כמו חמישית-Generation New Radio (5G NR) ממשיך להתבגר ולהרחיב את טביעת הרגל ברחבי העולם, אחד ממכשירי הטכנולוגיה הבולטים ביותר הוא האבולוציה של ריבוי משתמשים ב- Multi-User Input Output (MU-MI) המתקדמים בעולם, על ידי כך שהם מאפשרים לתחנת בסיס לשרת משתמשים מרובים בו זמנית על אותם משאבים, MU-MI-MO מגביר באופן ישיר את היעילות והמשתמש באמצעות אותות סטנדרטיים של מערכת הפעלה מהירה של מערכת הפעלה, אשר ניתן להתאמה מהירה של מערכת הפעלה של מערכת הפעלה של מערכת הפעלה של מערכת הפעלה של מערכת הפעלה אוטומטית של 5.

קרנות של MU-MIMO Precoding ב 5G NR

MU-MIMO precoding תהליכים אותות המיועדים למשתמשים מרובים לפני שהם משולבים ומעבירים ממערך אנטנה.הרעיון הליבה הוא למקד את אות המשתמש על בסיס ידע של מידע המדינה ערוץ (CSI) כך שכאשר האותות מגיעים בו זמנית למגבלות של המשתמש, ההתערבות בין משתמשים מצטמצם.

5G NR מציג מבנים גמישים של מסגרת וסימנים התייחסות שהופכים MU-MIMO מעשי יותר.ההעברה של אותות הפניה דמוגרפיים (DM-RS) מאפשר לרשת להעריך את הערוץ המוסמך בציוד המשתמש (UE), המאפשר משוב סגור-פרלופ.In Frequency Division du (FDD) מערכות תכנות ערוצים לא מובטחות, כך דוחות UE אינדיקטורים טרום-קודמיים (R) יכולים לתמוך באופן משמעותי במערכות הפעלה (RD).

העברת קודקוד ל- Non-codebook Precoding

LTE מוקדם MU-MIMO התבסס על ספרי קוד קבועים - קבוצה קטנה של מערכי טרום-קוד מוגדרים מראש. 5G NR, עם זאת, במיוחד עם שחרור 15 ומעבר, מציגה לא-קוד מראש עבור מערכות TDD, שבו תחנת הבסיס יכולה למקם את ה-Precoder בו זמנית ישירות מהערכת ערוץ הקישור. גישה זו מאפשרת פתרון מרחבי הרבה יותר טוב, והוא כבר מפתח של ביצועים של מספר גדול של רשתות NCR (אך) במיוחד של מספר עצום של 5G.

הקדמה היברידית Precoding for Massive MIMO

אחת ההתפתחויות המעשיות המשמעותיות ביותר היא precoding היברידית, אשר מתפצלת עיבוד האות בין אנלוגיה (RF) לבין תחומים דיגיטליים (בסיס פס). קידוד דיגיטלי מלאי דורש שרשרת RF ייעודית עבור כל אלמנט אנטנה, אשר הוא עלות-ידי כוח-תועלת עבור אותות עם מאות אנטנה.היברידיים.היברידי ההיברידיים מפחיתים את מספר רשתות RF דיגיטליות לשבריר של אנלוגיה, בעוד שאותה עתושמת-זמנית-זמנית-זמנית-זמנית-זמנית-זמנית-זמנית-זמנית-זמנית, חלה על-הת-זמנית-הת-הת-זמנית-ה-הת-הת-הת-הת-הת-זמנית-הת-הת-הת-הת-התחילהת-התחילהתחילהתחילהת-התחילהתחילהתחילהת-התחילהת-התחילהת-ה-ה-הת-הת-התחילהת-התחילהתחילהת-התחילהתחילהת-התחילהת-ה-התיקים-ה-

עבודה אחרונה על precoding היברידית עבור 5G NR מתמקדת אלגוריתמים כי במשותף אופטימיזציה של המטבולות האנלוגיות והדיגיטליות תחת מגבלות מעשיות.לדוגמה, beamformer אנלוגי מוגבל לעתים קרובות לשינויים קבועים של שלב בינוניים, בעוד שהקוד הדיגיטלי יכול להיות מוגדר כאמצעי אחסון נמוך ZF או MMSE פתרון. אופטימיזציה ספורדית ו- RF מבוססי בחירה הוכחו כמשמעות מספר LT (FEECED) של פעולות מבוזרות של 1FD (R) הוא כפול של פעולות LT-FDIEFIEFIEFIEFIEFIEFL) CMACTIEFIFD (R) הוא כפול של MMRED (R) של MMRED MMRED) עם פתרון MMRED (R) של מספר כפול של MMSE.

