1 什麽是Massive MIMO

Massive MIMO（大規模天線技術，亦稱為Large Scale MIMO）是第五代移動通信（5G）中提高系統容量和頻譜利用率的關鍵技術。它最早由美國貝爾實驗室研究人員提出，研究發現，當小區的基站天線數目趨於無窮大時，加性高斯白噪聲和瑞利衰落等負面影響全都可以忽略不計，數據傳輸速率能得到極大提高。

從兩方面理解：

（1）天線數

傳統的TDD網絡的天線基本是2天線、4天線或8天線，而Massive MIMO指的是通道數達到64/128/256個。

（2）信號覆蓋的維度

傳統的MIMO我們稱之為2D-MIMO，以8天線為例，實際信號在做覆蓋時，只能在水平方向移動，垂直方向是不動的，信號類似一個平面發射出去，而Massive MIMO，是信號水平維度空間基礎上引入垂直維度的空域進行利用，信號的輻射狀是個電磁波束。所以Massive MIMO也稱為3D-MIMO。

參考資料：

[1] http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_Definition.html

2 Massive MIMO優點有哪些

2.1 Massive MIMO的好處在哪裏

高復用增益和分集增益：大規模MIMO系統的空間分辨率與現有MIMO系統相比顯著提高，它能深度挖掘空間維度資源，使得基站覆蓋範圍內的多個用戶在同一時頻資源上利用大規模MIMO提供的空間自由度與基站同時進行通信，提升頻譜資源在多個用戶之間的復用能力，從而在不需要增加基站密度和帶寬的條件下大幅度提高頻譜效率。

? 高能量效率：大規模MIMO系統可形成更窄的波束，集中輻射於更小的空間區域內，從而使基站與UE之間的射頻傳輸鏈路上的能量效率更高，減少基站發射功率損耗，是構建未來高能效綠色寬帶無線通信系統的重要技術。

? 高空間分辨率：大規模MIMO系統具有更好的魯棒性能。由於天線數目遠大於UE數目，系統具有很高的空間自由度，系統具有很強的抗幹擾能力。當基站天線數目趨於無窮時，加性高斯白噪聲和瑞利衰落等負面影響全都可以忽略不計。

2.2 Massive MIMO為什麽能有這麽多優點

從數學原理上來講，當空間傳輸信道所映射的空間維度趨向於極限大時，兩兩空間信道就會趨向於正交，從而可以對空間信道進行區分，大幅降低幹擾。

雖然理論上看，天線數越多越好，系統容量也會成倍提升，但是要考慮系統實現的代價等多方面因素，因此現階段的天線最大也即256個。

參考資料：

[1] https://wenku.baidu.com/view/906431e003d276a20029bd64783e0912a2167ce9.html

3 Massive MIMO挑戰有哪些

雖然Massive MIMO作為5G的核心技術之一，但是這並不意味著這項技術已經成熟（完整）。關於這項技術仍有很多事情需要改進或解決。此頁面將列出一些通常被列為進一步研究項目的區域。

3.1 如何安排天線

如您所知，在Massive Antenna中，您將擁有大量的天線。現在您會有疑問......我應該如何安排這些天線以達到最佳性能？

下圖顯示了我從各種技術材料中看到的各種類型的天線布置。什麽是最好的安排？會有新的安排方法嗎？

這些問題應該從進一步的研究中得到解答。

3.2 如何建模3D頻道

如果將天線排列為（B），（C），（D），則可以將光束的方向指向水平方向和垂直方向。如果組合兩個方向，則可以將光束指向3D空間中的任何方向（至少幾乎是3D球體的一半）。這很好，但也有復雜性。現在您需要考慮所有這些方向的通道因素，並且您需要數學模型來考慮這些3D因素。

這種渠道模型是需要進一步研究的領域之一。

3.3 如何將其應用於FDD操作

我認為這是Massive MIMO的最大缺點（至少截至目前）。為了執行最佳波束成形，您需要獲得不斷變化的通道的準確（詳細）信息。為了獲得此類信息，您需要從UE獲取有關下行鏈路信道質量的報告。為此，您需要為下行鏈路參考信號分配大量資源，這將導致嚴重的資源浪費。在FDD中，我們沒有任何好主意在不使用基於參考信號的這種信道質量報告的情況下獲得信道信息。

