1. 项目概述当“脏”硬件遇上MIMO在无线通信领域多输入多输出MIMO技术早已不是新鲜词汇。它通过多根天线同时收发信号在空间维度上“变魔术”理论上能成倍提升信道容量和频谱效率。然而任何一个在一线调试过MIMO射频前端的工程师都清楚从理论到现实之间横亘着一道名为“硬件损伤”的鸿沟。我们实验室里那些昂贵的矢量信号分析仪和频谱仪屏幕上除了我们精心设计的OFDM信号总能看到一些不请自来的“客人”——由功率放大器非线性产生的频谱再生以及通道间相互“串门”的串扰信号。这篇发表于IEEE TWC 2018年的经典论文《Dirty MIMO Transmitters: Does It Matter?》正是直面了这个工程实践中无法回避的核心矛盾。它没有停留在泛泛而谈而是将问题聚焦在一个具体的2×2 MIMO OFDM发射机模型上用严谨的随机建模和Bussgang理论把非线性、串扰、相关数据流这些“脏”效应掰开揉碎了分析。论文的核心问题很直接这些硬件损伤到底有多严重它们之间如何相互作用更重要的是我们该如何量化其影响并优化系统对于从事5G及后续B5G/6G大规模MIMO系统研发、射频功放线性化、或高速数模混合电路设计的工程师和研究人员来说这篇文章提供了一套从建模、分析到优化的完整方法论其推导的NMSE归一化均方误差等关键表达式是评估和优化发射机性能的宝贵工具。2. 核心损伤机理与系统模型拆解要理解“脏”MIMO发射机首先得把它的“脏”源搞清楚。论文的模型对应原文图1可以清晰地分解为三个级联阶段这为我们后续的分析和优化奠定了基础。2.1 损伤的三大来源2.1.1 功率放大器的非线性失真这是射频发射机中最经典也最棘手的损伤。理想功放是一个线性器件输出是输入的完美放大。但现实是随着输入功率增大功放会逐渐进入饱和区增益开始压缩产生非线性失真。论文采用了一个简洁而强大的三阶多项式模型来刻画这一特性r_ℓ u_ℓ ρ_ℓ * u_ℓ * |u_ℓ|²其中r_ℓ是第ℓ通道的功放输出u_ℓ是输入ρ_ℓ是压缩系数通常为负的复数。这个模型虽然简单却能很好地捕捉固态功放的主要非线性行为并且可以关联到1dB压缩点、三阶交调截点IP3等工程常用指标。注意这里的非线性模型是“无记忆”的即输出只依赖于当前时刻的输入。对于带宽较宽的系统功放的记忆效应频率依赖性非线性会变得显著此时需要更复杂的模型如Volterra级数、记忆多项式。但作为基础分析无记忆模型已能揭示核心机理。2.1.2 通道间的串扰MIMO系统中多个发射通道被集成在狭小的空间里电磁耦合不可避免。串扰发生在两个环节输入串扰在信号进入功放之前一个通道的信号会泄漏到另一个通道。模型中用复数参数δ_k表示从通道k泄漏到通道ℓ的比例。输出串扰在功放输出之后一个通道的放大后信号会耦合到另一个通道的输出端。模型中用μ_k表示。通常由于电路板的互易性我们假设δ_ℓ δ_k且μ_ℓ μ_k。串扰的本质是一个线性过程但它会改变输入到功放信号的统计特性从而与非线性的功放产生复杂的交互。2.1.3 相关输入数据流在真实的MIMO传输中例如采用迫零ZF或最小均方误差MMSE预编码或者波束赋形时发送到不同天线端口的信号x_ℓ和x_k之间往往是相关的。这种相关性由相关系数ξ来刻画。输入信号的相关性会直接影响功放输入u_ℓ的包络分布进而影响非线性失真的统计特性。2.2 Bussgang定理非线性系统的“线性化”利器直接分析一个非线性系统与高斯输入信号相互作用是困难的。Bussgang定理提供了一个巧妙的解决方案对于一个无记忆非线性系统当输入是复高斯过程时其输出可以表示为输入的一个线性缩放版本再加上一个与输入不相关的失真噪声。 即r_ℓ α_ℓ * u_ℓ v_ℓ其中E[v_ℓ * u_ℓ*] 0。 这里的α_ℓ就是Bussgang衰减系数它本质上是一个最小均方误差意义下的最优线性近似系数。对于三阶非线性模型可以推导出α_ℓ 1 2 * ρ_ℓ * E[|u_ℓ|²]这个公式非常直观衰减系数α_ℓ与压缩系数ρ_ℓ以及输入信号的功率E[|u_ℓ|²]成正比。输入功率越大非线性越强α_ℓ偏离1理想线性增益就越远。