO-based 32-SPA天線陣列對不同的用戶分布模型進行性能對比分析。系統帶寬為 100 MHz，載頻為 2.4GHz，用戶分布模型分為 TypeA、TypeB。TypeA：用戶隨機分布在陣列法線方向，波束的輻射方向固定為。用于直觀地比較基于 CO 和基于 JCO 的合成方法在無波束掃描

32、的情況下的性能差異。TypeB：用戶隨機分布在以面板為中心，半徑為為 R 的圓上，波束的輻射方向沿位置變化。用于驗證基于 JCO 的合成方法在抑制導致相鄰干涉的光柵波瓣方面的有效性。圖 3.1-2 給出在 TypeA 用戶分布模型下，64-UPA、32-UPA、CO-based 32-SPA、JCO-based 32-SPA 四種陣列應用系統的 CDF 曲線圖。圖 3.1-2 Type A用戶分布下的系統吞吐性能CDF曲線在 TypeA 模型下，對于相同 32 陣子的面板，JCO-based 32-SPA 系統的小區邊緣用戶吞吐量比 32-UPA 系統高 13.36%，并且比 CO-based

33、 32-SPA 系統高 9.36%。這是因為SPA 的主瓣輻射能力取決于方向上的掃描能力，而方向與天線元件在垂直方向上的位置有關。每列中的 SPAs 上的天線元件的位置不平行于 z 軸，使 SPA 擁有比 32-UPA 更13IMT-2030(6G)推進組IMT-2030(6G)Promotion Group高的空間自由度，并有助于達到更好的小區邊緣性能。此外，在陣子數減少一半的情況下，JCO-based 32-SPA 系統的小區邊緣用戶吞吐量與 64-UPA 系統接近。圖 3.1-3 給出 TypeB 用戶分布模型下，64-UPA、32-UPA、CO-based 32-SPA、JCO-bas

34、ed 32-SPA 四種陣列應用系統的 CDF 曲線圖。其中(a)表示半徑 R=ISD/6，(b)表示 R=ISD/2。(a)半徑 R=ISD/6(b)半徑 R=ISD/2圖 3.1-3 Type B用戶分布下的系統吞吐性能CDF曲線在 TypeB 模型下，對于 32 陣子的面板，隨著半徑 R 增大，JCO-based 32-SPA 系統、CO-based 32-SPA 系統、32-UPA 系統之間的性能差距進一步擴大。這是因為較小的 R 表示 UE 位于基站附近，因此系統可以提供更好的服務。但對于較大的 R，其他扇區的潛在干擾的可能性增加。當 R 達到 ISD/2 時，JCO-based 的

35、 32-SPA 系統的小區邊緣用戶吞吐量比 32-UPA 系統高 28.17%，并且比 CO-based 的 32-SPA 體系高 17.86%。與預期相同，JCO-based 的 32-SPA 系統得益于波束成形和聯合方向圖，受到的干擾比 CO-based32-SPA 更小，尤其是當 UE 位于小區邊緣時。此外，在陣子數減少一半的情況下，JCO-based 32-SPA 系統的每個用戶的凈吞吐量接近 64-UPA 系統。結合上述分析，可獲得以下結論：陣子數相同時，JCO-based 32-SPA 系統優于 32-UPA系統和 CO-based 32-SPA 系統。特別在面對鄰區干擾時，JCO

36、-based 32-SPA 系統魯棒性更強。此外，當天線單元的數量減少近 50%時，基于 JCO 的 32-SPA 系統的性能接近64-UPA 系統，這對于未來 B5G 和 6G 移動通信的實際部署具有吸引力。3.1.5預編碼方案設計預編碼方案設計當稀布陣技術應用考慮基于碼本的預編碼方案時，由于現有標準僅支持特定天線數（2 的冪次方）的均勻陣預編碼碼本，并不支持稀布陣對應的預編碼碼本，因此系統采用稀布陣進行數據傳輸時，UE 無法向基站反饋基于稀布陣天線數規格的預編碼矩陣指示（Precoding Matrix Indicator,PMI）信息。此外，由于稀布陣的天線數量、天線間距與應用場景、稀布

37、綜合算法有關，因此未來稀布陣的陣列形式一定是多樣化的，對稀布陣預編碼碼本進行標準化難度較大。針對這個技術難題，需要對 PMI 信息反饋方面進行優化設計，設計思路可以從基站側或終端側兩個方面開展：對于基站側，可以考慮通過某14IMT-2030(6G)推進組IMT-2030(6G)Promotion Group種技術手段將天線激活信息和碼本信息進行顯示或隱示的指示，同時考慮復用現有的均勻陣碼本，并在其基礎上通過預處理的方式得到適配的稀布陣碼本；對于終端側，可以考慮設計基于測量信息主動上報的方式，協助基站側進行預編碼矩陣的選擇。3.1.6小結小結總的來說，在實際移動通信環境中，稀布陣可在小幅性能損失

38、的情況下，大幅降低天線數/射頻通道數（可高達 50%），進而大幅降低整機成本和系統復雜度，因此實際部署可綜合權衡性能下降和天線數降低兩者之間的關系。面向未來 B5G 和 6G 移動通信網絡，稀布陣技術未來有望在以下方向得到廣泛研究與應用：高頻段（例如毫米波）應用高頻段（例如毫米波）應用：高頻段波長小，天線尺寸可進一步壓縮，因此面板空間相對于天線陣子更大，這也意味著每個天線單元有更大的排布空間，有利于相同規模陣元數在更大的陣面空間進行自由排布，進而降低陣元間耦合效應。因此該技術有可能成為未來全數字毫米波提升系統性能的可行解決方案。用戶特定分布下的應用用戶特定分布下的應用：面向未來高容量場景，大量

39、用戶有可能集中分布在某個方向（例如寫字樓等），因此，未來移動通信系統可根據這些特定方向進行陣列優化，降低整機成本的同時滿足上述方向用戶獲得較好的服務體驗的需求，從而提升系統整體性能。3.2 基于基于 RIS 的的新型天線架構新型天線架構3.2.1基本原理基本原理RIS(Reconfigurable Intelligent Surfaces)技術是一種基于可調控超材料的新型天線架構。通過簡單的改變有源器件兩端的電壓，即可改變 RIS 超單元的反射系數，進而影響反射電磁波的幅度和相位。對于無源 RIS 來說，為盡可能減小損耗，在設計上一般不做幅值調控，因此無源 RIS 主要通過調相來對電磁波進行調

40、控。3.2.2技術優勢技術優勢從結構上來說，基于 RIS 的新天線架構基于超材料原理，可以實現遠小于半波長的單元間距，因此在調控電磁波的精細程度上相對傳統相控陣具有明顯優勢。接近于連續表面的 RIS 類器件能夠實現更好的空間分辨率和更細的調控顆粒度。從成本上來說，基于 RIS 的新天線架構大部分采用成熟的 PCB 工藝，且無需采用能耗高的 RFchain 和相移器，因此在功耗上具有明顯優勢。同時 RIS 單個單元的工業化制造成本也相對較低，能夠輕易地在低成本的情況下實現超大規模 MIMO。從部署上來說，基于 RIS 的新天線架構能夠低成本地任意部署在靠近基站側、靠近終端側作為中繼，部署在建筑物

41、、裝飾物、玻璃等的表面，具有改變電磁環境的能力。15IMT-2030(6G)推進組IMT-2030(6G)Promotion Group3.2.3傳輸方案傳輸方案對于無源 RIS 和大部分有源 RIS 天線架構來說，其至少存在基站饋源到 RIS，RIS到用戶的兩段級聯信道。此時，傳輸方案可以總結為在發端的數字波束賦形（或混合波束賦形）與在 RIS 側的模擬波束賦形的綜合系統。當 RIS 用作發射機的模擬天線陣列時，基站使用純數字天線陣列將發射信號發射到一個 RIS 陣面上，信號經由 RIS 陣面反射后達到 UE。此時 RIS 相當于基站的模擬天線陣列。與傳統的天線陣列的區別在于 RIS 陣面天

42、線無法直接通過電路與基站的射頻電路相連。RIS 用作發射機的模擬天線陣列時，基站發射天線與 RIS 距離較近，可以考慮不定義新的接口。圖 3.2-1 RIS用作收發機的設備實物將 RIS 面板用作發射機模擬天線陣列的一種實現結構如圖 3.2-1 所示。圖 3.2-1 所示收發機支持的數據流數為=2。將發送信號表示為=1,2,，數據流經過維度為 的數字預編碼矩陣，輸出路數據=1,2,=。路數據通過射頻鏈連接的個饋源天線發出，傳播到包含個單元的 RIS(相移矩陣為）面板，經由 RIS 進行模擬波束賦形以后發射出去。理想情況下 RIS 的調控矩陣為，從饋源到 RIS 的信道為；RIS 到 UE 的信

43、道矩陣為。饋源信號不經過 RIS 直接到 UE 的信道表示為，噪聲為0。則在完全已知信道信息的情況下 UE 側的接收信號為=(+)+0（公式 3.3-2）在實際場景下，由于工藝的誤差和信道測量反饋的損失，不可避免地會引入一些非理想因素。這些非理想因素可以建模為相位誤差和信道估計誤差。相位誤差模型可以建模為=+（公式 3.3-3）其中作為相位誤差。對于 RIS 的兩段信道來說，由于 RIS 無源的特性，其信道估計存在的誤差以及發端和收端的噪聲和導致的綜合影響可以體現在最終估計的信道，即（公式 3.3-3）中的理想信道估計和和需要被替換為以下的實際模型?=+（公式 3.3-4）?=+（公式 3.3

