מילימטר גל MIMO ו- Need for Hybrid Beamforming

גל מילימטר (mmWave) מספר רב של מערכות קידוד (MIMO) הם היסוד להשגת שערי נתונים מרובי-גביט ומערכות אולטרה-נמוכות חזה עבור רשתות 5G-מתקדמים ו-6G. התפעול בלהקות תדר מ-24 GHz ל -100 GHz ומעבר לכך, מערכות אלה ממינוף גדול אנטנה - לעתים קרובות עם 64, 128, או אלמנטים נוספים - כדי ליצור כיוון רדיו יקר עבור צמצום של שרשרת אנרגיה / מ"מ"מ מוגבל (אך) הוא מצמצם את חומרת לחץ דם קריטי, אך ורקד (אך) עם אנטנות לחץ דם גבוה יותר, אך ורקד) הוא מצמצם את כל רכיב חשמלי (אך מצמצם את חומרת משקל נמוך יותר, עם אנטנות (מפולג'מ-מפולג') עם אנטנה) עם אנטנה) עם אנטנות לחץ דם גבוה יותר, עם אנטנות (מפסת משקל נמוך יותר, עם אנטנה) עם אנטנה) עם אנטנה (מפולנסיכות לחץ דם גבוה יותר, עם אנטנה) עם אנטנה) מנקה (מפולנית).

הסחר בין יעילות ספקטרלית, מורכבות חומרה וצריכת חשמל הוא האתגר המרכזי בעיצוב beamforming היברידי. מאמר זה מספק מבט סמכותי, מעמיק על אסטרטגיות מפתח, אלגוריתמים ושיקולים בעולם האמיתי המגדירים את התגמולה היברידית המודרנית עבור מ"ואב MIMO".

אדריכלות: Hybrid Beamforming

[מערכת מחשוב היברידית] מפצה את הקידוד ושילוב של פעולות לשלב את שלב RF אנלוגי ואת שלב פס דיגיטלי בסיס דיגיטלי.השלב האנלוגי, אשר בדרך כלל מיושם עם רשת של משמרות שלב ואולי מתגים, פועל על אות נושא- ⁇ ישירות לאחר שלב RF.השלב הדיגיטלי מבצע עיבוד גמיש יותר של MIMO, כגון התערבות מסיבית ורב-משתמש, באמצעות מספר רשתות RF3:2Facter (R) משפיע על מורכבות גבוהה יותר מ-R.

אנליסטים ב-Beamforming Components

Analog beamforming הוא הבין באמצעות שינויים בשלב, אשר יכול להיות פסיבי (כוח נמוך אבל מוגבל 0-360 מעלות שליטה בשלב) או פעיל (עם בנייה מוגברת אבל כוח גבוה יותר) בנוסף, כמה עיצובים משלבים מגבר משתנה (VGAs) כדי להתאים את amplitude, אם כי רוב beamforms אנלוגי הם בשלב רק בשל העלות.

Digital Beamforming at Baseband

בתחום הדיגיטלי, beamforming מבוצעת לאחר הסגידה וההמרות האנלוגית-ל-דיגיטלית.הקוד הדיגיטלי יכול ליישם משקולות מורכבות שרירותיות, המאפשרות יכולות MIMO מלאות כגון eigenbeamforming (מבוסס על מידע המדינה ערוץ), אפס-לכאורה (ZF) עבור הפרעות מרובות-משתמש אפס, ומינימום שגיאותquare (SE) כי החלק הדיגיטלי של רשתות RF-MA יכול להתאים את מספר 2.

אסטרטגיות היברידיות

בעשור האחרון, חוקרים ומהנדסי התעשייה פיתחו מערך עשיר של אסטרטגיות לעיצוב של הבשורים האנלוגיים והדיגיטליים במשותף.הגישות הבולטות ביותר יכולות להיות מסווגות לשיטות מבוססות קוד, אופטימיזציה הרטיבית וטכניקות מונחות מכונה.כל אחת מהן מצטמצמת תחת מגבלות שונות של חומרה, ניידות ערוצים ותקציב חישובי.