然而，在TDD中，我們可以使用一些可能不需要這種UE報告的替代技術。在TDD中，我們對下行鏈路和上行鏈路使用相同的頻帶。因此，如果網絡可以從UE傳輸信號估計上行鏈路信道質量，則可以將該信息用作下行鏈路信道質量。因此，在TDD中，您可以創建非常優化的波束，而無需從UE獲得明確的信道質量報告。

當然，從上行鏈路信號導出的估計可能與下行鏈路信號不完全相同，因為上行鏈路和下行鏈路的時隙是不同的。因此，在某個時隙的UL的信道估計可能與下行鏈路時隙不完全相同。然而，這是目前最常被接受和實踐的想法。

由於這個原因，大多數Massive MIMO實現都是在TDD模式下完成的。

3.4 如何從大陣列生成寬光束

Massive MIMO背後的關鍵思想之一是通過將單個波束的多個天線輸出建設性地相加來增加天線增益，並且通過該過程，所得波束的寬度趨於變窄。我們可以說這種窄光束在能量密度方面是好的，但它也意味著光束覆蓋的區域將非常窄。這意味著波束成形和引導應該非常快速和準確以適當地聚焦在目標UE上，但是這並不總是簡單且容易的，尤其是當UE處於快速移動狀態時。

因此，有必要在不犧牲大規模MIMO的太多性能的情況下加寬波束寬度。

3.5 如何校準天線系統

任何具有RF / mmWave設計或測試經驗的人都會明白，設計/測試的復雜性和難度會隨著信號路徑的增加呈指數級增長。即使假設設計正確完成，您也必須確保所有信號路徑和天線都經過適當校準，以便天線系統按預期工作。校準那些巨大數量的天線路徑絕對是一項具有挑戰性的任務。

3.6 如何處理調度和預編碼的復雜性

如您所知，Massive MIMO的最大動力是增加指定目標設備的方向性和增益。另一個動機（或由波束形成引起的要求）是實現MU-MIMO（多用戶MIMO）。然而，隨著使用更多天線並且更多用戶被瞄準，調度和預編碼將變得更復雜。如何處理這種情況將是一個大問題。只是為了增加DSP功率？或者想出一個新的/智能的數學方法來處理這個問題而不會過多地增加DSP的要求？

參考資料：

[1] http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_FurtherStudy.html

4 5G為什麽要用Massive MIMO

5G雖然可以使用低於6GHz的低頻頻段，但是由於低頻頻段的資源有限，而5G對帶寬的需求量又很大，因此大部分5G網絡會部署在高頻頻段，即毫米波頻段（mmWave）。在為5G尋找合適的技術時，不能忽略5G的這個特征。

從無線電波的物理特征來看，如果我們使用低頻頻段或者中頻頻段，我們可以實現天線的全向收發，至少也可以在一個很寬的扇面上收發。但是，當使用高頻頻段（如毫米波頻段）時，我們別無選擇，只能使用包括了很多天線的天線陣列。使用多天線陣列的結果是，波束變得非常窄。為什麽在毫米波頻段，我們只能使用多天線陣列呢？

在理想傳播模型中，當發射端的發射功率固定時，接收端的接收功率與波長的平方、發射天線增益和接收天線增益成正比，與發射天線和接收天線之間的距離的平方成反比。

在毫米波段，無線電波的波長是毫米數量級的，所以又被稱作毫米波。而2G/3G/4G使用的無線電波是分米波或厘米波。由於接收功率與波長的平方成正比，因此與厘米波或者分米波相比，毫米波的信號衰減非常嚴重，導致接收天線接收到的信號功率顯著減少。怎麽辦呢？

我們不可能隨意增加發射功率，因為國家對天線功率有上限限制；我們不可能改變發射天線和接收天線之間的距離，因為移動用戶隨時可能改變位置；我們也不可能無限提高發射天線和接收天線的增益，因為這受制於材料和物理規律。

