מערךים מרובים של Input (MIMO) הפכו לטכנולוגיה בסיסית בתקשורת אלחוטית המודרנית, תוך התבססות על העלייה הדרמטית בנתונים באמצעות חישוב ויעילות ספקטרלית שנראתה ב-4G, 5G, ו- 6G מערכות מתפתחות. על ידי פריסת עשרות, מאות, או אפילו אלפי אנאנטנות בקנה מידה גדול של מערכת ההפעלה, כאשר מתווך רחב כל כך מתפתח עם התרחבות משמעותית של מערכת זו, עם זאת, עם זאת, הוא פועל רק על בסיס משמעותי של אנטנות גבוהה של ביצועים, עם התרחבות משמעותית של כל כך, עם זאת, עם התרחבות משמעותית של מערכת יעילה, עם התרחבות משמעותית של אנטנות גבוהה יותר, עם זאת, עם זאת, עם זאת, עם התרחבות משמעותית של מערכת גבוהה יותר של מערכת יעילה יותר, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם התרחבות משמעותית של אנטנות גבוהה של אנטנות גבוהה של תפקוד משמעותי של מערכת יעילה יותר של מערכת יעילה יותר של מערכת יעילה יותר מדי, עם התרחבות משמעותית של מערכת יעילה יותר מדי, עם זאת, עם זאת, עם התרחבות משמעותית של מערכת יעילה יותר של מערכת יעילה יותר מדי, עם התרחבות משמעותית של אנטנות גבוהה יותר מדי, עם התרחבות משמעותית של כל כך, עם זאת, עם

הבנה של SynSyncization in Massive MIMO

(ב) במערכת MIMO מסיבית, כל האנאנטנות בתחנה הבסיס פועלות באופן אידיאלי כמבנה יחיד של קוהרנטי.עבור זה להתרחש, האותות המועברים מכל אנטנה חייבים להגיע למקלט עם מערכת היחסים של השלב המיועד, ואת האותות המתקבלים חייבים להיות משולבים עם היערכות מדויקת כדי למקסם את יחס האות-ל-אין (NR) כולל שלושה תחומים עיקריים: FLT3: LT5:

המונחים: Frequency Synchronization

תדירות offsets בין הoscillators המקומי (LOs) בשימוש על ידי מודולים אנטנה שונים לגרום האותות המועברים או שהתקבלו לסובב בשלב לאורך זמן.אפילו צמצם קטן של כמה הרץ יכול להוביל לסחף שלב משמעותי במהלך מסגרת שידור, degrading beamizing רווח והגדלת הפרעה בין-carrier בתדירות גבוהה של מספר גלקסיות (OD) הוא לעתים קרובות מופץ על ידי פיזור אותות קצרים של רכיבי טמפרטורה גבוהה.

שלב הסינכרון

סינכרוניזציה שלב דורשת שהשלב הראשוני של אות המוביל יהיה עקבי בכל האנטנה בתחילת שידור או מרווח קבלה.זה קריטי עבור beherent beamforming: כאשר השלב של כל אנטנה הוא מתואם, האותות מוסיפים בצורה קונסטרוקטיבית בשלב היעד, מה שמביא רווח מתואם למספר האנאנטנות.

תזמון SynSyncization

תזמון הסינכרון מבטיח כי שעונים דגימה בכל אנטנה הם מתואמים בתוך חלק של תקופת הסמל.In ofDM, עיכובים לא טובים של חלון התזמון של הסמל מוביל להפרעות בין-symbol (ISI) ואובדן של אורטוקונאליות של אורטרציה בין subcarriers.עבור MIMO מסיבי, התזמון משתנה בין אנטנות מתורגם לשלב ליניארי מעבר למחזור דיגיטלי, אבל יכול להיות פיצויי של מתחמי, אבל זה יכול להיות מכווץ על פני התדירות גבוהה על פני התדירות גבוהה עם מחזורית משנה, אבל זה יכול להיות מטווח דיגיטלי.

ההשפעה של שגיאות סינכרון על ביצועי מערכת

אפילו פגמים סינכרוניים קטנים יכולים לזלזל ברצינות ביתרונות התיאורטיים של MIMO מסיבית.התת הבאה מפרטת את עונשי הביצועים העיקריים.

Beamforming מקבל ניכוי

כאשר שגיאות שלב קיימות על פני המערך, דפוס המותאם בפועל מאידיאל.הרווח המבשר בכיוון המיועד הוא מודל כמו FLT:0 (בשלב קטן ⁇ ⁇ 2 (בריאן2), שבו M הוא מספר האנאנטנות-יתר (R) לדוגמה, עם 128 אנטנה, סטיית שלב של 10 מעלות להפחית את הרווח על ידי בערך 1.5BN) לא יכול להיות יעיל יותר מאשר מספר שגיאות (Rintnce) באופן ישיר יותר מאשר את מספר זה).