44、-5）16IMT-2030(6G)推進組IMT-2030(6G)Promotion Group此時的傳輸方案轉化為，在考慮誤差情況下，保證系統的指標（如接收信噪比）能夠最大概率地滿足要求。通過考慮誤差的問題轉化及其魯棒波束賦形方法，可以使得系統的穩定性大大提升，系統的和速率在高信噪比情況下提升 50%，在優化目標為中斷概率的問題中，系統的中斷概率顯著降低（在一些場景下可從 80%降低到 20%）25。3.3 RIS 輔助輔助 Mega MIMO100GHz 以上的 sub-THz 頻段可以提供足夠的帶寬，用于滿足 6G 系統 100Gbps 以上的極致吞吐需求。為彌補 sub-THz 信道的高

45、路損，可以在基站（BS）應用基于可重構智能表面（RIS）的大尺寸陣列天線，降低成本和功耗。此外，Sub-THz 無線信道具有以視線（LoS）傳播為主的“準光”特性，進而影響傳統 MIMO 系統的空間復用能力和頻譜效率。一種解決方式是利用大孔徑陣列的近場效應。近場中 LoS 信道具有較高的自由度，因此可以利用近場 MIMO 技術提升 LoS 場景中的空間復用增益。例如，LoS-MIMO 技術已經應用于微波回傳鏈路26。但傳統 LoS-MIMO 技術中天線陣列固定不變，導致用于接入鏈路時，天線排布非理想，性能下降。本文介紹一種基于 RIS 輔助的新型 MIMO 架構，可以針對用戶位置和姿態進行自適

46、應孔徑調節，以保障 LoS-MIMO 用于接入鏈路時的傳輸性能27。3.3.1基本原理基本原理圖 3.3-1 所示為 RIS 輔助 Mega MIMO 示意圖?；荆˙S）天線采用相控陣-RIS 兩重波束賦形天線架構。其中相控陣作為 RIS 的饋源，用于對 RIS 饋電；透射式 RIS 用于將入射波向用戶設備（UE）傳輸。具體來說，各相控陣子陣將已預編碼的數據流經過波束賦形向 RIS 傳輸。當 RIS 尺寸足夠大時，可以通過控制相控陣波束調整 RIS 上入射波功率分布，從而選擇性激活特定位置的 RIS 陣元。本方案中，為了降低饋電損耗并在傳輸方案設計中提高信道正交性，相控陣波束設計考慮聚焦波束

47、。下一步，通過調控被激活的 RIS 陣元的相位使 RIS 波束指向 UE 方向，達到相干的波束賦形傳輸。而 UE 側使用傳統相控陣天線接收。圖 3.3-1 RIS輔助Mega MIMO示意圖上述相控陣-RIS 兩重波束賦形天線架構可以在 BS 天線物理位置不變的條件下，等效的實現自適應孔徑調節。從 UE 側看，被激活的部分 RIS 陣元替代了相控陣天線，成為 BS 的等效發射天線。由于被激活的 RIS 陣元的的位置可以通過控制相控陣波束方向進行調整，因此等效的實現了自適應孔徑調節。這是本方案與傳統空饋相控陣的區別。17IMT-2030(6G)推進組IMT-2030(6G)Promotion G

48、roup3.3.2技術優勢技術優勢首先，RIS 輔助 Mega MIMO 在 LoS 傳播為主的高頻信道中可以獲得較高的空間復用增益和傳輸性能。自適應孔徑調節能針對用戶位置和姿態將 BS 等效發射天線調整到最優位置27。此時，等效 MIMO 信道近似滿足規范正交性（orthonormality），即等效MIMO 信道不僅正交，而且各特征值也相等，從而可以提高傳輸性能。相比基于傳統相控陣的混合波束賦形（HBF），可以獲得 1.5 倍2 倍的增益。其次，RIS 輔助 Mega MIMO可以降低 BS 天線的成本和功耗，提高能量效率。BS 可以利用較小尺寸的相控陣對 RIS饋電，降低成本和功耗。通過

49、相控陣波束的合理設計，還可以達到較低的饋電損耗。盡管需要使用較大尺寸的 RIS，但僅有少數 RIS 陣元被激活用于傳輸，其它 RIS 陣元可以配置為功耗較低的關閉或隨機散射模式，同時降低計算和控制復雜度。此外，RIS 輔助Mega MIMO 可以極大簡化收發方案設計，實現不依賴發端信道狀態信息（CSIT）的傳輸。具體傳輸方案將在下一小結中介紹。3.3.3傳輸方案傳輸方案由于 RIS 輔助 Mega MIMO 可以借助自適應孔徑調節實現規范正交的等效 MIMO 信道，收發方案可以稱為基于自適應孔徑的規范正交空間復用（Orthonormal SpatialMultiplexing with Ada

50、ptive Aperture,OSMA2）。理想情況下，當 BS 已知用戶的精確位置和姿態時，可以據此進行孔徑調節和波束賦形，并且可以使用 DFT 矩陣對數據流進行數字預編碼。由于等效 MIMO 信道各特征值相等，等功率分配即為最優功率分配。此時各接收天線可以接收到無流間串擾的數據流并直接解調，不再需要空域合并。當存在定位誤差時，BS 可以根據有誤差的用戶位置和姿態進行孔徑調節和波束賦形。各數據流可以不經數字預編碼直接傳輸。此時只需要接收機基于收端 CSI 估計進行復雜度較低的匹配濾波（matched filter，MF）即可獲得接近最優的性能。兩種收發方案對比見表 3.3-1。表 3.3-1

51、 兩種RIS輔助Mega MIMO傳輸方案方案 1方案 2BS 側（發端）信息精確用戶位置和姿態有誤差的用戶位置和姿態數字預編碼DFT 矩陣無（各子陣發射獨立數據流）空域接收機無（各接收天線信號獨立解調）基于 CSIRS 估計的 MF圖 3.3-2 展示了本方案（OSMA2）在 100GHz 載頻和 6.4GHz 帶寬下的可達吞吐性能?？?以 看 到 在 較 實 際 的 中 等 發 射 功 率 區 間 內（1530dBm），本 方 案 可 以 達 到200800Gbps 的吞吐，是傳統 HBF 的 1.5 倍2 倍。而且即使存在 50cm 的定位誤差，方案性能下降仍小于 10%。18IMT-2

52、030(6G)推進組IMT-2030(6G)Promotion Group圖 3.3-2 可達吞吐性能隨相控陣天線總發射功率的變化4第四章第四章 信道狀態信息反饋信道狀態信息反饋4.1 近場球面波信道的近場球面波信道的 CSI 反饋碼本設計反饋碼本設計隨著天線陣列向更大規模演進，如超大孔徑天線陣列(Extremely Large Aperture Array,ELAA)、可重構智能超表面(RIS)技術等，用戶會以更大概率出現在近場。以工作在100GHz、單元數 256*256、半波長間距的陣列為例，根據經典理論，其近場范圍為 200m以內。已有 CSI 反饋方案基于用戶位于遠場假設，將電磁波視

53、為平面波，基于此設計的CSI 反饋碼本具有 1D/2D-DFT 向量形式。然而，近場信道體現出球面波特性，將已有CSI 反饋方案直接應用在近場會導致系統性能下降，例如波束賦形增益損失。因此，需要設計適配近場球面波信道的 CSI 反饋方案。4.1.1碼本設計碼本設計從宏觀角度分析，平面波導向矢量僅包含俯仰角和水平角兩個維度的信息，現有碼本反饋方案即對兩個維度的信息進行量化，通過克羅內克積得到碼字構造的基本單元。值得注意的是，反饋變量并非分別對應俯仰角和水平角維度信息，而是經由兩個維度進行組合變換。近場的 CSI 反饋碼本設計仍然可以沿用遠場研究的思路。根據近場球面波模型特性，假設用戶球坐標為(,

54、)，均勻線性陣（Uniform Linear Antenna,ULA）以及均勻平面陣（Uniform Planar Antenna,UPA）的導向矢量可以分別表示為：,=1,2,T（公式 4.1-1）sin+cos222（公式 4.1-2）,=1,1,1,2,1,T（公式4.1-3）19IMT-2030(6G)推進組IMT-2030(6G)Promotion Group,sincos sinsin+1 sin2cos222+1 sin2sin222sin2（公式4.1-4）其中和,分別表示 ULA、UPA 各單元與用戶 LoS 徑的距離，決定了信號的相位關系，是設計反饋碼本的重要依據。不難發現

55、，當r取值較大時，分別可以得到 sin以及,sincos sinsin，相位隨電磁單元坐標線性變化，等相位面是平面。因此，平面波模型可以視作球面波模型的特例，可以推斷出依據球面波導向矢量,以及(,)設計的反饋碼本能夠兼容已有遠場方案。另一點需要注意的是，在遠場平面波近似中，,可以解耦合為關于以及的兩項，因此已有遠場 UPA 碼本可以表示為 ULA 碼本克羅內克積的形式。然而，對于近場球面波信道，,中存在關于的交叉項，因此 UPA 碼本無法簡單設計為 ULA 碼本的克羅內克積?；谏鲜龇治?，ULA 和 UPA 的近場 CSI 反饋碼本的基本碼字構造單元設計如下：()=exp +2（公式 4.1-

56、5）()=exp +?+0.5 1 22+0.5 1?22?（公式 4.1-6）其中，?以及均是根據 PMI 確定的碼字生成參數，其余變量均為配置好的已知變量。對于 ULA，和可以理解為對 sin以及cos2/2的均勻量化；而對于 UPA，?和可以理解為對 sincos，sinsin以及 1/的均勻量化。當=0 時，上述碼字構造單元退化為 DFT 向量形式，保持了對已有遠場方案的兼容性。4.1.2性能評估性能評估為了評估所述近場反饋碼本性能，仿真考慮 16*16 大小的 UPA，工作頻率為 3GHz，重點關注基本碼字構造單元的量化性能，即碼字與 LoS 信道向量相關性maxH （公式 4.1-