唯一可行的解決方案是：增加發射天線和接收天線的數量，即設計一個多天線陣列。

3GPPR1-136362對5G引入Massive MIMO的動機做了很好的總結：

隨著移動通信使用的無線電波頻率的提高，路徑損耗也隨之加大。但是，假設我們使用的天線尺寸相對無線波長是固定的，比如1/2波長或者1/4波長，那麽載波頻率提高意味著天線變得越來越小。這就是說，在同樣的空間裏，我們可以塞入越來越多的高頻段天線。基於這個事實，我們就可以通過增加天線數量來補償高頻路徑損耗，而又不會增加天線陣列的尺寸。

使用高頻率載波的移動通信系統將面臨改善覆蓋和減少幹擾的嚴峻挑戰。一旦頻率超過10GHz，衍射不再是主要的信號傳播方式；對於非視距傳播鏈路來說，反射和散射才是主要的信號傳播方式。同時，在高頻場景下，穿過建築物的穿透損耗也會大大增加。這些因素都會大大增加信號覆蓋的難度。特別是對於室內覆蓋來說，用室外宏站覆蓋室內用戶變得越來越不可行。而使用Massive MIMO（即天線陣列中的許多天線），我們能夠生成高增益、可調節的賦形波束，從而明顯改善信號覆蓋，並且由於其波束非常窄，可以大大減少對周邊的幹擾。

多天線陣列無疑是把雙刃劍。很明顯，多天線陣列的大部分發射能量聚集在一個非常窄的區域。這意味著，使用的天線越多，波束寬度越窄。

多天線陣列的好處在於，不同的波束之間，不同的用戶之間的幹擾比較少，因為不同的波束都有各自的聚焦區域，這些區域都非常小，彼此之間不大有交集。

多天線陣列的不利之處在於，系統必須用非常復雜的算法來找到用戶的準確位置，否則就不能精準地將波束對準這個用戶。因此，我們不難理解，波束管理和波束控制對Massive MIMO的重要性。

參考資料：

[1] http://www.360doc.com/content/18/0703/08/54080910_767270974.shtml

[2] http://www.elecfans.com/tongxin/rf/20180222638103.html

4.1 Massive MIMO的聚焦特性

有一件事是由Massive MIMO自動獲得的。事實上，從天線陣發射的大部分能量集中在非常狹窄的區域。這意味著當您使用更多天線時，波束寬度會變窄。下面的圖將給出一個示例，說明隨著天線數量的增加，波束衰減的影響。

這種效果會同時造成優勢和失敗。優勢在於不同用戶的光束之間的幹擾會更少，因為每個光束都會聚焦在非常小的區域，缺點是你必須實現非常復雜的算法來找到用戶的確切位置並指導光束給用戶高精度。

註*：在本例中，我假設每個天線都傳輸完全相同的功率，無論它是在2個天線陣列還是在4個天線陣列中。所以你看到4個天線陣列的峰值功率更高。但實際上，它們會增加每個天線的發射功率，因為??它們會增加天線的數量。關鍵是即使增加天線數量，也不應增加整個陣列的總傳輸功率。

以下是另一個玩具程序，它顯示了二維天線陣列中的光束模式（這是線性比例，而不是dB??比例）。你會註意到隨著陣列中天線數量的增加，波束寬度變得越來越窄。

參考資料：

[1] http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_Motivation.html

4.2 Massive MIMO的波束賦形 vs. 傳統的波束賦形

波束賦形是指，大規模多天線系統可以控制每一個天線單元的發射（或接收）信號的相位和信號幅度，產生具有指向性的波束，消除來自四面八方的幹擾，增強波束方向的信號。它可補償無線傳播損耗。

至於3D Beamforming，是指在三維空間（水平和垂直空間）形成傳輸信號的分離波束。

需要說明的是，Massive MIMO的波束賦形和我們通常理解的波束賦形是不一樣的。它並不是波束直線指向用戶終端，而是可以從多個不同方向指向終端。信號預處理算法可以為波束安排最佳路由，它也可以在精確協調下將數據流經由障礙物反射路徑發送到指定用戶。

