面向6G无线网络的全息多输入多输出技术综述

陈晓明; 魏建川; 黄崇文

doi:10.11999/JEIT231140

面向6G无线网络的全息多输入多输出技术综述

doi: 10.11999/JEIT231140

1.
西安交通大学信息与通信工程学院西安 710049
2.
浙江大学信息与电子工程学院杭州 310027

基金项目: 智能产品质量评价与可靠性保障技术工业和信息化部重点实验室基金(CEPREI2023-03)

详细信息

作者简介:
陈晓明：男，博士，教授，研究方向为多天线技术、空口测试、电波混响室、天线测量方法、电磁信息论等

魏建川：男，硕士生，研究方向为空口测试

黄崇文：男，博士，研究员，研究方向为智能超表面辅助的通感一体化，无线AI，电磁信息论

通讯作者:
陈晓明　xiaoming.chen@mail.xjtu.edu.cn

中图分类号: TN929.5
计量
- 文章访问数: 1234
- HTML全文浏览量: 546
- PDF下载量: 289
- 被引次数: 13
出版历程
- 收稿日期: 2023-10-18
- 修回日期: 2023-12-25
- 网络出版日期: 2023-12-31
- 刊出日期: 2024-05-30

Overview of Holographic Multiple-Input Multiple-Output Technology for 6G Wireless Networks

1.
School of Information and Communications Engineering, Xi’an Jiaotong University, Xi’an 710049, China
2.
College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou 310027, China

Funds: The Foundation of Key Laboratory of Ministry of Industry and Information Technology for Intelligent Product Quality Evaluation and Reliability Assurance Technology (CEPREI2023-03)

摘要

摘要: 未来的第6代(6G)无线通信系统需要支持超大规模的用户需求，且对频谱效率和能源效率的要求越来越高。在此背景下，全息多输入多输出(MIMO)技术由于其具有智能可重构、电磁可调控、高方向性增益、成本低廉和部署灵活等潜力而愈发受到关注。在全息MIMO系统中，大量微小而廉价的天线单元被紧密集成，使其在低硬件成本的情况下能够实现高方向性增益，同时其可以对电磁波进行灵活的调控，从而有效提升了无线通信性能。该文从全息MIMO技术出发，首先简要介绍了全息MIMO的发展过程、技术现状、分类和特点，然后对全息MIMO在视距场景和空间平稳散射的非视距场景的信道模型进行了介绍，最后阐述了全息MIMO面对的挑战和未来趋势，并进行了总结。
- 第6代通信 /
- 全息多输入多输出 /
- 可重构智能表面 /
- 信道模型
Abstract: The future Sixth-Generation (6G) wireless communication systems are required to support ultra-large-scale user demands, with increasing demands for spectrum efficiency and energy efficiency. In this context, Holographic Multiple-Input Multiple-Output (HMIMO) technology has gained increasing attention due to its potential for intelligent reconfigurability, electromagnetic tunability, high directional gain, cost-effectiveness, and flexible deployment. In holographic MIMO system, large amount small and cheap antenna units are integrated tightly, thus realize high directional gain at a low hardware cost and flexible adjustment of electromagnetic wave at the same time, thereby effectively enhancing the performance of wireless communication. A brief introduction to holographic MIMO technology is provided at the start of this paper, covering its current status, development process, classification, and key characteristics. Subsequently, the channel model for holographic MIMO in line-of-sight scenarios and non-line-of-sight scenarios with spatially smooth scattering is presented. Finally, the challenges and future trends faced by holographic MIMO technology are described, and the article is concluded.
- Sixth-Generation (6G) communications /
- Holographic Multiple-Input Multiple-Output (nMIMO) /
- Reconfigurable Intelligent Surface (RIS) /
- Channel model

HTML全文

1. 引言

成对载波多址复用( Paired Carrier Multiple Access, PCMA)是一种用于提高卫星通信容量的技术^[1]，目前已得到广泛的应用。其非合作接收混合信号盲分离只能利用单通道两路数字同频混合信号盲分离方法来实现^[2–5]。

单通道盲分离由于存在较多未知因素，求解难度远高于正定盲分离，对不同的通信信号已经产生了一些针对性算法^[6–9]。这些成果都集中在算法研究上，最初对算法性能的度量主要通过计算机仿真实现，且只分析了低阶调制混合信号的分离，廖灿辉等人^[10–12]从双信号联合序列检测的最大似然准则出发，利用Forney 方法推出分离性能上界的解析表达式，但也是依托于维特比算法研究基础上，当前迫切需要摆脱分离算法束缚推导从信号本身角度出发的分离性能界。

本文针对MPSK, MQAM调制PCMA混合信号，从发送信号角度出发推导与分离算法无关的性能界表达式，首先将问题简化为单路信号接收情形分析其分离性能界，然后扩展为两路同频混合信号形式，推导混合信号单通道盲分离性能界，最后通过仿真对影响性能界的相关因素进行了分析。