57、7）為了說明近場 CSI 需要設計與之匹配的碼本，假設用戶分布在 1,5的區域。在保持反饋總比特相同的情況下，對比方案包括：方案 1：傳統 2D-DFT 碼本，不考慮距離維度信息；方案 2：對,分別進行均勻量化；方案 3：對,分別進行均勻量化，對 1/進行均勻量化；方案 4：和所述方案區別僅在于對進行均勻量化。圖 4.1-1 展示了基本碼字單元對近場信道的量化性能，圖例中的數字分別表示,三個維度的反饋開銷?？梢钥吹?，所提方案實現了幾乎最好的量化性能。此外，在有限的反饋開銷限制下，應平衡角度維度以及距離維度的反饋開銷。20IMT-2030(6G)推進組IMT-2030(6G)Promotion

58、Group圖 4.1-1 不同方案量化性能比較4.2 近場非平穩信道的近場非平穩信道的 CSI 反饋設計反饋設計隨著通信頻率的提高和越來越大的天線陣列，近場區域的范圍也逐漸變得不可忽視，由于陣列尺寸的增大和用戶的近場分布，陣列不同區域的天線單元經歷不同的傳播環境，信道更容易呈現空域非平穩特性28。在信道非平穩的近場通信場景中，由于球面波傳輸距離和角度的影響，LoS 和多徑信號的能量主要由基站天線陣列的一部分提供或接收29，即對于一個大規模天線陣列，環境中某些散射體的反射（或散射）信號可能只能被陣列某個局部區域內的天線接收到；反之亦然，只有陣列某個局部區域內的天線發送信號才能被環境中某些散射體反

59、射（或散射）。這會導致不同用戶可能會映射到天線陣列的不同區域，對信道測量和波束賦形都提出了更多的挑戰。對于一個大規模天線陣列，LoS 徑上的用戶和反射徑上的每個散射體都對應著一個天線陣列上一個能接收到信號的局部區域，該局部區域稱為（多徑在陣列上的）可視區域（Visibility Region，VR）29?；诨咎炀€陣列的子陣列分組情況，可視區域也可以用子陣列集合的形式表示。例如，圖 4.2-1 所示為 LoS 徑上終端用戶對應的可視區域；圖 4.2-2 所示為空間非平穩的多徑信道，其中“遠場 cluster 1”的可視區域為“可視區域 1”，“近場 cluster 1”的可視區域為“可視區域

60、 2”。圖 4.2-1 空間非平穩LoS徑信道示意圖21IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 4.2-2 空間非平穩多徑信道示意圖考慮最簡單的多用戶 LOS 場景下的上行信道測量過程29，終端發送上行參考信號=1,，其中表示終端 k 發送的上行參考信號，網絡側接收到的信號 y 可以表示為 y=Hx+n，其中表示信道矩陣，n 表示噪聲?；镜拇笠幠Ｌ炀€陣列沿著水平和垂直方向分割成=個子陣列，其中水平方向分成了份、垂直方向分成了份。針對每個終端 1,，基站根據每個子陣列(,)的位置和范圍信息，利用最大比合并等方法分別檢測來自終端的接收功率,并排序，

61、從高到低依次將接收功率最高的子陣列加入終端的可視區域，直到滿足總接收功率門限?？紤]終端的可視區域為，表示基站天線陣列上滿足總接收功率門限的子陣列集合，那么終端 k 只需要由可視區域中的子陣列服務，那么只需要考慮終端用戶與其基站側可視區域之間的信道,?；诮鼒鲂诺婪瞧椒€特性的可視區域反饋，可以在網絡性能損失很小的情況下，將信號處理復雜度大幅度降低（例如，在網絡和速率損失低于 5%的情況下，可以將信號處理復雜度降低 90%以上29）。另外，上述過程也可以擴展到下行信道測量，或者進一步擴展到多徑場景下的信道測量中。根據不同的近場信道狀態測量方案，近場信道狀態信息反饋需要考慮增加相應的測量結果，例如多

62、徑散射體的距離/角度信息、天線子陣列的分組選擇信息等?；诮鼒鲂诺赖姆瞧椒€特性，可以考慮將天線選擇的思想應用于近場多用戶信道測量中，基于基站天線各個子陣的信道測量信息來確定近場多用戶或者各個散射體的信號能量集中的子陣列分組，并基于子陣列分組結果進行波束賦形和組內干擾協調，有助于降低終端的信號處理復雜度，并降低網絡信號傳輸的資源開銷。4.3 面向模塊化天線的面向模塊化天線的 CSI 反饋優化設計反饋優化設計在超大規模天線技術研究中，通常將天線陣列形態劃分為集中式和分布式兩大類。在集中式天線陣列方面，全部天線位于同一個一維或二維面板中。集中式天線陣列的問題是信號源位置單一，導致覆蓋范圍容易受障礙物

63、遮擋而出現空洞。此外，由于天線元件之間需要半波長距離，因此在實際可行的天線尺寸上能夠集成的天線元件數量在低頻段受到很大限制。在分布式天線陣列方面，要求環境中部署大量分布式接入點，每個接入點具有各自的天線陣列。分布式天線陣列的一項重要技術為聯合傳輸，即利用多個接22IMT-2030(6G)推進組IMT-2030(6G)Promotion Group入點進行數據傳輸。本節主要研究一種介于集中式與分布式之間的模塊化天線形態。該陣列形態需要首先預定義基本的天線模塊，再根據部署場景將多個天線模塊靈活地連接在一起形成完整的多天線系統，從而能夠靈活設計陣列形態，并且可以降低安裝維護難度。其中，每個天線模塊由

64、多個天線構成，且不同模塊的天線形態可以不同。每個模塊可以獨立進行波束賦形，也可以實現多個天線模塊之間的聯合傳輸。模塊化天線示意圖如圖 4.3-1 所示。為了更好的匹配建筑物的角落或彎曲的建筑表面，天線模塊可以為不規則形狀。圖 4.3-1 模塊化天線陣列示意圖模塊化天線的概念在學術界已經有了一定的研究，例如在文獻30中提出了模塊化天線的概念，其重點是研究分布式計算復雜度的問題。在預編碼方面，該文獻僅僅采用簡單的 ZF 預編碼，并未針對 CSI 反饋進行特殊設計。在文獻31中提出了大規模 MIMO系統的模塊化概念，并作為一種構建具有較小天線模塊的單個大型 FD-MIMO 天線面板的方法。本章節重點

65、關注分布式模塊化天線的 CSI 反饋方案，通過對分布式模塊化天線的反饋碼本設計，輔助基站利用多個天線模塊進行用戶調度。在信道測量方面，基站向終端配置并發送用于信道狀態信息測量的參考信號。終端接收參考信號并進行信道估計，獲得每個天線模塊的信道狀態信息。在反饋方面，終端基于每個天線模塊的信道狀態信息，計算每個天線模塊的子碼本并進行聯合上報，碼本結構如圖 4.3-2 所示。其中，W 為多個天線模塊的預編碼矩陣，W1和W2分別為每個天線模塊的預編碼子矩陣。對于每個預編碼子矩陣，可以通過引入空域基矢量來實現兩級碼本結構。例如W1可以細分為矩陣W1,1和W1,2的乘積。其中W1,1為空域基矢量構成的矩陣，

66、W1,2為空域基矢量之間的線性加權系數構成的矩陣。終端將空域基向量索引及其線性加權系數向基站進行反饋，用于基站恢復多個天線模塊的預編碼矩陣。23IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 4.3-2 兩級碼本示意圖當天線模塊為不規則形態時，一種可行的方式是在不規則天線模塊中選擇一個一維或二維規則天線子陣列用于碼本構造，如圖 4.3-3（a）所示。此外，為了充分利用不規則天線模塊中的全部天線，也可以將不規則天線模塊進一步細分為多個一維或二維規則天線子陣列用于碼本構造，如圖 4.3-3（b）所示。其中，選擇天線子陣列的方式有多種，例如優先選擇天線數量最多

67、的天線子陣列、垂直方向天線數量最多的天線子陣列或水平方向天線數量最多的天線子陣列等。（a）（b）（a）選擇一個子陣列（b）選擇多個子陣列圖 4.3-3 不規則天線模塊碼本構造示意圖4.4 面向面向 RIS 的的 CSI 反饋增強反饋增強在基于 RIS 構建的無線通信系統中，信道估計和 CSI 反饋不僅用于確定調度信息、波束賦形與預編碼矩陣等，還要用于對 RIS 進行狀態調控。隨著陣列規模的增大，信道估計與 CSI 反饋的復雜度與開銷也愈發增大，而 RIS 的無源特性也進一步增加了信道信息獲取的復雜度。本節考慮對基于 RIS 構建的無線通信系統的信道狀態信息獲取方法進行增強。在如圖 4.4-1

68、所示基于 RIS 構建的無線通信系統，基站到 UE 之間的信道包括基站-RIS、RIS-UE 這兩段信道。為了調整 RIS 的狀態，最理想的方式是可以獲取 RIS-UE 這段信道的信道狀態，并基于該段信道的信道狀態確定 RIS 的狀態。為了獲得基站側發射機的波束賦形和預編碼矩陣，則需要獲取基站-RIS 或基站到 UE 的信道信息。假設基站到 RIS段的信道為1，RIS 到 UE 段的信道為2。圖 4.4-1 基于RIS 的無線通信系統現有的數?；旌喜ㄊx形架構下的波束賦形方案，是先確定模擬賦形，在固定的模擬賦形基礎下，進行信道估計獲得數字賦形。在加入 RIS 的通信系統中，也可以使用類似的方案

