1. 项目概述三维大规模MIMO在空地通信中的机遇与挑战在无人机应急通信、高空平台HAP网络覆盖以及未来6G空天地一体化网络等前沿场景中如何为地面用户提供稳定、高速的无线连接一直是个核心难题。传统的地面基站部署在偏远或灾害地区成本高昂而采用定向天线的空中平台AP虽然覆盖广但其形成的“波束”往往覆盖数公里范围无法实现空间复用频谱效率低下。这就像用手电筒照亮一大片操场虽然能看见但无法同时精准地照亮操场上每一个做不同活动的人。三维大规模多输入多输出3D Massive MIMO技术为破解这一难题提供了全新的思路。其核心在于通过在AP上部署一个二维的矩形天线阵列例如由Nx行、Ny列天线单元组成我们获得了在三维空间水平方位角和垂直俯仰角内进行高精度波束赋形的能力。想象一下将手电筒换成一个由成千上万个小LED组成的智能灯阵这个灯阵可以同时生成数百个极其细窄的光束精准地追踪并照亮操场上每一个奔跑的人且光束之间互不干扰。这就是大规模MIMO带来的空间分辨率革命。然而将这套“智能灯阵”搬到空中平台面临着地面基站不曾遇到的特殊挑战。首先AP的硬件资源如重量、功耗、成本极为受限无法像地面基站那样配备与天线数量相等的射频RF链传统的高复杂度预编码方案如迫零预编码难以直接应用。其次空地信道具有强烈的视距LoS分量和极窄的角度扩展这意味着用户信号在空间角域上高度集中但也对波束的指向精度提出了苛刻要求。最后用户的位置体现为离开角AoD信息在实际中总存在误差如估计不准或AP/用户相对移动这种“AoD不确定性”会直接导致波束指向偏差造成严重的信号功率损失。针对这些挑战本文深入探讨了一种名为“位置辅助预编码”的低复杂度解决方案。该方案巧妙利用了空地信道中变化缓慢的“大尺度”信息——主要是用户的位置通过AoD体现和信道空间相关性而非需要频繁估计的快速变化的“小尺度”信道信息。其核心思想是“分而治之”通过第一层预编码利用位置信息将整个大规模MIMO系统在空间角域上分解为多个并行的、互不干扰的低维MIMO子系统随后在每个低维子系统内部采用第二层预编码如迫零来消除剩余的多用户干扰。这种双层结构不仅大幅降低了实时信道估计的开销和预编码计算的复杂度更重要的是通过合理的用户分组第一层预编码矩阵可以被近似为一个“恒包络”矩阵。这意味着它可以通过简单的模拟移相器网络来实现从而将AP所需的昂贵RF链数量从天线总数Nx×Ny锐减到仅与服务的用户簇数量相关实现了硬件复杂度的革命性降低。2. 系统与信道模型理解空地三维MIMO的独特之处要设计有效的预编码方案必须首先建立准确的系统与信道模型。这就像医生开药前需要准确的诊断报告一样。我们的场景是一个典型的空地下行链路一个搭载了Nx × Ny二维矩形平面阵列的空中平台AP同时服务于地面L个单天线用户设备UE。2.1 三维信道建模从地面到空中的视角转变空地信道与地面蜂窝信道有本质区别。地面基站天线阵列通常垂直放置在y-z或x-z平面且由于基站高度有限信号的垂直离开角θ通常很小。在这种情况下信道的空间相关矩阵可以近似分解为水平维和垂直维相关矩阵的克罗内克积Kronecker Product这使得水平与垂直预编码可以分开设计简化了问题。然而在空地场景中为了有效覆盖地面AP的天线阵列是水平放置的在x-y平面。更重要的是随着AP飞行高度的增加信号到达地面的垂直俯仰角θ变得不可忽略范围可能从接近0度地平线方向到接近90度正下方。此时信道相关矩阵不再具有可分离的克罗内克结构水平与垂直维度的耦合变得非常紧密。这意味着我们必须设计联合的三维波束赋形方案而不能简单地分开处理这增加了预编码设计的难度。具体到信道向量h_l从AP到第l个用户的信道我们采用经典的莱斯Rician衰落模型它由确定的视距LoS分量和随机的非视距NLoS分量叠加而成h_l h_l^LoS h_l^NLoS其中LoS分量由用户的精确离开角ϕ_l, θ_l决定是一个确定的阵列响应向量。