Design and deployment options for sub-6 GHz FDD massive MIMO systems

Um den schnell wachsenden Kapazitätsbedarf drahtloser Geräte zu befriedigen, zielen die kommenden Mobilfunksysteme der fünften Generation (5G) auf unterschiedliche und teilweise extrem anspruchsvolle Konzepte, Techniken und Szenarien in Bezug auf die Anzahl der versorgten Nutzer, Datenraten und Latenzzeiten ab. Von massive MIMO werden erhebliche Leistungsvorteile erwartet, insbesondere in Kombination mit einer engen Zusammenarbeit zwischen den Zellen, einschließlich Joint Transmission Coordinated MultiPoint (JT-CoMP), Interferenzunterdrückung auf der Seite des Endgeräts (UE) und einem extrem dichten Einsatz von kleinen Zellen.
Die Millimeterwellenbänder für 5G werden 2019 zugewiesen, daher müssen vorerst alle Leistungsziele von 5G von den Funkfrequenzbändern unter 6 GHz unterstützt werden. Das bedeutet, dass für gepaartes und ungepaartes Spektrum sowohl Frequency Division Duplex (FDD) als auch Time Division Duplex (TDD) unterstützt werden müssen. Massive MIMO, typischerweise als starke Überprovisionierung von Antennen gegenüber den bedienten Nutzern konzipiert, verspricht, verschiedene herausfordernde Probleme wie Interzell-Interferenzen, Multi-User-MIMO (MU-MIMO) Scheduling, Abdeckungslücken und Kapazitätsgrenzen zu lösen. Es wird jedoch davon ausgegangen, dass es nur für TDD-Systeme funktioniert, da eine massive MIMO-Downlink-Übertragung für FDD-Systeme aufgrund von zwei Anforderungen eine besondere Herausforderung darstellt. Erstens muss die Kanalzustandsinformation (CSI) von einer großen Anzahl von Antennen erhalten werden, ohne dass ein unangemessener Overhead durch die Übertragung orthogonaler Downlink-Referenzsignale von diesen Antennen entsteht. Zweitens müssen die relevanten Kanalschätzungen auf der Netzwerkseite ohne einen unrealistischen Overhead für die Uplink-Steuersignalisierung zur Verfügung gestellt werden. Ein explodierender Overhead für orthogonale Referenzsignale oder eine begrenzte CSI-Genauigkeit führt zu einer Pilotverschmutzung, die in der Literatur als leistungsbegrenzend beschrieben wurde und insbesondere für empfindliche Interferenzunterdrückungssysteme nachteilig ist. Um die Anzahl der Transceiver in einem FDD-Massive-MIMO-System zu reduzieren, haben wir daher ein Framework entwickelt, das auf dem Grid of Beams (GoB)-Konzept basiert. Es wandelt die große Anzahl von Antennen in effektive Antennenports um, die dann sogar die vorhandenen Empfangssignale von Long Term Evolution - Advanced (LTE-A) nutzen können. Um Ungenauigkeiten in der CSI, die zur Basisstation zurückgeführt wird, effektiv zu bekämpfen, benötigen wir außerdem Algorithmen zur Kanalvorhersage, die eine zuverlässige Vorhersage über einen möglichst großen Zeithorizont liefern. Zu diesem Zweck haben wir einen verbesserten hybriden Algorithmus entwickelt, der auf zwei modernen Kanalvorhersagealgorithmen basiert. Er liefert eine zuverlässige Vorhersage auch für Kanalkomponenten, die mit niedrigen Signal-Rausch-Verhältnissen empfangen werden.
Darüber hinaus konzentrieren sich die wesentlichen Massive-MIMO-Schemata auf die Basisstationsseite mit dem Ziel, eine hohe spektrale Effizienz durch MU-MIMO oder eine große Abdeckung durch starke Beamforming-Gewinne zu erreichen. Die UE-seitige Betrachtung ist typischerweise auf vier oder meist acht Antennenelemente pro UE beschränkt, was durch die entsprechende UE-Komplexität und den begrenzten Platz zur Platzierung weiterer Antennenelemente für den Fall unter 6 GHz gerechtfertigt werden kann. UE-seitiges Beamforming würde jedoch viele Vorteile bieten, die von einer verbesserten Kanalschätzung und Vorhersagegenauigkeit über eine effektive Störungsunterdrückung bis hin zu einer besseren Abdeckung und spektralen Effizienz auf Systemebene reichen. Aus diesem Grund haben wir das neuartige Konzept des "Virtual Beamforming" vorgeschlagen, das es uns ermöglicht, virtuelle Massive-MIMO-Arrays am UE zu bilden, auch wenn es nur ein einziges physisches Antennenelement hat. Es wird angenommen, dass sich das UE mit einer konstanten Geschwindigkeit bewegt und die Empfangssignale für die benachbarten Zeitschlitze gespeichert werden. Diese Messungen werden dann zur Bildung von Strahlformern verwendet, als ob sie von separaten Antennenelementen empfangen würden. Wir erfassen nur einen kleinen räumlichen Teilbereich des Kanals und verlieren daher Energie, aber dieser Verlust wird teilweise durch den Gewinn der Strahlformung kompensiert. Virtuelles Beamforming führt zu einer Reduzierung der Anzahl relevanter Mehrwegekomponenten pro Kanalkomponente sowie der Anzahl der Kanalkomponenten selbst und ergibt einen Gewinn an Vorhersagegenauigkeit von ca. 10 dB geringerem normalisierten mittleren quadratischen Fehler im Vergleich zum Fall eines UE mit einer einzelnen Antenne. Auf der anderen Seite kann virtuelles Beamforming, das direkt auf die Nutzdaten angewendet wird, sehr ineffizient sein, da es die erneute Übertragung von Datensymbolen erfordert. Um diese Herausforderung zu überwinden, haben wir ein paralleles Übertragungsschema über einen Satz kodierter virtueller Strahlen entwickelt. Dadurch können wir den Effekt der inhärenten Wiederübertragungsstrafe des virtuellen Beamforming reduzieren und wir haben gezeigt, dass eine zuverlässige Kommunikation möglich ist. Darüber hinaus haben wir ein Framework entwickelt, um eine unterschiedliche Anzahl von virtuellen und physischen Antennenelementen zu einem virtuellen Massive-MIMO-Array zu kombinieren.