69、，通過波束掃描確定 RIS 的相移矩陣，然后在確定的 RIS 相移矩陣下，進行信道測量，獲得信道估計，用于基站側的波束賦形。該方案包括兩個過程：波束掃描過程和信道信息獲取過程。24IMT-2030(6G)推進組IMT-2030(6G)Promotion Group波束掃描過程中，基站需要向 UE 發送導頻信號，進行波束測量。測量過程包含基站波束和 RIS 波束。假設基站有 N 個波束，RIS 有 L 個波束，則需要進行 N*L 個導頻信號測量。其中，基站波束指基站發射波束，RIS 波束指 RIS 相移矩陣，一個 RIS 相移矩陣對應一對 RIS 接收波束與 RIS 發送波束對。UE 在接收到導

70、頻信號后，會將測量結果上報基站?；靖鶕?UE 上報的測量結果確定基站發送波束和 RIS 相移矩陣。信道信息獲取過程中，基站根據波束掃描過程中確定的發送波束和 RIS 相移矩陣，在對應的基站波束和 RIS 波束上發送導頻信號，進行信道測量。UE 接收導頻信號獲得信道估計信息并上報給基站?；纠?UE 上報的信道信息進行調度。在信道信息獲取過程過程中，RIS 的相移矩陣保持不變，直至基站基于 UE 反饋的信道信息發送數據。該方案導頻開銷較大。隨著頻段增高，RIS 的規模增大，RIS 波束變窄，覆蓋服務區域所需的波束數量增多，信道信息獲取的難度會大增，對于測量開銷與時間也會增加。為了降低復雜度和

71、開銷，考慮將 RIS 陣列劃分為多個子陣，僅對部分 RIS 子陣進行信道測量，然后通過空域插值獲得完整 RIS 陣列的信道。該方法假設在 RIS 子陣單獨控制，可獨立開關。以圖 4.4-2 所示的 RIS 陣列為例，將 RIS 陣列分為 59 個 RIS 子陣，其中藍色高亮的 6 個子陣具備簡單信號發射功能，發送用于 RIS-UE 段信道測量的測量信號。通過對圖中藍色高亮的 6 個子陣的進行獨立測量，獲得 6 個子陣對應的信道信息。然后通過對 6 個子陣進行空域插值獲得完整 RIS 陣列對應的信道信息。圖 4.4-2 RIS示意圖根據圖 4.4-1 所示鏈路，經過 UE 接收到 RIS 反射的

72、信號為：=21+（公式 4.4-1）其中，x 為基站發出的信號，1為 BS-RIS 段信道，2為 RIS-UE 段信道，為 RIS的調控矩陣。而當 UE 接收的是 RIS 發出的信號時，該信號可以表示為=2+（公式 4.4-2）整個測量過程分為兩部分：RIS-UE 測量過程：逐一打開高亮 RIS 子陣的發射模塊，發射測量信號，UE 接收測量信號獲取每個高亮子陣的 RIS-UE 段的信道信息，根據所獲得的 6 組信道信息的空域插值結果獲得 RIS-UE 的完整信道信息2。BS-RIS-UE 測量過程，關閉 RIS 子陣的發射模塊，基站發射導頻信號，經過 RIS轉發給 UE，UE 測量獲得 BS-

73、RIS-UE 的等效信道=21的信道信息。最后，利用測量得到的2和，以及已知的，獲得 BS-RIS 段的信道1的信息，進而確定基站的波束賦形。這一過程，相較傳統的波束掃描方案，大大降低了波束掃描過程波束掃描過程中的波束測量開銷與波束掃描時間。無需多次掃描與測量即可確定基站25IMT-2030(6G)推進組IMT-2030(6G)Promotion Group和 RIS 處的波束。但是，根據對空域插值的精度要求，在計算1的信息時，可能存在一定的計算復雜度。在基于 RIS-UE 的信道信息確定 RIS 調控矩陣時，也可以選擇多個可能的 RIS 調控矩陣，在第二階段測量過程中進行選擇或校正，降低 R

74、IS-UE 的信道信息精度損失可能帶來的影響。5第五章第五章 預處理算法預處理算法5.1 面向廣義極化面向廣義極化 MIMO 的預處理算法的預處理算法在信道衰落獨立同分布和碼長無限（100bit）假設下，基于經典香農信息論的 MIMO信道容量限為log2(1+SNR)，與空間信道的自由度 m 成正比。然而，經典的容量限沒有考慮到信道編碼在有限碼長條件下的影響。尤其當碼長降低到一定程度（例如低于 100比特），MIMO 系統的可達速率會發生嚴重惡化32。因此，亟需開展有限碼長條件下的MIMO 傳輸方案設計，提升 MIMO 系統的可達傳輸速率。當前 MIMO 系統預處理方案設計主要是在無限碼長條件

75、下以系統容量、最大似然和用戶信干噪比等為準則，旨在實現系統容量、用戶公平性等指標的最優。在有限碼長條件下，信道編碼方案也將對 MIMO系統的傳輸速率產生重要影響，開展信道編碼與 MIMO 傳輸方案的聯合設計對于提升MIMO 系統在未來低時延、高可靠場景下的傳輸性能顯得尤為重要。圖 5.1-1 極化編碼-調制-預編碼的聯合設計Polar 碼是基于信道極化理論提出的一種線性分組碼，相比于 4G 的 Turbo 碼和 5G數據信道的 LDPC 編碼，Polar 碼在短碼條件下具有明顯的性能優勢，是目前唯一數學證明可以達到香容量農限的編碼方案，被確定為 5G 控制信道編碼方案。信道極化現象已經被發現廣

76、泛地存在于很多其他信號處理的過程中。如圖 5.1-1 所示，通過將比特域的極化編碼擴展到調制和預編碼，可以實現比特、符號和數據流的聯合設計，使極化效果可以逐級累加，從而增大極化深度、提升 MIMO 預處理方案的傳輸性能。5.1.1算法描述算法描述如圖 5.1-2 所示為基于廣義極化的 MIMO 預處理框圖。發送端的原始比特經過極化編碼與調制后生成符號流。經過層映射和預編碼，最終通過 MIMO 信道傳輸到接收端。系統的第一級進行層信道極化分解，第二級和第三級分別完成調制和比特極化分解最終得到比特極化信道，實現數據流、調制符號、比特的廣義極化編碼。26IMT-2030(6G)推進組IMT-2030

77、(6G)Promotion Group圖 5.1-2 基于廣義極化的MIMO預處理框圖圖 5.1-3 基于廣義極化的MIMIO預處理框圖針對第一級，需要通過極化編碼與多天線預處理的聯合設計，增強數據流間的極化效果進而提升系統整體的極化增益。如圖 5.1-3 所示，預編碼矩陣 F 需要在系統容量最大的前提下，增大數據流間的極化效果（可靠度差異）。因此，將預編碼矩陣 F 定義為兩個子矩陣的乘積：F=WQ（公式 5.1-1）其中，子矩陣 W 可以由二維 DFT 向量采用兩級碼本 W1和 W2的乘積構造：W=12；子矩陣 Q 為極化增強矩陣，可以增大數據流之間容量差異33，維度為 LL，L 表示數據流

78、（Layer）數。相應地，子矩陣 Q 需要滿足：=arg Qmax1Li=1LIi I?2?（公式 5.1-2）利用酉矩陣 W 具有H=的特性，不失一般性地，利用酉矩陣的排序和旋轉可以構造極化增強矩陣 Q，數學公示表式為：=DFT（公式 5.1-3）其中，l=0,N-1 為旋轉角度參數，PL為 LL 的排序矩陣，由單位陣 IL按照數據流的一定排序 r=r1,r2,.,rL經過初等變換得到，即=()。r=r1,r2,.,rL可以通過量化排序索引的方式，利用 log2(L!)比特進行反饋。QDFT為旋轉基矩陣，數學公式表示為：=12/2(1)/（公式 5.1-4）其中，N 為固定常數，用于定義旋轉

79、角的量化精度。為了確定最優的排序和旋轉角度，27IMT-2030(6G)推進組IMT-2030(6G)Promotion Group可以建立容量約束下的極化效果最大化問題并進行求解，確定最優的極化增強預編碼矩陣33：,1=1?2?S.t.QR=H(,)，(,)=P()()，l=1,.,L，i=1,.,N!（公式 5.1-5）5.1.2性能評估性能評估表 5.1-1 仿真參數參數數值信道時隙（N）256碼率（R）0.25,0.5調制階數（m）2,4,6流數（L）4,6參照表 5.1-1 中的參數設置，對基于排序和旋轉的極化增強 MIMO 方案（GP-RP）的誤塊率（BLER）進行仿真。在仿真中主

80、要考慮兩種對比方案：一是 QR 分解的極化MIMO 方案（PC-MIMO-QR），二是將 H 特征分解矩陣和 DFT 矩陣旋轉結合的預編碼方案（DFT-QR）。圖 5.1-4 GP-RP、PC-MIMO-QR和DFT-QR方案容量對比圖 5.1-4 首先比較了 GP-RP、PC-MIMO-QR 和 DFT-QR 方案中不同數據流的信道容量方差。仿真中將碼率設置為 0.5，數據流數目為 4，分別采用 16-QAM 和 64QAM 調制，隨機對信道矩陣 H 進行 100 次實現并取平均。從圖中可以發現，GP-RP 方案數據流間的信道容量方差均高于 PC-MIMO-QR 和 DFT-QR 方案。從而

81、說明采用矩陣的排序和旋轉后，GP-RP 方案能夠實現更大的極化效果。圖 5.1-5 在數據流數為 4 的情況下，比較了 GP-RP、PC-MIMO-QR 和 DFT-QR 方案采用不同調制階數的 BLER 性能。由圖 5.1-5 可以發現，在 QPSK、16-QAM 和 64-QAM配置下，GP-RP 的 BLER 性能均能夠優于 PC-MIMO-QR 和 DFT-QR 方案，這是由于 GP-RP方案能夠實現更大的極化深度，從而提升了傳輸性能。例如對于 QPSK，當 BLER 達到10-2時，GP-RP 所需的信噪比相比于 PC-MIMO-QR 和 DFT-QR 方案分別獲得了 1.2dB 和