这个分解是全文分析的基石。它将一个复杂的非线性问题转化为了一个“线性信道α_ℓ 加性非相关噪声v_ℓ”的经典问题使得我们可以运用成熟的线性系统理论工具来分析失真影响。2.3 从损伤到误差完整的信号流分析基于上述模型和Bussgang分解论文推导了第ℓ通道的最终输出y_ℓy_ℓ (α_ℓ*γ_ℓ α_k*γ_k*μ_k*δ_ℓ) * x_ℓ (α_ℓ*γ_ℓ*δ_k α_k*γ_k*μ_k) * x_k (v_ℓ μ_k*v_k) (w_ℓ μ_k*w_k)这个表达式虽然看起来复杂但结构清晰第一项期望信号x_ℓ经过本通道增益、非线性衰减以及串扰路径的混合作用后的成分。第二项相邻通道信号x_k通过串扰泄漏到本通道的成分这是干扰。第三项d_ℓ v_ℓ μ_k*v_k是来自本通道和相邻通道的非线性失真噪声的混合。第四项n_ℓ w_ℓ μ_k*w_k是热噪声的混合。由此定义误差信号e_ℓ y_ℓ - γ_ℓ*x_ℓ即实际输出与理想线性放大输出之间的差值。这个误差信号包含了由非线性、串扰和噪声引起的所有失真是评估发射机性能的直接度量。3. 核心性能指标NMSE与NEC的深度解析有了误差信号我们需要量化的指标来衡量系统性能。论文选取了两个核心指标归一化均方误差NMSE和归一化误差协方差NEC。3.1 归一化均方误差性能的“总评分”NMSE定义为误差信号功率与期望信号功率的比值NMSE_ℓ E[|e_ℓ|²] / (|γ_ℓ|² * σ_x²)其中σ_x²是输入信号x_ℓ的功率。NMSE是一个综合指标数值越小说明发射机保真度越高。将误差表达式代入后NMSE可以分解为几个明确的组成部分对应原文公式16NMSE_ℓ (|θ_ℓ|² |θ_k|²) / (|γ_ℓ|²*(1|ξ|²)) E[|d_ℓ|²]/(|γ_ℓ|²*σ_x²) (1|μ_k|²)*σ_w²/(|γ_ℓ|²*σ_x²)这三部分分别对应线性失真项由Bussgang衰减系数α不为1以及串扰参数δ, μ引起的确定性失真。θ_ℓ和θ_k是这些参数的函数。非线性失真噪声项由功放非线性产生的失真噪声v_ℓ的功率并考虑了通过输出串扰μ_k的耦合。热噪声项接收机热噪声的贡献。对于工程实践论文推导了一个在弱非线性和小串扰假设下的近似表达式极具指导意义对应原文公式46NMSE_ℓ ≈ 6|ρ_ℓ|² |γ|⁴ σ_x⁴ |β|² |δ_k μ_k|² σ_w²/(|γ|² σ_x²)这个近似公式清晰地揭示了NMSE的三个“渐近线”区域高功率区当输入功率σ_x²很大时第一项非线性项∝ σ_x⁴占主导。NMSE随功率急剧恶化曲线陡升。中功率区当非线性项和串扰项相当时存在一个NMSE的最小值点。低功率区当输入功率很小时第三项热噪声项∝ 1/σ_x²占主导。NMSE随功率减小而恶化曲线也上升。串扰在这里体现为一个“地板”|δ_k μ_k|²。这意味着无论你把输入功率调整到多优NMSE都不可能低于这个由串扰决定的下限。这是MIMO系统集成度提高通道间距减小时面临的根本性挑战。3.2 归一化误差协方差洞察失真噪声的空间特性NEC定义为两个通道误差信号之间的归一化协方差NEC_ℓ E[e_ℓ * e_k*] / (|γ_ℓ| |γ_k| σ_x²)NEC的重要性在于它揭示了失真噪声v_ℓ和v_k之间的相关性这对于理解大规模MIMO中“失真噪声是否与有用信号同方向”这一关键问题至关重要。论文的一个重要结论是对于无串扰且相同的功放失真噪声的相关系数θ_v与输入信号的相关系数θ_u满足θ_v |θ_u|³ * e^(jφ)即相位保持不变但幅度以三次方衰减。这意味着如果两个通道发送高度相关的信号例如波束指向同一用户那么产生的非线性失真噪声在空间上也具有大致相同的方向。然而由于其幅度衰减很快在许多分析中如一些大规模MIMO文献常近似认为失真噪声与有用信号空间方向不同甚至不相关。论文指出串扰的存在会使失真噪声的空间方向进一步向零相位偏置这为简化传输模型提供了更坚实的理论依据。3.3 信号与失真加噪声比另一个常用的系统指标是信号与失真加噪声比SNDR。