天線陣列和用戶之間的多路徑環境

這裏有一個經典的演示。

假設在一個周圍建築物密集的廣場邊上有一個全向基站（紅色圓點），周圍不同方向上分布3臺終端（紅、綠、藍X）。

未采用Massive MIMO場景下，當紅色終端和基站通信時，無線傳播路徑是這樣的，如下圖所示：

采用Massive MIMO場景下，並引入精準的波束賦形後，情況就神奇的變成這樣了，如下圖所示：

Massive MIMO可改善能效，提升頻譜效率，也就不難理解了吧！

參考資料：

[1] http://www.elecfans.com/tongxin/rf/20180222638103.html

[2] https://blog.csdn.net/dallin0408/article/details/79425404

5 Massive MIMO 信道模型怎麽數學描述

5.1 點對點MIMO的信道模型（PTP MIMO）

信道模型：以下是PTP MIMO信道模型的簡要數學描述

可實現的速率：以下是表示可實現的數據速率的數學模型。這是通用形式，您可以在等式中看到所有因素（例如，Tx數，Rx天線，SNR，通道矩陣）。但根據情況，主導因素會有所不同，您可以將此通用近似為各種其他（更簡單）形式。

表達這種公式的另一種方式如下。該等式使用通過SVD獲得的奇異矩陣的對角線數來表示相同的事物。（SVD是用於MIMO建模的非常重要的數學工具。如果您對此不熟悉，請參閱SVD頁面以了解概念並參考LTE MIMO頁面查看應用程序）

當SNR在單元邊緣中非常低時，該等式可以近似如下。（本文將詳細描述原始方程式如何近似。如果您真正了解詳細信息，可能需要查找另一篇論文。）

當發射機天線的數量與接收機天線的數量相比變得非常大時，下面的項可以近似為單位矩陣。（本文未描述如何推導出這種近似）

使用此近似值，您可以重寫原始等式，如下所示。

當接收天線的數量與發射機天線的數量相比變得非常大時，原始方程可以表示如下。

參考資料：

[1]http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_ChannelModel_ScaleUpMIMO_FredrikRusek.html

5.2 多用戶MIMO的信道模型（MU-MIMO）

5.2.1 什麽是MU-MIMO

MU-MIMO代表多用戶MIMO。這意味著同時為2個以上的UE執行MIMO，如下所示。這不是一個新概念。我們在當前的LTE（TM5）和WLAN（802.11ad）中具有MU-MIMO。然而，MU-MIMO的規模將更大，部署也將更加普遍。據我所知，我還沒有看到TM5真正用於當前LTE直播網絡的任何情況。在802.11ad的情況下，與5G網絡相比，UE和發射機天線之間的距離設計得非常短。因此，針對5G的MU-MIMO的真正實現將更具挑戰性。

實施MU-MIMO有多大的挑戰性？根據許多因素，答案會有所不同。即使具有相同數量的用戶和相同數量的Tx / Rx天線，也可以有不同的天線分配模式，如下所示。在MU-MIMO實現中可以考慮如下幾個因素。

• 應該覆蓋多少個UE？
• 將使用多少Tx天線和Rx天線？
• 將使用什麽樣的接收器設計（均衡器設計）？
• 將使用什麽樣的預編碼算法？

5.2.2 MU-MIMO信道模型

假設BTS具有大量天線並且它們與多個UE通信並且每個UE僅具有一個天線。我們假設BTS天線的數量與UE的數量相比非常大。我們也假設這是TDD系統。

信道矩陣可以表示如下。在TDD中，假設信道互易性成立。如果您有上行鏈路的信道矩陣，您可以通過轉置它來獲得下行鏈路信道模型，反之亦然。

反向鏈接（上行鏈路）的容量可以描述如下。

前向鏈路（下行鏈路）的容量可以描述如下。

參考資料：

[1]http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_ChannelModel_MU_MIMO_FredrikRusek.html

5.3 全維MIMO的信道模型（FD MIMO）

5.3.1 什麽是FD-MIMO

FD代表全尺寸。因此，FD-MIMO代表全尺寸MIMO。那麽，Full Dimension在這裏意味著什麽？這意味著天線系統可以在水平和垂直方向上形成光束（光束），以便它可以覆蓋（聚焦）3D空間中的任何位置。下圖將向您展示FD與傳統多天線系統之間的對比圖。