NLoS分量则建模为在用户周围散射体引起的多径叠加其功率在角度域ϕ, θ上服从一定的分布即功率角度谱PAS。信道相关矩阵C_l包含了信道二阶统计信息它由LoS分量相关矩阵和NLoS分量相关矩阵加权求和得到其表达式清晰地反映了角度扩展Δϕ_l, Δθ_l的影响。关键理解在这个模型中大尺度信息如用户位置决定的AoD、角度扩展、莱斯因子K是慢变的可能数秒甚至数十秒才更新一次而小尺度信息即NLoS分量的瞬时值是快变的每毫秒都在变化。位置辅助预编码的精妙之处在于它主要依赖稳定的大尺度信息来设计第一层、低复杂度的预编码从而避免了对快变小尺度信息的实时、高精度依赖。2.2 虚拟离开角简化分析的利器为了后续分析的便利我们引入“虚拟离开角”的概念定义为 ρ_x (d_x/λ) cosθ sinϕ 和 ρ_y (d_y/λ) cosθ cosϕ。这里d_x和d_y是天线间距λ是载波波长。这个变换将物理角度ϕ, θ映射到了与阵列几何结构直接相关的归一化空间频率域。虚拟离开角的好处在于阵列响应向量可以写成关于ρ_x和ρ_y的复指数函数形式这使得许多分析特别是涉及大量天线时的渐近分析变得更为简洁。用户的真实AoDϕ_l, θ_l对应一个确定的虚拟AoD点ρ_{l,x}, ρ_{l,y}而角度扩展则对应虚拟角域上的一个区间。3. 位置辅助双层预编码方案设计面对AP硬件能力受限与高性能需求之间的矛盾我们提出的双层预编码方案提供了一条可行的路径。其核心目标是利用稳定的大尺度位置信息在模拟域实现粗略的、低复杂度的用户间空间分离第一层然后在数字域利用估计出的低维等效信道进行精确的干扰消除第二层。3.1 第一层预编码基于位置的空间子空间分解第一层预编码矩阵P_c的任务是为第c个用户簇构建一个发射子空间。其设计目标有两个一是最大化对该簇内用户的信号功率增益二是完全消除对其它簇的干扰即簇间干扰ICI。3.1.1 问题建模与求解思路数学上这可以表述为一个带约束的优化问题在保证对其它簇干扰为零P_c位于其它簇信道相关矩阵的零空间且自身满足正交性P_c^H P_c I的约束下最大化P_c对簇内用户信道相关矩阵的“能量”投影即功率增益。通过数学推导这个问题的解具有清晰的结构首先求出所有其它簇用户信道相关矩阵之和的零空间记其基向量组成的矩阵为V_(-c)。那么满足干扰消除约束的P_c必然可以表示为P_c V_(-c) U_(-c)其中U_(-c)是一个待定的加权矩阵。原问题是转化为在U_(-c)的列向量正交的约束下最大化其对簇内用户信道相关矩阵投影到V_(-c)子空间后的迹。这个子问题的解就是投影后矩阵的前 b_c 个主特征向量。3.1.2 用户分簇准则角域隔离是关键理论上任意用户分组都能找到上述解只要天线数足够多零空间维度足够大。但为了进一步降低硬件复杂度我们需要引入一个关键的用户分簇准则。这个准则要求不同用户簇的虚拟离开角可行区域由用户真实AoD和角度扩展决定在ρ_x和ρ_y两个维度上都是互不重叠的并且保持一个保护间隔G。为什么需要这个准则当用户簇在角域上充分隔离时一个惊人的性质出现了我们可以用一组恒包络的向量来近似构造第一层预编码矩阵P_c。恒包络向量是指其每个元素的模值都为常数例如1/√N只有相位不同。具体来说P_c的每一列可以取为p_c,i g(ω_{x,i}, ω_{y,i}) ˜g_{Nx}(ω_{x,i}) ⊗ ˜g_{Ny}(ω_{y,i})其中 ˜g_N(ω) [1, exp(j2πω), ..., exp(j2π(N-1)ω)]^T / √N。这种向量在硬件上极具吸引力因为它可以通过模拟移相器网络直接生成无需昂贵的数字射频链对每个天线进行独立的幅度和相位控制。整个第一层预编码可以在模拟域用无源器件实现系统所需的RF链数量从天线总数Nx×Ny大幅降至Σ b_c所有簇的预编码维度之和。3.1.3 恒包络预编码向量的选择那么如何选择这些频率参数 {ω_{x,i}, ω_{y,i}} 呢我们追求的是最大化对簇内用户的功率增益。