论文也给出了其近似表达式对应原文公式48SNDR_ℓ ≈ 1 / [2|ρ_ℓ|² |γ|⁴ σ_x⁴ |δ_k μ_k|² σ_w²/(|γ|² σ_x²)]比较NMSE和SNDR的表达式可以发现最小化NMSE和最大化SNDR所对应的最优输入功率点并不相同。最大化SNDR允许的输入功率比最小化NMSE时高约1.6 dB。这意味着如果系统设计更关注信噪失真比而非绝对误差可以稍微增加功放的回退在牺牲一点线性度NMSE略增的情况下获得更高的功率效率。4. 功率放大器回退优化在效率与线性度间走钢丝功放回退Input Back-Off, IBO是平衡线性度和效率的核心手段。回退越大线性度越好但效率越低。论文基于NMSE分析提出了几种不同的回退优化策略。4.1 经典最小NMSE回退对近似NMSE公式求导可以得到使NMSE最小的最优输入功率对应原文公式53σ_x²_opt (min NMSE) (1/|γ|²) * ³√[ σ_w²/(12|ρ_ℓ|²) ]这个结果很有意思最优功率点与串扰δ_k, μ_k无关。它只由热噪声功率σ_w²、功放增益|γ|²和非线性系数ρ_ℓ决定。这意味着从最小化NMSE的角度看串扰的存在并不改变最优工作点的位置但它抬高了整个NMSE曲线的“地板”。4.2 考虑串扰的次优高能效回退虽然串扰不改变最小NMSE点的位置但它显著地“拓宽”了NMSE最小值附近的区域如原文图3所示。这就提供了一个宝贵的工程折衷空间我们可以接受NMSE比最小值稍高一点例如高3 dB来换取输入功率的大幅提升从而提高功放的能源效率。论文提出了一种新颖的、针对串扰设计的回退方案对应原文公式55σ_x²_subopt (1/|γ|²) * ( |β| |δ_k μ_k| ) / (√6 |ρ_ℓ| )这个功率点是由非线性项和串扰项两条渐近线的交点决定的。在原文的示例中-25 dB串扰采用此方案相比最小NMSE方案可以将输入功率提升约8 dB而NMSE仅恶化3 dB。这对于能量受限的终端设备如手机、物联网设备具有重大意义。实操心得在实际系统设计中我们往往不是追求绝对的理论最优而是在性能、效率和成本之间寻找最佳平衡点。论文提出的这种“用少许性能换取显著能效提升”的思路非常实用。在制定功放回退策略时除了理论计算一定要结合频谱仪实测的ACPR邻道泄漏比和EVM误差向量幅度指标进行微调。4.3 1dB压缩点信号相关性的影响功放的1dB压缩点是一个关键参数。论文推导了在OFDM高斯信号激励下的1dB压缩点输入功率对应原文公式33σ_x²_1dB [ (1|ξ|²) / (|1δ_k β* ξ*|² |ξδ_k β*|²) ] * (C_1dB / (|ρ_ℓ| |γ_ℓ|²))其中C_1dB ≈ 0.056。这个公式揭示了一个常被忽视的重要现象1dB压缩点与输入信号的相关性ξ和串扰δ_k有关。这意味着当MIMO系统进行波束赋形信号高度相关或预编码相关性改变时功放的实际压缩特性会发生变化。用单音信号CW测得的1dB压缩点并不能完全代表功放在实际OFDM MIMO信号下的行为。这解释了为什么有时在实验室用单音调试好的功放在实际系统应用中会出现意想不到的非线性失真。5. 数字预失真的影响与极限数字预失真DPD是补偿功放非线性的主流技术。论文也分析了理想DPD下的系统性能。5.1 理想DPD下的模型理想DPD可以将一个非线性功放线性化为一个“软限幅器”Soft Limiter其输入输出关系为r_ℓ { u_ℓ, |u_ℓ| ≤ A; A * e^(j∠u_ℓ), |u_ℓ| A }其中A是限幅电平。经过理想DPD后系统的非线性失真被极大抑制NMSE表达式简化为对应原文公式60NMSE_ℓ ≈ (|γ|² e^(-η²) σ_x²) / (2A²) |β|² |δ_k μ_k|² σ_w²/(|γ|² σ_x²)其中η² A²/(|γ|² σ_x²)。5.2 DPD的收益与剩余挑战从公式可以看出理想DPD成功地将原先∝ σ_x⁴的非线性项压制成了∝ e^(-η²) σ_x²的项这是一个巨大的改善。