5.3.2 FD-MIMO信道模型

本文基於如下所示的情況。我從論文中擴展了插圖，使其更接近於論文中的數學表達式。

與任何其他渠道模型一樣，本文從系統模型開始。該環境的系統模型描述如下。

參考資料：

[1]http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_ChannelModel_FD_MIMO_MultiLayerPrecoding_Ahmed_Alkhateeby.html

6 Massive MIMO 自適應算法怎麽做

6.1 信道質量獲取

6.1.1 FDD中CSI的獲取

當系統采用FDD模式時，上下行所需要的CSI是不同的。基站側進行的上行信道估計需要所有用戶發送不同的導頻序列，此時上行導頻傳輸需要的資源與天線的數目無關。然而，下行信道獲取CSI時，需要采用兩階段的傳輸過程:第一階段，基站先向所有用戶傳輸導頻符號，第二階段，用戶向基站反饋估計到的全部或者部分的CSI，此時傳輸下行導頻符號所需要的資源與基站側天線數目成正比。當采用Massive MIMO系統，基站側天線數目增加大大增加了 CSI獲取時占用的資源量。

在Massive MIMO系統中，系統所需的反饋信息量隨著天線數目的增加成正比例增長，由此引發的系統反饋幵銷增加以及反饋信息的準確性及時性降低已經成為FDD雙工模式發展的瓶頸。因此，針對Massive M1MO系統FDD模式，最關鍵的問題，在於降低數據傳輸中反饋占用的資源量。

6.1.2 TDD中CSI的獲取

TDD可以利用信道互易性直接利用上行導頻估計出信道矩陣，避免了大量的反饋信息需求。對於TDD系統這種消耗則與用戶數量成正比。CSI獲取的具體過程如下：首先，系統中所有的信道狀態信息；接著基站使用估測到的信道狀態信息檢測上行數據並生成下行傳的用戶同時發送上行數據信號；隨後用戶發送導頻序列，基站利用這些導頻序列估計小區中用戶輸的波束賦形矢量。然而，由於多用戶Massive MIMO系統中，基站側天線數目及系統中用戶數目都很多，使得相鄰小區的不同用戶對應的導頻序列可能不完全正交，從而引入了用戶間幹擾，及導頻汙染問題。對於TDD傳輸模式，導頻汙染是限制其性能的重要因素之一，因而受到了國內外專家學者的廣泛重視。

參考資料：

[1] https://wenku.baidu.com/view/906431e003d276a20029bd64783e0912a2167ce9.html

6.2 信道估計

以下是基於大規模MU-MIMO下行鏈路系統的線性預編碼性能（[1]）。這是為了估計eNB的上行鏈路信道質量的質量。在直到LTE的大多數情況下，大多數信道估計是由UE側使用由eNB發送的參考信號完成的，但是在Massive MIMO系統中，如果UE必須對此進行信道估計，則UE的開銷將太大。很多天線，更嚴重的是它需要太多的資源用於下行鏈路信號的參考信號。因此，對於5G Massive MIMO最常提出的想法之一是使用TDD並且讓eNB使用上行鏈路信道執行信道估計並且應用該信息來配置下行鏈路信號。本論文的主要內容是UL信號的信道估計。

首先，說明了本文要分析的整體系統。我覺得你現在熟悉這種畫。您可能會註意到此插圖與您在許多其他渠道模型頁面中看到的另一個插圖之間的巨大差異。你能猜出這是什麽 ？這是箭頭的方向。在大多數其他信道估計頁面中，箭頭的方向是從eNB到UE。但是在這種情況下，方向是從UE到eNB，意味著UE天線是Tx並且eNB天線是Rx。

關於信道估計的另一個重要事項是弄清楚如何在發送的子幀中分配參考信號。在本論文中，上行鏈路子幀中的參考信號被分配如下。

通過通道矩陣和參考信號，您可以為該系統編寫通道模型，如下所示。每當您看到任何通道模式（系統方程）時，首先檢查每個矩陣和向量的維度，並嘗試理解矩陣的每個列和行的含義。那麽你就可以很好地理解系統方程的含義。（在信道矩陣H中，行數對應於Rx天線的數量，列數對應於Tx天線的數量）。

