Beşinci-Generation New Radio (5G NR) dünya çapında ayak izi olgunlaştırmaya devam ediyor, en uygun teknolojik olanaklardan biri Multi-User Multi Access Multi Çıkış (MU-MIMO) önleyen tekniklere uygulanır - aynı anda birden fazla kullanıcıya hizmet etmek için bir temel istasyonun aynı zamanda hızlı bir şekilde değiştirilmesine izin vererek, bu alandaki ilerlemelere doğrudan adapte olacağınız.

MU-MIMO 5G NR'de Precoding

MU-MIMO, alıcıların gelmesinden önce birden çok kullanıcı için belirlenen sinyalleri önceden içeren bir anten dizisiyle iletiyor.Ana fikir, her kullanıcının sinyalini, kanal durumu hakkında bilgi edinme (PC) olarak önceden belirlenmiş olan veya hesaplanan kanal tahminlerinin aksine, kullanıcılar arasındaki müdahaleyi en aza indirmektir.In 5G NR, bu genellikle teknoding yöntemiyle Zero-Forcing (ZF) veya minimum ortalama Square Error (MMSE), bu nedenle, alıcı kanal tahminlerinin aksine, hesaplanan kanaldaki tek kullanıcı tarafından belirlenen bir işarettir.

5G NR, kullanıcı ekipmanlarında (UE) önceden kodlanan kanalı tahmin etme ve kanal geri bildirimde bulunan işaretlere izin veriyor.In Frekans Bölümü Duplex (FD) sistemlerinde, kanal reciprocity garanti edilmez, böylece UEcoder matrix göstergeleri (PMI) ve sıralama göstergeleri (RI) ve sıralama göstergeleri (RI) zaman Duplex Division Duplex (TD) sistemleri, kanal reciprocity, 5G NR standart geri bildirim modları ve ön plana çıkarlar.

Kodbook'tan Olmayanlara Geçiş

Erken LTE MU-MIMO sabit kod kitaplarına dayanıyordu - küçük bir set önceden tanımlanmış önsözlü matriks. 5G NR, özellikle de 5G ağlarında, kodlanmamış olmayan kodlamalar için ön kodlama, temel istasyonun doğrudan bağlantı kanal tahminlerini hesaplayabildiği yerde.Bu yaklaşım, tam zamanlı kullanıcı sayısını aşıyor ve 5G ağlarında performans kazançlarının önemli bir sürücüsü olmuştur.

Hibrit Precoding for Massive MIMO

En önemli pratik gelişmelerden biri, yüzlerce antenle sinyal işlemeyi bölen karma önkoşuldur (RF) ve dijital (baseki) alanlar arasında tam dijital ön kodlama, analog ağ için özel bir RF zinciri gerektirir - her anten elemanı için, bu da maliyetle ve güçlendiricidir.

5G NR için hibrit önkoşul üzerinde son çalışma, analog ve dijital matrikleri pratik kısıtlamalar altında optimize eden algoritmaların üzerinde yoğunlaşır. Örneğin, analog kirişler genellikle Signal Processing'ta sabit devre dışı bırakmakla sınırlandırılır, ancak dijital precoder daha düşük boyutlu bir ZF veya MMSE çözümü olarak hesaplanabilir. Sparse optimizasyonu ve kodbook- bazlı analog kiriş seçiminin performanslarının iki katı kadar etkili olduğunu göstermiştir.

Donanım bozulmaları, faz kayması ve karşılıklı darbe gibi, çalışma alanlarıdır. Bazı üreticiler artık ticari 5G NR baz istasyonlarında mmWave bantları (n257, n258), büyük bant genişliği ve yüksek yol kaybının yoğunlaştığı alanlardan hibrit geçiş yapıyor.

Analog BeamInfo Geliştirilmişlar

Hibrit ötesinde, tam analog kiriş, bazı başlangıç 5G mmWave dağıtımlarında kullanılır, özellikle sabit kablosuz erişim için. Ancak MU-MIMO, en azından aynı kiriş üzerinde birden fazla kullanıcıya hizmet etmek için dijital kontrol derecesi gerektirir. Gelişmiş kirişler gibi analog ağlar ortaya çıkar, tek bir analog kiriş iki veya daha fazla angularly farklı kullanıcıları desteklemek için şekillendirilebilir.