הגדלת Inter-User Interference

Massive MIMO מסתמכת על מספר רחב של משתמשים מרחביים כדי לשרת משתמשים מרובים בו זמנית על אותו משאב זמן- ⁇ .ההפרדה של משתמשים מושגת באמצעות precoding (קישור) או שילוב (uplink) וקטורים שונים אשר מנצלים את ההבדלים של הערוץ. שגיאות סינכרוניזציה לעוות את הערכות הערוץ המשמשות כדי למקם את ההפרעות הללו. Frequency Offsssss לגרום לתקשור המשוער להיראות בזמן, בעוד שלב מחוץ להפרעות קיצוניות, מאשר להפרעות אלה (בדרך כלל-reative) מאשר להפרעות הפעלה) מאשר להפרעות לא פחות מהפרעות מיידיות (מתאים).

דירוג ערוץ אסטיגמציה

הערכת ערוץ ב-MIMO מסיבית בדרך כלל מסתמכת על אותות טייס הידועים הן משדר והן מקלט.טייסים אלה משמשים כדי להעריך את הערוץ בין כל אנטנה וכל משתמש. שגיאות סינכרוניזציה לגרום לאי התאמה בתזמון הטייס, תדירות או שלב, משחיתים את הערכת הערוץ - למשל, תזמון מסיט את עמדת הטייס בעת, ותדירות מדגימה את הביצועים המשתנים לאחר מכן, באמצעות הגרסאות של הגורמות לפענוח, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, את הביצועים של המאוחרים של ה-ה של ה-ה של ה-ה של ה-ה-השלב ה-ה של ה-השלב ה-השלבים של ה-השלבים של ה-השלב ה-הההשלבים של ה-הת ה-השלבים.

צמצם כיסוי ו- Cell Radius

רווח Beamforming חיוני להרחבת כיסוי תאים, במיוחד בתדרים גבוהים יותר שבו אובדן הנתיב הוא חמור יותר. שגיאות סינכרון להפחית את רווח המערך על ידי מספר dB ישירות לכווץ את אזור הכיסוי היעיל.בנוסף, הורדת תדרים עלולה לגרום ציוד המשתמש (UE) לאבד סינכרון עם הרשת, הדורש הדבקה תכופה תכופה ונוהלי יד להגדיל את הגמישות ואת אות מעל ראש.

חומרה וגורמים סביבתיים גרועים יותר סינכרוניזציה

תכנון תוכנית סינכרון עבור מערך בקנה מידה גדול חייב לקחת בחשבון שורה של פגמים בעולם האמיתי.הגורמים הבאים מציגים ומחמירים שגיאות.

איכות וחלוקת

איכות של אווסוציאלטורים מקומיים (LOs) היא הגורם העיקרי של רעש בשלב ויציבות תדירות.Lo-cost LOs, כגון אלה המשמשים תאים קטנים רבים או יישום בצד המשתמש, יש רעש בשלב גבוה יותר ותדירות גבוהה יותר סחף עם טמפרטורה מאשר oscillators גבישי מבוקר תנור (OCXOs) או שעוני שפשף.במערך גדול, להפיץ איכות גבוהה יותר עם אלמנטים של אורכיבים יכולים להוסיף אותות מתכתיים נוספים.

טמפרטורה Gradients

גם אם כל השרידים זהים בתכנון, ⁇ טמפרטורה על פני מערך גורמים לכל אוסטר לפעול בתדר מעט שונה (הקצב של טמפרטורות) הבדל 1 מעלות צלזיוס בין שני צדדים של מערך 2-מטר יכול לגרום לתדירות של כמה חלקים ל מיליארד, אשר מעל מסגרת של 10 מ"מ ב 28 GHz, מתורגם לשלב של עשרות מעלות זה הוא בעייתי במיוחד.

אורך כבל ונתיבים מתואמים

אורך הפיזי של כבלי RF, גל מונחה, או עקבות PCB מן היחידה המרכזית לכל אלמנט אנטנה משתנה.הבדלים אלה יוצרים שלב סטטי משקעים כי הם פונקציה של אורך גל. בתדרים מובילים גבוהים, אורך החשמל משתנה במהירות עם תדירות; אפילו 1 מ"מ לא מתאים יכול לגרום שינוי שלב 10 מעלות ב 28 GHz. יתר על כן, כבלים כפופים לטמפרטורות התכווצות, ומציגים זמן רב-תרגול שגיאות בשלב זה קשה לדינמיקה.

