摘要：本文简要讲述了5G关键技术之一的LS-MIMO，分别从导频污染、信道估计、预编码技术、信号检测四个部分入手。
导频污染
理想情况下，时分复用(TDD)系统中上行链路和下行链路之间各个导频符号之间是相互正交的关系，正是因为这种关系 使接收机在接收到相邻信号的干扰时，可以将干扰抵消，降低导频污染。但是，在实际的大规模多输入多输出系统中，相互正交的导频序列数量有限，这会使得相邻小区间必须使用相同的导频序列，以满足多用户对通信网络的需求，这就不可避免地带来相邻小区间的导频污染，这将直接影响到TDD制式下大规模MIMO系统的容量，成为一个需要解决的问题。
信道估计
信号传输的有效性依赖于信道状态信息的准确性，但由于基站端天线的大量增加和海量用户对网络的需求，使得信道状态信息的获取变得很复杂，如何准确获取信道状态信息是一个研究的热点问题。
信号检测
接收端信号检测器的主要作用是在MIMO系统中对上行链路中多传输天线发送的期望接收估号进行恢复。因为大规模MIMO天线数量庞大，信号检测异常复杂，设计功率消耗低，计算复杂度低的接收端具有重要的研究意义，常用的算法包括最大似然检测、迫零检测、最小均方误差检测等。
这里我们更关心的是信道，来让我们看看信道模型如何用数学语言表达，首先是点对点的信道模型，简要数学描述可表达。
根据主导因素不同，可以做
近似简化，使用通过SVD获得的奇异矩阵的对角线数来表示相同的事物。
其次是多用户MIMO信号模型，这意味着同时为2个以上的UE执行MIMO，如下所示。这不是一个新概念。我们在当前的LTE（TM5）和WLAN（802.11ad）中具有MU-MIMO。然而，MU-MIMO的规模将更大，部署也将更加普遍。据我[链接]所知，我还没有看到TM5真正用于当前LTE直播网络的任何情况。在802.11ad的情况下，与5G网络相比，UE和发射机天线之间的距离设计得非常短。因此，针对5G的MU-MIMO的真正实现将更具挑战性。
实施MU-MIMO有多大的挑战性？根据许多因素，答案会有所不同。即使具有相同数量的用户和相同数量的Tx / Rx天线，也可以有不同的天线分配模式，如下所示。在MU-MIMO实现中可以考虑如下几个因素。
- 应该覆盖多少个UE？
- 将使用多少Tx天线和Rx天线？
- 将使用什么样的接收器设计（均衡器设计）？
- 将使用什么样的预编码算法？
假设BTS具有大量天线并且它们与多个UE通信并且每个UE仅具有一个天线。我们假设BTS天线的数量与UE的数量相比非常大。我们也假设这是TDD系统。
信道矩阵可以表示如下。在TDD中，假设信道互易性成立。如果您有上行链路的信道矩阵，您可以通过转置它来获得下行链路信道模型，反之亦然。
反向链接（上行链路）的容量可以描述如下。
前向链路（下行链路）的容量可以描述如下。
预编码技术
预编码技术主要是在发射端对于传输信号进行处理的过程，其主要目的是优化传输信号，简化接收端复杂程度，提升系统容量及抗干扰能力。
线性预编码：匹配滤波器(MF)、迫零预编码(ZF）
非线性预编码：脏纸编码(DPC)、矢量预编码(VP)
线性预编码复杂度低，实现较简单。非线性预编码如脏纸编码计算复杂度较高，但往往会获得更佳的效果。然而，在Massive MIMO系统中，随着基站侧天线数目的增长，—些线性预编码算法，比如匹配滤波器(MF)、迫零预编码(ZF)等将会获得渐进最优的性能。因此，在实际应用中，采用低复杂度的线性预编码算法更为现实。
虽然有很多困难，大规模输入输出技术的商用进展也是令人欣喜的，在2015年，中兴公司基于TDD的Pre5G Massive MIMO完成产品开发和外场测试，多家运营商开始商用测试和部署。2016年2月，在巴塞罗那举行的MWC 2016世界移动通信大会上，该产品荣获 “最佳移动技术突破”（Best Mobile Technology Breakthrough）以及“CTO之选”（Outstanding overall Mobile Technology-The CTO’s Choice 2016）双料大奖，这可是被业界认可的最高荣誉。
如今，5G网络已经实现了较为广阔的覆盖，我们也已经使用上了5G手机。
（1） 精确的3D波束赋形，提高终端接收信号强度。不同的波束都有各自非常小的聚焦区域，保证用户始终处于最佳信号区域。
（2） 同时同频服务更多用户，数十倍提升系统吞吐量，提高网络容量。
（3） 有效减少区域间的干扰。
（4） 更好覆盖远端和近端的区域。
相比于第四代移动通信，适用场景更加广泛，用户体验更好。
（1） 重点区域的多用户场景，特别是演唱会、聚会等人群密集场所，可显著提升用户体验。
（2） 高楼覆盖场景
不得不说的是大规模多输入多输出技术已经成功应用到现实生活中，并发挥了巨大的作用，但还面临着许多挑战，我们简单来介绍一下。
（1） 如何放置天线。
面对众多的天线，系统该如何安排以达到最佳性能。
（2） 如何建立3D频道。
（3） 如何应用到频分双工。
为了执行最佳波束成形，需要获得不断变化的通道的准确（详细）信息。为了获得此类信息，需要从UE获取有关下行链路信道质量的报告。为此，需要为下行链路参考信号分配大量资源，这将导致严重的资源浪费。在频分双工中，我们没有任何好主意在不使用基于参考信号的这种信道质量报告的情况下获得信道信息。
然而，在时分双工中，我们可以使用一些可能不需要这种UE报告的替代技术。在时分双工中，我们对下行链路和上行链路使用相同的频带。因此，如果网络可以从UE传输信号估计上行链路信道质量，则可以将该信息用作下行链路信道质量。因此，在时分双工中，您可以创建非常优化的波束，而无需从UE获得明确的信道质量报告。
当然，从上行链路信号导出的估计可能与下行链路信号不完全相同，因为上行链路和下行链路的时隙是不同的。因此，在某个时隙的UL的信道估计可能与下行链路时隙不完全相同。然而，这是目前最常被接受和实践的想法。
由于这个原因，大多数大规模多输入多输出技术实现都是在时分双工模式下完成的。
（4）如何从大阵列生成宽光束。
大规模多输入多输出技术的关键思想之一是通过将单个波束的多个天线输出建设性地相加来增加天线增益，并且通过该过程，所得波束的宽度趋于变窄。我们可以说这种窄光束在能量密度方面是好的，但它也意味着光束覆盖的区域将非常窄。这意味着波束成形和引导应该非常快速和准确以适当地聚焦在目标UE上，但是这并不总是简单且容易的，尤其是当UE处于快速移动状态时。
因此，有必要在不牺牲大规模多输入多输出技术的太多性能的情况下加宽波束宽度。
（5）如何校准天线系统。
设计/测试的复杂性和难度会随着信号路径的增加呈指数级增长。即使假设设计正确完成，您也必须确保所有信号路径和天线都经过适当校准，以便天线系统按预期工作。校准那些巨大数量的天线路径绝对是一项具有挑战性的任务。
（6）处理调度和预编码的复杂性
大规模输入输出技术最大动力是增加指定目标设备的方向性和增益。另一个动机（或由波束形成引起的要求）是实现MU-MIMO（多用户MIMO）。然而，随着使用更多天线并且更多用户被瞄准，调度和预编码将变得更复杂。如何处理这种情况将是一个大问题，这需要用巧妙的数学方法来解决。
LS-MIMO系统的概念可以看作是无线通信和信号处理领域的一个范例转变。在这个大维度的环境中，MIMO检测问题变得更加具有挑战性和重要。在这里，我们简要讨论了不同类型LS-MIMO系统的不同检测策略，并总结了LS-MIMO检测的最新进展。从小/中尺度MIMO检测的丰富遗产中提取了相关的见解和教训。我们注意到，当考虑LS-MIMO探测器的设计时，有必要首先确定考虑的是哪种类型的LS-MIMO系统。具体地说，使用几种流行的MIMO检测器(例如基于SD的MIMO检测器)在Type-I中可能变得不可行。一些低复杂度线性MIMO探测器可以在ii型LS-MIMO系统中获得接近最佳性能。此外，据报道，在LS-MIMO上下文中，基于局部邻域搜索的元启发式、基于贝叶斯的消息传递方法以及基于凸优化的方法都有可能在性能和复杂度之间取得折衷。
未来研究的方向应该是关注以下几个方面：
（1） 满足未来高速率通信的目的，这对硬件设备要求更高，功率消耗更大，因为研发绿色通信是很有必要的。
（2） 导频污染是一个问题，如何有效降低导频污染对信号传输的影响是很关键的。
（3） 迫切需要高性价比的非线性与编码器实现信号的预处理，特别是在复杂的实际应用场景下。