Makine Öğrenmek Temel Olarak Kodlama

En iyi prekreasyon matrislerini gerçek zamanlı olarak hesaplamanın hesaplama karmaşıklığı, özellikle de Kirli Kağıt Coding (DPC) gibi doğrusal olmayan yöntemler, kanal tahminlerine ve çıkışlara doğru bir geçiş yaptı. Deep sinir ağları (DNNs) CSI'den ön kodlamak için haritalamayı öğrenebilir, o zaman taban istasyonunda sabit olmayan bir boru kullanır.

Yararlı iki yönlüdür: hesaplama gecikmesi - düşük ücretli 5G NR kullanım vakaları için geçerlilik - ve en iyi DPC'nin 90-95'ini modellemek zor olan, 100 mikrosaniye altında çalışanların sayısı kadar daha hızlı.

Programlama öğrenme (RL) ayrıca, kanaldaki değişikliklerin hızlı bir şekilde değiştiği senaryolarda dinamik önkoding için de araştırılıyor.The agent learnsequentially update precoding vektörs based on late CSI feedback. Operator denemeleri by Companies such asklı kiriş yönetimi yüksek hızda bağlantı kalitesini korumak için yüksek hızda azaltabiliyor.

Derin Unfolding ve Model-Based ML

Daha fazla yorumlanabilir bir yaklaşım, öğrenilebilir parametrelerle birleştirir, örneğin, Iterative Jazeeraage-Thresholding Algorithm (ISTA) için, öğrenilen bir ağ (LISTA), sonra önceden yapılan optimizasyona uygulanır. Bu yöntem, parametrelerin (örneğin, normalleşme ağırlıkları) izin verirken, normalleştirme ağırlıkları (örneğin, DNN'lerin siyah kutularının ve geleneksel sinyal işlemenin analitik garantilerini sağlar.

Kirişlenme MU-MIMO için Geliştirilmişlar

Precoding veform kirişler yakından bağlantılıdır; 5G NR'de, kirişli algılama işlemi sırasında başlangıçta dinamik adaptasyon kullanılır (P-1, P-2, P-3) bir yön bağlantı kurmak için, önbellekleme daha sonra uzaysal çoklu düzeltme için kirişlere uygulanan ışınlanmış sinyale uygulanırken, yüksekmobil senaryolarda tam olarak tam zamanlı geri bildirimde bulunan uyarıları azaltın.

Çok fazla panel bilgisi başka bir ilerlemedir. 5G NR baz istasyonu, bir panelin kapsamı alanından el değiştirmeden başka bir şekilde (örneğin, 120° ayrı). paneller boyunca önceden bilinen 17 panel-koherent iletim - bir panelin geri bildirimini takip eden bir kullanıcı oluşturmak için basit bir kablolama alanı olabilir.Bu özellikle stadyumlarda veya yoğun şehir kanyonlarında kullanışlıdır. 3GPP Bülteni 17 tanıtıldı kirişler için kirişler için gelişmiştir.

Massive MIMO Optimizasyonu

Massive MIMO, temel istasyonun on veya yüzlerce antenle donatılmış olduğu yerde, 5G NR kapasite kazançlarının temel taşıdır. Ancak, ölçekdeki bu tür diziler, her iki ön kodlama algoritmaları ve donanımın dikkatli bir şekilde optimizasyonu gerektirir. Bir anahtar fikir, zengin saçılma ortamlarda, kanal vektörleri antenlerin sayısı arttıkça neredeyse veyatogonal hale gelir, basit doğrusal önkole (örneğin kirişler gibi) yakın zamanda performans algoritmaların yakınlaştırılması gerekir.

Ağ operatörleri, orta ölçekli (3.5 GHz) ve mmWave gruplarının büyük MIMO'yu dağıtıyor. Örneğin, 03.000 $ 'lık bir bilgisayar ortamındaki tek kullanıcı MIMO'nun 5G Massive MIMO beyaz kağıt dağılımını ) 64 anten elementleri ve 16 kullanıcı tarafından planlanan 16-MIMO'nun, tipik kentsel ortamdaki 5-user MIMO'yu kazanabilmesi için en iyi 3G'yi yasaklaması gerekir.