分析表明最优的ω应“对准”用户的虚拟AoD中心。对于簇内的第l个用户一个直观且有效的选择是将其对应的预编码向量频率设置为该用户的虚拟AoD中心ω_{x,l} ρ_{l,x}, ω_{y,l} ρ_{l,y}。这相当于为每个用户分配了一个指向其大致方向的模拟波束。当预编码维度b_c大于簇内用户数L_c时我们需要寻找额外的、与已有方向正交在大量天线条件下近似的波束方向。一个启发式算法是在剔除了已选方向附近一个窄带宽度约1/N的区域后在剩余的角域区间内进行二维搜索选择能最大化对簇内用户总功率增益的新方向。3.1.4 AP高度与RF链数量的权衡AP的飞行高度h直接影响着角度扩展Δθ。从公式推导可知角度扩展大致与散射半径r成正比与AP高度h成反比Δθ ∝ r/h。当AP处于低空如无人机h较小时垂直角度扩展较大虚拟角域区间较宽。根据理论上限此时我们可以选择 b_c L_c即使用多于用户数的模拟波束来收集更多的信号能量提升性能但代价是增加RF链数量。当AP处于高空如平流层气球h ≈ 20 km时r/h → 0角度扩展变得极窄。此时虚拟角域区间收缩以至于在每个用户的区间内几乎塞不进第二个正交的波束方向因为波束方向的最小间隔约为1/N。在这种情况下最经济实用的选择就是令 b_c L_c即一个用户分配一个模拟波束。对于典型的25x25阵列和100米散射半径高空AP场景下b_c L_c 已是足够。3.2 第二层预编码低维数字域干扰消除经过第一层恒包络预编码后原始的高维Nx×Ny信道H_c被转换为了一个低维b_c × L_c的等效信道˜H_c P_c^H H_c。此时接收信号模型简化为y_c ˜H_c^H W_c s_c n_c簇间干扰已被第一层预编码消除。在这个低维等效MIMO系统内我们可以采用成熟的数字预编码技术来消除簇内用户间的干扰。最常用的就是迫零ZF预编码W_c ˜H_c (˜H_c^H ˜H_c)^{-1} Λ_c^{1/2}其中Λ_c是一个对角功率分配矩阵。由于等效信道维度b_c远小于原始天线数因此第二层预编码的计算复杂度和所需的信道状态信息CSI获取开销都大大降低。训练开销的显著节省这是双层架构的另一大优势。由于第一层预编码使得发往不同簇的信号位于正交的子空间因此所有簇可以复用相同的导频序列而不会产生导频污染。在TDD系统中获取所有簇等效信道所需的最小训练序列长度仅为最大簇的用户数 max(L_c)在FDD系统中也仅为最大簇的预编码维度 max(b_c)。这相比传统方案TDD需L个正交导频FDD需Nx×Ny个是数量级的降低。4. 离开角不确定性影响分析与功率损失估计理想很丰满现实却骨感。上述方案严重依赖于用户离开角AoD信息的准确性。然而在实际系统中AoD信息不可能完美已知主要误差来源包括估计误差通过上行探测或GPS/北斗等定位信息换算得到的AoD存在固有误差。动态误差AP如无人机或UE如车辆的相对移动导致AoD在波束更新周期内发生变化。AoD的误差会导致第一层预编码的波束指向偏离用户的真实方向造成信号功率的损失。定量、快速地评估这种功率损失对于系统链路预算、切换门限设定以及AoD估计方案的设计都至关重要。4.1 功率损失的理论分析框架系统的总功率增益由对LoS分量和NLoS分量的增益两部分构成。我们定义当使用有误差的AoD估计值计算出的预编码矩阵ˆP_c时其功率增益与使用完美AoD信息时的功率增益之比的下滑即为功率损失比例η_c。4.1.1 LoS分量功率增益分析对于LoS分量其功率增益有闭合表达式。当b_c L_c 1单用户单波束时分析尤为直观。功率增益近似正比于两个sinc函数的平方sin²(N_x π δ_x) / (N_x π δ_x)² 和 sin²(N_y π δ_y) / (N_y π δ_y)²其中δ_x, δ_y是虚拟角域上的误差。这个公式揭示了几个重要结论阵列规模的影响天线数N_x, N_y越大sinc函数的主瓣越窄系统对AoD误差越敏感。