המונחים: beamforming

קידוד מבוסס קודקוד מבוסס על קבוצה סופית של תבניות אנלוגיות מוגדרות מראש, לעתים קרובות נגזר מן העמודות של DFT matrix (עבור מנגנונים ליניאריים אחידים) או רצף טרשת נפוצה (עבור מערךים Planar) במהלך אימון amam, משדר ו- המקלט מקיפים את הקוד כדי למצוא את זוג האגמים הטוב ביותר המתקבל אותות הכוח.

  • (ב) ⁇ :0) ,5 ,5 ,5 , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ⁇ :0) ,(החלים: ⁇ ) ,(ה) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

אופטימיזציה של Algorithms

כאשר המידע מצב הערוץ (CSI) זמין בתחנת הבסיס (למשל, באמצעות משוב מפורש או תגובת ערוצים במערכות TDD), אלגוריתמים הרטיביים יכולים לייעל את ה- אנלוגיים והדיגיטליים כדי למקסם את היעילות הקיבוצית.העבודה החציונית על ידי אל איח et al. (2014) נוסחת את הבעיה ההיברידית כגורם ממטריקס: קרוב לדיגיטלי לחלוטין (סימולטקטור דיגיטלי) תחת מטריקס נמוך (Perfectative) כולל ממטרון דיגיטלי (Perfectative) על ידי מערכת הפעלה קבועה של חומר ממטרהמולקולארית) ו-mtrain (Perfectative) על ידי מערכת הפעלה (Perfectative) על ידי מערכת העיכול (Perfectative) על ידי מערכת:

  • (FLT:0) אורטוקונים התאמה מרדף (OMP03): FLT 1 מתייחס לקוד האנלוגי כשילוב ליניארי צר של וקטורים מילון (למשל, DFT beams) OMP בחר בורות באושר כדי למזער את עבודות השגורות היטב כאשר הערוץ יש התפשטות עוויתית.
  • (FLT:0) למזער את המינימיזציה (אלטמבינאר): 1:1 באופן הדרגתי לתקן את החלק הדיגיטלי תוך אופטימיזציה של החלק האנלוגי (בכפוף למודולוס קבוע), ולהיפך. קונברges לאופטימום מקומי ולעתים קרובות מפורמים OMP ב multipath.
  • שיטות הקרנה:0 (Gradient Projection Method: FLT:1 עבור מגוון גדול, אופטימיזציה חד פעמית (למשל, על פי ה- oblique manifold) יכול להתמודד עם ה-מודולוס הקבוע ביעילות.

אלגוריתמים אלה דורשים בדרך כלל 10-100 טבלאות וניתן ליישם ביחידות עיבוד בסיס.האתגר העיקרי הוא הסתגלות בזמן אמת: עבור ערוצים מהירים (< 1 מ's coherence Time), שיטות הרציונאליות עשויות להיות איטיות מדי.

Machine Learning-Driven Beamforming

למידה עמוקה התפתחה ככלי רב עוצמה להתגבר על המגבלות של שני קודים ושיטות הרהרטיביות.רשתות נילי יכולות ללמוד את המיפוי מעמודי ערוץ או אותות טייס גולמיים אל המכשול האנלוגי / הספרות, תוך עקיפה מפורשת של סיאני הערכה ואופטימיזציה של ה-IT ML כוללים אסטרטגיות מבוססות: אסטרטגיות מבוססות ML כוללות:

  • (FLT:0) למידה חיזוק עבור בחירת קרן: ⁇ 1) הסוכן לומד מדיניות בחירת זוגות באם בהתבסס על חוזק אות העבר, צמצום האימונים מעל הראש בתרחישים ניידים.
  • (FLT:0) למידה מבוססת על דחיסת CSI ו- beamחיזוי: FLT:1 רשת עצבית אבולוציונית (CNN) יכולה לחזות את מדד הדבור הטוב ביותר מערוץ רחב פס, חיתוך משוב באופן דרסטי מעל פני ראש.
  • (FLT:0) עיצוב משותף מבוסס קודר:031 (אנ') שרשרת ההוויה ההיברידית כולה (קודר ב Tx, קודר ב Rx) הוא אופטימיזציה מקצה לקצה באמצעות ירידה ⁇ סטוצ'יסטית, באופן אוטומטי מספק מגבלות חומרה כמו מודולוס קבוע ופתרון משמרת שלב.

גישות ML הראו כי הם יכולים לגשת ליעילות ספקטרלית של מערכות דיגיטליות מלאות עם רק 2-4 רשתות RF, אפילו בערוצים שאינם נפרדים.עם זאת, הם דורשים נתוני הכשרה נרחבים חישוב לא מקוון; אימון מקוון נשאר אתגר פתוח.מחקר עדכני גם חוקר למידה לא מבוקרת ומבוססת על עצמי כדי להפחית את הצורך בנתונים מתוייגים.

מודל מערכת וביצועים Metrics

(ב) [17] , [17] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

מדדי ביצועים מרכזיים כוללים:

  • (ב) יעילות (SE)FLT:1: שיעור אמין ב bps/Hz, לעתים קרובות מוערך באמצעות ביטוי מידע הדדי בהנחה שהאות של גאוסיאנוס.
  • (ב) [[1924]]]]]] [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]], [[1924]]
  • (ב) [17] (ב) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) הסתברות וכיסוי (ב) 1: חשוב לאמינות, במיוחד בנוכחות חסימות.

השוואה של אדריכלות היברידית

(הופנה מהדף 1 (המושג) מסכם את ארכיטקטורות המסחר.מלאי מספק את הרווח הגבוה ביותר (הרווחה של קרן עד FLT:0) ;0) 1NIRFLT:1tOVAFLT:2IRLT 3: 3) אך סובל מצריכת חשמל גדולה בשל שינויים רבים.

בפועל, תחנות בסיס 5G רבות להשתמש במערך היברידי עם 64 אנטנה ו 2-4 שרשראות RF לקיטוב, תוך שימוש ב- DFT Codebook לגישה ראשונית וזיקוק להתאמה אישית להעברת נתונים.עבור ציוד למשתמש (UE), עלות וכוח הם אפילו יותר מוגבלים, כך ש-code-based codeBook מבוסס קוד-code עם שרשרת RF אחת הוא נפוץ.

אתגרים וקשיים לא מושלמים

נדל"ן היברידי חייב להתמודד עם מספר אי-ידיות:

  • (FLT:0) שינוי קואז' קוונטיזציה 1FLT: בדרך כלל 3-6 ביטים של החלטה שלב. Coarse קוונטיזציה של רמות מחלחלות על ידי 1–2 dB ומציג צדדיות. Algorithms חייב לשלב את הקידוד הסופי מסדיר.
  • (FLT:0) הפיכה בין אנאנטנות FIRLT:1: חזק יותר במערך קומפקטי, הפיכה משנה את הווקטור היגוי היעיל ויכול להפחית את אוטוקיונאליות של תבניות בטאם.
  • (FLT:0) Power amplifier non-LiנאריitiesFLT:1: משמרות שלב ממוקמות לעתים קרובות לאחר הרש"פ; אובדן ההכנסה וחוסר לינאריות שלהם משפיעים על האות המוקרן.
  • (FLT:0)Beam misalignment inניידת FIRLT:1): עבור כלי רכב במהירות גבוהה (למשל, 500 קמ"ש בתרחישים רכבת), הכיוון של קרן משתנה באופן משמעותי בתוך זמן קוהרנטיות.מכונה למידה המבוססת על דבורים באמצעות רשתות עצביות חוזרות ופילטרים קאלמן מועסקת כדי לשמור על איכות הקישור.
  • (FLT:0) Hardware calibration FLT:1: שלב ו amplitude ניגודים על פני שרשרת RF דורשות כיבוד תקופתי.חלק מערכי מ"מ מסחריים מציעים מעגלים מערכי ייצור עצמיים באמצעות לולאות טייס.