2. 信号模型

PCMA系统中，地面站接收到两个MPSK或QAM混合而成的调制信号，其调制方式相同、载波频率以及符号速率极为接近^[1]。将接收信号按符号速率进行采样，有

$\begin{aligned} {y_k} = &{H_1}{{\rm{e}}^{{\rm{j}} (2{{π}} {f_1}k{T_s} + {\theta _1})}}{x_{1,k}} \\ &+ {H_2}{{\rm{e}}^{{\rm{j}} (2{{π}}{f_2}k{T_s} + {\theta _2})}}{x_{2,k}} + {v_k} \end{aligned}$

(1)

其中，H_i, f_i, ${\theta _i}$ 分别是第i路信号幅度、频偏、载波初始相位；v_k为高斯白噪声，方差 ${\sigma ^2}$ ; ${x_{1,k}}$ 和 ${x_{2,k}}$ 分别为有用信号和干扰信号的数字基带调制波形，T_s为符号周期。假设两路信号的调制方式相同，且两路信号相互统计独立，则 ${x_{i,k}}$ 可以表示为

${x_{i,k}} = \sum\limits_{k = - {L_1}}^{{L_1}} {{a_{i,k}}} {g_i}\left( {k{T_s} - m{T_s} + {\tau _i}} \right)$

(2)

其中， ${\tau _i}$ (i=1, 2)是第i路信号的定时偏差， ${a_{1,k}}$ 和 ${a_{2,k}}$ (k=0, 1, $·\!·\!·$ )分别为两路发送信号序列，其取值与调制方式有关；g_i(·)是等效的信道脉冲响应，包括成型滤波器、信道滤波器以及匹配滤波器等，滤波器持续的有效区间为[–L₁T_s, L₁T_s]。

3. 性能联合界

单通道盲分离的目的是根据接收序列 $\big\{ {y_k},k =0,$ $1, ·\!·\!· \big\}$ 估计出两路信号的符号序列 $\left\{\! {{a_{1,k}},{a_{2,k}},k \!=\! 0,1, ·\!·\!·} \right\}$ ，在Gauss白噪声信道下，分离错误由信号传输中噪声引起。本文首先分析单路信号接收时(即H₂=0)解调性能界，然后推广至两路同频混合信号接收形式(PCMA信号)，推导混合信号单通道盲分离性能界。

3.1 单路信号接收(H₂=0)

首先研究单路信号接收(即H₂=0)情况^[13]，发送符号与接收符号分别用X和Y表示。对于MPSK调制信号，每个发送符号有M种取值，表示为 ${a_\gamma } =$ ${d_\zeta }{{\rm{e}} ^{{\rm{j}}2\gamma {\varphi _\zeta }}}$ , $\gamma = \left\{ {0,1, ·\!·\!· ,M - 1} \right\}$ ，其中 $\zeta = \log _2^M$ 为每个发送符号携带比特信息位数， ${\varphi _\zeta } = {{π}} /{2^\zeta }$ 。经AWGN信道得到接收信号 $y = {y_c} + j{y_s}$ ，其中 ${y_c}$ 和 ${y_s}$ 分别表示接收信号 $y$ 的实部与虚部，则其概率密度函数为2维高斯函数^[13]。

$\begin{aligned} {p_Y}\left( y \right) =& f\left\{ {{y_c} - {d_\zeta }\cos \left( {2\gamma {\varphi _\zeta }} \right)} \right\} \\ & \cdot f\left\{ {{y_s} -{d_\zeta }\sin \left( {2\gamma {\varphi _\zeta }} \right)} \right\} \end{aligned}$

(3)

其中， ${d_\zeta } = \sqrt {{{2{E_s}} / {{N_0}}}} = \sqrt {{{2\zeta {E_b}} / {{N_0}}}}$ , ${E_s}$ 与 ${E_b}$ 分别为接收信号每符号与每比特能量， ${N_0}$ 为单边带噪声功率谱密度， $f(t) = \displaystyle\frac{1}{{\sqrt {2{{π}} } }}{{\rm{e}}^{ - {{{t^2}}}/{2}}}$ 。以8PSK调制信号为例，图1给出了调制信号比特与符号的空间映射，符号 $\left\{ {{a_\gamma }\left| {\gamma = 0,1, ·\!·\!· ,M - 1} \right.} \right\}$ 的接收信号判决区域为 ${R_m}$ 。

图 1 单路8PSK调制信号空间映射

下载: 全尺寸图片幻灯片

格雷映射方式下，令 ${P_m}$ 为发送 ${a_0}$ 情况下接收符号在判决区域 ${R_m}$ 的概率，则

${P_m} = {p_Y}\ (Y\;) = \Pr \left\{ {Y \in {R_m}\left| {X = {a_0},m < M} \right.} \right\}$