從簡化的系統公式中，您可以為每個天線寫入接收信號的公式，如下所示。

假設基站正在使用MMSE信道估計，則每個信道矢量（從一個發射機天線到所有接收機天線的矢量）可以描述如下。如果不參考其他參考文獻，很難理解如何得出這一點。我只是在撰寫結論，並讓每個讀者參考其他參考資料，以找出推導的細節。這是每個通道路徑的估計值。

參考資料：

[1]http://www.sharetechnote.com/html/5G/5G_MassiveMIMO_ChannelModel_MU_MIMO_ChannelEstimation_EakkamolPakdeejit.html

6.3 MIMO 自適應

步驟1：對信道傳輸矩陣H進行SVD分解：

對角陣 S 中的元素 s1，s2就是 H 矩陣的奇異值。奇異值的個數，直接反應了信道所支持的“自由度”數目。奇異值的個數，就是該信道矩陣的秩（Rank）。

條件數越接近1，說明信道中各個平行子信道（自由度）的傳輸條件都很好，很平均；比值越大，說明各個子信道的傳輸條件好的好，差的差。

步驟2：使用右酉陣 V，可以對發送信號進行“預處理”，將傳輸過程轉化成具有“平行子信道”的對角陣形式；

步驟3：有了信道矩陣秩的信息（奇異值的個數），可以靈活的調整空間流數（自由度），從而提高通信系統效率；

步驟4：知道了奇異值的個數和大小後，可以使用“註水算法”分配發送功率，提升系統容量。

6.4 預編碼

預編碼技術主要是在發射端對於傳輸信號進行處理的過程，其主要目的是優化傳輸信號，簡化接收端復雜程度，提升系統容量及抗幹擾能力。

線性預編碼：匹配濾波器(MF)、迫零預編碼(ZF）

非線性預編碼：臟紙編碼(DPC)、矢量預編碼(VP)

線性預編碼復雜度低，實現較簡單。非線性預編碼如臟紙編碼計算復雜度較高，但往往會獲得更佳的效果。然而，在Massive MIMO系統中，隨著基站側天線數目的增長，—些線性預編碼算法，比如匹配濾波器(MF)、迫零預編碼(ZF)等將會獲得漸進最優的性能。因此，在實際應用中，采用低復雜度的線性預編碼算法更為現實。

參考資料：

[1] https://wenku.baidu.com/view/906431e003d276a20029bd64783e0912a2167ce9.html

7 Massive MIMO系統架構及測試怎麽進行

7.1 Massive MIMO系統架構

支持Massive MIMO的有源天線基站架構以三個主要功能模塊為代表：射頻收發單元陣列，射頻分配網絡和多天線陣列。

射頻收發單元陣列包含多個發射單元和接收單元。發射單元獲得基帶輸入並提供射頻發送輸出，射頻發送輸出將通過射頻分配網絡分配到天線陣列，接收單元執行與發射單元操作相反的工作。RDN將輸出信號分配到相應天線路徑和天線單元，並將天線的輸入信號分配到相反的方向。

RDN可包括在發射單元（或接收單元）和無源天線陣列之間簡單的一對一的映射。在這種情況下，射頻分配網絡將是一個邏輯實體但未必是一個物理實體。

天線陣列可包括各種實現和配置，如極化、空間分離等。

射頻收發單元陣列、射頻分配網絡和天線陣列的物理位置有可能不同於下圖邏輯表示，取決於實現。

支持MassiveMIMO的有源天線基站架構

7.2 Massive MIMO測試技術

隨著天線系統向現代化的發展，尤其是5G的演進，一體化的基站有源天線系統（AAS）形態逐漸成為主流，通道數越來越多，有源天線連接方式也會簡化，RU和天線高度集成，射頻指標不再局限於傳統的RU傳導測試，OTA測試將成為未來測試演進的方向，同時也將帶來極大的測試挑戰。

