Introducción

La demanda insaciable de tasas de datos más altas, menor latencia y conectividad omnipresente impulsa la innovación incesante en las comunicaciones inalámbricas. La tecnología Múltiple de Entrada (MIMO) se encuentra como piedra angular de esta evolución, reestructurando fundamentalmente el diseño de capas físicas de Wi-Fi a 5G New Radio y más allá. Mientras que el despliegue de múltiples antenas tanto en el transmisor como en la disponibilidad ofrece un aumento lineal teórico en la capacidad hSI.

La retroalimentación de CSI transforma un despliegue de MIMO crudo desde un sistema abierto basado en los avances de diversidad en un sofisticado sistema cerrado capaz de multiplexación espacial, conformado por rayos adaptativos e inteligente manejo de interferencias. Sin CSI preciso y oportuno en el transmisor (CSIT), los ricos grados espaciales de libertad ofrecidos por múltiples antenas permanecen en gran medida sin explotar. Este artículo proporciona una exploración completa y técnica de cómo se utilizan los mecanismos de retroalimentación de CSI para mejorar la capacidad moderna

La Fundación: Capacidad de la MIMO y necesidad de la CSIT

Para entender por qué la retroalimentación de CSI es tan indispensable, primero debe apreciar el potencial de capacidad de un enlace MIMO. La capacidad de Shannon de un canal MIMO escala linealmente con el número mínimo de antenas de transmisión y recepción bajo condiciones favorables. Sin embargo, el transmisor debe adaptar su estrategia de señalización al entorno de propagación para lograr este escalado.

Ecuación de la capacidad de la MIMO

\ N \ n transmisión de la capacidad \ n \ n

\(C {\text{open} = \log 2 \det\left( \mathbf{I} {N r} + \frac{P}{N t \sigma^2} \mathbf{HHH}^H \right)\)

Esta expresión no supone ninguna adaptación espacial en el transmisor. El rendimiento se limita por la categoría del canal y la relación señal-noise (SNR). Cuando el transmisor tiene conocimiento perfecto de \(\mathbf{H}\), puede realizar la descomposición de valor Singular (SVD) para diagonalizar el canal en eigenmodes paralelos independientes.

CSIT vs. CSIR: ¿Por qué la retroalimentación es esencial

La información del estado de canal en el receptor (CSIR) se obtiene normalmente mediante la transmisión de símbolos piloto conocidos. Este es un proceso relativamente sencillo. La información del estado de canal en el transmisor (CSIT), sin embargo, requiere un mecanismo de retroalimentación en los sistemas Duplex de la División de Frecuencia (FDD) o depende de la reciprocidad del canal en los sistemas Duplex de la División de Tiempo (TDD).

Con CSIT perfecto, el transmisor puede aplicar una matriz de precodificación óptima derivada de los vectores singulares adecuados de \(\mathbf{H}\) y asignar energía a través de los eigenmodes utilizando un algoritmo de llenado de agua. La capacidad con CSIT perfecto es:

\(C {\text{CSIT} = \sum {i=1}{\text{rank}(\mathbf{H})} \log 2\left(1 + \frac{P i \lambda i^2}{\sigma^2}\right)\)

Donde \(\lambda i\) son los valores singulares y \(P i\) son los poderes asignados. El aumento de capacidad de CSIT es más pronunciado en el régimen medio-alto de SNR, donde es viable la multiplexación espacial. En el régimen bajo de SNR, CSIT se utiliza principalmente para hacer vibraciones para maximizar el poder de señal recibido.

Una profunda inmersión en los mecanismos de retroalimentación de la CSI

El diseño de un esquema de retroalimentación de la CSI implica un intercambio fundamental entre precisión, sobrecabeza y latencia. Los órganos de normas han convergedo en varias clases distintas de retroalimentación, cada una adecuada para escenarios específicos de despliegue y objetivos de rendimiento.

Explicit (Full) CSI Feedback

La retroalimentación de la pantalla de la pantalla de la pantalla de la pantalla de la pantalla de la pantalla de la pantalla de la pantalla de la pantalla de la pantalla de la pantalla de la serie de datos de la serie de datos de la pantalla de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la pantalla de la versión de la versión de la versión anterior.

Implicit (Codebook-Based) Feedback: La Norma 4G/5G

La retroalimentación implícita es el mecanismo dominante en 3GPP Long Term Evolution (LTE) y 5G New Radio (NR). En lugar de informar directamente al canal, el receptor selecciona una matriz precodificadora preferida de un codebook predefinido, conocido tanto por el transmisor como por el receptor. Esta selección se basa en un criterio de optimización específico, que suele maximizar la información mutua o minimizar el error medio cuadrado.

  • Indicador de matriz de precodificación (PMI): Identifica la matriz de precodificación preferida del libro de códigos.
  • Indicador de Rank (RI): Indica el número de capas espacialmente multiplexadas que el canal puede soportar.
  • Indicador de Calidad de Canal (CQI): Proporciona una medida de la relación señal-interferencia-más-noise (SINR) después de aplicar el PMI recomendado y RI, utilizado para la adaptación de enlaces.

Tipo I vs. Tipo II CSI en 5G NR

5G NR introduce una evolución importante en el diseño de códigos. Type I CSI utiliza un código de baja resolución basado en las vigas de Discrete Fourier Transform (DFT) de alta definición. Está diseñado para un solo usuario MIMO (SU-MIMO) y simples escenarios multiusuario MIMO (MU-Type) debido a su baja sobrecabeza.