(4)

另注意到对于MPSK信号，式(5)关系成立：

$\begin{aligned} {P_0} > {P_1} &= {P_{M - 1}} > ·\!·\!· > {P_{{M / {2 - 1}}}} \\ &= {P_{{M / 2} + 1}} > {P_{{M / 2}}} \end{aligned}$

(5)

结合式(3)、式(4)、式(5)可知，在具有加性高斯白噪声信道中，单路MPSK调制信号误符号率(SER)，记为 ${P_s}$ ^[13]：

${P_s} = \sum\limits_{m = 1}^{M - 1} {{P_m}}$

(6)

3.2 PCMA信号接收(H₂≠0)

PCMA信号接收时，两路信号发送分量分别用X₁与X₂表示，接收用Y表示，由于两路信号存在时延差( $\Delta \tau = {\tau _1} - {\tau _2}$ )，第1路信号分量最佳采样位置与第2路信号分量存在符号串扰，因此L=n时空间映射是以L=n–1时空间映射为中心，向M个方向等幅度对称扩散所得，考虑到扩散后最小欧式距离减小，因此随着符号串扰长度的增加性能界逐渐变差，可见本文考虑的L=1时分离性能界为分离下界，同时定义等效幅度比为 ${h_2}/{h_1} = {{{G}}_{2,0}}/{{{G}}_{1,0}}$ 。此时相偏对混合信号空间映射判决区域的影响有限，若推导第1路信号发送分量判决正确区域，可由符号串扰长度L=1, ${\theta _1} - {\theta _2} = 0$ 时空间映射判决区域近似。

对于符号串扰长度L=1的PCMA混合信号，每个发送符号对(X₁, X₂)有 ${M^2}$ 种取值，其中每一路发送符号依旧表示为 ${a_\gamma } ={d_\zeta }{{\rm{e}} ^{{\rm{j}}2\gamma {\varphi _\zeta }}},\gamma =\left\{ {0,1, ·\!·\!· ,}\right.$ $\left. {M - 1} \right\}$ 。定义混合信号空间映射不同区域，以此为基础进行性能界分析。首先考虑MPSK调制方式混合信号，两路信号分量频偏为零，BPSK调制与QPSK调制方式下混合信号比特与符号的空间映射分别如图2、图3所示。其中两路信号分量能量分别为 ${E_1} = \sqrt {\displaystyle\frac{{{E_s}}}{{(1 + {\eta ^2}){N_0}}}}$ , ${E_2} = \sqrt {\displaystyle\frac{{{\eta ^2}{E_s}}}{{(1 + {\eta ^2}){N_0}}}}$ , $\eta =$ ${{{h_2}} / {{h_1}}}$ 。

图 2 BPSK调制PCMA信号比特与符号映射

下载: 全尺寸图片幻灯片

图 3 QPSK调制PCMA信号比特与符号映射

下载: 全尺寸图片幻灯片

定义：

$\begin{aligned} P_m^\gamma =& \Pr \left\{ {Y \in {R_m}\left| {{X_1} = {a_0},{X_2} = {a_\gamma }} \right.} \right\},\\ & \gamma \in \left\{ {0,1, ·\!·\!· ,M - 1} \right\} \end{aligned}$

(7)

且 ${a_\gamma } = a^c_\gamma + ja^s_\gamma$ ，则存在

${P_m} = \frac{1}{M}\sum\limits_{\gamma = 0}^{M - 1} {P^\gamma_{m} }$

(8)

由本节分析可知，所推导为PCMA混合信号分离性能下界，即

${P_s} \ge \sum\limits_{m = 1}^{M - 1} {{P_m}}$

(9)

对于BPSK调制混合信号，结合式(7)与式(8)可得

${P_m} = \left\{\!\!\!\!\!{\begin{aligned} & \begin{aligned} & \frac{1}{2}\sum\limits_{\gamma = 0}^1 {\frac{1}{{{π}} }\int_{ - \infty }^\infty {\exp \left( { - {v^2}} \right)}}\\ & \quad \cdot \int_0^\infty {\exp \left[ { - {{\left( {u - a^c_\gamma } \right)}^2}} \right]{\rm{d}}u} {\rm{d}}v, m = 0 \end{aligned}\\ & \begin{aligned} & \frac{1}{2}\sum\limits_{\gamma = 0}^1 {\frac{1}{{{π}} }\int_{ - \infty }^\infty {\exp \left( { - {v^2}} \right) }} \\ & \quad \cdot \int_0^\infty{\exp \left[ { - {{\left( {u + a^c_\gamma } \right)}^2}} \right]{\rm{d}}u} {\rm{d}}v, m = 1 \end{aligned} \end{aligned}} \right.$

(10)