המונחים: Component Variation

במשך חודשים ושנים, אווסוציאטורים נסחפו בתדירות בשל ההזדקנות.מאפיינים מסנן, מגבר עיכובים וחוסר איזון לערבב משתנים גם כן. במערך גדול, השפעות ההזדקנות הללו אינן אחידות, מה שמוביל להידרדרות הדרגתית של סינכרוניזציה שיש לטפל בה באמצעות שחזור תקופתי או לולאות משוב אוויריות.

טכניקות סינכרון מתקדמות

כדי להתגבר על האתגרים הסינכרון ב-MIMO מסיבי, חוקרים ומהנדסים פיתחו חבילת טכניקות הפועלות ברמות שונות של המערכת: חומרה, עיבוד אותות ופרוטוקול.

סינכרון מפולגת באמצעות אותות התייחסות נפוצים

הגישה הישירה ביותר היא להפיץ שעון התייחסות משותף וסימן של שלב-המידה ממרכז לכל מודולי האנטנה.עבור מערךים גדולים, הפצת סיבים אופטיים המועדפת מפני שהיא ממזערת אובדן אות והוא חסין להפרעה אלקטרומגנטית. מעגלי פיצוי שלב פעיל בכל מודול אנטנה יכול להתאים את השלב המקומי על בסיס אות כי אמצעים בזמן עגול.

Over-the-Air (טא) Synchronization

במקום להסתמך רק על הפצה חוטית, OTA סינכרוניזציה משתמשת אותות המועברים עצמם כאותים.לדוגמה, לאחר היערכות ראשונית coarse באמצעות מערכת לווייני ניווט גלובלית (G., GPS), האנטנה יכולה להחליף טונס טייס עם תזמון ידוע ושלב. A Master משדרת אות; אנטנות עבדים מודדות את ההבדל ולתאם את הנימוס המקומי שלהם ותזמון זה הוא אטרקטיבי עבור מתודולוגיה משולבת (MO-מחדשנית).

Kalman-based אסטימום ותיקון

עיבוד אותות דיגיטליים בזמן אמת יכול להעריך ולתקן שגיאות סינכרוניזציה. גישה נפוצה היא להטביע סמלים פיילוט ידוע מסגרת השידור ולהשתמש מסנן Kalman כדי לעקוב אחר שלב הזמן ותדירות המאוחר עבור כל אנטנה.הפילטר מודלים הדינמיקה עומסי הרחם המהיר (למשל, רעש הליכה אקראי) ופלט תיקון אשר מאמת את השלב הדיגיטלי או מסלול מספרי זה עשוי להאט את התדרים (nrepertating טמפרטורה).

Reciprocal Calibration in Time-Division system

רוב הפריצות MIMO מסיביות להשתמש TDD כדי לנצל את הדדיות ערוץ: ערוץ הקישור ההנחה הוא שווה את ערוץ ה- downlink (transposed) עם זאת, הדדיות זו מחזיקה רק אם רשתות החומרה בכל אנטנה הן זהות. ⁇ כי הסרת אות טייס ידוע לתוך שרשרת השידור ו למדוד אותו בשרשרת לקבל יכול להעריך את שלב ampude היחסי ותגובות של כל שלב זה דורש ביעילות החלת שגיאות שידור, אבל זה משמש באופן יעיל.

תקני Network SynSyncization (למשל, 3GPP, O-RAN)

המפרטים של 3GPP עבור 5G NR כוללים הוראות לסנכרון ברמת הרשת.לדוגמה, GNB (תחנת בסיס) חייב לשמור על דיוק התזמון בתוך ±1.5 μs עבור תיאום התחנה בין בסיס (למשל, CoMP) ונוקשות יותר עבור אנטנות תחנת בסיס בתוך טרה-בסיס.The O-RAN הגדירה פרופילים סינכרוניזציה של השעון הזה, דרישות נוספות כמו תקן SAIN 152.

התפקיד של עיבוד אותות בסינכרון

אלגוריתמי עיבוד אותות מהווים את קו ההגנה השני נגד שגיאות סינכרוניזציה.גם עם החומרה הטובה ביותר, שגיאות שאריות יתקיים; פיצוי דיגיטלי יכול להפחית את השפעתם.

שלב הפיילוט-Aided Phaseing

בכל שידור נתונים, תת-קרקעית הטייס או סמלים מוכנסים במיקומים ידועים. המקלט משווה את הטייסים שהתקבלו נגד הערכים הצפויים להעריך את השלב ואת התדירות של שלב (PLL) המיושמת בתוכנות יכול לעקוב אחר ההתחלה וליישם תיקון הדרגתי לסמלי הנתונים.עבור MIMO מסיבי, מעקב פיילוט כזה יכול להתבצע למשתמש או לטיפול קבוצתי, אבל יש לקחת את אותו טיפול כדי למנוע הפרעה דומה על ידי הטייסים האחרים.

