Введение: Шкала проблемы синхронизации и калибровки в массовом MIMO

Технология многократного ввода многократного вывода (MIMO) эволюционировала от небольших массивов, поддерживающих несколько антенн, до массивных конфигураций с сотнями или даже тысячами элементов. Эти большие MIMO-решения являются основополагающими для 5G New Radio и, как ожидается, будут играть еще большую роль в системах 6G. Обещание массивного MIMO - более высокая спектральная эффективность, улучшенное усиление формирования луча и лучшее пространственное мультиплексирование - критически зависит от двух тесно связанных предпосылок: точная синхронизация и точная калибровка по всем элементам антенны. По мере масштабирования размеров массива сложность поддержания когерентности фаз, выравнивания времени и равномерного отклика элементов растет нелинейно. В этой статье рассматриваются основные проблемы синхронизации и калибровки в больших MIMO-решениях, основные причины и технические стратегии, разрабатываемые для их преодоления.

Синхронизация в больших массивах MIMO: почему это важно

Синхронизация в массивном контексте MIMO относится к выравниванию как времени, так и фазы несущей во всех цепях приемопередатчика. Без этого выравнивания формирование луча становится некогерентным, что приводит к уменьшению усиления массива, увеличению интерпользовательских помех и ухудшению пропускной способности. В системах дуплекса разделения времени (TDD), которые доминируют в массивных развертываниях MIMO, предполагается взаимность каналов, но эта взаимность сохраняется только тогда, когда аппаратные цепи с обеих сторон должным образом синхронизированы и калиброваны.

Сроки синхронизации

Ошибки времени в больших массивах вызывают несоответствие символов, что в системах ортогонального мультиплексирования с частотным разделением (OFDM) приводит к интерференции между несущими (ICI) и интерсимвольной интерференции (ISI). Проблема увеличивается с размером массива, потому что опорная сеть распределения часов должна доставлять стабильный сигнал с низким джиттером на каждую радиоголовку. Длинные пути распределения вводят вариацию задержки и тепловой дрейф. В распределенных архитектурах MIMO, где антенны распределены по нескольким местоположениям, проблема еще более серьезна, требуя синхронизации времени по воздуху (OTA). Такие стандарты, как IEEE 1588 (Протокол точного времени) и 3GPP-определяемые процедуры синхронизации помогают, но их производительность ограничена асимметрией сети и точностью оценки задержки распространения.

Фазовая синхронизация

Когерентное формирование луча требует, чтобы все антенные элементы передавали с одной и той же фазой несущей (или известным смещением фазы). Фазовой шум от локальных осцилляторов (LOs) является серьезным нарушением. В больших массивах распределение общего LO из одного источника уменьшает дрейф фаз, но вводит проблемы масштабируемости из-за разделения мощности и потерь кабеля. Альтернативно, использование независимых LO на каждом элементе требует сложного отслеживания и коррекции фазы. Методы OTA, такие как использование основанного на взаимности формирования луча и обратной связи от пользовательского оборудования (UE), могут помочь, но они вводят задержку и полагаются на точную оценку канала. Проект партнерства 3-го поколения (3GPP) включает спецификации для синхронизации фазы в TS 38.104 (Fase Station Radio Transmission and Reception) , который определяет требования к относительной когерентности фазы через порты антенны.

Калибровка: обеспечение равномерного отклика элементов

Калибровка учитывает различия в амплитуде и фазовом отклике каждого антенного элемента и связанного с ним аналогового фронтального конца. Даже если синхронизация выравнивает фазу времени и несущую фазу, несоответствия амплитуды и фазы между элементами искажают паттерн луча массива. Существуют две основные стратегии калибровки: внутренняя (с использованием встроенных испытательных путей) и внешняя (с использованием опорных сигналов по воздуху).

Внутренняя калибровка и ее ограничения

Внутренняя калибровка связывает известный опорный сигнал в каждую цепочку приемопередатчика через выделенную калибровочную сеть. Сама эта сеть вносит частотные и изменяющиеся во времени несоответствия. По мере роста количества элементов калибровочная сеть становится сложной и убыточной. Точность калибровки также ухудшается с изменением температуры и старением компонентов. Производители часто сочетают внутреннюю калибровку с периодическими процедурами самотестирования, но отслеживание всех переменных окружающей среды для сотен элементов остается значительной инженерной задачей.

Овер-Эйр (OTA) калибровка

Калибровка OTA использует сигналы от внешних эталонных передатчиков — часто выделенной калибровочной станции или UE в известном месте — для измерения и коррекции ответов элементов. Она непосредственно фиксирует сквозное поведение, включая взаимодействие антенной взаимной связи и среды массива. Однако калибровка OTA для больших массивов сталкивается с несколькими проблемами:

  • Неоднозначность измерения: Канал между источником отсчета и каждым элементом должен быть известен или разделим.
  • Вычислительная нагрузка: Оценка и применение калибровочных коэффициентов для тысяч элементов в реальном времени требует значительной вычислительной мощности.
  • Частота перекалибровки: Изменение окружающей среды (температура, вызванное ветром структурное движение) требует частой перекалибровки, которая может потреблять ресурсы эфирного времени.

Общий подход заключается в выполнении калибровки OTA в фоновом режиме с использованием запланированных «калибровочных слотов» с известным эталонным UE, как описано в некоторых продвинутых алгоритмах формирования луча, документированных Европейским институтом стандартов электросвязи (ETSI) и в литературе IEEE по массивным испытательным стендам MIMO.

