Introduzione

Il multi-input di uscita (MIMO) è una pietra angolare delle moderne comunicazioni wireless, consentendo significativi guadagni in efficienza spettrale, affidabilità del collegamento e capacità di rete.

In primo luogo, riesaminare i principi fondamentali del teletrasporto e del ruolo di CSI. Quindi, analizzare le fonti di ritardo, quantificare il degrado in metriche come il rapporto segnale-to-noise-plus-interference ratio (SINR) e bit error rate (BER), e le strategie di mitigazione consolidate e emergenti.

Fondamenti di MIMO Beamforming

Tecniche di formatura

Il beamforming si riferisce all'applicazione di pesi complessi (cambiamenti di fase e regolazioni di ampiezza) a ogni elemento dell'antenna in una matrice, tale che i segnali irradiati interferiscono costruttivamente in una direzione desiderata e interferiscono distruttivamente altrove. Le due principali categorie sono sistemi analogici di trasmissione del fascio, dove i pesi sono applicati nel dominio della frequenza radio-di radio tramite i mutatori analogici di frequenza di frequenza di fase [

Il vettore di trasmissione del raggio (o la matrice per la trasmissione multistrato) è calcolato in base al CSI di ogni utente. Per un sistema con N[] trasmettere le antenne e K]] gli utenti, il precoder lineare ottimale sotto i criteri di massimizzazione dell'importo o meno di media

Ruolo delle informazioni di Stato del Canale

CSI è ampiamente diviso in istantaneo (per-slot) e statistica (lungo-term). CSI istantaneo, che cattura lo stato del canale di fast-fading al momento della trasmissione, è essenziale per i pesi di banda stretta o di banda sub-banda.

L'accuratezza del feedback CSI è regolata da diversi fattori: la dimensione del codebook di quantizzazione, la frequenza di feedback (intervallo di riferimento), e il ritardo tra la misurazione e l'applicazione. Il componente di ritardo è spesso il più dannoso perché anche una snapshot CSI perfettamente quantizzata diventa stale quando il canale cambia a causa della mobilità degli utenti, della dinamica dell'ambiente o della frequenza di offset.

Cause e conseguenze del ritardo di feedback

Fonti di ritardo

Il ritardo di feedback si accumula da più fasi:

  1. Ritardo di elaborazione e di elaborazione[[[[] – il tempo necessario per l'utente per ricevere segnali di riferimento, stimare il canale e quantificare il CSI. In 5G NR, la risorsa di riferimento CSI è definita tale che l'utente segnala lo stato del canale misurato in uno specifico slot; successiva elaborazione presso l'apparecchiatura utente (UE) aggiunge sull'ordine di centinaia di microsecondi.
  2. In ritardo di trasmissione di collegamento[[[] – il tempo di propagazione fisica più il tempo necessario per il rapporto CSI per attraversare il mezzo (ad esempio, sul canale di controllo del collegamento fisico o sul canale di controllo del collegamento fisico condiviso in LTE/5G).
  3. Ritardo di elaborazione della stazione di base[[] – una volta ricevuta, la stazione di base deve decodificare il rapporto, calcolare nuovi pesi di trave e applicarli alle successive trasmissioni di downlink.

Il ritardo totale τ] è spesso misurato in termini di simboli o slot multiplo (OFDM) di frequenza ortogonale. In un tipico 5G NR di distribuzione con spaziatura subcarrier di 30 kHz, una slot dura 0,5 ms. I ritardi totali di feedback possono variare da 1-10 ms, a seconda della configurazione di pochi kmh.

Impatto sulle prestazioni del sistema

L'effetto centrale del ritardo di feedback è un errore tra i vettori di teletrasformazione utilizzati per la trasmissione e il canale istantaneo effettivo.

  • Potenza del segnale ridotta all'utente previsto[[] – il fascio non è più allineato con il percorso dominante, portando ad una perdita di guadagno efficace dell'array. Per un array lineare uniforme con N]] elementi, il guadagno del fascio normalizzato nella direzione desiderata si degrada quando il ritardo aumenta, riducendo il SINR da diversi dB.
  • L'interferenza tra utente aumentato[ – la precodizione a zero-forcing si basa su un'accurata null-sterering. L'interferenza esterna CSI provoca un'ingerenza residua, che può dominare il rumore del sistema nei regimi ad alto livello SNR. Questo effetto è particolarmente dannoso nei sistemi MMO massicci dove si accumulano interferenze da molti raggi.
  • Deficienza di grado superiore[[] – in MIMO multi-stream (multi-layer), il precoder è progettato per creare canali spaziali paralleli.
  • Corrispondenza del fascio degradato[[[] – nei sistemi TDD che utilizzano la reciprocità, il divario temporale tra il suono e la trasmissione downlink significa che il canale uplink stimato non è esattamente il canale downlink.

[LT] [LT] [[S]] [FLT] [[S]] [[S]]] [[S]]] [[S]] [FLT]] [[S]] [[S]] [FLT]] [[S]]] [[S]]]] [FLT] [[S]]] [[Segui]]]] [FLT]]] [[S]]]] [[[[[[[[S]]]]]]]]]]]]

Case Studies: Ritardo in sistemi diversi

5G NR e Massive MIMO

Il tipo di dati è spesso utilizzato per ridurre il ritardo del feedback[FLT-LT][[Sistema di risposta] (con un intervallo fisso), le tecniche semipersistenti o aperiodiche (triggere da una sovvenzione).