此时分离误符号率 ${P_s}$ 与误比特率(BER) ${P_b}$ 相同，下界为

${P_s} = {P_b} \ge {P_1}$

(11)

同理可得QPSK调制混合信号 ${P_m}$ ( ${P_m} = {P_{M - m}}$ )，如式(12)。

${P_m} = \left\{ {\begin{array}{*{20}{c}} {\frac{1}{4}\sum\limits_{\gamma = 0}^3 {\frac{1}{{{π}} }\int_0^\infty {\exp \left[ { - {{\left( {u - a^c_\gamma } \right)}^2}} \right]\left\{ {\int_{ - u}^u {\exp \left[ { - {{\left( {v - a^s_\gamma } \right)}^2}} \right]{\rm{d}}v} } \right\}{\rm{d}}u} } ,\;\;\;m = 0}\\ {\frac{1}{4}\sum\limits_{\gamma = 0}^3 {\frac{1}{{{π}} }\int_0^\infty {\exp \left[ { - {{\left( {v - a^s_\gamma } \right)}^2}} \right]\left\{ {\int_{ - v}^v {\exp \left[ { - {{\left( {u - a^c_\gamma } \right)}^2}} \right]{\rm{d}}v} } \right\}{\rm{d}}u} } ,\;\;\;m = 1}\\ {\frac{1}{4}\sum\limits_{\gamma = 0}^3 {\frac{1}{{{π}} }\int_0^\infty {\exp \left[ { - {{\left( {u + a^c_\gamma } \right)}^2}} \right]\left\{ {\int_{ - u}^u {\exp \left[ { - {{\left( {v - a^s_\gamma } \right)}^2}} \right]{\rm{d}}v} } \right\}{\rm{d}}u} } ,\;\;\;m = 2} \end{array}} \right.$

(12)

将式(12)代入式(9)可得误符号率 ${P_s}$ 下界。

接下来推导8PSK调制PCMA信号分离性能界，由于判决区域 ${R_m}$ 存在非通情况，此时调制信号比特与符号的空间映射将比单路信号映射复杂得多，图4给出了混合信号接收的空间映射，阴影部分表示X₁= ${a_0}$ 情况下接收符号在判决区域 ${R_0}$ ，即正确判决区域，其余判决区域可类推。

图 4 X₁=

${a_0}$ 时正确判决区域

${R_0}$

下载: 全尺寸图片幻灯片

之所以会出现图4所示3种映射情况，是由于随着 ${{{h_2}} / {{h_1}}}$ 取值由0到1, ${X_1} = 0$ 与 ${X_1} \ne 0$ 对应接收混合信号的空间映射间最小欧式距离周期变化，将此最小欧氏距离定义为判决误差最小欧氏距离。当 ${{{h_2}} / {{h_1}}} < \tan ({{{π}} / 8})$ 时，由式(8)可推导出对应 ${P_m}$ ( ${P_m} = {P_{M - m}}$ )，如式(13)。继而由式(9)可得误符号率 ${P_s}$ 。当 $\tan ({{{π}} / 8}){{ < {h_2}} / {{h_1}}} < {{\sqrt 2 } / 2}$ 时，判决区域 ${R_m}$ 出现不连通情况，被分割在若干扇形与环形中，此时换元 $u = r\cos \phi$ , $v = r\sin \phi$ , ${\rm{d}}u{\rm{d}}v = r{\rm{d}}r{\rm{d}}\phi$ ，如式(14)定义。

${P_m} = \left\{ {\begin{array}{*{20}{c}} {\frac{1}{8}\sum\limits_{\gamma = 0}^7 {\frac{1}{{{π}} }\int_0^\infty {\exp \left[ { - {{\left( {u - a^c_\gamma } \right)}^2}} \right]\left\{ {\int_{ - u\tan ({{π}} /8)}^{u\tan ({{π}} /8)} {\exp \left[ { - {{\left( {v - a^s_\gamma } \right)}^2}} \right]{\rm{d}}v} } \right\}{\rm{d}}u} } , \;\;\; m = 0} \\ {\rm{}}\\ {\frac{1}{8}\sum\limits_{\gamma = 0}^7 {\frac{1}{{{π}} }\int_0^\infty {\exp \left[ { - {{\left( {u - a^c_\gamma } \right)}^2}} \right]\left\{ {\int_{u\tan ({{π}} /8)}^{u\tan (3{{π}} /8)} {\exp \left[ { - {{\left( {v - a^s_\gamma } \right)}^2}} \right]{\rm{d}}v} } \right\}{\rm{d}}u} } , \;\;\; m = 1} \\ {\rm{}}\\ {\frac{1}{8}\sum\limits_{\gamma = 0}^7 {\frac{1}{{{π}} }\int_0^\infty {\exp \left[ { - {{\left( {v - a^s_\gamma } \right)}^2}} \right]\left\{ {\int_{ - u\tan ({{π}} /8)}^{u\tan ({{π}} /8)} {\exp \left[ { - {{\left( {u - a^c_\gamma } \right)}^2}} \right]{\rm{d}}u} } \right\}{\rm{d}}v} } , \;\;\; m = 2} \\ {\rm{}}\\ {\frac{1}{8}\sum\limits_{\gamma = 0}^7 {\frac{1}{{{π}} }\int_0^\infty {\exp \left[ { - {{\left( {u + a^c_\gamma } \right)}^2}} \right]\left\{ {\int_{u\tan ({{π}} /8)}^{u\tan (3{{π}} /8)} {\exp \left[ { - {{\left( {v - a^s_\gamma } \right)}^2}} \right]{\rm{d}}v} } \right\}{\rm{d}}u} } , \;\;\; m = 3} \\ {\rm{}}\\ {\frac{1}{8}\sum\limits_{\gamma = 0}^7 {\frac{1}{{{π}} }\int_0^\infty {\exp \left[ { - {{\left( {u + a^c_\gamma } \right)}^2}} \right]\left\{ {\int_{ - u\tan ({{π}} /8)}^{u\tan ({{π}} /8)} {\exp \left[ { - {{\left( {v - a^s_\gamma } \right)}^2}} \right]{\rm{d}}v} } \right\}{\rm{d}}u} } , \;\;\; m = 4} \end{array}} \right.$

(13)

$\left. {\begin{array}{*{20}{c}} {{r_1} = \frac{1}{2}\left[ {\left( {{E_1} - {E_2}} \right) + \sqrt {{{\left( {\frac{{\sqrt 2 {E_2}}}{2}} \right)^2}} + {{\left( {{E_1} - \frac{{\sqrt 2 {E_2}}}{2}} \right)}^2}} }\; \right]} \\ {\rm{}}\\ {{r_2} = \frac{1}{2}\left[ {\sqrt {{{\left( {\frac{{\sqrt 2 {E_2}}}{2}} \right)}^\!2} + {{\left( {{E_1} - \frac{{\sqrt 2 {E_2}}}{2}} \right)^2}}} + \sqrt {E_1^2 + E_2^2} } \right]} \\ {\rm{}}\\ {{r_3} = \frac{1}{2}\left[ {\sqrt {E_1^2 + E_2^2} + \sqrt {{{\left( {\frac{{\sqrt 2 {E_2}}}{2}} \right)}^2} + {{\left( {{E_1} + \frac{{\sqrt 2 {E_2}}}{2}} \right)}^2}} } \right]} \end{array}} \right\} \hspace{135pt}$

(14)

采取映射空间分集方法结合式(7)求得 $P_m^\gamma$ 。

$\begin{align} P_0^\gamma =& \frac{1}{{{π}} }\int_{ - {{π}} /8}^{{{π}} /8} {\left\{ {\int_{{r_3}}^\infty {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \\ &{\rm{}}\\ &+\frac{1}{{{π}} }\int_{{{π}} /8}^{{{π}} /4} {\left\{ {\int_{{r_1}}^{{r_3}} {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \\ &{\rm{}}\\ &+\frac{1}{{{π}} }\int_{ - {{π}} /4}^{ - {{π}} /8} {\left\{ {\int_{{r_1}}^{{r_3}} {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \\ {\rm{}}\\ &+\frac{1}{{{π}} }\int_{ - {{π}} /8}^{{{π}} /8} {\left\{ {\int_0^{{r_1}} {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \end{align}$

(15)

$\begin{aligned} P_0^\gamma =& \frac{1}{{{π}} }\int_{ - {{π}} /8}^{{{π}} /8} {\left\{ {\int_{{r_3}}^\infty {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \\ & +\frac{1}{{{π}} }\int_{{{π}} /4}^{3{{π}} /8} {\left\{ {\int_{{r_1}}^{{r_2}} {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \\ & + \frac{1}{{{π}} }\int_{{{π}} /8}^{{{π}} /4} {\left\{ {\int_{{r_2}}^{{r_3}} {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \\ & + \frac{1}{{{π}} }\int_{ - {{π}} /4}^{ - {{π}} /8} {\left\{ {\int_{{r_2}}^{{r_3}} {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \\ & + \frac{1}{{{π}} }\int_{ - 3{{π}} /8}^{ - {{π}} /4} {\left\{ {\int_{{r_1}}^{{r_2}} {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \\ & + \frac{1}{{{π}} }\int_{ - {{π}} /8}^{{{π}} /8} {\left\{ {\int_0^{{r_1}} {\exp \left[ { - {{\left( {r\cos \left( \phi \right) - a^c_\gamma } \right)}^2} - {{\left( {r\sin \left( \phi \right) - a^s_\gamma } \right)}^2}} \right]r{\rm{d}}r} } \right\}{\rm{d}}\phi } \end{aligned}$