波束越尖锐指向性越强但也越容易“打偏”。误差容忍度当误差δ远大于1/N时sinc函数值迅速衰减至0意味着波束完全偏离用户LoS路径上的功率几乎全部损失。4.1.2 NLoS分量功率增益分析NLoS分量的功率增益计算涉及对功率角度谱PAS在二维角域上的积分积分核是sinc平方函数形式复杂难以直接求闭式解。为此我们提出了一种高效的近似估计方法。核心思路是双重近似PAS函数近似将复杂的PAS函数 Sv(ρ_x, ρ_y) 在其峰值点用户真实虚拟AoD附近用两个一维线性函数的和来近似。即用ˆSv(ρ_x, ρ_y) Sv(ρ_{l,x}, ρ_{l,y}) - A_x |ρ_x - ρ_{l,x}| - A_y |ρ_y - ρ_{l,y}|来逼近原函数。系数A_x, A_y表征了PAS在x和y方向上的衰减速率可以通过一个最小二乘优化问题快速解出。sinc平方函数近似利用大天线数下asinc_N²(x)函数主瓣尖锐、旁瓣极小的特性将其近似为一个分段函数在主瓣范围|x| ≤ 1/N内用一个有理函数精确逼近在主瓣范围外直接近似为0。经过这两步近似原本复杂的二重积分被转化为可以分段求解析解的形式。最终我们得到了NLoS分量功率增益的闭式近似表达式其中仅包含一些本运算和超几何函数计算量极小。4.2 分析结论与工程启示性能敏感性大规模天线阵列在提升空间分辨率的同时也降低了系统对AoD误差的容忍度。例如仿真表明对于25x25的阵列当AoD误差达到约2.7度时功率益会下降3dB损失一半而对于32x32的阵列容忍度则收紧到约1.87度。这意味着随着天线规模的扩大必须配套更精确的AoD估计或跟踪算法。鲁棒性设计启示分析还揭示了一个有趣的现象。如果由于误差原本设计指向某个用户角域区间的波束完全偏离了该区间它对该用户的NLoS分量增益会降为0。但是系统中其他原本指向别处的波束却有可能因为误差而“歪打正着”地覆盖到这个用户。这启发了未来设计对AoD误差鲁棒的第一层预编码方案的可能性例如可以主动引入一定的冗余让波束方向在用户角域区间内适度扩散或增加备份波束以对抗不确定性。5. 性能仿真与方案对比我们通过数值仿真在典型的空地通信参数下评估所提方案的有效性并与几种基准方案进行对比。仿真的核心指标是系统总频谱效率SE。仿真设置考虑AP搭载25x25平面阵列服务3个用户簇每簇5个用户。用户水平AoD均匀分布在[-55°, -35°], [-15°, 5°], [30°, 50°]三个区间垂直AoD分布在[60°, 70°], [45°, 55°], [30°, 40°]三个区间模拟了AP覆盖地面不同区域用户的场景。对比方案匹配滤波预编码复杂度低但性能一般且需要Nx×Ny条RF链。线性迫零预编码性能上界能完全消除多用户干扰但计算复杂度和RF链需求Nx×Ny最高且需要完整的瞬时CSI。基于基扩展的预编码一种降复杂度方案通过选择部分正交基来降低维度所需RF链数与我们所提的降复杂度方案相同Σ b_c。5.1 频谱效率与信噪比、莱斯因子的关系仿真结果表明所提方案的优势在高中低信噪比SNR下我们所提的“全”位置辅助预编码和“降复杂度”位置辅助预编码方案其频谱效率均显著优于匹配滤波和基扩展预编码方案。高低SNR区表现在低SNR区降复杂度方案与全方案性能差距很小1 bit/s/Hz/用户这说明在链路预算紧张时简单的恒包络近似已经足够好。在高SNR区由于残余簇间干扰的存在降复杂度方案会出现性能平台而全方案则能持续提升。莱斯因子的影响与传统认知不同在大规模MIMO系统中更强的LoS分量更大的莱斯因子K带来了更高的频谱效率。这是因为大规模阵列本身具有强大的去相关能力能够有效区分不同用户的LoS路径从而将潜在的“有害”相关性转化为有益的“方向性”能量集中。5.2 AP高度与RF链数量配置策略我们进一步仿真了单簇场景下AP高度对降复杂度方案性能的影响并对比了b_c L_c经济配置和b_c 2L_c增强配置两种模式。