To satiate the rapidly growing demand for capacity by wireless devices, upcoming Fifth Generation (5G) mobile radio systems are targeting diverse and in some measure, extremely demanding concepts, techniques, and scenarios with respect to the number of served users, data rates, and latency. Significant performance benefits are expected from massive MIMO, especially in combination with tight inter-cell cooperation including Joint Transmission Coordinated MultiPoint (JT-CoMP), User Equipment (UE)-sided interference cancellation and ultra dense deployment of small cells.
The millimeter Wave bands for 5G will be allocated in 2019, so for now, all the performance targets of 5G have to be supported by the below 6 GHz Radio Frequency (RF) bands. This means that for paired and unpaired spectrum, Frequency Division Duplex (FDD) as well as Time Division Duplex (TDD) have to be supported. Massive MIMO, typically conceptualized as a strong over provisioning of antennas versus served users, asserts to solve various complicated issues like inter-cell interference, Multi-User MIMO (MU-MIMO) scheduling, coverage holes and capacity limits. However, it is deemed to work only for TDD systems as massive MIMO downlink transmission for FDD systems is particularly challenging due to two requirements. First, the Channel State Information (CSI) has to be obtained from a large number of antennas without an unreasonable overhead due to the transmission of orthogonal downlink reference signals from these antennas. Second, the relevant channel estimates have to be made available at the network side without an unrealistic uplink control signaling overhead. An exploding overhead for orthogonal reference signals or limited CSI accuracy, leads to pilot contamination, which has been shown to upper bound performance in the literature and is detrimental especially for sensitive interference cancellation schemes. Hence, to reduce the number of tranceivers in the FDD massive MIMO system, we have devised a framework based on the Grid of Beams (GoB) concept. It transforms the large number of antennas into effective antenna ports which can then even use the existing reference signals from Long Term Evolution - Advanced (LTE-A). Moreover, to effectively combat inaccuracy issues in the CSI fed back to the base station, we need channel prediction algorithms which provide reliable performance over a large prediction horizon. To this end, we have devised an enhanced hybrid algorithm based on two state-of-the-art channel prediction algorithms. It provides strong prediction performance even for channel components received with low Signal-to-Noise Ratios.
Moreover, quintessential massive MIMO schemes concentrate on the base station side with the goal to achieve high spectral efficiency by MU-MIMO or large coverage by strong beamforming gains. The UE-sided analysis is typically limited to four or mostly eight antenna elements per UE, which can be justified by the corresponding UE complexity and the limited space to place more antenna elements for the below 6 GHz case. However, UE-sided beamforming would provide many benefits, ranging from improved channel estimation and prediction accuracy, effective interference suppression up to coverage and spectral efficiency gains on the system level. For this reason, we have proposed the novel concept of ‘virtual beamforming’ which allows us to form virtual massive MIMO arrays at the UE, even if it has a single physical antenna element. The UE is assumed to be moving at a constant speed and the received signals for the adjacent time slots are stored. These measurements are then utilized to form beamformers as if they were received by separate antenna elements. We only capture a small spatial sub-section of the channel and thus lose energy but this loss is partially compensated by the beamforming gain. Virtual beamforming leads to a reduction in the number of relevant multipath components per channel component as well as in the number of channel components themselves and gives a prediction accuracy gain of approximately 10 dB lower normalized mean square error compared to the case of a single antenna UE. On the other hand, virtual beamforming applied directly to the user data can be very inefficient as it requires the re-transmission of data symbols. To overcome this challenge we have devised a parallel transmission scheme over a set of coded virtual beams. This allows us to reduce the effect of the inherent re-transmission penalty of virtual beamforming and we have shown that reliable communication is possible. In addition, we have also devised a framework to combine varying number of virtual and physical antenna elements into a virtual massive MIMO array.

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten