[论文解读] A Statistical Approach for RF Exposure Compliance Boundary Assessment in Massive MIMO Systems

Paolo Baracca, Andreas Weber+2 more|arXiv (Cornell University)|Jan 25, 2018

Advanced MIMO Systems Optimization参考文献 8被引用 54

一句话总结

本文基于 3GPP 3D 通道模型的统计方法来估计围绕 massive MIMO 基站的 RF 暴露合规边界，与传统方法相比边界半径可能减半。

ABSTRACT

Massive multiple-input multiple-output (MIMO) is a fundamental enabler to provide high data throughput in next generation cellular networks. By equipping the base stations (BSs) with tens or hundreds of antenna elements, narrow and high gain beams can be used to spatially multiplex several user equipment (UE) devices. While increasing the achievable performance, focusing the transmit power into specific UE directions also poses new issues when performing the radio frequency (RF) exposure assessment. In fact, the spatial distribution of the actual BS transmit power strongly depends on the deployment scenario and on the position of the UEs. Traditional methods for assessing the RF exposure compliance boundaries around BS sites are generally based on maximum transmit power and static beams. In massive MIMO systems, these approaches tend to be very conservative, in particular when time averaging is properly considered. In this work, we propose to leverage the three dimensional spatial channel model standardized by the Third Generation Partnership Project in order to assess reasonably foreseeable compliance boundaries of massive MIMO BSs. The analysis is performed by considering BSs fully loaded and different configurations of active UEs per cell. Numerical results show that the statistical approach developed in this paper allows reducing to nearly half the compliance distance when compared to the traditional method.

研究动机与目标

• 因应 massive MIMO 波束与现实交通负载带来的 RF 暴露关注点。
• 提出一个基于 3GPP 3D 通道模型的统计框架来计算合规边界。
• 量化活跃用户数和交通动态如何影响边界尺度。
• 在城市宏站和城市小区场景下提供系统级仿真。
• 展示基于分位点的边界可显著缩小需要的排除区域。

提出的方法

• 在 UMa 和 UMi 场景中，使用 3GPP 3D 通道模型对基站-用户设备传播进行建模。
• 在现实负载条件下（K 个活跃 UE、掉线持续时间 D），计算 6 分钟平均的波束赋形增益 G_A(theta,phi)。
• 利用 G_A 的 p 个分位数，推导 r_p(theta,phi) = (1/E_MAX) * sqrt( P_TX G_A,p(theta,phi) Z_0 / (4 pi) )。
• 将合规距离 r_CB,p 定义为 max_theta,phi r_p(theta,phi) 作为边界度量。
• 对不同的 K 与 D 评估 G_A 与 P_A 的 CDF，以研究暴露分布。
• 将统计边界半径与传统保守半径（r_CB,trads）进行比较，并报告减少百分比。

实验结果

研究问题

• RQ1 6 分钟平均波束赋形增益分布在 massive MIMO 中如何影响 RF 暴露边界？
• RQ2 在 UMa 与 UMi 中，对于不同活跃 UE 数量和掉线持续时间，使用 95/99 分位点时的边界半径是多少？
• RQ3 统计方法在多大程度上能缩小相较于传统最大功率法的 RF 暴露排除区域？
• RQ4 UE 分布与交通负载如何影响合规边界的形状和大小？

主要发现

Configuration	r_CB,p (UMa) p=95	r_CB,p (UMa) p=99	r_CB,p (UMi) p=95	r_CB,p (UMi) p=99
K=1, D=1 s	6.3	6.4	3.2	3.3
K=1, D=10 s	6.9	7.3	3.5	3.8
K=1, D=60 s	8.1	9.0	4.2	4.7
K=2, D=1 s	6.2	6.3	3.2	3.2
K=2, D=10 s	6.6	6.9	3.4	3.6
K=2, D=60 s	7.6	8.0	3.9	4.3
K=5, D=1 s	6.1	6.2	3.1	3.1
K=5, D=10 s	6.4	6.6	3.3	3.4
K=5, D=60 s	6.9	7.3	3.6	3.8

• 在 K=1、D=60s 时，UMa 的实际基站发射功率的 95/99 分位点约为最大值的 26%/32%，UMi 为 22%/27%。
• 当 K=1、D=60s 时，统计方法在 p=95/99 下的合规距离大约仅为传统方法的 50%（UMa 与 UMi 均是如此）。
• 活跃 UE 数量增加（K）或掉线持续时间降低（D）会进一步缩小边界尺度。
• 在固定 p 的情况下，边界半径随着交通分散度增加（更高 K）或在 6 分钟窗口内能量分布到更多 UE 而下降。
• 由于 BS 发射功率较低，UMi 通常需要的边界小于 UMa（44 dBm vs. 49 dBm）。
• 表 I–II 量化边界半径，并显示在边界大小和相对于传统方法的百分比方面有显著减小（例如在 UMa 的 p=99 时，K=1、D=60s 的传统距离约为当前距离的 ~56%）。