82、0.6dB 增益。并且當采用更高階的調制方式時，GP-RP 的信噪比增益可以進一步增大。例如，采用 16-QAM 調制后 PC-MIMO-QR 與 GP-RP 方案的差距縮小到約 1dB。這是由28IMT-2030(6G)推進組IMT-2030(6G)Promotion Group于在相同信道數 N 的條件下，采用高階調制能夠增大碼長，從而也說明了 Polar 更適用于短碼場景下的傳輸要求。圖 5.1-5 不同調制階數下GP-RP、PC-MIMO-QR和DFT-QR方案的BLER廣義極化 MIMO 預處理方案改變了傳統通信系統各個模塊“分離設計”的范式，實現Polar 碼與 MIMO 預編碼的

83、聯合設計，有利于滿足未來 6G 場景中高可靠、低時延條件下的大容量通信需求。在超大規模 MIMO 系統中，可以利用天線規模的增大進一步獲取更多極化編碼增益，提升傳輸性能，最終實現時延、可靠性、系統譜效的優化折衷。5.2 對抗波束分裂的預編碼碼本設計對抗波束分裂的預編碼碼本設計在毫米波頻段和太赫茲頻段，系統帶寬可能達到幾個 GHz 或幾百 GHz，此時使用傳統的混合模擬數字波束賦形，將會導致嚴重的波束分裂（beam squint）現象，即波束像光的色散一樣偏離瞄準線而擴散到其他方向，而且波束偏離瞄準線的角度隨著信號頻率的變化而變化。波束分裂會降低終端接收信號的功率，降低通信系統的傳輸速率。因此，

84、有必要設計一種能夠解決超大規模天線在超大帶寬下波束分裂的有效方案。本節通過將大帶寬的信號分解成多個子帶，分別針對每個子帶單獨設計數字波束賦形碼本，將模擬波束賦形所導致的波束分裂，按照子帶補償回來，以降低降低波束分裂帶來的性能損失。本節基于的信號模型為：假設寬帶信號的中心頻率為，帶寬為 B，帶寬范圍為（-B/2,+B/2），基站有根發送天線，有個射頻鏈，流數為，終端有根接收天線，設為模擬波束賦形矩陣，維度為，設為數字預編碼矩陣，維度為，待發送的符號向量為，其維度為 1，則基站發送的信號的表達式為=（公式 5.2-1）模擬波束賦形矩陣的設計過程包括：基站將系統帶寬 B 均勻劃分為 M 個子帶，其中

85、每個子帶的帶寬為 W=B/M，設子帶 m 的中心頻率為，其中 m 的取值為 m=1,M。每個子帶的帶寬 W 的設置規則是：使得頻率+W/2 或頻率 W/2 取得最大天線增益時的方向角與預設的中心方向角0之間的角度差=0小于預設的門限值?；踞槍γ總€子帶 m 的中心頻率，設計等效的模擬波束賦形矩陣，使得頻率在預設角度方向0處的天線陣列的增益最大。29IMT-2030(6G)推進組IMT-2030(6G)Promotion Group數字波束賦形矩陣的設計過程包括：假設移相器不變，其所生成的模擬波束賦形矩陣為是針對全帶寬的，為實現分子帶的等效模擬波束賦形矩陣，需要在的后面乘以一個補償的矩陣。的設計

86、原則是使得盡量接近，且為了保證發送功率不變，應該是一個酉矩陣，即應滿足以下條件：min，s.t.=（公式 5.2-2）其中 表示矩陣的 F 范數，上述最優化問題為典型的 Procrustes 正交問題，其最優解為以下閉式解：=（公式 5.2-3）其中和是矩陣進行奇異值分解得到的酉矩陣，即=。雖然是為了逼近分子帶的模擬波束賦形矩陣而設計的，但是在數字域實現的，即相當于在數字預編碼矩陣的前面乘以了。數字預編碼矩陣的設計仍可以按照之前的設計規則進行。即等效的數字預編碼矩陣為=（公式 5.2-4）即此時子帶 m 上的發送信號的表達式為=（公式 5.2-5）基站針對常用的預設角度0、常用的子帶數目 M、

87、以及子帶的帶寬 W，設計與預設角度0對應的等效模擬波束賦形矩陣wm，并基于wm進一步獲得等效數字預編碼矩陣=，其中 m=1,M，所有0、M 和 W 的取值，以及不同0、M 和 W 取值下與等效數字預編碼矩陣對應的等效數字預編碼矩陣=構成基站的發送碼本。鑒于上述所設計的對抗波束分裂的碼本是通過將大帶寬的信號劃分為多個子帶，并針對每個子帶對由于模擬波束賦形所導致的波束分裂在數字域進行預補償，即相當于對每個子帶都加了一個數字濾波器，整個帶寬上的波束分裂被按照子帶控制在一個合理的范圍內，可以預期其能夠減小大帶寬下波束分裂所導致的性能下降，提高通信性能。6第六章第六章 非平穩信道下接收機算法設計非平穩信

88、道下接收機算法設計在超大規模 MIMO 系統中，由于大量的天線和用戶，使用線性檢測器和最優非線性檢測器進行信號檢測，將導致極大的計算復雜度。這是因為線性檢測器的復雜度主要源于對高維矩陣進行的復雜矩陣運算。近年來，基于消息傳遞(MP)算法的 MIMO 檢測器得到了廣泛的研究?；?MP 算法的期望傳播(EP)34算法不需要傳遞整個分布的樣本值，只關注矩信息等充分的統計量。因此，EP 具有更低的復雜度和更好的性能。文獻35基于期望傳播算法原理提出了集中式 MIMO 檢測器，性能優于多種經典 MIMO 檢測器方案。在該場景下，集中式 EP 算法中存在的矩陣求逆過程所帶來的復雜度是無法承受的。本章提出

89、了一種采用分布式結構的新型低復雜度 EP(PE-EP)檢測器。采用類似于36、37的子陣 EP 結構來適應大規模天線陣中出現的空間非平穩現象，并將泰勒級數的多項式展開式用于降低 EP 的復雜度。30IMT-2030(6G)推進組IMT-2030(6G)Promotion Group6.1 算法描述算法描述考慮一個超大規模 MIMO 場景，其中基站端配有 N 個接收天線，為 K 個單天線用戶提供服務。用戶符號向量為=1,2,其中表示星座集?；径?N 根天線被分成 C 個不相交的子陣列處理單元，每個子陣列中的天線數為，因此存在=1=?。并考慮空間非平穩性的影響，第 c 個子陣列的等效基帶接收信號

90、模型為=?+(公式 6.2-1)其中，表示第 c 個天線子陣接收到的信號矢量；?表示獨立同分布的瑞利衰落信道矩陣且存在列非稀疏列；(0,2)是第 c 個天線子陣列中的 AWGN。將因子圖與 EP 算法相結合，所傳輸的符號矢量的后驗概率可被轉換為因子圖中的數學模型，具有以下表達形式()0()()?(公式 6.2-2)其中，0()表示先驗分布；()?表示似然函數；()可等效為一個邊緣似然，該概率模型所對應的因子圖模型如圖 6.2-1 所示。其中，方形代表因子節點(FN)，圓形代表變量節點(VN)，消息傳遞則表示 FN 和 VN 之間的信息迭代過程。設符號代表由 VN 到 FN 傳遞的信息；符號則代

91、表由 FN 到 VN 傳遞的信息。圖 6.2-1 因子圖模型結合和積算法，第 c 個子陣列中第 j 個用戶符號的實際后驗概率表示為=()()(公式 6.2-3)定義矢量置信度()并服從指數族分布，用于表示第 c 個子陣列中檢測符號的近似后驗分布。使用 KL 散度運算來刻畫(|)和()之間的偏差程度，并找到使得 KL散度最小的()，且兩個概率分布的 KL 散度最小化等價于矩匹配。()的均值和方差由 MMSE 估計生成，定義其協方差矩陣為且后驗均值為?，即=(12+)1(公式 6.2-4)?=(12+)(公式 6.2-5)其中，=和=1,2,分別表示 x 的先驗方差和先驗均值，表示為 K 維的單位

92、矩陣。并使用平均方差=(1()1作為第 c 個子陣列的方差，即有()=(;?,1)。迭代更新實現矩匹配后，根據(公式 6.2-3)有31IMT-2030(6G)推進組IMT-2030(6G)Promotion Group()()()(公式 6.2-6)其中，()和()都近似為高斯分布，在第 l 次迭代過程中它們的分布分別被定義為;(),()1和;(),()1。其中，和分別等價代表先驗均值向量和先驗方差。雖然 EP 算法能夠達到良好的檢測性能，但每一次迭代過程中，由于(公式 6.2-4)涉及到的矩陣求逆運算使得每一次迭代計算復雜度量級為(3)，在該場景下的計算復雜度增加。因此，提出一種基于多項式

93、展開（Polynomial Expansion，PE）的 EP 算法，簡稱為 PE-EP。對任何正定 Hermitian 矩陣 X 有1=()1=0()?+(公式 6.2-7)其中，是對應維度的單位陣；是保證近似精度的收斂因子；是僅截斷到第 J 項所導致的誤差。將其應用至(公式 6.2-4)，對于任意子陣可表示為=0 2+?(公式 6.2-8)PE 的收斂速度由控制，因此使用文獻38中的最優收斂因子opt的獲取方式和文獻39中的近似特征值求法，在降低復雜度的同時能夠保持良好的性能。圖 6.2-2 PE-EP因子圖模型子陣列處理單元完成前端多項式展開的 MMSE 信號檢測，在每個子陣處理本地信息