ליקויים קשים, כגון שלב שינוי קוהקליזציה והפיכה הדדית, הם אזורים פעילים של מחקר. כמה יצרנים כבר פריסת precoding היברידית בתחנות בסיס 5G NR עבור להקות מ"מ ו- N257, N258), שבו רוחב הפס הגדול ועלייה בביקוש מרוכז בדבורים. על ידי שילוב של אנלוגיה מקדמה ל-MIcoding דיגיטלי עבור משתמשים מרובים, מערכות אלה ולהשיג יכולת ריכוזית.

אנליזה Beamforming growth

מעבר ל-ICV היברידי, מלא beamforming משמש כמה פריסות ראשוניות של 5G mmWave, במיוחד עבור גישה אלחוטית קבועה. עם זאת, MU-MIMO דורש לפחות רמה מסוימת של שליטה דיגיטלית כדי לשרת משתמשים מרובים בו זמנית על אותה קרן. טכניקות מתקדמות כמו להיותam splicing ו- multi-beam רשתות אנלוגיות מתפתחות, שבו ניתן לעצב אנלוגיה אחת כדי לתמוך בשניים או יותר משתמשים גלקטיים אלה הם מקובצים.

Machine Learning- Based Precoding

המורכבות החישובית של חישוב מזחלות אופטימליות בזמן אמת, במיוחד עם שיטות לא לינאריות כמו נייר מוצפן Dirty (DPC), הניעה שינוי לעבר למידת מכונה (ML) רשתות עצביות עמוק (DNN) יכול ללמוד את המיפוי מ CSI כדי לזרז את המזחלות, על ידי עקיפה מסורתית של פותרים רינגיביים או זרם רגיל לשימוש חוזר לתהליכי רשת חיזוי אחר כך הוא מקודמת, לאחר מכן, או מתוכנתים את הנתונים המקודמים.

היתרונות הם כפולים: עיכוב חישובי מופחת - חשוב עבור מקרים של שימוש בתדירות נמוכה 5G NR - והתאמה לערוצים שאינם אידיאולוגיים שקשה לדגמן באופן אנליטי, כגון אלה עם הפיכה הדדית חזקה או ליקויים בחומרה. . . .0 [המחקר המלוטש] מ- arXivFLT:1 מראה כי ML-based יכול לשמור על 90-95% של יעילות מיקרו-2 מהירה יותר מאשר שיטות הפעלה אופטימיות מאשר 100 שניות.

Reinforcement למידה (RL) הוא גם נחקר עבור קידוד דינמי בתרחישים שבהם הערוץ משתנה במהירות, כגון רכבות מהירות גבוהה.הסוכן לומד מדיניות עבור עדכון וקטורים precoding מבוסס על עיכוב משוב CSI.exe ניסויים על ידי חברות כגון Qualcomm אישר כי ניהול מבוסס RL יכול להפחית את פני השטח תוך שמירה על קשר באיכות גבוהה סביבות גבוהה.

ML מבוסס מודל ו- Model- Based

גישה יותר מפרשת משלבת אלגוריתמים רבי-תכליתיים עם פרמטרים שניתן ללמוד, הידועים כגילוי עמוק.לדוגמה, גישור השרי-העצמים (ISTA) עבור estimation ערוץ ספורד ניתן לא לטבול לתוך רשת נלמדת (LIDNA), ולאחר מכן החלת אופטימיזציה מראש.

שיפור ב- MU-MIMO

Precoding ו beamforming קשורים הדוק; ב 5G NR, beamforming משמש בתחילה במהלך הליך ניהול קרן (P-1, P-2, P-3) כדי לקבוע קישור כיוון, בעוד precoding הוא מוחל על האות beamformed עבור מספר תרחישים של הפניה. , שיפורים אחרונים כוללים הסתגלות דינמי באמצעות מיקום המשתמש ו / או מכ"מים (למשל אותות תקשורתיים) ניתן לחדד או להזין מיקום גבוה.