结果清晰显示AP高度是决定RF链配置策略的关键。在低空如h 1000米角度扩展较大增加RF链数量b_c 2L_c能有效收集更多多径能量带来显著的性能增益。然而当AP升至高空如h 3000米垂直角度扩展变得极小在虚拟角域上已无法容纳更多正交的波束方向。此时增加RF链几乎无法带来任何性能提升b_c L_c 成为最经济高效的选择。这为不同高度平台的硬件设计提供了直接指导。5.3 AoD不确定性的影响验证仿真通过引入不同程度的AoD误差验证了第4部分的理论分析。功率增益的仿真曲线与我们提出的快速估计算法得到的曲线高度吻合证明了该近似方法的准确性。同时曲线也直观展示了天线规模越大性能对AoD误差越敏感的规律量化了不同规模阵列下可容忍的误差门限为系统设计提供了关键参数。6. 实操心得与避坑指南基于上述理论与仿真结合工程实践我总结出以下几点核心心得和注意事项这些是在实际系统设计中容易忽略却至关重要的细节。6.1 用户分簇的工程实现网络中心 vs. 用户中心理论上的角域隔离准则需要落地。有两种实用策略网络中心式将AP的覆盖地面区域按照水平角和垂直角预先划分成一个个网格如图2所示。每次调度时选择那些角域间隔足够大满足保护间隔G的网格中的用户组成簇。这种方法实现简单适合用户分布均匀或可预测的场景。用户中心式基于实时获取的用户AoD信息采用聚类算法如K-means变种将AoD相似的用户动态聚为一类。然后从已形成的多个类中选择角域区间不相交的类进行同时服务。这种方法更灵活能自适应变化的用户分布但需要更复杂的实时计算。6.2 保护间隔G的设定理论与折衷保护间隔G是平衡频谱效率和干扰的关键参数。理论分析表明所需的G与天线数N成反比与角度扩展Δρ成反比。在实际中设定过大会导致可同时调度的用户簇数量减少降低多用户复用增益和系统总容量。设定过小无法有效抑制簇间干扰尤其在有限天线数下残余干扰会严重恶化性能。建议通过离线仿真或理论公式结合具体的阵列规模Nx, Ny、用户角度扩展模型和预期的AoD估计误差确定一个稳健的G值。通常可以设定G α / N其中α是一个略大于1的系数如1.2~1.5用于对抗误差。6.3 AoD信息的获取与更新策略方案的性能依赖于AoD信息。获取途径包括基于上行探测的估计在TDD系统中利用信道互易性通过上行导频估计信道并从中提取主导径的AoD。这对信号处理算法要求较高。基于定位信息的换算结合GPS/北斗等提供的UE三维坐标和AP自身的导航信息如GPSIMU通过几何关系直接计算AoD。这种方法不依赖信道估计但要求高精度的定位和姿态感知。更新策略由于AoD是慢变参数无需像瞬时CSI那样频繁更新。更新周期应根据AP和UE的相对运动速度来设定。对于悬停的无人机或缓慢移动的地面用户更新周期可达数百毫秒甚至秒级对于高速移动场景则需缩短周期或引入预测算法。6.4 硬件实现考量移相器精度与校准降复杂度方案的核心是模拟移相器网络。移相器的相位量化误差和幅相不一致性会破坏恒包络波束的理想方向图导致波束指向偏差和旁瓣升高。相位量化位数通常需要至少6位64个相位状态的移相器才能将波束指向误差控制在可接受范围。通道校准大规模阵列中各RF通道的幅度、相位响应不一致是必然的。必须实施严格的通道校准包括初始的出厂校准和运行时的周期性在线校准以补偿这些非理想特性。6.5 与现有系统的兼容性与演进该方案可以平滑融入现有5G-Advanced或未来6G的框架中。导频设计可利用现有的CSI-RS信道状态信息参考信号进行下行等效信道估计。由于第一层预编码已分离用户簇导频可以复用开销很小。信令支持需要新增的信令主要是用户的慢变位置/AoD信息反馈这可以承载在RRC无线资源控制信令或新增的MAC CE媒体接入控制控制元素中开销可控。与全数字阵列的混合架构对于极端高频段如毫米波也可以考虑混合预编码架构其中第一层模拟预编码采用本方案的恒包络设计第二层数字预编码在有限的RF链后实现。这为方案向更高频段演进提供了路径。
