[论文解读] A Survey on User-Centric Cell-Free Massive MIMO Systems

ShuaiFei Chen, Jiayi Zhang+3 more|arXiv (Cornell University)|Apr 28, 2021

Advanced MIMO Systems Optimization参考文献 159被引用 6

一句话总结

本综述全面概述了用户中心的无蜂窝大规模MIMO（CF mMIMO）系统，该系统通过协调分布式的接入点（AP）协同服务用户，从而提升频谱效率和用户体验数据速率。综述介绍了信号处理、资源分配及实际部署挑战中的关键技术，确立了CF mMIMO作为6G网络中提升公平性和覆盖均匀性的有前景解决方案。

ABSTRACT

The mobile data traffic has been exponentially growing during the last decades, which has been enabled by the densification of the network infrastructure in terms of increased cell density (i.e., ultra-dense network (UDN)) and/or increased number of active antennas per access point (AP) (i.e., massive multiple-input multiple-output (mMIMO)). However, neither UDN nor mMIMO will meet the increasing data rate demands of the sixth generation (6G) wireless communications due to the inter-cell interference and large quality-of-service variations, respectively. Cell-free (CF) mMIMO, which combines the best aspects of UDN and mMIMO, is viewed as a key solution to this issue. In such systems, each user equipment (UE) is served by a preferred set of surrounding APs cooperatively. In this paper, we provide a survey of the state-of-the-art literature on CF mMIMO. As a starting point, the significance and the basic properties of CF mMIMO are highlighted. We then present the canonical framework, where the essential details (i.e., transmission procedure and mathematical system model) are discussed. Next, we provide a deep look at the resource allocation and signal processing problems related to CF mMIMO and survey the up-to-date schemes and algorithms. After that, we discuss the practical issues when implementing CF mMIMO. Potential future directions are then pointed out. Finally, we conclude this paper with a summary of the key lessons learned in this field. This paper aims to provide a starting point for anyone who wants to conduct research on CF mMIMO for future wireless networks.

研究动机与目标

• 为解决超密集网络（UDN）和大规模MIMO（mMIMO）在应对6G用户体验数据速率需求时，因小区间干扰和服务质量（QoS）波动而产生的局限性。
• 提出无蜂窝mMIMO作为UDN与mMIMO优势的混合解决方案，使分布式接入点（AP）能够协同向每个用户传输信号。
• 对无蜂窝mMIMO系统中的信号处理、资源分配及实际部署挑战进行系统性综述。
• 识别开放的研究问题与未来方向，包括机器学习集成、多AP协作以及硬件非理想性问题。
• 为进入下一代无线网络CF mMIMO领域的研究人员提供基础参考。

提出的方法

• 提出无蜂窝mMIMO的典型框架，包括传输流程和基于上行/下行链路信号处理的数学系统模型，采用多天线AP与用户设备（UE）的配置。
• 分析联合预编码与合并技术，利用信道状态信息（CSI）抑制用户间干扰并最大化频谱效率。
• 综述导频污染抑制策略，包括导频复用优化与超越块衰落假设的先进信道估计方法。
• 研究功率控制、用户关联与调度算法，以在无蜂窝mMIMO部署中平衡公平性与频谱效率。
• 考虑实际约束，如前回程容量限制和硬件非理想性（如相位噪声、量化失真）对系统性能的影响。
• 探讨新兴趋势，如感知与通信一体化（ISAC）、多天线UE以及基于机器学习的优化，用于动态资源分配。

实验结果

研究问题

• RQ1 无蜂窝mMIMO如何克服超密集网络的小区间干扰问题以及大规模MIMO的用户服务质量波动问题？
• RQ2 在CSI不完美和前回程受限条件下，无蜂窝mMIMO的最优信号处理策略（如预编码、合并）是什么？
• RQ3 在高AP密度和用户高速移动场景下，如何有效缓解无蜂窝mMIMO中的导频污染问题？
• RQ4 在无蜂窝mMIMO中，用户关联与功率控制的关键性能权衡是什么，以实现用户体验速率的最大化？
• RQ5 如何将ISAC、多天线UE和机器学习等新兴技术集成到无蜂窝mMIMO中，以支持6G应用？

主要发现

• 通过利用大尺度分集增益与联合信号处理，无蜂窝mMIMO相比传统蜂窝网络和大规模MIMO系统，可实现更高的用户体验数据速率并显著降低服务质量波动。
• 采用分布式AP并结合联合预编码与合并技术，可实现显著的阵列增益与空间干扰抑制，从而提升频谱效率与公平性。
• 导频污染仍是关键挑战，但先进的信道估计技术与导频复用方案可显著降低其在密集部署中的影响。
• 前回程容量与硬件非理想性（如相位噪声、量化失真）是主要瓶颈，尤其在高速移动或高密度场景下会限制性能增益。
• 机器学习与多AP协作的集成在无蜂窝mMIMO系统中展现出动态资源分配与实时优化的潜力。
• 未来研究方向，如ISAC与多天线UE，预计将显著提升6G网络中系统的可扩展性与功能多样性。