大规模MIMO空域非正交接入与协同传输关键技术研究

With a large number of antennas at the base station, the massive MIMO networks can provide service for multiple users at the same time-frequency domain, which can be implemented through the joint spatial division and multiplexing (JSDM) transmission. Different from the traditional JSDM, we will carefully analyze the sparse channel structure and the fine particle distribution property of the spatial resource. The main objective of this project is to overcome the bottleneck of the orthogonal spatial resource sharing among the users in the same spatial cluster, to weaken the spatial overlapping between different user clusters to improve the spatial multiplexing gain, and to fully take advantage of the multi-cell cooperative transmission. Firstly, we will reduce the effective dimensions of the massive channel parameters, and will construct dynamic Bayesian sparse models to depict the time-varying channels. The sparse Bayesian signal theory will be resorted to learn the formulated model, and to acquire the channel statistical characteristics. Then, with the graph theory, the spatial resource association state will be accurately presented to complete the spatial clustering, and the low-complex channel tracking method will be constructed. Secondly, with given spatial resource, we will propose effective spatial non-orthogonal multiple access methods for the ultra-dense single-cell scenario. Finally, in the low-rank angle-domain, we will construct feasible cooperative transmission framework for the multiple-cell case. The research results of this project will significantly enhance the spatial multiplexing capability, and thus provide theoretical basis and technical support for the practical application of massive MIMO systems.

大规模MIMO通过在基站部署大规模天线阵列，可同时同频服务大量用户。利用此优势的经典策略为联合空间分集与复用传输。与经典体制不同，项目充分利用信道空间低秩稀疏和空域资源细颗粒分布特性，旨在打破空间簇内正交资源共享瓶颈，弱化簇间资源冲突以提高空间复用增益，深挖多小区协同优势。首先，基于角度域大规模MIMO信道降维处理，构建动态稀疏信号模型。然后，借助贝叶斯学习理论，对所建模型进行快速识别，进而探测信道统计特征。以此为基础，基于图论精准表征网络中的空域资源分布状态以完成空间分簇，且在低秩角度域设计低复杂度瞬时信道跟踪机制。其次，在空域资源受限约束下，在超密集单小区中，为用户簇设计基于非正交空域资源共享的传输机制；最后，在低秩角度域，为多小区用户簇设计可行的空域协同传输框架。本项目将极大提高空间复用能力，为大规模MIMO实用化提供理论依据和技术支撑。

发展宽带移动通信是国家科技重大发展方向，如何利用大规模多天线传输技术深入挖掘利用多维度无线资源，提高网络的并发多用户服务能力是5G以及未来6G宽带移动通信领域的核心问题。面向5G乃至6G通信关键需求，申请人开展了大规模多天线传输技术研究，致力于提升宽带移动通信系统的频谱利用率，遵守从单小区到多小区、低速到高速移动、有源阵列到无源智能反射阵列、模型驱动到数据驱动、理论研究到验证应用的研究路线，深挖了大规模阵列高空间分辨能力及多节点协同增益，解决了大规模MIMO信道特征学习与跟踪，提出了大规模MIMO延时-多普勒-角度域径分多址传输机制，构建了智能反射面辅助通信信道外推框架，并搭建三项硬件系统验证所提部分算法，同华为、荣耀、OPPO等合作将所提框架应用至5G大规模MIMO以及短距MIMO系统。主要创新点体现在以下几个方面：. 1）针对大规模MIMO动态高维信道空间认知难的问题，提出了基于电磁散射角度互易性的信道特征学习与瞬时跟踪框架，突破了高维信道空时域相关性表征、信道模型学习、上/下行信道特征推演、跟踪与模型监督等技术。. 2）针对大规模MIMO空时频域传输波束设计复杂度高、正交接入效率低及难以抗大尺度多普勒频移的问题，首次提出了延时-多普勒-角度域径分多址方案，破解了OTFS延时-多普勒域信号强混叠现象，解决了协同、高移动场景中的用户资源共享与动态调配等问题，为6G关键技术大规模阵列同候选波形OTFS的高效融合提供了崭新视角。. 3）针对智能反射面信号处理能力受限引起的信道获取难的问题，提出了环境定制化的智能信道外推方案，构建了信道子空间和信道全空间之间的非线性映射方法，首次实现了信道子空间的智能选择，解决了RIS无源特征与最优波束调控间的矛盾，完成了高维RIS信道有效压缩，成为6G RIS智能化演进方面的代表性工作。. 在IEEE JSAC、IEEE TWC、IEEE TCOM等IEEE期刊发表SCI论文19篇，在IEEE顶级通信领域会议上发表论文3篇；申请国内专利3项；获得中国电子学会三等奖1项；培养博士研究生3人，硕士研究生6人。