Spasal Multixing Uygulamaları Uygulamada

Alan denemeleri, optimize edilmiş prekreasyonla, büyük MIMO sistemleri, aynı anda kaynak bloklarında 12-16 kullanıcıya hizmet edebilir, 50-100 bps /Hz hücreli verimlilik verimliliğine sahip oldukları için, bu genellikle 2-4 MU-MIMO tabakalarının ötesinde büyük bir adımdır.

MU-MIMO Precodings in MU-MIMO Precoding

Etkileyici ilerlemeye rağmen, birkaç engel kalır. İlki CSI geri bildirim yüküdür. FDD sistemleri büyük anten dizileriyle besleme, tam kanal matrikslerini temel istasyona beslemek, port seçimi ve frekans domain-kompresif algılama tekniklerinin çoğunu yasaklamak için zorunlu olarak çok fazla destek sağlayacaktır.

Donanım, faz gürültüsü, güç yükselticisi olmayan bir kesintiye uğramaz ve karşılıklı darbe performansına ek olarak, analog kirişli ağlar özellikle mmWave ve subterahertz frekansına bağlıdır, kullanıcıların yakın bir uzayda zaman geçirebilmelerine neden olur.

Kullanıcı hareketliliği kanalı yaşlanmayı öğretir - sabit CSI'den önceden hesaplanan hesaplamalar önemli müdahaleye neden olabilir. Dopplerler yüksek ve konumlarda (300-500 km/h) yüksek hızlı trenler için önceden kodlama güncelleme aralıkları gerektirir 1 m'den daha az tahmin edilebilir önkoşullar kullanarak otoregresyon modelleri veya Kalman filtrelerin azaltılmasına neden olabilir, ancak doğru hareket tahmin gerektirir.

İşbirlikleri Scenarios: mmWave vs. Sub-6 GHz

Precoding teknikleri frekans bandına uygun olmalıdır. Alt-6 GHz'de, kanallar genellikle diğer kullanıcıları engellemeye yardımcı olur.StraWave (24-64 elementler) olarak kontrol edilir (32-64-64 elementler). mmWave (24-52 GHz), kanallar sparse ve sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık kullanılan kullanıcılar tarafından takip edilir.

Ofisler ve alışveriş merkezleri gibi iç mekan dağıtımlarında, tahmin yolları çok etkileyici, uzaysal çokluxing elde etmek daha kolay olabilir. Ancak, ön kodlama kullanıcıların sabit veya yavaş hareket etmesi gerekir, uzun vadeli kovarians geri bildirimlerini anından daha kolay hale getirebilir.

Standartlaştırma ve Future Yollarında 3GPP

3GPP spesifik serisi (Release 15-18), daha iyi bir şekilde çözüm önerileri sundu.Demokratlama 17 bunu büyük MIMO için kod toplama ve geliştirilmiş port seçimi ile daha ileri sürdü, şu anda FDD. Bülteni için AI/ML'ye odaklanılıyor, ML-RS portlarına destek veriyor, sonraki CSI-S tahminlerine göre daha iyi bir şekilde genişletiliyor.

3GPP dışında, dağıtılmış MIMO ve cepsiz mimariler üzerinde araştırma, bu tür sistemler için gerekli olan büyük kazanımlar elde edebilir, birçok erişim noktası (AP) tüm CSI'ye hizmet etmek için işbirliği yapar, coğrafi olarak ayrılmış AP'ler. Bu çok basitler hesaplayıcı karmaşıklığına sahiptir, ancak bu tür sistemler için gerekli olan büyük kazanımlara dikkat eder.

Yeniden yapılandırılabilir Akıllı Yüzeyler (RIS) aynı zamanda MU-MIMO önkoding için bir araç olarak kabul edilir. Olay sinyallerinin yansımalarını ve refraksiyonunu kontrol ederek, RIS, sanal hat-of-görüler yollarını oluşturabilir ve kanaldaki birçok yönlü değiştirme için daha uygun hale getirir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

5G NR için önceden hazırlanmış olan ilerlemeler, büyük anten dizilerinin somut ağ performansına dönüştürülmesine yol açıyor. Hybrid architectures, yüksek ⁇ verimliliği sürdürürken donanım maliyeti azaltır, makine öğrenimi gerçek zamanlı adaptasyonu karmaşık kanallara ve kirişli geliştirmelere olanak sağlar.