MU-MIMO 多用户多输入多输出,是常见的多天线技术。Beamforming即波束成形,是通用信号处理技术,用于控制传播的方向和射频信号的接收。
上行MU-MIMO: 不同用户使用相同的时频资源进行上行发送(单天线发送),从接收端来看,这些数据流可以看作来自一个用户终端的不同天线,从而构成了一个虚拟的MIMO系统,即上行MU-MIMO。
下行MU-MIMO: 将多个数据流传输给不同的用户终端,多个用户终端以及eNB构成下行MU-MIMO系统;下行MU-MIMO可以在接收端通过消除/零陷的方法,分离传输给不同用户的数据流;下行MU-MIMO还可以通过在发送端采用波束赋形的方法,提前分离不同用户的数据流,从而简化接收端的操作。
事实上还是不知道他在说什么……怎么做到防止WIFI 拥堵?
![到底mu-mimo是什么? 到底mu-mimo是什么?]()
要想理解MU-MIMO,首先要理解SU-MIMO。
SU-MIMO,就是一个用户transmit,另一个用户Receive,P2P。
学过初中数学多元一次方程,即可理解SU-MIMO。
如果以上2元一次方程(X、Y为未知数),加亮的元素都是已知的,可以求出X、Y吗?
有同学会说,这还不简单,高斯消元法,立马可以求出X、Y的唯一解。比如
最后化简,这两个方程是一样的,所以最后一个方程,即
以上同学举的例子都对,至于2元1次方程是否有唯一解,需要满足:
2元1次方程,有2个线性自由度。如果用一个英文来表示这个线性自由度,这个单词就是Rank。
换句话说,如果一个2元1次方程的Rank = 2,那么2个未知数是有唯一解的。
再回到上文的方程1,如果它的Rank= 2,是否就可以解出X、Y的值了呢?
这个方程1,其实就是一个SU-MIMO,即发送方(transmit)使用2根天线同时发送2个数据,分别为X、Y,接收方(receive)用两根天线接收,最后接收方成功解出未知数X、Y的值。
再来研究一下方程1,同学们非常迷惑,可是接收方是如何得到加亮的元素的数值的呢?
首先,d1、d2是接收方第一根天线、第二根天线的接收数值,它们已知很显然,对吗?
h11、h12 、h21、h22又是如何得到的呢?
同学们听说过preamble训练符吗?就是通过preamble训练符得到以上4个元素的。
在这个2 * 2 两个空间流的场景里,需要发送2个训练符,名字为LTF。
每一个LTF占用一个符号时间,分别为LTF1、LTF2。
本文最最关键的一步来了,即发送LTF1、LTF2之前,需要分别乘以一个正交码。
如果LTF1乘以 [ 1, 1]T,那么LTF2就乘以 [ 1, -1]T
这个就是大名鼎鼎的P矩阵,即正交矩阵。正交矩阵的特点是,每一列与自己的乘积相加不为0,每一列与其它列对应元素的乘积相加 = 0。
第一列与第二列的乘积相加的和 = 1 -1 = 0
传输LTF1,接收方天线1,得到的读值r11, 接收方天线2,得到的读值r21。
传输LTF2,接收方天线1,得到的读值r12, 接收方天线2,得到的读值r22。
-
r11、r12分别乘以正交矩阵第1列对应的元素,得到
-
r11、r12分别乘以正交矩阵第2列对应的元素,得到
r11 * 1 + r12 *(-1) = h12
-
r21、r22分别乘以正交矩阵第1列对应的元素,得到
-
r21、r22分别乘以正交矩阵第2列对应的元素,得到
r21 * 1 + r22 *(-1) = h22
做完以上4次计算,即可得到h11、h12、h21、h22。
至于MU-MIMO原理是相似的,它代表一个用户transmit,多个用户receive。
同样可以使用方程1表示,发送方老王,接收方为小明(接收X)、小美(接收Y)。
h11* X + h12* Y = d1 (小明的方程)
h21* X + h22* Y = d2 (小美的方程)
由于小明只有一个方程,小美也只有一个方程,故小明、小美无法单独解出X、Y。
如果老王知晓信道矩阵H元素h11、h12、h21、h22,老王只要计算出H矩阵的逆矩阵H-1。 只要将发送列向量[X, Y ]T 预先乘以H矩阵的逆矩阵H-1,就可以得到
H* H-1 *[X ,Y ]T = [X, Y ]T
那么就可以将X、Y之间干扰消除,意味着小明的天线只会收到X,小美的天线只会收到Y,那么无需计算就可以得到X、Y。
可是老王如何才能知晓信道矩阵H元素h11、h12、h21、h22?
老王只要提前做个sounding,小明、小美将测量得到的h11、h12、h21、h22反馈给老王,老王不就知道了吗?
可是有同学会问,老王做sounding得到h11、h12、h21、h22时间节点为T1,老王用它们做MU-MIMO precoding的时间节点为T2,T1和T2时间节点,难道h11、h12、h21、h22 是固定不变的吗?
通常会变,但是如果变化的比例很小,可以默认为时不变。
本文所做的运算为线性计算,两者组合在一起就是线性时不变LTI(Linear Time Invariance)的由来。
本文最大的重点与难点,就是正交矩阵P,为何要先乘以一个P矩阵。一旦完全领会它的前因后果,剩下的仅仅是线性计算了。
原文始发于微信公众号(车小胖谈网络):到底mu-mimo是什么?
免责声明:文章中涉及的程序(方法)可能带有攻击性,仅供安全研究与教学之用,读者将其信息做其他用途,由读者承担全部法律及连带责任,本站不承担任何法律及连带责任;如有问题可邮件联系(建议使用企业邮箱或有效邮箱,避免邮件被拦截,联系方式见首页),望知悉。
点赞
https://cn-sec.com/archives/2684784.html
复制链接
复制链接
-
左青龙
- 微信扫一扫
-
-
右白虎
- 微信扫一扫
-
评论