(16)

同理可计算得到其余 $P_m^\gamma \left\{ {m = 1,2, ·\!·\!· ,7} \right\}$ 计算式，将 $P_m^\gamma$ 代入式(8)得 ${P_m}$ ，进而由式(9)得到误符号率 ${P_s}$ 。当 ${{{h_2}} / {{h_1}}} > {{\sqrt 2 } / 2}$ 时，由式(7)可推导出对应 $P_0^\gamma$ ，如式(16)。同理可计算得到其余 $P_m^\gamma \{ {m = }$ $1,2, ·\!·\!· ,7 \}$ 计算式，进而由式(8)，式(9)得到误符号率 ${P_s}$ 。

16PSK及更高阶PSK调制方式PCMA混合信号误符号率可由上述空间映射分集算法求得，最终误比特率P_b如式(17)。

${P_b} = \left\{\!\!\!\!\!\! {\begin{array}{*{20}{l}} \begin{array}{l} \frac{1}{2}\left( {{P_1} + 2{P_2} + {P_3}} \right),\;\;\;\;M = 4 \end{array}\\ \begin{array}{l} \frac{1}{3}\left( {{P_1} + 2{P_2} + {P_3} \!+\! 2{P_4} + 3{P_5} + 2{P_6} + {P_7}} \right),\\ \quad\quad\quad\quad\quad\quad\quad\quad\quad M = 8 \end{array}\\ \begin{array}{l} \frac{1}{2}\left( {\sum\limits_{k = 1}^8 {{P_k}} + \sum\limits_{k = 2}^5 {{P_k}} + {P_5} + 2{P_6} + {P_7}} \right),\\ \quad\quad\quad\quad\quad\quad\quad\quad\quad M = 16 \end{array} \end{array}} \right.$

(17)

综上所述，利用映射空间分集算法成功推导出MPSK调制PCMA混合信号分离性能界，现在考虑QAM调制情况，以8QAM调制方式为例计算解调误比特率联合界。随着 ${{{h_2}} / {{h_1}}}$ 取值由0到1会出现图5所示接收混合信号4种空间映射情况。

图 5 8QAM调制PCMA信号正确判决区域

下载: 全尺寸图片幻灯片

与MPSK调制方式不同，由于符号空间映射不对称，QAM调制方式下接收混合信号分离BER与发送符号有关，由图5可见发送符号空间映射分为两类，分别针对X₁=a₀和X₁=a₂推导性能界，其空间映射分别用“×”和“+”表示，判决正确区域分别用阴影“”和“”表示。推导这两种情况下接收SER与BER。

定义：

$\left. {\begin{array}{*{20}{c}} \begin{array}{l} {P^\gamma_0}_{,m} = \Pr \left\{ {Y \in {R_m}\left| {{X_1} = {a_0},{X_2} = {a_\gamma }} \right.} \right\},\\ \quad\quad\quad\quad\;\;\; \gamma \in \left\{ {0,1, ·\!·\!· ,M - 1} \right\} \end{array}\\ \begin{array}{l} {P^\gamma_{2,}}_m = \Pr \left\{ {Y \in {R_m}\left| {{X_1} = {a_2},{X_2} = {a_\gamma }} \right.} \right\},\\ \quad\quad\quad\quad\;\;\; \gamma \in \left\{ {0,1, ·\!·\!· ,M - 1} \right\} \end{array} \end{array}} \right\}$

(18)

则存在

${P_m} = \frac{1}{{2M}}\sum\limits_{\gamma = 0}^{M - 1} {{P^\gamma_0}_{,m}} + \frac{1}{{2M}}\sum\limits_{\gamma = 0}^{M - 1} {{P^\gamma_2}_{,m} }$

(19)

当 ${{{h_2}} / {{h_1}}} < {1 / 3}$ 时，结合式(7)，式(8)可得此时 ${P^\gamma_0}_{,m}$ 。同样由图5相应区域划分可计算得到 ${P^\gamma_2}_m$ ，由式(19)可得 ${P_m}$ ( ${P_m} = {P_{M - m}}$ )，进而由式(9)可得误符号率 ${P_s}$ 下界，由式(17)可得误比特率 ${P_b}$ 下界。

当前PCMA信号盲分离主要针对为BPSK, QPSK, 8PSK以及8QAM 4种调制类型，本文针对上述4种调制类型给出了混合信号盲分离SER和BER性能界。其余调制类型PCMA混合信号为不常见或者处于分离算法待研究阶段，因此并未给出推导结果，但是依据本文思路也可以进行推导。