同时最优工作点最小NMSE点的输入功率也得以提升在论文示例中提升了约3 dB。然而DPD无法消除串扰。串扰项|δ_k μ_k|²依然作为NMSE的地板存在。更严峻的是在实际的MIMO DPD系统中通道间的串扰会使得一个通道的预失真信号泄漏到另一个通道经过对方功放的非线性变换后又耦合回来形成非常复杂的非线性串扰这给DPD算法的辨识和补偿带来了巨大挑战。论文的结论提醒我们在集成度高的MIMO发射机中必须将串扰抑制通过更好的布局、屏蔽、隔离和DPD线性化作为两个相辅相成、必须同时解决的问题。6. 仿真验证与工程启示论文通过大量的数值仿真验证了理论推导的正确性这些图原文图4-7为我们提供了直观的理解。图4展示了不同串扰水平下-20, -30, -40 dBNMSE随输入功率变化的曲线。理论曲线与仿真点完美重合验证了模型的准确性。三条渐近线热噪声、串扰、非线性清晰划定了NMSE的三个区域。无论输入信号是否相关左图ξ0右图ξ随机平均NMSE几乎相同这印证了“平均而言输入相关性不影响NMSE”的结论。图5则展示了极端相关性ξ1和ξ-1下的NMSE。此时NMSE曲线不再对称并且与平均曲线黑色实线有偏差。这说明虽然平均性能不变但在特定的波束赋形或预编码方案下即特定的ξ瞬时性能可能变好也能变差。这为通过智能信号设计来规避最差情况提供了理论可能性。图6研究了归一化误差协方差NEC的相位特性。它表明在小信号区域热噪声会使失真噪声的空间方向随机化而在大信号区域或存在串扰时失真噪声的空间方向会向零相位集中。这支持了大规模MIMO中常采用的“失真噪声与信号空间方向不同”的简化假设。图7对比了有无DPD以及有无串扰下的NMSE。理想DPD显著压低了非线性区域并将最优工作点向高功率方向移动。但串扰地板依然存在。7. 总结与工程实践指南回到论文的标题“Dirty MIMO Transmitters: Does It Matter?”脏的MIMO发射机这有关系吗。基于全文分析答案非常明确有关系而且关系重大。串扰会为系统性能设置一个不可逾越的下限NMSE地板并影响失真噪声的空间特性。非线性失真则决定了系统在高功率下的崩溃速度。虽然平均来看输入信号相关性不影响性能但特定的相关模式会带来性能波动。对于系统工程师而言这篇论文提供了以下关键的行动指南建模与评估先行在设计初期就应使用类似的随机模型对发射机链路进行预算分析。估算在目标输出功率、特定调制方式如OFDM、预计的集成密度串扰水平下系统的NMSE或EVM可能达到的水平。这比后期在实验室“救火”要高效得多。串扰是“硬伤”必须优先抑制DPD可以补偿非线性但很难完美补偿非线性与串扰的混合效应。在PCB布局、屏蔽腔体设计、滤波器隔离上投入资源将串扰尽可能降低例如-40 dB以下是从根本上提升性能的最有效手段。功放回退需系统化考量不要简单地使用1dB压缩点回退几个dB这种经验法则。应根据系统对线性度NMSE/EVM和效率的要求结合理论公式如公式53, 55计算初始工作点再通过实测微调。在能效敏感的场合可以主动接受稍高的失真以换取更大的输出功率。DPD设计需考虑MIMO特性MIMO DPD不是多个SISO DPD的简单堆叠。必须考虑通道间的耦合可能需要采用更复杂的多维DPD结构如2D-DPD来联合补偿非线性和串扰。辨识算法也需要能够处理这种耦合效应。测试方法需贴近实际用连续波CW或单通道信号测试MIMO功放得到的线性度指标具有误导性。必须使用与实际系统相同的MIMO信号具有特定的空间相关特性进行测试才能准确评估其真实性能。最终论文将一个存在串扰的MIMO发射通道等效为一个SNR受限的SISO通道对应原文公式63SNR_ℓ ≈ 3 / [2 |δ_k μ_k|²]这个简洁的公式极具洞察力一个存在串扰的MIMO发射机其每个通道的性能上限等效于一个信噪比仅由串扰水平决定的SISO发射机。因此“脏MIMO发射机是否重要”这个问题可以转化为“这个等效SISO信噪比是否满足你的系统要求”如果答案是否定的那么你就必须投入资源去“清洁”你的发射机——无论是通过更好的硬件设计还是更先进的信号处理算法。