Взаимные связи и массивные деформации

В плотных массивах электромагнитная связь между соседними элементами изменяет эффективную картину излучения каждого элемента и импеданс. Калибровка должна учитывать эти эффекты связи. Такие методы, как взаимная компенсация связи или встраивание калибровки в вычисление массы луча, могут смягчить проблему, но они добавляют сложность. Кроме того, механические допуски в размещении антенны и деформации из-за теплового расширения вводят фазовые ошибки, которые должны быть измерены и исправлены.

Масштабируемые вызовы: от сотен до тысяч элементов

По мере увеличения количества элементов антенны задачи синхронизации и калибровки становятся экспоненциально сложнее из-за огромного объема данных и необходимости высокой точности во всем массиве.

Распределенные архитектуры и согласованность фаз

Будущие развертывания могут разделить массив на несколько географически разделенных подлучей (распределенных MIMO). Синхронизация этих подлучей требует времени и выравнивания фаз на уровне сети, что выходит за рамки того, что могут достичь решения на одном участке. Задержка и джиттер линий фронтальной связи становятся критическими. Альянс O-RAN определил спецификации для тесной синхронизации между радиоблоками (RU) в стандартах фронтовой передачи O-RAN , но достижение субнаносекундного времени и миллирадианской точности фазы по пакетным сетям остается активной областью исследований.

Вычислительная нагрузка на алгоритмы калибровки

Алгоритмы калибровки часто включают в себя матричную инверсию или оценку наименьших квадратов для всех путей антенн. Для массива N-элементов масштабы сложности как O(N3) или хуже, если учитывать полную перекрестную связь. Необходимы эффективные рекурсивные или решетчатые алгоритмы. Для прогнозирования калибровочных коэффициентов на основе температуры, мощности и истории старения предложены методы машинного обучения, в частности искусственные нейронные сети. Эти модели могут снизить накладные расходы на перекалибровку, но требуют обширных данных обучения.

Стратегии и новые решения

Исследователи и инженеры разработали ряд методов для решения задач синхронизации и калибровки в больших массивах MIMO. Некоторые из наиболее перспективных описаны ниже.

Распределенная локальная синхронизация осциллятора

Вместо распределения одного LO каждый подмассив или даже каждый элемент может иметь свой собственный PLL (запертый фазой цикл), синхронизированный с общим GPS-дисциплинированным осциллятором или сетевым эталоном IEEE 1588. Достижения в синтезе низкофазных частот позволяют нескольким осцилляторам поддерживать когерентность фаз в пределах нескольких градусов на частотах миллиметровых волн. Оптическое распределение опорных сигналов с использованием фотонных методов является еще одним подходом, изучаемым для массивных массивов в диапазонах суб-6 ГГц и ммВава.

Калибровка взаимности с обратной связью UL/DL

В системах TDD взаимность каналов сохраняется только в том случае, если аппаратные ответы откалиброваны. Хорошо известный метод включает в себя передачу известного калибровочного сигнала от каждого элемента и измерение принятого сигнала на опорном элементе (или на UE). Используя взаимный канал, можно получить калибровочные коэффициенты. Этот подход встроен во многие массивные прототипы MIMO и стандартизирован в 3GPP TS 38.211 (Физические каналы и модуляция) посредством использования звуковых опорных сигналов (SRS) и специализированных калибровочных процедур.

Машинное обучение для калибровки в реальном времени

Модели глубокого обучения могут изучать сложную взаимосвязь между условиями окружающей среды (температура, влажность, уровни мощности) и ошибки калибровки. После обучения модель может прогнозировать и компенсировать дрейф, не прерывая нормальной работы. Вариационные автокодировщики и генеративные состязательные сети также были изучены для моделирования несовершенств массива из ограниченных измерений. В то время как перспективные, эти модели требуют тщательного развертывания, чтобы избежать переобучения и обобщить различные аппаратные блоки.

Улучшения аппаратного обеспечения

Более качественные аналоговые компоненты — высококачественные кристаллы, компенсированные температурой осцилляторы и цифровые фазовые переключатели — уменьшают величину ошибок синхронизации и калибровки. Силиконовые лучообразующие ИС с интегрированными калибровочными сетями теперь коммерчески доступны для массивов с 64 элементами. Дальнейшая интеграция и использование искусственного интеллекта на уровне чипа может снизить потребность во внешней калибровке в будущих поколениях.

Вывод: Путь вперед для больших массивов MIMO

Синхронизация и калибровка остаются одними из наиболее важных и технически сложных аспектов развертывания больших массивов MIMO в коммерческих сетях. Проблемы охватывают проектирование аналогового оборудования, обработку цифровых сигналов и протоколы сетевого уровня. Хотя ни одно решение не подходит для всех сценариев, сочетание улучшенного оборудования, интеллектуальных алгоритмов и основанных на стандартах рамок синхронизации неуклонно делает массивные MIMO более практичными. Текущие исследования в области распределенной фазовой когерентности, автоматизации калибровки по воздуху и компенсации с помощью машинного обучения будут иметь важное значение для раскрытия полного потенциала этих массивов за пределами 5G, обеспечивая еще более высокие скорости передачи данных и более эффективное использование спектра. Поскольку размеры массивов продолжают расти, индустрия должна инвестировать в надежные, масштабируемые архитектуры калибровки, которые могут адаптироваться к реальным условиям работы без ущерба для производительности.