94、之后，消息被并行地通過最大比合并方式合并到中央處理單元中。如果迭代沒有停止，合并后的統計信息將被中央處理單元作為先驗數據并行反饋給子陣列處理單元。在進行L 次算法迭代后最終輸出用戶符號估計值?；谝陨狭鞒痰臋z測器因子結構如圖 6.2-2所示。6.2 性能評估性能評估對所提算法的計算復雜度進行分析。由于空間非平穩特性的影響，每個子陣內只有部分強功率用戶被接收進行處理，即每個子陣內實際處理用戶數為。為更加清晰的對32IMT-2030(6G)推進組IMT-2030(6G)Promotion Group比各種算法復雜度，給出表 6.3-1 計算復雜度對比，其中 J 為最大截斷項滿足 1，L為 EP 的

95、迭代次數，LADMM為 ADMM 的迭代次數。通過分析知，基于空間非平穩特性所構建的子陣化架構，每個子陣內的用戶數和接收天線數都遠低于集中式處理架構，即，。這大大降低了基站的數據處理開銷。且 PE-EP 檢測器在最大截斷項取=1 時，復雜度可降低至(2)量級，這降低了基站信號處理的計算復雜度。當然，有限的截斷項會導致信號檢測器性能下降。表 6.3-1計算復雜度對比算法計算復雜度集中式 MMSE3+32+2 1集中式 ZF3+2+集中式 EP35(3+52+2+4+2)ADMM40(1033+2+2+82+5)+ADMM(2+2+2)子陣化 EP37(3+52+2+4+2)子陣化 PE-EP(1

96、)(3 2)+52+2+6+1)對本文所提出的低復雜度信號檢測器進行性能仿真分析。以誤碼率作為信號檢測性能指標，采用 16QAM 調制方式，EP 算法迭代次數均為 L=5，整個陣列被分為 4 個子陣，每個子陣內天線數平均分配，即=(=4)，基站端總天線數 N=1152，總單天線用戶數為 K=128，且每個子陣中的強功率用戶數在仿真時設置為=/4。在圖 6.3-1 中，對所提子陣化低復雜度信號檢測器進行了不同信噪比下的性能測試?？梢园l現集中式 EP 算法性能顯著優于傳統檢測算法 MMSE，且所提子陣化 EP 檢測器性能接近集中式 EP 檢測器。對所提的 PE-EP 檢測器進行性能分析，分別測試其

97、在最大截斷項 J=1 和 J=2 時的檢測性能。當最大截斷項取 J=1 時，所提 PE-EP 檢測器接近原始子陣化 EP 檢測器的性能，當 J=2 時檢測器性能近一步提升，但計算復雜度已不具優勢。在圖 6.3-2 中將所提算法與傳統線性檢測器和子陣化架構 ADMM 檢測器進行性能的比較。對 ZF 檢測器、MMSE 檢測器、EP 檢測器、迭代次數為 5 次時 ADMM 檢測器與所提子陣化 EP 和基于 1 階展開的 PE-EP子陣化檢測器進行性能對比?？梢园l現 ADMM檢測器性能明顯弱于所提檢測器。并且，EP 算法性能顯著優于傳統檢測算法 MMSE 和ZF，且所提子陣化 EP 檢測器性能接近集中

98、式 EP 檢測器。33IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 6.3-1算法性能分析圖 6.3-2不同檢測器性能對比7第七章第七章 波束管理波束管理7.1基于基于 RIS 的波束管理的波束管理在 5G NR 中，支持網絡控制的轉發器（Network Controlled Repeater,NCR）技術，NCR 可以對網絡側發送的信號放大轉發，提升信號傳輸質量。由于 NCR 用于特定位置的信號補盲，且具有較低成本和放大功能，因此天線規模通常不會很大。NCR 對 UE 是透明的，UE 僅能檢測網絡側-NCR-UE 之間的等效信道。在基于 RIS 的超

99、大規模天線系統中，RIS 同樣可以對網絡側發送的信號進行轉發，通?？紤]無源 RIS，即無信號放大功能，通過使用數量巨大的 RIS 單元進行波束賦形以提升賦形增益。相比 NCR 系統，RIS 單元的數量更多，波束數量也更多，網絡側-RIS-UE之間的等效信道的波束組合數量會更多。因此，在進行波束掃描時，RIS 系統需要掃描的波束組合數相比 5G 系統會顯著增多。例如，網絡側的發送波束數量為1個，UE 的接收波束數量為2個，RIS 的接收波束和發送波束數量分別為R和T個，則波束組合數量高達1RT2組。在 5G NR 中，UE 在一次波束測量上報中至多對 64 個波束進行測量，即使 UE 處理能力在

100、 6G 系統中成倍提高（如一次測量 128 個波束），仍然會顯著增加波束測量上報時間，降低數據傳輸效率。因此，在基于 RIS 的超大規模 MIMO 系統中，需對 UE 的測量上報方法進行增強，尋求次優的波束掃描方法，降低 UE 波束掃描的時間。本節提出一種分級的波束掃描方案，將 2 跳等效鏈路分解為多個子鏈路，分別對子鏈路的波束組合進行掃描，例如，首先基于網絡側-RIS 之間鏈路進行網絡側發送波束掃描，然后分別對 RIS 接收波束進行掃描，對 RIS 發送波束進行掃描，最后對 UE 接收波束進行掃描。在對網絡側的發送波束進行掃描時，可以將 RIS 處的控制節點（用于接收網絡側的控制信息并對 R

101、IS 進行調控，相當于 NCR 系統中的 NCR-MT），上報最優波束。本方案要求控制節點和 RIS 在地理位置上較接近，即二者對應的網絡側的最優發送波束是相同的。在對 UE 側的接收波束進行掃描時，可以令網絡側的發送波束、RIS 的接收波束、RIS 的發送波束固定，而后 UE 確定與當前網絡側和/或 RIS 波束對應的接收波束。在介紹 RIS 接收波束掃描或 RIS 發送掃描前，首先介紹一下 RIS 的調控矩陣。假設 RIS 陣列有行列，即共有個 RIS 單元，RIS 陣列的調控矩陣可以表示為行列的對角矩陣?？梢詫蔷仃嚥鸪扇缦滦问剑?（公式 7.1-1）其中，和均為對角陣，用于對網絡側發

102、送的信號進行接收調控，用于對RIS 轉發的信號進行發送調控，為補償路損等影響（如果需要的話）的相位調控矩陣?？梢詫?RIS 各調控子矩陣進行設置，使得 UE 的接收功率最大化。當 RIS 僅用于接收信號賦形時，可以控制 RIS 的調控矩陣為=，即=,=，其中為單位矩陣；當 RIS 僅用于發送信號賦形時，可以控制 RIS 的調控矩陣為=，34IMT-2030(6G)推進組IMT-2030(6G)Promotion Group即=,=；當 RIS 僅用于相位調控時，可以控制 RIS 的調控矩陣為=，即=,=；類似地，當 RIS 既用于接收信號賦形，又用于相位調控時=，=；當 RIS 既用于發送信號

103、賦形，又用于相位調控時=，=。圖 7.1-1 給出了一種 RIS 接收波束掃描的示意圖，其中，基站的發送波束是固定的。由于 RIS 不具備數字信號處理功能，可以使用控制節點輔助 RIS 進行接收波束掃描（即確定）。圖 7.1-1 RIS接收波束掃描示意圖在進行 RIS 接收波束掃描時，RIS 的接收波束可變，為簡化設計，假設=，控制節點接收到網絡側發送的信號，以及 RIS 為其轉發的信號，接收信號表示為=+，其中，和分別為網絡側-控制節點間信道、RIS-控制節點間信道、網絡側-RIS 間信道，和分別為網絡側的發送波束矩陣和控制節點處的接收波束矩陣，和分別是網絡側發送的參考信號和控制節點處的接收

104、噪聲。通常假設控制節點具有較少的天線，因此可以對應一個固定的接收寬波束。通過對進行掃描，控制節點接收的參考信號的測量值是在發生變化的，最優取值可以是令控制節點接收參考信號測量值最大的接收波束。本方案中將控制節點作為觀測點，而不使用 UE 作為觀測點，去測量最優 RIS 接收波束的原因是：RIS 調控矩陣中的參數和均未確定，會加重 UE 的測量上報負擔，并且 RIS 接收波束的確定過程僅和網絡側到 RIS 間信道有關，和 UE 相關的鏈路無關，因此，由控制節點輔助 RIS 進行接收波束更加合適。另一方面，在訓練 RIS 接收波束時，網絡側可能還未掌握網絡側到 RIS 間的信道信息，更無 RIS

105、到 UE 之間信道的信息，此時的調控矩陣設置未針對 RIS 到 UE 信道進行優化，在此情況下，UE 可能無法收到 RIS轉發的信號，或者在較低的信號質量下測量并不可靠。此方案可以工作的前提是，控制節點需要部署在 RIS 的反射或透射范圍內，例如，控制節點可以部署在 RIS 陣面前面，即只要不部署在 RIS 背板后面即可?？刂乒濣c可以僅配置單根天線，無需復雜度波束賦形操作，測量過程也相對簡單。圖 7.1-2 給出了一種 RIS 發送波束掃描的示意圖，其中，基站的發送波束和 RIS 的接收波束是固定的，此時=或=，由 UE 作為觀測點，UE 可以將接收參考信號最大測量值對應的波束作為 RIS 最

106、優發送波束并上報給網絡側。注意，RIS接收波束固定指的是固定子矩陣不變，通過改變進行發送波束掃描。在實際調控過程中，可以將調控矩陣整體量化為一個碼書，通過選取不同碼字實現不變，變化的效果。35IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖 7.1-2 RIS發送波束掃描示意圖在本方案中，首先對兩跳鏈路涉及到的波束逐一進行波束掃描，可以使得每個的波束選取是局部最優。并最終對兩跳等效鏈路進行掃描（如基站發送波束固定、RIS 波束固定、RIS 發送波束固定，對 UE 接收波束進行掃描），即令等效鏈路接收信號功率最強。局部最優雖然不能保證確定的波束對全局最優，但