4. 仿真与分析

以下仿真中，统一升余弦滚降系数为0.35，单倍采样接收，两路信号分量频偏值为0。

4.1 性能界计算结果

图6(a)给出了BPSK调制方式下本文算法性能界(式(10)计算结果)与理想情况下Viterbi估计结果^[14]，并将其与粒子滤波分离结果、PSP分离结果进行比较。仿真条件：两路信号分量等效幅度比1.0:0.8，其余参数相同。PSP算法滤波器持续的有效区间为[–2T_s, 2T_s]，盲分离时取LMS更新步长 $\rho$ =0.01，粒子滤波算法中取粒子数为300, D=3^[14]，两路信号相偏为零。

图 6 性能界计算结果与对比

下载: 全尺寸图片幻灯片

由图6(a)可见，本文性能界曲线与理想情况下Viterbi估计结果吻合。特别是高信噪比条件下，两者基本一致，从理论上证明本文给出的分离性能下界计算方法合理性。由图6(a)还可以看出，实验条件下粒子滤波算法与PSP算法均取得良好性能。随着等效滤波器符号串扰长度的增加，信道估计精度的提高，以及粒子数等参数选取更加充分，PSP算法与粒子滤波算法性能将更加趋近于性能界，但是同时伴随着复杂度的提升，可见本文性能界推导为分离算法评价提供指标，也为分离算法参数选取提供依据。

图6(b)给出了MPSK与QAM调制方式下本文性能界与理想情况下Viterbi算法(即参数已知情况下PSP算法)估计结果，可见算法仿真实验结果拟合本文性能界曲线，证明性能界推导的合理性。本文导出性能界与序列检测Viterbi 算法均依据最大后验概率准则，因此结果相近。但由于本文导出性能界从信号模型空间映射角度出发，为与信号调制本身相关的理论推导结果，而序列检测Viterbi 算法为仿真实验结果，其与仿真数据量等实验参数有关，在数据量无穷时渐渐接近于本文导出性能界，因此两者不同。

当前PCMA通信主要调制方式为BPSK, QPSK, 8PSK以及8QAM 4种调制类型，图7、图8给出了上述调制方式下，本文性能界推导结果，参数设置为等效幅度比1.0:0.8。可见随着调制阶数增加，同等信噪比条件下混合信号分离性能界变差。对比图7与图8可知，BPSK调制与QPSK调制PCMA信号分离BER性能完全相同，而两者SER性能却存约2倍差异，这是由于QPSK调制信号每符号代表2个比特信息，仅当这2个比特均判决正确时对应的符号才正确，因此相同BER性能的BPSK与QPSK调制PCMA信号分离SER性能不同。

图 7 PCMA信号SER性能界

下载: 全尺寸图片幻灯片

图 8 PCMA信号BER性能界

下载: 全尺寸图片幻灯片

4.2 信号分量参数对性能界影响

两路信号分量等效幅度比影响混合信号空间映射最小欧式距离，进而影响混合信号分离性能。图9(a)、图9(b)分别针对QPSK与8PSK调制方式PCMA混合信号，给出不同等效幅度比对分离性能界影响曲线。

图 9 h₁/h₂对PCMA信号分离性能界影响曲线

下载: 全尺寸图片幻灯片

可见，QPSK调制PCMA信号盲分离中，分离性能界随着等效幅度比增加而降低，这是由于QPSK调制PCMA混合信号判决误差最小欧式距离与两路信号分量等效幅度比成正比，等效幅度比的增加对应更大的最小欧氏距离，进而对应更低的分离性能界。8PSK调制PCMA信号分离性能界同样随着判决误差最小欧式距离增加而减小。

5. 结论

本文针对PCMA混合信号，从发送信号模型出发，利用最大似然准则，针对PCMA混合信号推导得到其与分离算法无关的分离性能界表达式，对未来PCMA混合信号盲分离算法有着可行性指导与性能评价作用。若两路信号分量存在频偏，固定采样点位置分析时可将频偏影响纳入到相偏影响，进一步纳入到等效幅度比影响中，因此本文性能界推导依然适用。

图 1 全息MIMO通信平台硬件模块示意图^[23]

下载: 全尺寸图片幻灯片

图 2 自由空间和半空间的格林函数实部对比图^[29]

下载: 全尺寸图片幻灯片

图 3 有源HMIMO与无源HMIMO示意图

下载: 全尺寸图片幻灯片

图 4 连续孔径全息MIMO和离散孔径全息MIMO示意图

下载: 全尺寸图片幻灯片

图 5 常见超表面构件的单元模式示例图

下载: 全尺寸图片幻灯片

图 6 全息MIMO的几种典型工作方式示意图

下载: 全尺寸图片幻灯片

图 7 任意散射下的全息MIMO通信系统

下载: 全尺寸图片幻灯片

图 8 傅里叶平面波级数展开的物理解释

下载: 全尺寸图片幻灯片

参考文献(54)

