初识MIMO-OFDM(2):多天线技术

初识MIMO-OFDM(2):多天线技术

概述

本篇文章主要内容是本人对《LTE教程:原理与实现》的个人理解,里面大部分内容源于此书,请指正

一. 多天线的目的是什么

1. 提高信号强度:对应波束赋形技术
2. 提高信号稳定性:对应分级技术
3. 提高频谱利用率:对应MIMO技术

二. 简述波束赋形

1 半波对称振子天线

《LTE教程:原理与实现》是这样描述的

本质是我理解的半波对称振子天线就是由两个长度在1/4波长的导体组成的加上振子的一根棍子

image-20220308103740035

image-20220308103954416

2.多振子天线

波束赋形的目的是提高信号的强度,这本身其实可以通过替身发射功率来实现,但发射功率提升带来的损耗发热问题是不可以被忽视的。另一种方法是提高天线的增益,我们希望波束能够指哪打哪,把信号给到最需要的人,首先是多振子天线,他把天线串联,可以使得天线的方向性更好(垂直面上

image-20220308105223667

在现实中,为了节省空间,还会把天线斜装来实现提高空间利用率的效果

image-20220308105328754

3 天线阵列

,把多振子天线再横向排列,天线的增益也相应增加,或者是组成一组,也可以提高增益

image-20220308105655795

4.水平面的波束赋形

从半波天线就可以看出,事实上垂直面的波束赋形是一个自带的效果,只有水平面也能指哪打哪,才算达到我们的目标

实现水平面的波束赋形我们要用移相器,通过让振子产生不同的相位从而改变发射方向

image-20220308110646984

使用移相器后,多组天线在水平面上的波瓣图就不再是均匀的了

image-20220308111135693

三.分集

分集就是多路传输,在终点处合并,传播路径互不相干,因此能保证稳定性

接收分集(主要针对的是合并)

而分集包括了

image-20220308112817067

分集合并包括了

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XFBNQSed-1646717740598)(http://images.lzxixi.ltd/image-20220308113100938.png)]

分集的多天线则包括

image-20220308113325529

发射分集(书中仅仅介绍了开环)

image-20220308114051758

四 空间复用(MIMO)

复用和分集看起来很相似,都是使用多路来进行传输,但区别是分集是为了稳定性,传输相同的信号,而复用则是为了提高吞吐量,发送的是不同的信号,这是有本质上的区别的

1 层

基站的总功耗是不变的,当使用多路传输时,发射功率变为1/N,但是从信噪比的方面考虑,则很有优势

image-20220308121331434

2 传输计算

1 层的数量

和传播矩阵Rank有关

水桶效应,选择最小的

image-20220308121517340

注意核心公式
[ R a R b ] = [ H 11 H 21 H 12 H 22 ] [ S 1 S 2 ] \left[\begin{array}{l} R_a \\ R_b\end{array}\right] = \left[\begin{array}{l} H_{11} &H_{21}\\ H_{12} &H_{22}\end{array}\right] \left[\begin{array}{l} S_1 \\ S_2\end{array}\right] [RaRb]=[H11H12H21H22][S1S2]

2 SVD

上式在矩阵很大时难以计算,使用SVD可以简化计算

SVD将H分解
H = U × D × V H = U \times D \times V H=U×D×V
其中,D是一个对角矩阵,UV相互正交
R = H × S = U × D × V × S R=H\times S=U \times D \times V \times S R=H×S=U×D×V×S
基于此,发送时对发送信号进行预编码,发出 V − 1 S V^{-1}S V1S
R = H × V − 1 × S = U × D × V × V − 1 × S = U × D × S R=H\times V^{-1} \times S = U \times D \times V \times V ^{-1} \times S = U \times D \times S R=H×V1×S=U×D×V×V1×S=U×D×S
V在码本中预先设置好,终端如果知道U和D,对R乘以 U − 1 U^{-1} U1
U − 1 × R = D × S U^{-1} \times R = D \times S U1×R=D×S
折旧减少了计算量

五 总结

image-20220308123020029

  • 2
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值