Reciprocity-Based Feedback in TDD Systems

Una alternativa poderosa a la retroalimentación dedicada es la reciprocidad de canales, explotable en sistemas TDD donde el enlace y el enlace de enlace comparten la misma banda de frecuencia. En principio, el canal estimado en el enlace (de la UE a la GNB) es idéntico al canal de enlace de enlace de abajo. Esto permite que la estación base adquiera CSIT sin retroalimentación explícita, haciendo reciprocidad altamente escalable para los arrays masivos.

Traductor de la retroalimentación en los beneficios de la capacidad

Habiendo adquirido CSI a través de uno de estos mecanismos, el transmisor lo emplea para optimizar la interfaz de aire. Las técnicas básicas de potenciación de la capacidad de conducción son precodificación, multiplexación espacial y adaptación de enlace.

Precoding óptimo y multiplexación espacial

El precodificador es el proceso de aplicación de procesamiento de señales a las secuencias de datos transmitidas antes de la transmisión para que coincida con el canal. Con CSIT perfecto, el precodificador lineal óptimo se deriva de la SVD de la matriz de canales. El vector de datos se multiplica por la matriz espacial \(\mathbf{V}\)

MMI y gestión de interferencias multi-usuarios

En MUSIMIMO, la estación base sirve simultáneamente a múltiples usuarios en los mismos recursos de frecuencia de tiempo. Aquí es donde la calidad de CSIT se vuelve absolutamente crítica. Para servir a los usuarios \(K\) simultáneamente, el transmisor debe precodificar los datos para cada usuario de tal manera que minimiza la interferencia en los otros usuarios.

Adaptación de enlaces y Indicación de calidad de canal (CQI)

El CQI es un componente crítico del informe de retroalimentación que impulsa la adaptación. El receptor calcula que el SINR se lograría si se utilizara el PMI recomendado y RI. Este SINR se mapea a un esquema de Modulación y Codificación (MCS) que puede ser decodificado con una tasa de error de bloque de destino (BLER), normalmente 10%.

Problemas prácticos y desafíos en la aplicación

Los logros teóricos de la CSIT se limitan fundamentalmente por deficiencias prácticas. Un sistema robusto debe dar cuenta de estas realidades.

Canal de envejecimiento y Doppler de propagación

El canal de retroalimentación de la máquina de Doppler es un canal de precodificación que se aplica en un entorno móvil, el canal está cambiando constantemente debido al efecto Doppler. El tiempo de coherencia del canal, inversamente proporcional a la propagación de Doppler, define la ventana durante la cual el CSI reportado es útil. Si el retraso de la retroalimentación CSIT supera el tiempo de coherencia, el CSIT se vuelve estable.

Errores de cuantificación y diseño de códigos

La retroalimentación implícita depende de los códigos de bits finitos, que introducen inherentemente el error de cuantificación. El PMI seleccionado nunca es el precodificador óptimo exacto. El diseño del libro de códigos pretende empaquetar los vectores de precodificación disponibles de la manera más eficiente posible en el manto de Grassmannian para minimizar el error de cuantificación promedio.

Retroalimentación Limitaciones de Canales de Control y Sobrecarga

Los recursos físicos utilizados para la retroalimentación de CSI (PUCCH/PUSCH) son limitados y deben compartirse con la transmisión de datos. La asignación de demasiados recursos para la retroalimentación mejora la precisión de CSIT pero reduce los recursos disponibles para datos de usuario, potencialmente reduciendo la rentabilidad del sistema general. La red debe equilibrar dinámicamente este intercambio.

Técnicas avanzadas y futuras

La evolución de la retroalimentación de CSI está lejos de terminar. Las tecnologías emergentes prometen superar las limitaciones actuales y desbloquear nuevas fronteras de capacidad.

Compresión y Predicción de la ISC con membrana AI/ML

El aprendizaje profundo ofrece un cambio de paradigma en la retroalimentación CSI. Los códigos tradicionales están diseñados basados en modelos matemáticos que pueden no coincidir perfectamente con entornos de propagación del mundo real. CsiNet] y arquitecturas similares basadas en el autoencoder aprenden un código de compresión eficiente directamente de los datos del canal.

CSI Feedback for Extremely Large MIMO and High Frequencies

Como la industria escala a los arrays de antena extremadamente grandes (XL-MIMO) y bandas de frecuencias más altas como onda milímetro (mmWave) y sub-THz, las características del cambio de canal. El canal se vuelve escaso en el dominio angular debido a la reducción de la dispersión y propagación altamente direccional. Esta espacidez puede ser explotada para una retroalimentación eficiente en lugar de reportar una matriz de canal densa, el receptor geométrico

Conclusión

Canal State Information feedback es el eje de los sistemas MIMO de alta capacidad. Se abre la brecha entre la promesa teórica de múltiples antenas y la realización práctica de la gestión de múltiples usuarios y múltiples múltiples múltiples. El viaje desde la exhaustiva presentación de información explícita a los elegantes diseños de codebooks de 3GPP y las nuevas técnicas de compresión nativa de AI ilustra una búsqueda continua de un objetivo más bajo: proporcionar el canal de transmisión evolucionar con la máxima calidad.