MIMO发射机硬件损伤建模：非线性、串扰与Bussgang定理分析
1. 项目概述当“脏”硬件遇上MIMO在无线通信领域多输入多输出MIMO技术早已不是新鲜词汇。它通过多根天线同时收发信号在空间维度上“变魔术”理论上能成倍提升信道容量和频谱效率。然而任何一个在一线调试过MIMO射频前端的工程师都清楚从理论到现实之间横亘着一道名为“硬件损伤”的鸿沟。我们实验室里那些昂贵的矢量信号分析仪和频谱仪屏幕上除了我们精心设计的OFDM信号总能看到一些不请自来的“客人”——由功率放大器非线性产生的频谱再生以及通道间相互“串门”的串扰信号。这篇发表于IEEE TWC 2018年的经典论文《Dirty MIMO Transmitters: Does It Matter?》正是直面了这个工程实践中无法回避的核心矛盾。它没有停留在泛泛而谈而是将问题聚焦在一个具体的2×2 MIMO OFDM发射机模型上用严谨的随机建模和Bussgang理论把非线性、串扰、相关数据流这些“脏”效应掰开揉碎了分析。论文的核心问题很直接这些硬件损伤到底有多严重它们之间如何相互作用更重要的是我们该如何量化其影响并优化系统对于从事5G及后续B5G/6G大规模MIMO系统研发、射频功放线性化、或高速数模混合电路设计的工程师和研究人员来说这篇文章提供了一套从建模、分析到优化的完整方法论其推导的NMSE归一化均方误差等关键表达式是评估和优化发射机性能的宝贵工具。2. 核心损伤机理与系统模型拆解要理解“脏”MIMO发射机首先得把它的“脏”源搞清楚。论文的模型对应原文图1可以清晰地分解为三个级联阶段这为我们后续的分析和优化奠定了基础。2.1 损伤的三大来源2.1.1 功率放大器的非线性失真这是射频发射机中最经典也最棘手的损伤。理想功放是一个线性器件输出是输入的完美放大。但现实是随着输入功率增大功放会逐渐进入饱和区增益开始压缩产生非线性失真。论文采用了一个简洁而强大的三阶多项式模型来刻画这一特性r_ℓ u_ℓ ρ_ℓ * u_ℓ * |u_ℓ|²其中r_ℓ是第ℓ通道的功放输出u_ℓ是输入ρ_ℓ是压缩系数通常为负的复数。这个模型虽然简单却能很好地捕捉固态功放的主要非线性行为并且可以关联到1dB压缩点、三阶交调截点IP3等工程常用指标。注意这里的非线性模型是“无记忆”的即输出只依赖于当前时刻的输入。对于带宽较宽的系统功放的记忆效应频率依赖性非线性会变得显著此时需要更复杂的模型如Volterra级数、记忆多项式。但作为基础分析无记忆模型已能揭示核心机理。2.1.2 通道间的串扰MIMO系统中多个发射通道被集成在狭小的空间里电磁耦合不可避免。串扰发生在两个环节输入串扰在信号进入功放之前一个通道的信号会泄漏到另一个通道。模型中用复数参数δ_k表示从通道k泄漏到通道ℓ的比例。输出串扰在功放输出之后一个通道的放大后信号会耦合到另一个通道的输出端。模型中用μ_k表示。通常由于电路板的互易性我们假设δ_ℓ δ_k且μ_ℓ μ_k。串扰的本质是一个线性过程但它会改变输入到功放信号的统计特性从而与非线性的功放产生复杂的交互。2.1.3 相关输入数据流在真实的MIMO传输中例如采用迫零ZF或最小均方误差MMSE预编码或者波束赋形时发送到不同天线端口的信号x_ℓ和x_k之间往往是相关的。这种相关性由相关系数ξ来刻画。输入信号的相关性会直接影响功放输入u_ℓ的包络分布进而影响非线性失真的统计特性。2.2 Bussgang定理非线性系统的“线性化”利器直接分析一个非线性系统与高斯输入信号相互作用是困难的。Bussgang定理提供了一个巧妙的解决方案对于一个无记忆非线性系统当输入是复高斯过程时其输出可以表示为输入的一个线性缩放版本再加上一个与输入不相关的失真噪声。 即r_ℓ α_ℓ * u_ℓ v_ℓ其中E[v_ℓ * u_ℓ*] 0。 这里的α_ℓ就是Bussgang衰减系数它本质上是一个最小均方误差意义下的最优线性近似系数。对于三阶非线性模型可以推导出α_ℓ 1 2 * ρ_ℓ * E[|u_ℓ|²]这个公式非常直观衰减系数α_ℓ与压缩系数ρ_ℓ以及输入信号的功率E[|u_ℓ|²]成正比。