Multi-panel beamforming הוא עוד התקדמות.A 5G NR תחנת בסיס עשוי להיות לוחות אנטנה מרובים מוכוונים שונה (למשל 120 מעלות בנפרד) מתואם על פני לוחות - המכונה לעתים קרובות שידור לוח-קוהרנטי - יכול ליצור דבורים מורכבות כי לעקוב אחר משתמש נע מכיסוי ספציפי של פאנל אחד למשנהו ללא יד.זה שימושי במיוחד באצטדיון או עירוני יכול להיות מוצג משובים נוספים 17Gpaning.

אופטימיזציה MIMO

Massive MIMO, שבו תחנת הבסיס מצוידת בעשרות או מאות אנטנות, היא אבן הפינה של 5G NR קיבולת רווחית.עם זאת, פריסת מנגנונים כאלה בקנה מידה דורש אופטימיזציה זהירה של אלגוריתמים precoding והן חומרה. אחד תובנה מפתח הוא כי בסביבות פיזור עשיר, הערוץ הופך כמעט אוטגוני כמו מספר האנטנה גדל, המאפשר פשוט ליניארי precoders (כמו מילימטר) כדי לבצע ערוצים מתוחכמות יותר.

מפעילי רשת הם פריסת מסיבי MIMO באמצע פס (3.5 GHz) ו להקות מ"מWave. לדוגמה, FLT:0Qualcomm's 5G Massive MIMO WhitepaperveFLT:1 מדגיש כי עם 64 רכיבי אנטנה ו 16 משתמשים בו זמנית מתוכנן, MU-MIMO יכול להשיג 5-MIMO באמצעות רווח יחיד- MIMO בסביבה טיפוסית של הקלדה, כדי להבין את קוד התזמון החדש, ואפקטים של המשתמש חייב להשיג את רמות נמוכות של CIFD.

מלגות מרובותxing Gains in Practice

ניסויים שדה הראו כי עם אופטימיזציה של מערכות MIMO מסיבי יכול לשרת 12-16 משתמשים בלוק משאבים בו זמנית, השגת 50-100 bps / הרץ התא - יעילות ספקטרלית של תכונות.זה צעד גדול מעבר LTE, אשר בדרך כלל תומך 2-4 MU-MIMO שכבות.ההתקדמות בטכניקות precoding אחראים ישירות לזינוק זה, כמו שהם הופכים את דרגות המרחב של חופש המוצעים על ידי מערך גדול לקיבולת שלנו.

אתגרים ב MU-MIMO Precoding

למרות התקדמות מרשימה, כמה מכשולים נותרו.הראשון הוא משוב CSI על פני השטח.עבור מערכות FDD עם מערך אנטנה גדול, האכלה בחזרה תקשור מלא מזחלות לתחנת הבסיס תצרכו משאבים רבים ללא הגבלה. שחזור ספורד וטכניקות חישה דחוסות יכול להפחית מעל פני הראש, אבל יישומים מעשיים עדיין lag מאחורי גבולות תיאורטיים.

ליקויים קשים כגון רעש שלב, כוח מגבר לא לינאריות, ופעולה הדדית של ביצועים מתקדמים מראש.רעש שלב הוא חמור במיוחד בתדרים מ"מWave ו sub-terahertz, מה שגורם לדבורה של זמן-התאמת של דבורים. precoding כי מעקב רעש בשלב בזמן אמת הוא אזור מחקר פעיל.בנוסף, רשת אנלוגיה beamforming לכפות על משטח קבוע של חומרים מחוספסים, כאשר משתמשים קבועים על ידי לוחצים על ידי לוחצים על ידי לוחצים על ידי לוח זמנים.

ניידות המשתמש מציגה הזדקנות ערוץ - הקידוד מראש של stale CSI עשוי לגרום להפרעה משמעותית.Doppler להתפשט במהירויות גבוהות (300-500 קמ"ש לרכבות מהירות גבוהה) דורש מרווחי עדכון מראש של פחות מ 1 מ"מ. חיזוי מראש באמצעות מודלים תוקפים או מסננים קלמן יכול להקטין, אבל דורשות תנודות מדויקות.

המונחים: mmWave vs. Sub-6 GHz

טכניקות קדם חייבות להיות מותאמות ללהקת התדירות.ב- GHz תת-6, הערוצים הם בדרך כלל עשירים יותר בפיזור, מה שהופך את הלינייטר יעיל עם גדלים בינוניים (3-64 אלמנטים) ב- mmWave (24-52 GHz), ערוצים הם ספאאר ולעתים קרובות קו-of-of-sight, הדורשים אמפרמדומים צרים יותר וביטול קפדני כדי למנוע משתמשים אחרים.