Il sistema di controllo di velocità più elevato (64, 128 o anche 256 elementi di antenna) esacerba il problema del ritardo, poiché la larghezza di trave più bassa nelle scale di dominio dell'angolo è circa 1 / N; i raggi più stretti richiedono informazioni più precise a livello angolare.

Wi-Fi 6/6E e 7

Nel raggio di risposta non autorizzato, Wi‐Fi 6 (IEEE 802.11ax) e Wi‐Fi 7 (802.11be) utilizzano anche il teletrasporto MIMO, principalmente attraverso il protocollo explicit beamforming. Inoltre, la stazione (STA) invia un frame di informazioni dello stato del canale (CBF) dopo aver ricevuto un pacchetto dati Null (NDP) dal punto di accesso

Strategie di mitigazione

Predizione del canale

Il modo più diretto per combattere il ritardo del feedback è quello di prevedere lo stato del canale al momento della trasmissione reale basata sulle misurazioni del passato. La previsione lineare (ad esempio, utilizzando un filtro Wiener) sfrutta l'autocorrelazione del canale di time-varying.

Robusto Beamforming

Invece di affidarsi a CSI istantaneamente perfettamente abbinati, i robusti progetti di teletrasformazione incorporano modelli di incertezza. Ad esempio, un approccio peggiore minimizza il massimo degrado SINR dato un errore limitato nel CSI. In alternativa, la robusta trave tratta il canale come una variabile casuale con distribuzione nota (derivata dalle statistiche di ritardo) e ottimizza il tasso di somma previsto.

  • Matrixincertezza –] modellare il canale effettivo come H = + ]]]Δ]], dove ]
  • Sistetistical beamforming –[]] utilizzando la matrice di covarianza a lungo termine del canale, che varia lentamente rispetto al CSI istantaneo. Ad esempio, l'esemplare a base di eigen-beamformer basato sulla matrice di correlazione trasmittente fornisce prestazioni robuste anche sotto CSI obsoleto.
  • Calciatura a zero-forcing –[]] aggiungendo un termine di caricamento diagonale proporzionale alla potenza di errore prevista allo pseudo-inverso, riducendo la sensibilità ai piccoli valori singolari causati dal ritardo.

Questi metodi si contrapponeno alle prestazioni di punta (quando CSI è fresca) per migliorare le prestazioni in ritardo. Nei sistemi di MIMO, la legge di grandi numeri aiuta: con molti utenti, l'interferenza media da CSI ritardata tende ad una costante, consentendo robustezza senza predizioni esplicite.

Approcci di apprendimento della macchina

L'apprendimento automatico (ML) è sempre più applicato sia agli stati dei canali predittivi che a quelli di trasmissione diretta di raggi che sono robusti da ritardare. L'apprendimento approfondito del rinforzo può formare un agente per selezionare vettori di teletrasformazione da un codebook basato su osservazioni ritardate, ottimizzando per il throughput a lungo termine.

Miglioramenti del protocollo

Le modifiche a livello di sistema possono ridurre il ritardo effettivo nello strato di protocollo.

  • Rapporto di feedback veloce –[]] ridurre la periodicità dei rapporti periodici o utilizzare trigger aperiodici che si allineano allo stato di mobilità dell'utente.
  • Risposte a fasi diverse –] inviando rapidamente un indice di trave grossolane, seguito da una raffinatezza più fine in seguito. Il fascio grossolano può essere utilizzato per la trasmissione immediata dei dati mentre arriva la fine CSI, mitigando l'impatto del ritardo.
  • Risoluzione del codebook adattivo –[] aumentando i bit di quantizzazione solo quando il canale è statico (impatto di ritardo basso) e riducendoli durante l'alta mobilità per mantenere la latenza di feedback bassa.
  • Ottimizzazione a strati –[]] integrando la programmazione a raggiatura con i processi HARQ (Hybrid Automatic Ripete reQuest) in modo che le retrasmissioni possano beneficiare di più recenti CSI.

Le direzioni future

Mentre le frequenze di trasporto si spingono verso le bande di millimetro-wave (mmWave) e sub-terahertz (ad esempio, 6G a 100 GHz+), la lunghezza d'onda si restringe e il canale diventa molto più sensibile ai piccoli movimenti — una frazione di un millimetro può cambiare il percorso dominante.

Un'altra direzione promettente è l'uso di superfici riflettenti intelligenti [ (IRS) e superfici intelligenti riconfigurabili (RIS) per aiutare la teletrasformazione. Controllando l'ambiente di propagazione stessa, la dipendenza da un feedback preciso CSI può essere ridotta, perché l'IRS può guidare percorsi riflettenti basati su una media statistica piuttosto che feedback istantaneo.

Conclusioni

L'elevata capacità di risposta dell'utente rimane una sfida fondamentale per il teletrasporto MIMO, con impatti che vanno dalla perdita di potenza del segnale all'aumento delle interferenze e a ridotti guadagni di multiplexing spaziale. La gravità cresce con la mobilità dell'utente e opera attraverso tutti i principali standard wireless - dal 5G NR e Wi‐Fi ai sistemi emergenti 6G.