输入功率越大非线性越强α_ℓ偏离1理想线性增益就越远。这个分解是全文分析的基石。它将一个复杂的非线性问题转化为了一个“线性信道α_ℓ 加性非相关噪声v_ℓ”的经典问题使得我们可以运用成熟的线性系统理论工具来分析失真影响。2.3 从损伤到误差完整的信号流分析基于上述模型和Bussgang分解论文推导了第ℓ通道的最终输出y_ℓy_ℓ (α_ℓ*γ_ℓ α_k*γ_k*μ_k*δ_ℓ) * x_ℓ (α_ℓ*γ_ℓ*δ_k α_k*γ_k*μ_k) * x_k (v_ℓ μ_k*v_k) (w_ℓ μ_k*w_k)这个表达式虽然看起来复杂但结构清晰第一项期望信号x_ℓ经过本通道增益、非线性衰减以及串扰路径的混合作用后的成分。第二项相邻通道信号x_k通过串扰泄漏到本通道的成分这是干扰。第三项d_ℓ v_ℓ μ_k*v_k是来自本通道和相邻通道的非线性失真噪声的混合。第四项n_ℓ w_ℓ μ_k*w_k是热噪声的混合。由此定义误差信号e_ℓ y_ℓ - γ_ℓ*x_ℓ即实际输出与理想线性放大输出之间的差值。这个误差信号包含了由非线性、串扰和噪声引起的所有失真是评估发射机性能的直接度量。3. 核心性能指标NMSE与NEC的深度解析有了误差信号我们需要量化的指标来衡量系统性能。论文选取了两个核心指标归一化均方误差NMSE和归一化误差协方差NEC。3.1 归一化均方误差性能的“总评分”NMSE定义为误差信号功率与期望信号功率的比值NMSE_ℓ E[|e_ℓ|²] / (|γ_ℓ|² * σ_x²)其中σ_x²是输入信号x_ℓ的功率。NMSE是一个综合指标数值越小说明发射机保真度越高。将误差表达式代入后NMSE可以分解为几个明确的组成部分对应原文公式16NMSE_ℓ (|θ_ℓ|² |θ_k|²) / (|γ_ℓ|²*(1|ξ|²)) E[|d_ℓ|²]/(|γ_ℓ|²*σ_x²) (1|μ_k|²)*σ_w²/(|γ_ℓ|²*σ_x²)这三部分分别对应线性失真项由Bussgang衰减系数α不为1以及串扰参数δ, μ引起的确定性失真。θ_ℓ和θ_k是这些参数的函数。非线性失真噪声项由功放非线性产生的失真噪声v_ℓ的功率并考虑了通过输出串扰μ_k的耦合。热噪声项接收机热噪声的贡献。对于工程实践论文推导了一个在弱非线性和小串扰假设下的近似表达式极具指导意义对应原文公式46NMSE_ℓ ≈ 6|ρ_ℓ|² |γ|⁴ σ_x⁴ |β|² |δ_k μ_k|² σ_w²/(|γ|² σ_x²)这个近似公式清晰地揭示了NMSE的三个“渐近线”区域高功率区当输入功率σ_x²很大时第一项非线性项∝ σ_x⁴占主导。NMSE随功率急剧恶化曲线陡升。中功率区当非线性项和串扰项相当时存在一个NMSE的最小值点。低功率区当输入功率很小时第三项热噪声项∝ 1/σ_x²占主导。NMSE随功率减小而恶化曲线也上升。串扰在这里体现为一个“地板”|δ_k μ_k|²。这意味着无论你把输入功率调整到多优NMSE都不可能低于这个由串扰决定的下限。这是MIMO系统集成度提高通道间距减小时面临的根本性挑战。3.2 归一化误差协方差洞察失真噪声的空间特性NEC定义为两个通道误差信号之间的归一化协方差NEC_ℓ E[e_ℓ * e_k*] / (|γ_ℓ| |γ_k| σ_x²)NEC的重要性在于它揭示了失真噪声v_ℓ和v_k之间的相关性这对于理解大规模MIMO中“失真噪声是否与有用信号同方向”这一关键问题至关重要。论文的一个重要结论是对于无串扰且相同的功放失真噪声的相关系数θ_v与输入信号的相关系数θ_u满足θ_v |θ_u|³ * e^(jφ)即相位保持不变但幅度以三次方衰减。这意味着如果两个通道发送高度相关的信号例如波束指向同一用户那么产生的非线性失真噪声在空间上也具有大致相同的方向。然而由于其幅度衰减很快在许多分析中如一些大规模MIMO文献常近似认为失真噪声与有用信号空间方向不同甚至不相关。论文指出串扰的存在会使失真噪声的空间方向进一步向零相位偏置这为简化传输模型提供了更坚实的理论依据。3.3 信号与失真加噪声比另一个常用的系统指标是信号与失真加噪声比SNDR。