107、是卻是一種平衡復雜度和性能的折中方案。相比兩跳鏈路所有波束聯合進行掃描的方案，本方案的掃描次數可以顯著降低。例如，對網絡側的發送波束進行掃描（共1個波束，進行1次掃描），對 RIS 接收波束進行掃描（對應R次掃描），對 RIS 發送波束進行掃描（對應T次掃描），以及對 UE 接收波束掃描（對應2次掃描），每次僅對一個波束進行掃描，需要測量的波束總數或掃描總次數為1+R+T+2，相比1RT2，波束測量次數顯著降低。此外，還可以與5G NR 類似，在掃描的初始階段，對多個波束進行聯合粗掃描，例如對網絡側和 RIS 之間鏈路進行收發波束聯合粗掃描，或對網絡側-RIS-UE 鏈路進行 4 波束聯合粗掃

108、描，而后再進行單個波束掃描，本方案中的 RIS 接收波束或 RIS 發送波束掃描方法仍然適用。7.2 分層分層 RIS 波束訓練技術波束訓練技術由于 RIS 具有大規模的特點，其在空域上的角度分辨率很高，波束窄且增益高，指向精確，但是這也帶來了導頻開銷大，通信效率下降的問題。因此，為了降低開銷，利用分層的思想進行 RIS 波束訓練的方案設計十分有必要。分層訓練需要在空間上實現寬波束的覆蓋，這對于傳統天線陣列比較容易實現，對于 RIS 來說，分層碼本的設計由于級聯信道的存在較難實現。7.2.1算法描述算法描述以 RIS 初始搜索空間規模為 M=16 的情況舉例，分層訓練的設計邏輯采用二叉樹的架構

109、。這 16 個單波束方向將所服務的區域分為 16 個子空間，與基礎的 16 個單波束方向一一對應。波束訓練的目標即是找到這 16 個中能夠最優的碼字。對于傳統線性訓練來說，需要 O(M)時間復雜度的訓練過程才能確保找到最優的碼字。而分層訓練通過每一層不同精度的寬波束掃描，從寬波束到窄波束，逐漸搜索到可能的最優的單波束方向。如圖 7.2-1 所示，水平方向代表波束能夠覆蓋的空域，從上到下代表沿時間軸的碼本搜索過程。第一層（代表第一個搜索時隙）的兩個寬波束方向分別覆蓋了1,2,3,4,5,6,7,8號單波束方向對應的空域和9,10,11,12,13,14,15,16號單波束方向對應的空域范圍；通過

110、收端反饋，選擇第一層第一個寬波束方向 C（1，1）的子分支 C（2，1）和 C(2,2)進行36IMT-2030(6G)推進組IMT-2030(6G)Promotion Group波束掃描，最終通過如下圖綠線所示的波束訓練反饋和決策過程，得到單波束方向的第6 號碼字即為最優的波束指向。對于 RIS 來說，更多的波束也可以繼續分層迭代，進行更深層的訓練和掃描。（，）（，）（，）C(4,6)圖 7.2-1 分層訓練的設計邏輯訓練決策示意圖分層訓練的生成方法一般基于經典的 PA（Pattern Analysis）算法圖樣疊加來實現寬波束。對于圖 7.2-1 來說，其橫向代表了波束方向的覆蓋范圍，縱向

111、代表每一層波束方向按時間順序從上層到下層進行波束訓練和決策。對于每層分支數為 U 的分層訓練過程來說，其在第 L 層的第 K 個波束方向，其下一層的子空間波束方向與其的對應關系為，=1+1(+1,)?（公式 7.2-1）其中累加運算符表示其在空域覆蓋上的疊加關系。7.2.2性能評估性能評估分層訓練常用于通信環境較好的情況下，此時可建模信道為萊斯信道，在萊斯因子足夠大（LOS 主徑足夠強）的情況下，對于規模為 M 的基礎碼本來說，其導頻開銷為（M）；而對于分層訓練來說，若每層的分支為 K，其導頻開銷為（(+1)）。根據如圖 7.2-2 所示的仿真結果，盡管分層訓練可以實現時間復雜度的高效降低，但

112、是，由于多波束形成時產生的波束畸變，分層訓練的性能相較于傳統碼本仍有所下降（平均成功率 85%左右，且與信道本身特征強相關），仍然需要進一步進行波束整形來實現更好的性能效果。圖7.2-2 兩種分層碼本的波束訓練成功率37IMT-2030(6G)推進組IMT-2030(6G)Promotion Group8第八章第八章 總結及發展建議總結及發展建議8.1 總結總結本研究報告匯集了 IMT-2030 超大規模天線技術組近一年來在超大規模 MIMO 關鍵技術研究領域中所取得的進展和階段性成果，主要包括：超大規模天線的近場及遠場信道建模方法；包括稀布陣、RIS 輔助 Mega MIMO、RIS 等新型

113、天線架構方面的研究進展；面向近場信道及新型天線陣列的 CSI 反饋碼本設計；面向新型天線陣列、大帶寬的預編碼設計；面向近場非平穩信道的接收機算法設計；以及面向新型天線架構的波束管理研究進展等。8.2 研究方向發展建議研究方向發展建議超大規模 MIMO 技術是 6G 的關鍵技術之一，將在提高平均譜效、區域流量密度等方面起到重要作用，為使得未來 6G 技術具有更優越的性能，未來超大規模 MIMO 的關鍵技術需要在以下方向取得關鍵性突破：即能夠準確刻畫超大規模 MIMO 信道近場特性又能兼容遠場信道特性的近場遠場混合信道建模方法；具備低功耗、低成本、支持更大規模天線的新型天線架構；具有趨近于連續孔徑

114、的全息 MIMO 天線陣列；低反饋開銷的適用于超大規模天線的 CSI 反饋方案；低計算復雜度的超大規模 MIMO 預編碼算法和接收機算法；降低具備超高空間分辨率的超大規模 MIMO 波束失敗的波束管理方案等；能夠降低計算復雜度、降低信令開銷、降低波束掃描時間的智能化 MIMO 技術；以及能夠提升邊緣頻譜效率、提高用戶體驗速率、可以實現以用戶為中心的分布式 MIMO 技術等。9參考文獻參考文獻1A.Yaghjian,“An overview of near-field antenna measurements,”IEEE Trans.AntennasPropag.,vol.34,no.1,pp.

115、3045,Jan.1986.2F.H.Danufane,M.D.Renzo,J.de Rosny,and S.Tretyakov,“On the path-loss ofreconfigurable intelligent surfaces:An approach based on Greens theorem applied to vectorfields,”IEEE Trans.Commun.,vol.69,no.8,pp.55735592,Aug.2021.3Y.Liu,Z.Wang,J.Xu,C.Ouyang,X.Mu and R.Schober,Near-Field Communic

116、ations:ATutorial Review,in IEEE Open Journal of the Communications Society,vol.4,pp.1999-2049,2023.4P.Mei et al.,On the Study of Reconfigurable Intelligent Surfaces in the Near-Field Region,in IEEE Transactions on Antennas and Propagation,vol.70,no.10,pp.8718-8728,Oct.2022.5R.Li,S.Sun,and M.Tao,“App

117、licable regions of spherical and plane wave models forextremely large-scale array communications,”accepted by China Communications,2023.Online.Available:https:/arxiv.org/pdf/2301.06036.pdf.6Y.Lu and L.Dai,“Near-Field Channel Estimation in Mixed LoS/NLoS Environments forExtremely Large-Scale MIMO Sys

118、tems,”IEEE Transactions on Communications,vol.71,issue.6,Jun.2023,pp.3694-3707.7Z.Yuan,J.Zhang,Y.Ji,G.F.Pedersen and W.Fan,Spatial Non-Stationary Near-FieldChannel Modeling and Validation for Massive MIMO Systems,in IEEE Transactions on38IMT-2030(6G)推進組IMT-2030(6G)Promotion GroupAntennas and Propaga

119、tion,vol.71,no.1,pp.921-933,Jan.2023.8Fraunhofer Heinrich Hertz Institute,“Quasi Deterministic Radio Channel Generator UserManual and Documentation”.Document Revision v2.6.1.July 12.2021.9J.Li,B.Ai,R.He,M.Yang,Z.Zhong,Y.Hao,and G.Shi,On 3D cluster-based channelmodelingforlarge-scalearraycommunicatio

120、ns.IEEETransactionsonWirelessCommunications,vol.18,issue.Oct.2019,pp.4902-4914.10 Y.Zheng,C.-X.Wang,R.Yang,L.Yu,F.Lai,J.Huang,R.Feng,C.Wang,C.Li and Z.Zhong,Ultra-Massive MIMO Channel Measurements at 5.3 GHz and a General 6G ChannelModel,IEEE Transactions on Vehicular Technology,vol.72,no.1,pp.20-34

121、,Jan.2023.11 C.Han,J.M.Jornet,et.al.,Ultra-Massive MIMO Channel Modeling for Graphene-EnabledTerahertz-Band Communications,in Proc.IEEE VTC Spring,2018,pp.1-5.12 Y.Yuan,R.He,B.Ai,Z.Ma,Y.Miao,Y.Niu,J.Zhang,R.Chen,Z.Zhong,A 3DGeometry-Based THz Channel Model for 6G Ultra Massive MIMO Systems,IEEETrans

122、actions on Vehicular Technology,vol.71,no.3,pp.2251-2266,March 2022.13 J.Wang,C.-X.Wang,et.al.,A General 3D Space-Time-Frequency Non-Stationary THzChannel Model for 6G Ultra-Massive MIMO Wireless Communication Systems,IEEEJournal on Selected Areas in Communications,vol.39,no.6,pp.1576-1589,June 2021