表 天線系統的演進對測試技術的挑戰

參考資料：

[1] http://www.elecfans.com/d/611885.html

[2] https://wenku.baidu.com/view/8cd52348ec630b1c59eef8c75fbfc77da26997f2.html

[3] https://wenku.baidu.com/view/a7e6f61478563c1ec5da50e2524de518964bd32a.html

8 Massive MIMO 商用進展怎樣

8.1 中興

2015年，中興基於TDD的Pre5G Massive MIMO完成產品開發和外場測試，多家運營商開始商用測試和部署。

2016年2月，在巴塞羅那舉行的MWC 2016世界移動通信大會上，該產品榮獲 “最佳移動技術突破”（Best Mobile Technology Breakthrough）以及“CTO之選”（Outstanding overall Mobile Technology-The CTO’s Choice 2016）雙料大獎，這可是被業界認可的最高榮譽。

TDD Massive MIMO 2.0

隨後，在中國、日本、印尼等人口大國的運營商進行了規模商用部署，我們在街頭發現了中興的這個基於TDD的Pre5G Massive MIMO基站。

正是依托於TDD Massive MIMO技術規模商用積累的大量傳播特性數據，中興研發團隊創造性地提出FDD制式的Massive MIMO信道測量與估計專利算法，實現了FDD宏觀對稱性，在無須手機更多配合的情況下大幅提升了頻譜效率。

同時，中興通訊自研的矢量處理芯片MCS2.0提供了強大的信號運算與處理能力，為FDD Massive MIMO復雜的算法實現提供了可能。

閉關修煉，終成正果。2016年12月30日，中興通訊發布了全球首個基於FDD LTE制式的Massive MIMO解決方案，並與中國聯通合作完成外場預商用驗證。

今天，短短2個月後，我們又看到了中興在FDD Massive MIMO上的技術突破。無疑，作為中興Pre5G的標簽技術，Massive MIMO引入FDD制式後，為全球最為廣泛部署的FDD-LTE網絡解決了頻譜效率亟待提升的難題，將進一步拓展了Pre5G的商用空間。據稱，中興通訊Pre5G已經在全球30個國家，超過40個網絡中進行了部署。又一個新時代開啟，移動通信的發展速度實在令人驚嘆！

參考資料：

[1] http://www.elecfans.com/tongxin/rf/20180222638103.html

8.2 華為

業務痛點

在3G時代，還可以根據經驗從13種無線參數組合中挑出最優參數組合。 而在4G和5G時代，面對高達幾百種乃至成千上萬種的參數組合，再依靠過去的經驗，通過人工的方式去找出Pattern最優值幾乎是不可能的。軟銀曾經反饋人工嘗試調整一種Pattern，因為操作效率低，風險大，單個Pattern調節約一周時間，一般不敢調。

解決方案

本方案采用隨機森林算法進行建模和預測，通過對現網數據的采集、分析、整理和標註，送入AI推理平臺使用隨機森林模型進行計算最優初始值。同時在最優初值的基礎上，通過叠代優化的方法，短期內收斂到最優參數組合。

方案價值

該方案在J國S運營商進行現網驗證，1天內找出最優初值，一周左右時間進行叠代優化、完成最優配置參數組合。網絡流量提升17%左右，用戶容量提升18.4%。

參考資料：

[1] https://www.huawei.com/cn/industry-insights/technology/softcom-ai/cases/cases-1

9 參考資料

[1] https://massivemimo.eu/research-library

[2] http://www.sharetechnote.com/left_5G.html

[3] http://www.360doc.com/content/18/0703/08/54080910_767270974.shtml 什麽是大規模天線(Massive MIMO)技術，為何5G要用MIMO天線

[4] https://blog.csdn.net/dallin0408/article/details/79425404 Massive MIMO與波束賦形關系及背後的信號處理

[5] http://www.elecfans.com/tongxin/rf/20180222638103.html 解析Massive MIMO大規模天線原理及實現2.61Gbps 峰值速率

[6] http://www.elecfans.com/d/611885.html 基於5G的Massive MIMO定義、系統架構及測試技術的解析

[7]https://wenku.baidu.com/view/906431e003d276a20029bd64783e0912a2167ce9.html Massive-MIMO

[8] http://www.elecfans.com/tongxin/rf/20171229609071.html Massive MIMO測試技術講解分析

[9] https://www.huawei.com/cn/industry-insights/technology/softcom-ai/cases/cases-1 Massive MIMO 調優

8個問題全面了解5G關鍵技術Massive MIMO