论文也给出了其近似表达式对应原文公式48SNDR_ℓ ≈ 1 / [2|ρ_ℓ|² |γ|⁴ σ_x⁴ |δ_k μ_k|² σ_w²/(|γ|² σ_x²)]比较NMSE和SNDR的表达式可以发现最小化NMSE和最大化SNDR所对应的最优输入功率点并不相同。最大化SNDR允许的输入功率比最小化NMSE时高约1.6 dB。这意味着如果系统设计更关注信噪失真比而非绝对误差可以稍微增加功放的回退在牺牲一点线性度NMSE略增的情况下获得更高的功率效率。4. 功率放大器回退优化在效率与线性度间走钢丝功放回退Input Back-Off, IBO是平衡线性度和效率的核心手段。回退越大线性度越好但效率越低。论文基于NMSE分析提出了几种不同的回退优化策略。4.1 经典最小NMSE回退对近似NMSE公式求导可以得到使NMSE最小的最优输入功率对应原文公式53σ_x²_opt (min NMSE) (1/|γ|²) * ³√[ σ_w²/(12|ρ_ℓ|²) ]这个结果很有意思最优功率点与串扰δ_k, μ_k无关。它只由热噪声功率σ_w²、功放增益|γ|²和非线性系数ρ_ℓ决定。这意味着从最小化NMSE的角度看串扰的存在并不改变最优工作点的位置但它抬高了整个NMSE曲线的“地板”。4.2 考虑串扰的次优高能效回退虽然串扰不改变最小NMSE点的位置但它显著地“拓宽”了NMSE最小值附近的区域如原文图3所示。这就提供了一个宝贵的工程折衷空间我们可以接受NMSE比最小值稍高一点例如高3 dB来换取输入功率的大幅提升从而提高功放的能源效率。论文提出了一种新颖的、针对串扰设计的回退方案对应原文公式55σ_x²_subopt (1/|γ|²) * ( |β| |δ_k μ_k| ) / (√6 |ρ_ℓ| )这个功率点是由非线性项和串扰项两条渐近线的交点决定的。在原文的示例中-25 dB串扰采用此方案相比最小NMSE方案可以将输入功率提升约8 dB而NMSE仅恶化3 dB。这对于能量受限的终端设备如手机、物联网设备具有重大意义。实操心得在实际系统设计中我们往往不是追求绝对的理论最优而是在性能、效率和成本之间寻找最佳平衡点。论文提出的这种“用少许性能换取显著能效提升”的思路非常实用。在制定功放回退策略时除了理论计算一定要结合频谱仪实测的ACPR邻道泄漏比和EVM误差向量幅度指标进行微调。4.3 1dB压缩点信号相关性的影响功放的1dB压缩点是一个关键参数。论文推导了在OFDM高斯信号激励下的1dB压缩点输入功率对应原文公式33σ_x²_1dB [ (1|ξ|²) / (|1δ_k β* ξ*|² |ξδ_k β*|²) ] * (C_1dB / (|ρ_ℓ| |γ_ℓ|²))其中C_1dB ≈ 0.056。这个公式揭示了一个常被忽视的重要现象1dB压缩点与输入信号的相关性ξ和串扰δ_k有关。这意味着当MIMO系统进行波束赋形信号高度相关或预编码相关性改变时功放的实际压缩特性会发生变化。用单音信号CW测得的1dB压缩点并不能完全代表功放在实际OFDM MIMO信号下的行为。这解释了为什么有时在实验室用单音调试好的功放在实际系统应用中会出现意想不到的非线性失真。5. 数字预失真的影响与极限数字预失真DPD是补偿功放非线性的主流技术。论文也分析了理想DPD下的系统性能。5.1 理想DPD下的模型理想DPD可以将一个非线性功放线性化为一个“软限幅器”Soft Limiter其输入输出关系为r_ℓ { u_ℓ, |u_ℓ| ≤ A; A * e^(j∠u_ℓ), |u_ℓ| A }其中A是限幅电平。经过理想DPD后系统的非线性失真被极大抑制NMSE表达式简化为对应原文公式60NMSE_ℓ ≈ (|γ|² e^(-η²) σ_x²) / (2A²) |β|² |δ_k μ_k|² σ_w²/(|γ|² σ_x²)其中η² A²/(|γ|² σ_x²)。5.2 DPD的收益与剩余挑战从公式可以看出理想DPD成功地将原先∝ σ_x⁴的非线性项压制成了∝ e^(-η²) σ_x²的项这是一个巨大的改善。