דרכים עתידיות ובעיות פתוחות

האבולוציה של ייצור היברידית היא בשילוב הדוק עם רול של תת-THz (100-300 GHz) תקשורת ו- MIMO (XL-MIMO) בתדרים אלה, אנטנה מתכווץ קדימה וערכים יכולים לכלול אלפי אלמנטים, מה שהופך את מלוא המוטב הדיגיטלי לחלוטין ללא פשרות מחקר עתידי יהיה להתמקד:

  • משטחים אינטליגנטיים בעלי יכולת גבוהה (RIS)IRFLT:1: התגלם היברידי מואשז מנצל משטח פסיבי גדול כדי לשקף אותות לכיוונים הרצויים, צמצום השרשראות RF האקטיביות הדרושות.
  • (FLT:0)Beamforming for Multiuser MIMOFIRLT:1): אסטרטגיות היברידיות חייבות לתמוך משתמשים בו זמנית עם חתימות מרחביות שונות. Algorithms כמו דיגווני בלוק היברידית ובחירת משתמשים משותפת /beam הם מפותחים.
  • (FLT:0)Hardware-in-the-loop LearningveFLT:1: למידה עמוקה באינטרנט שמתאימה לטיסה רק באמצעות טייסים שהתקבלו, ללא הערכת ערוץ מפורשת.
  • (FLT:0) תקשורת מכ"ם מתפקדת (DFRCIRFLT) 1:1: ב mmWave, אותו מערך ניתן להשתמש עבור חישה ותקשורת מכ"ם.הדבורה מאפשרת שיתוף זמן או תדירות של כפל-ראייה של דבורים, הדורשת גלפור משותף ועיצוב קוד.

עבור פריסה מעשית, סטנדרטיזציה היא קריטית. 3GPP הגדירה נהלי ניהול חמארכיים ב-NR, והודעות עתידיות יכללו פתרון חממה בסדר גודל גבוה יותר ושיפורים של התעשייה כמו Qualcomm, סמסונג, ו-Nokia מפתחים באופן פעיל שבבים עם ארכיטקטורות משולבת של beamforming.

מסקנה

מכשיר קישוריות היברידי הוא אמצעי המניעה של מערכות יעילות, יעילות באנרגיה, מילימטרים ויעילות אנרגיה (Wave MIMO Systems.על ידי שילוב באופן עסיסי של משמרות שלב אנלוגיות עם מספר קטן של רשתות RF דיגיטליות, ארכיטקטורות אלה להשיג יעילות כמעט-אופטימית של ספקטרום-הטווח, בעוד שחוקרים לוחצים של חומרת פנים אלחוטית ימשיכו להיות גמישים יותר, מערכת מחשוב מבוססת קודטיבית, או למידה - תלויות על תחזיות על גבי קידודים מתקדמים יותר, כמו מהנדסי תיבות של טכנולוגיות הפעלה מתקדמות יותר, כמו גם עבור טכנולוגיות הפעלה מהירה יותר, כמו גם שיטות הפעלה מהירה יותר, וטכנולוגיות הפעלה סלולריות, כמו גם שיטות הפעלה מהירה יותר של טכנולוגיות הפעלה.

(הופנה מהדף "התיאוריה הבסיסית" (IFLT:0) El Ayach et al., "Privaal Theory," IEEE;" IEEE:0.0.0.E.A.E.A.E.A.E.A.E.A.E.A.E.E.E.A.E.E.E.E.A.A.E.E.A.E. . .A.E. .E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E