123、.14 X.Wei and L.Dai,Channel Estimation for Extremely Large-Scale Massive MIMO:Far-Field,Near-Field,or Hybrid-Field?,IEEE Communications Letters,vol.26,no.1,pp.177-181,Jan.2022.15 F.J.Ares-Pena,J.A.Rodriguez-Gonzalez,E.Villanueva-Lopez and S.R.Rengarajan,Genetic algorithms in the design and optimizat

124、ion of antenna array patterns,in IEEETransactions on Antennas and Propagation,vol.47,no.3,pp.506-510,March 1999.16 N.N.Pathak,G.Mahanti,S.K.Singh,J.K.Mishra,and A.Chakraborty,Synthesis ofThinned Planar Circular Array Antennas Using Modified Particle Swarm Optimization,Progress In Electromagnetics Re

125、search Letters,Vol.12,87-97,2009.17 S.Caorsi,A.Massa,M.Pastorino and A.Randazzo,Optimization of the difference patternsfor monopulse antennas by a hybrid real/integer-coded differential evolution method,inIEEE Transactions on Antennas and Propagation,vol.53,no.1,pp.372-376,Jan.2005.18 W.P.M.N.Keizer

126、,Large Planar Array Thinning Using Iterative FFT Techniques,in IEEETransactions on Antennas and Propagation,vol.57,no.10,pp.3359-3362,Oct.2009.19 Y.Liu,Z.Nie and Q.H.Liu,Reducing the Number of Elements in a Linear Antenna Arrayby the Matrix Pencil Method,in IEEE Transactions on Antennas and Propagat

127、ion,vol.56,no.9,pp.2955-2962,Sept.2008.20 Y.Liu,Q.H.Liu and Z.Nie,Reducing the Number of Elements in the Synthesis ofShaped-BeamPatternsbytheForward-BackwardMatrixPencilMethod,inIEEETransactions on Antennas and Propagation,vol.58,no.2,pp.604-608,Feb.2010.21 X.Zhao,Q.Yang,“Compressed sensing approach

128、 for pattern synthesis of maximally sparsenon-uniform linear array”.IET Microwaves,Antennas&Propagation,8(5):301-307,2014.22 M.Lou,J.Jin,H.Wang,et al.“Applying Sparse Array in Massive MIMO via Convexoptimization”.2020 IEEE Asia-Pacific Microwave Conference,Hong Kong,Hong Kong,2020:721-723.23 M.Lou e

129、t al.,Performance analysis of sparse array based massive MIMO via joint convexoptimization,in China Communications,vol.19,no.3,pp.88-100,March 2022.24 W.Xu,Y.Cui,H.Zhang,G.Y.Li,and X.You,“Robust beamforming with partial channelstate information for energy efficient networks,”IEEE J.Sel.Areas Commun.

130、,vol.33,no.12,pp.29202935,Dec.2015.25 L.You,A.Liu,W.Wang and X.Gao,Outage Constrained Robust Multigroup MulticastBeamformingforMulti-BeamSatelliteCommunicationSystems,inIEEEWirelessCommunications Letters,vol.8,no.2,pp.352-355,April 2019.26 Ericsson,Breaking the 100Gbps barrier,”in Ericsson Microwave

131、 Outlook 2019,Tech.Report,pp.13-16,2019.Online.Available:https:/27 X.Li,X.Wang,X.Hou,L.Chen,S.Suyama and T.Asai,RIS-Aided Mega MIMO:Achieving Orthonormal Spatial Multiplexing with Adaptive Aperture,in Proc.2022 IEEEGlobecom Workshops(GC Wkshps),Rio de Janeiro,Brazil,2022,pp.692-698.28 M.Cui,Z.Wu,Y.L

132、u,X.Wei and L.Dai,Near-Field MIMO Communications for 6G:Fundamentals,Challenges,Potentials,and Future Directions,in IEEE CommunicationsMagazine,vol.61,no.1,pp.40-46,January 2023.29 K.Zhi,C.Pan,H.Ren,K.K.Chai,C.-X.Wang,R.Schober,and X.You,“PerformanceAnalysisandLow-ComplexityDesignforXL-MIMOwithNear-

133、FieldSpatial39IMT-2030(6G)推進組IMT-2030(6G)Promotion GroupNon-Stationarities,”arXiv:2304.00172,Mar.2023.30 E.Bertilsson et.al.,“A Modular Base Station Architecture for Massive MIMO with Antennaand User Scalability per Processing Node,”52nd Asilomar Conf.,Oct.2018.31 T.Wirth et al.,“Modular Concepts fo

134、r Practical Massive MIMO Implementations,”IEEERadio and Wireless Symp.,Jan.2020.32 X.You,et.al.,“6G extreme connectivity via exploring spatiotemporal exchangeability,”中國科學:信息科學(英文版),66(3):3,2023.33 Z.Feng et al.,A Precoding Scheme for Polar Coded Uplink MU-MIMO Systems,ICC 2022-IEEE International Co

135、nference on Communications,Seoul,Korea,Republic of,2022,pp.2489-2494.34 T.P.Minka,“Expectation propagation for approximate Bayesian inference,”arXiv preprintarXiv:1301.2294,2013.35 J.Cspedes,P.M.Olmos,M.Snchez-FernndezandF.Perez-Cruz,ExpectationPropagationDetectionforHigh-OrderHigh-DimensionalMIMOSy

136、stems,inIEEETransactions on Communications,vol.62,no.8,pp.2840-2849,Aug.2014.36 H.Wang,A.Kosasih,C.-K.Wen,S.Jin and W.Hardjawana,Expectation PropagationDetector for Extra-Large Scale Massive MIMO,in IEEE Transactions on WirelessCommunications,vol.19,no.3,pp.2036-2051,March 2020.37 Z.Zhang,H.Li,Y.Don

137、g,X.Wang and X.Dai,Decentralized Signal Detection viaExpectationPropagationAlgorithmforUplinkMassiveMIMOSystems,inIEEETransactions on Vehicular Technology,vol.69,no.10,pp.11233-11240,Oct.2020.38 N.Shariati,E.Bjrnson,M.Bengtsson and M.Debbah,Low-Complexity PolynomialChannel Estimation in Large-Scale

138、MIMO With Arbitrary Statistics,in IEEE Journal ofSelected Topics in Signal Processing,vol.8,no.5,pp.815-830,Oct.2014.39 M.Wu,B.Yin,G.Wang,C.Dick,J.R.Cavallaro and C.Studer,Large-Scale MIMODetection for 3GPP LTE:Algorithms and FPGA Implementations,in IEEE Journal ofSelected Topics in Signal Processin

139、g,vol.8,no.5,pp.916-929,Oct.2014.40 K.Li,R.R.Sharan,Y.Chen,T.Goldstein,J.R.Cavallaro and C.Studer,DecentralizedBaseband Processing for Massive MU-MIMO Systems,in IEEE Journal on Emerging andSelected Topics in Circuits and Systems,vol.7,no.4,pp.491-507,Dec.2017.40IMT-2030(6G)推進組IMT-2030(6G)Promotion

140、Group10 主要貢獻單位主要貢獻單位主要貢獻單位（排名不分先后）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中信科移動通信技術股份有限公司第1章、第2.1.2節、第3.2節、第4.4節、第5.2節、第7.1節、第7.2節、第8章2維沃移動通信有限公司第2.1.1節、第2.3節、第4.2節3北京交通大學第2.2節4中國移動第3.1節、第5.1節5都科摩（北京）通信技術研究中心有限公司第3.3節6中興通訊股份有限公司第4.1節7紫光展銳第4.3節8重慶郵電大學第6章41IMT-2030(6G)推進組IMT-2030(6G)Promotion Group11縮略語縮略語英文縮寫英文全稱中文

141、全稱4G4thGeneration第四代移動通信系統5G5thGeneration第五代移動通信系統6G6thGeneration第六代移動通信系統AODAngle of Departure離開角BSBase Station基站COconvex optimization凸優化CSIChannel State Information信道狀態信息CSITChannel State Information at Transmitter發端信道狀態信息DEDifferential Evolution差分算法DFTDiscrete Fourier Transform離散傅里葉變換ELAAExtremel

142、y Large Aperture Array超大孔徑天線陣列FBMPMForward-Backward Matrix Pencil Method前后向矩陣束FBSFirst-Bounce Scatterer首跳散射體FFTFast Fourier Transform快速傅里葉變換GAGenetic Algorithm遺傳算法GBSMGeometry-Based Stochastic Channel Model基于幾何的隨機統計信道建模方法HBFHybrid BeamForming混合波束賦形IOSIntelligent Omni-Surfaces智能全向超表面JCOJoint Convex O

143、ptimization聯合凸優化LBSLast-Bounce Scatterer末跳散射體LOSLine-Of-Sight直射徑MFMatched Filter匹配濾波MIMOMultiple Input Multiple Output多輸入多輸出MPCMulti-Path Component多徑成份MPMMatrix Pencil Method矩陣束42IMT-2030(6G)推進組IMT-2030(6G)Promotion GroupNCRNetwork Controlled Repeater網絡控制的轉發器NLOSNon Line Of Sight非直射徑OSMA2Orthogonoma

144、lSpatialMultiplexingwithAdaptive Aperture基于自適應孔徑的規范正交空間復用PEPolynomial Expansion多項式展開PMIPrecoding Matrix Indicator預編碼矩陣指示PSOParticle Swarm Optimization粒子群算法RHSReconfigurable Holographic Surfaces可重構全息超表面RISReconfigurable Intelligent Surface可重構智能超表面STAR-RISSimultaneously-Transmitting-and-ReflectingRIS同時反射和透射的 RISTDDTime Division Duplexing時分雙工ULAUniform Linear Antenna均勻線性陣UMaUrban Macro cell宏蜂窩UPAUniform Planar Antenna均勻平面陣VRVisibility Region可視區域聯系方式郵箱：COPYRIGHT2023 IMT-2030(6G)PROMOTION GROUP.ALL RIGHTS RESERVED.