多输入多输出 (MIMO)
- 提出者
- Telatar, Foschini, and Gans
- 年份
- 1995
- 类型
- spatial multiplexing technique
- 类别
- Signal processing
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
MIMO是一种利用多个发射和接收天线来显著提高信道容量和可靠性的技术。该技术由Telatar (1999) 和 Foschini & Gans (1998) 理论性地开创,它将通常被视为无线通信中不利因素的多径传播转化为优势,通过创建独立的空间信道来实现。如今,它已成为包括LTE、WiFi-6和5G在内的所有现代无线系统的基础,在这些系统中,它通过空间复用提供容量增益,并通过分集提供鲁棒性。
方法背后的直觉
在MIMO中,我们使用多个发射天线和多个接收天线,而不是单个发射天线和单个接收天线。信道变成一个矩阵:每个发射天线通过一条可能不同的路径耦合到每个接收天线。关键的见解是,通常会破坏信号相干性的多径散射,反而可以被建设性地利用:通过精心的信号设计和接收机处理,可以从同一发射机同时发送多个独立的数据流,所有这些数据流都占用相同的频率和时间。接收机利用信道知识来解开这些数据流。这在不使用更多带宽的情况下成倍增加了数据速率——这是信息论预测的一个基本增益。
历史学
理论基础由Telatar (1999) 奠定,他证明了MIMO容量随min(MT, MR)线性增长。Foschini & Gans (1998) 和后来的贝尔实验室的V-BLAST (1996) 展示了实际方案。Alamouti码 (1998) 为2根天线提供了简单的发射分集。随着接收机算法的进步,MIMO在2000年代变得实用,并被IEEE 802.11n (WiFi, 2009)、LTE (2009) 采纳,现在已广泛应用于5G/6G系统。大规模MIMO(基站有数百根天线)现在是5G架构的支柱。
何时使用
当存在多径(城市、室内)且天线间距足够时,MIMO是有益的。MIMO需要精确的信道估计,使其对反馈开销和快速衰落敏感。对于高容量、固定到移动或移动到固定链路,优先选择MIMO;在视距传播或稀疏散射条件下,MIMO增益会减弱。空间复用需要足够的自由度;对于相关天线,分集模式可能更有效。
局限与注意事项
- 需要足够的多径传播;在视距单径信道中增益消失
- 大型天线阵列和复杂预编码的高计算成本
- 信道状态信息开销;导频训练降低效率
- 天线尺寸、间距和隔离挑战限制了移动终端的实际增益
- 天线之间的相关衰落(当间距很小时)会降低有效秩
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 容量急剧增加,与min(MT, MR)个空间信道成正比
- 通过分集实现鲁棒性;一条路径的丢失由其他路径补偿
- 无需额外的频谱或功率——容量增益是“免费的”(在传播条件良好的情况下)
- 统一框架:发射分集、接收分集和空间复用是MIMO内部的权衡
- 高级技术的基础:预编码、波束成形、大规模MIMO
应用
- LTE和5G蜂窝系统:基站使用4-64根天线通过空分复用同时服务多个用户
- WiFi-6 (802.11ax) 路由器:8天线阵列提供多用户MIMO,在拥挤的频谱中提高吞吐量
- 无线回程链路:长距离固定链路利用高天线增益和复用实现Gbps速率
- 手机:双天线或四天线配置提供分集,以应对城市峡谷中的深度衰落
- 水声通信:MIMO补偿声纳和海底网络中的严重多径和多普勒效应
使用方式
使用方式
数据流被分成M个并行流(M = min(发射天线数, 接收天线数),通常称为秩)。
每个流被映射到符号;预编码矩阵被应用于加权跨发射天线的符号,利用对MIMO信道矩阵H的了解。
预编码信号通过MIMO信道传输;每个发射天线通过可能不同的增益和相位耦合到每个接收天线。
接收信号 Y = H * X + N,其中 H 是 MR x MT 的MIMO信道矩阵,X 是传输的符号矩阵,N 是噪声。
接收机通过导频训练估计H;计算H的逆矩阵或伪逆矩阵;接收机应用后处理(迫零或MMSE)来解耦M个流并检测符号。
常见陷阱
- 忽略天线相关性;紧密间隔的天线会看到相关衰落,从而大大降低复用增益
- 假设信道是完全已知的;反馈错误或过时的CSI会使性能呈指数级下降
- 在未考虑散射的情况下过度配置天线;在稀疏散射中,额外的天线仅提供分集,而非复用
- 未平衡分集和复用;空间复用最大化容量但牺牲鲁棒性
- 忽略相干时间;在快速衰落中,导频开销增加;切换到分集模式可能更好
常见问题
分集和复用在MIMO中有什么区别?
分集(发射或接收)利用多条路径来降低所有路径同时发生深度衰落的概率,从而提高可靠性。复用利用多条路径并行发送独立的数据流,从而提高速率。MIMO可以在两者之间进行权衡:全分集最大化可靠性但损失容量;全复用最大化速率但可靠性较低。实际系统使用中间模式。
为什么信道状态信息在MIMO中至关重要?
接收机必须知道MIMO信道矩阵H才能求解Y = HX + N中的X。没有H,它无法分离空间流。CSI通常通过发送已知的导频序列获得;接收机从接收到的导频估计H。如果CSI错误或延迟,接收机将无法正确解码,导致错误地板或信号完全丢失。
在实践中限制MIMO容量的因素是什么?
理论容量随rank(H)增长,但实际限制包括:天线相关性(间距小会降低秩)、散射环境(多径不足)、反馈开销(导频消耗资源)和功率约束(预编码会放大较弱的空间流,消耗更多功率)。在视距传播中,rank(H)=1,MIMO退化为SISO。
什么是预编码,为什么需要它?
预编码是在发送符号之前在发射机处应用的线性变换。它利用信道知识来预先补偿信道效应,确保接收到的符号向量正交或具有良好的条件。常见的预编码包括迫零(ZF)和最小均方误差(MMSE);最优预编码使用H的奇异值分解(SVD)来对信道进行对角化。
相关方法
参考文献
Telatar, I. (1999). Capacity of multi-antenna Gaussian channels. European Transactions on Telecommunications, 10(6), 585-595.
打开 DOI 文献已复制。Foschini, G. J., & Gans, M. J. (1998). On limits of wireless communications in a fading environment when using multiple antennas. Wireless Personal Communications, 6(3), 311-335.
打开 DOI 文献已复制。