同时最优工作点最小NMSE点的输入功率也得以提升在论文示例中提升了约3 dB。然而DPD无法消除串扰。串扰项|δ_k μ_k|²依然作为NMSE的地板存在。更严峻的是在实际的MIMO DPD系统中通道间的串扰会使得一个通道的预失真信号泄漏到另一个通道经过对方功放的非线性变换后又耦合回来形成非常复杂的非线性串扰这给DPD算法的辨识和补偿带来了巨大挑战。论文的结论提醒我们在集成度高的MIMO发射机中必须将串扰抑制通过更好的布局、屏蔽、隔离和DPD线性化作为两个相辅相成、必须同时解决的问题。6. 仿真验证与工程启示论文通过大量的数值仿真验证了理论推导的正确性这些图原文图4-7为我们提供了直观的理解。图4展示了不同串扰水平下-20, -30, -40 dBNMSE随输入功率变化的曲线。理论曲线与仿真点完美重合验证了模型的准确性。三条渐近线热噪声、串扰、非线性清晰划定了NMSE的三个区域。无论输入信号是否相关左图ξ0右图ξ随机平均NMSE几乎相同这印证了“平均而言输入相关性不影响NMSE”的结论。图5则展示了极端相关性ξ1和ξ-1下的NMSE。此时NMSE曲线不再对称并且与平均曲线黑色实线有偏差。这说明虽然平均性能不变但在特定的波束赋形或预编码方案下即特定的ξ瞬时性能可能变好也能变差。这为通过智能信号设计来规避最差情况提供了理论可能性。图6研究了归一化误差协方差NEC的相位特性。它表明在小信号区域热噪声会使失真噪声的空间方向随机化而在大信号区域或存在串扰时失真噪声的空间方向会向零相位集中。这支持了大规模MIMO中常采用的“失真噪声与信号空间方向不同”的简化假设。图7对比了有无DPD以及有无串扰下的NMSE。理想DPD显著压低了非线性区域并将最优工作点向高功率方向移动。但串扰地板依然存在。7. 总结与工程实践指南回到论文的标题“Dirty MIMO Transmitters: Does It Matter?”脏的MIMO发射机这有关系吗。基于全文分析答案非常明确有关系而且关系重大。串扰会为系统性能设置一个不可逾越的下限NMSE地板并影响失真噪声的空间特性。非线性失真则决定了系统在高功率下的崩溃速度。虽然平均来看输入信号相关性不影响性能但特定的相关模式会带来性能波动。对于系统工程师而言这篇论文提供了以下关键的行动指南建模与评估先行在设计初期就应使用类似的随机模型对发射机链路进行预算分析。估算在目标输出功率、特定调制方式如OFDM、预计的集成密度串扰水平下系统的NMSE或EVM可能达到的水平。这比后期在实验室“救火”要高效得多。串扰是“硬伤”必须优先抑制DPD可以补偿非线性但很难完美补偿非线性与串扰的混合效应。在PCB布局、屏蔽腔体设计、滤波器隔离上投入资源将串扰尽可能降低例如-40 dB以下是从根本上提升性能的最有效手段。功放回退需系统化考量不要简单地使用1dB压缩点回退几个dB这种经验法则。应根据系统对线性度NMSE/EVM和效率的要求结合理论公式如公式53, 55计算初始工作点再通过实测微调。在能效敏感的场合可以主动接受稍高的失真以换取更大的输出功率。DPD设计需考虑MIMO特性MIMO DPD不是多个SISO DPD的简单堆叠。必须考虑通道间的耦合可能需要采用更复杂的多维DPD结构如2D-DPD来联合补偿非线性和串扰。辨识算法也需要能够处理这种耦合效应。测试方法需贴近实际用连续波CW或单通道信号测试MIMO功放得到的线性度指标具有误导性。必须使用与实际系统相同的MIMO信号具有特定的空间相关特性进行测试才能准确评估其真实性能。最终论文将一个存在串扰的MIMO发射通道等效为一个SNR受限的SISO通道对应原文公式63SNR_ℓ ≈ 3 / [2 |δ_k μ_k|²]这个简洁的公式极具洞察力一个存在串扰的MIMO发射机其每个通道的性能上限等效于一个信噪比仅由串扰水平决定的SISO发射机。因此“脏MIMO发射机是否重要”这个问题可以转化为“这个等效SISO信噪比是否满足你的系统要求”如果答案是否定的那么你就必须投入资源去“清洁”你的发射机——无论是通过更好的硬件设计还是更先进的信号处理算法。