עיוור וסמי-בינד אסטימו

כאשר הטייסים אינם זמינים או להפחית את הטכניקות של הערכת עיניים עיוורות לנצל את המאפיינים הסטטיסטיים של האות המועבר, כגון Modulus קבוע או מחזוריות. שיטות סמי-עיוורות משלבות מספר קטן של טייסים עם הערכות מונעות נתונים. גישות אלה שימושיות למעקב שינויים מהירים, אך הם פחות מדויקים ורגישים יותר לרעש מאשר שיטות פיילוט-aided.

עיבוד Beamspace

אלטרנטיבה למערך מלא של קיטור היא לפעול בתחום המרחב, שבו המערך הוא מוכוון מחדש דינמי על בסיס הזווית המשוערת של ההגעה / השוויון. על ידי התאמת המהפך לסימן המתקבל החזק ביותר, המערכת יכולה לסבול שלב כלשהו של שגיאות שלב על פני המערך. עיבוד Beamspace מקטין את ממד הבעיה וניתן להתאים את האלגוריתמים המשתנים בצורה גמישה יותר, אך לא ניתן להשיג שגיאות קוהרנטית פחות.

כיוונים עתידיים ואבולוציה

כאשר התקשורת האלחוטית נעה לעבר להקות תדר גבוהות יותר (mmWave, תת-THz) וערכים גדולים יותר (למשל, 1024 אלמנטים או יותר), סינכרוניזציה הופכת אפילו יותר תובענית.

All-Digital Beamforming ואדריכלות היברידית

ב- beamforming דיגיטלית מלא, לכל אנטנה יש שרשרת RF משלה ו- ADC / DAC, המאפשרת כיבוד עצמאי וסינכרון דיגיטלי.המדן ההיברידי, המשלב עיבוד אנלוגי ודיגיטלי, מפחית את העלות החומרה אך מגביל את דרגות החופש לסנכרון.מערכות עתידיות סביר להניח לאמץ גישה היברידית עם מספר הולך וגדל של רשתות דיגיטליות, המאפשרת אלגוריתמים דיגיטליים מתוחכמת יותר.

שילוב חזק יותר של סינכרוניזציה ותקשורת

במקום להתייחס לסנכרון כערוץ נפרד מעל פני השטח, עיצובים חדשים של גלפור ומבנים מסגרת להטביע מידע סינכרוניזציה בתוך הנתונים.לדוגמה, השימוש של רצפי ZDoff-Chu או קודים זהב עבור טייסים יכול לשמש בו זמנית עבור estimation ערוץ וסינתזה טובה.אינטגרציה זו מפחיתה מעל פני מעלה ומאפשרת מעקב מהיר יותר.

Machine Learning for Synchronization

מודלים למידה עמוקה מוחלים על מנת לחזות ולתקן שגיאות סינכרוניזציה.רשת עצבית המאומנת על נתונים שנמדדים בעולם האמיתי יכולה ללמוד את התלויות הלא-לינאריות בין טמפרטורה, אוסטרטור סחף, הפיכה, ואת שגיאות שלב וכתוצאה מכך מודלים כאלה יכולים לספק תיקונים בזמן אמת כי מסננים של קאלמן קונבנציונליים, במיוחד בסביבות לא-סטמנטליות, עם זאת, עלות חישוביות והנתונים אימון נותרו דרישות משמעותיות.

תקנים מעבר ל-5G

3GPP לשחרר 18 ו מהדורות הבאות הם לומדות שיפורים עבור MIMO מסיבי טווח תדירות טווח 2 (FR2) ומעבר. הדרישות לדיוק סינכרוניזציה מבוזר MIMO מסיבי (למשל, שידור משותף) צפויים להיות מודוק לסדר של עשרות ננו השניות. ארגונים כגון ITU ו IEEE פועלים גם על טכנולוגיות חדשות של התפלגות שעונים, כולל ארנב לבן (WR) אשר יכול לספק דיוקים ארוכים.

מסקנה

Synchronization נשאר אחד ההיבטים הקריטיים והמאתגרים ביותר של פריסת מערך MIMO בקנה מידה גדול.המשחק של תדירות נושא, שלב ושגיאות תזמון, המורכבים מפגמים חומרה וגורמים סביבתיים, יכול לערער באופן חמור את ההישגים התיאורטיים של MIMO מסיבי, אך באמצעות שילוב של עיצוב חומרה זהיר, אלגוריתמי עיבוד אותות חזקים, ולפתח תקני סינכרוני רשת, אתגרים אלה מטופלים באופן שיטתי כמו מערכות אבטחה אלחוטית אפילו יותר ויותר.