בפריסה פנימית כגון משרדים וקניונים, שבו נתיבי הקידום הם מאוד רפלקטיביים, ריבוי מרחבי יכול להיות קל יותר להשיג.עם זאת, הקידוד חייב לקחת בחשבון את העובדה כי משתמשים עשויים להיות יציבים או לנוע לאט, ומאפשרים את השימוש של משוב ארוך טווח כפירה ולא CSI מיידי.זה מפחית מעל פני וסימולציות יישום.

תקנים וכיוונים עתידיים ב 3GPP

סדרת ה- 3GPP (Release 15-18) שיפרה בהדרגה את יכולות MUMIMO.שחרר 15 הציגה את המסגרת הבסיסית עבור לא קודקוד הקידוד ב-TDD ו- Type I Codebook for FDD. Release 16 הביא את Type II (שילוב ליניארי) קודקוד, תמיכה עד 32I-RS, המאפשרת פתרון מרחבי טוב יותר מורחב זה עם שאלון ו-MAC עבור פיתוח עצום של דחיסה של 182, כולל דחיסה מתקדמת יותר, כולל דחיסה של ה-MARL, אשר צפויה כיום, כולל דחיסה, כולל דחיסה מתקדמת יותר, הדחיסה של הדחיסה של ה-MRI-ML, כולל דחיסה, אשר צפויה כיום, כולל דחיסה, אשר צפויה יותר, כולל דחיסה מתקדמת יותר, לדוגמה, ה-MRI-MRI-MRI-ML, ה-HD, ה-HD, אשר צפויה כיום, אשר צפויה כיום, כולל דחיסה, הדחיסה, ה-MRI-MRI-HD, לדוגמה, ה-MRI-HD, ה-HD, לדוגמה, ה-MRI-MRI-HD, ה-HD, ה-HD, ה-HD,

מחוץ ל 3GPP, מחקר על אדריכלות מבוזרת MIMO ו- תאים ללא תאים הוא צובר מתח.ברשת ללא תאים, נקודות גישה מרובות (APs) לשתף פעולה כדי לשרת משתמשים, הדורשות קידוד משותף על פני APs נפרדים גיאוגרפית.זה מכפיל את המורכבות החישובית אבל מבטיח רווחים עצומים בכיסוי והגינות.התיאום ההרצאה הנדרשת עבור מערכות כאלה עשוי להועיל לאלגוריתמים מבוזרים ולמידה מלומדת לכל מרכזי כדי למנוע CSI.

משטחים חכמים Reconurable (RIS) נחשבים גם ככלי עבור MU-MIMO precoding. על ידי שליטה השתקפות ותגובה של אותות אירוע, RIS יכול ליצור קו וירטואלי של נתיבי ראייה ולעצב מחדש את הערוץ כדי להפוך אותו נוח יותר עבור מספר גדול מרחבי של אופטימיזציה משותפת של שינויים שלב RIS וקטורות בסיס הוא אתגר מתמטי פעיל, לעתים קרובות נפתר באמצעות תרחישים עמוקים או מוגבל.

מסקנה

ההתקדמות ב- MU-MIMO precoding עבור 5G NR הופכת את ההבטחה התיאורטית של מערך אנטנה מסיבית לביצועים ברשתיים מוחשית.אדריכלות היברידית להפחית את העלות החומרית תוך שמירה על יעילות ספקטרלית גבוהה, למידה מאפשרת הסתגלות בזמן אמת לערוצים מורכבים, ולהגדיל את ההשתמעות האלחוטית למגוון רחב יותר של רשתות חברתיות וסביבות מ"מ"מ"מ"מ"מ"מ"מ"מ"מ"מ"מ"מ"מ"מ מתפתח ל-5G לטכנולוגיות חדשות, ו- AI, ו- 6G, ובסופו של טכניקות מתקדמות, ו- AI, ו-AI-G, בסופו של טכנולוגיות מתקדמות יותר, הן בסופו של דבר, הן מבטיחות יותר, ו-Refective יותר, ו-Res, בסופו של דבר, ו-AI-Refective-Refectexitives, ו-Refectating, בסופו של דבר, באופן קבוע, ו-Reducing, אשר בסופו של דבר, באופן קבוע יותר, הן בסופו של דבר, אפילו יותר, הן מבטיחות, אשר בסופו של דבר, הן הופכות, אשר בסופו של דבר, באופן קבוע יותר, הן הופכות יותר, באופן קבוע