[1]	张海君, 陈安琪, 李亚博, 等. 6G移动网络关键技术[J]. 通信学报, 2022, 43(7): 189–202. doi: 10.11959/j.issn.1000-436x.2022140. ZHANG Haijun, CHEN Anqi, LI Yabo, et al. Key technologies of 6G mobile network[J]. Journal on Communications, 2022, 43(7): 189–202. doi: 10.11959/j.issn.1000-436x.2022140.
[2]	张平, 陈岩, 吴超楠. 6G: 新一代移动通信技术发展态势及展望[J]. 中国工程科学, 2023, 25(6): 1–8. doi: 10.15302/J-SSCAE-2023.06.001. ZHANG Ping, CHEN Yan, and WU Chaonan. Six-generation mobile communication: Development trend and outlook[J]. Strategic Study of CAE, 2023, 25(6): 1–8. doi: 10.15302/J-SSCAE-2023.06.001.
[3]	ANON. More than 50 billion connected devices[R]. Stockholm, Sweden: Ericsson, 2011.
[4]	HE Ruisi, SCHNEIDER C, AI Bo, et al. Propagation channels of 5G millimeter-wave vehicle-to-vehicle communications: Recent advances and future challenges[J]. IEEE Vehicular Technology Magazine, 2020, 15(1): 16–26. doi: 10.1109/MVT.2019.2928898.
[5]	BENECK R J, DAS A, MACKERTICH-SENGERDY G, et al. Reconfigurable antennas: A review of recent progress and future prospects for next generation[J]. Progress in Electromagnetics Research, 2021, 171: 89–121. doi: 10.2528/PIER21081109.
[6]	WANG Yipeng, CHEN Xiaoming, PEI Huiling, et al. MIMO performance enhancement of MIMO arrays using PCS-based near-field optimization technique[J]. Science China Information Sciences, 2023, 66(6): 162302. doi: 10.1007/s11432-022-3595-y.
[7]	WANG Yipeng, CHEN Xiaoming, LIU Xiaobo, et al. Improvement of diversity and capacity of MIMO system using Scatterer array[J]. IEEE Transactions on Antennas and Propagation, 2022, 70(1): 789–794. doi: 10.1109/TAP.2021.3098568IF.
[8]	CHEN Xiaoming, ZHAO Mengran, HUANG Huilin, et al. Simultaneous decoupling and decorrelation scheme of MIMO arrays[J]. IEEE Transactions on Vehicular Technology, 2022, 71(2): 2164–2169. doi: 10.1109/TVT.2021.3134180.
[9]	HE Ruisi, AI Bo, ZHONG Zhangdui, et al. 5G for railways: Next generation railway dedicated communications[J]. IEEE Communications Magazine, 2022, 60(12): 130–136. doi: 10.1109/MCOM.005.2200328.
[10]	DI RENZO M, HAAS H, GHRAYEB A, et al. Spatial modulation for generalized MIMO: Challenges, opportunities, and implementation[J]. Proceedings of the IEEE, 2014, 102(1): 56–103. doi: 10.1109/JPROC.2013.2287851.
[11]	WANG Dongming, ZHANG Yu, WEI Hao, et al. An overview of transmission theory and techniques of large-scale antenna systems for 5G wireless communications[J]. Science China Information Sciences, 2016, 59(8): 081301. doi: 10.1007/s11432-016-0278-5.
[12]	AKYILDIZ I F, HAN Chong, and NIE Shuai. Combating the distance problem in the millimeter wave and terahertz frequency bands[J]. IEEE Communications Magazine, 2018, 56(6): 102–108. doi: 10.1109/MCOM.2018.1700928.
[13]	PIZZO A, SANGUINETTI L, and MARZETTA T L. Fourier plane-wave series expansion for Holographic MIMO communications[J]. IEEE Transactions on Wireless Communications, 2022, 21(9): 6890–6905. doi: 10.1109/TWC.2022.3152965.
[14]	DENG Ruoqi, DI Boya, ZHANG Hongliang, et al. Holographic MIMO for LEO satellite communications aided by reconfigurable holographic surfaces[J]. IEEE Journal on Selected Areas in Communications, 2022, 40(10): 3071–3085. doi: 10.1109/JSAC.2022.3196110.
[15]	WAN Ziwei, GAO Zhen, GAO Feifei, et al. Terahertz massive MIMO with holographic reconfigurable intelligent surfaces[J]. IEEE Transactions on Communications, 2021, 69(7): 4732–4750. doi: 10.1109/TCOMM.2021.3064949.
[16]	ADHIKARY A, MUNIR M S, RAHA A D, et al. Artificial intelligence framework for target oriented integrated sensing and communication in holographic MIMO[C]. NOMS 2023–2023 IEEE/IFIP Network Operations and Management Symposium, Miami, USA, 2023: 1–7. doi: 10.1109/NOMS56928.2023.10154354.
[17]	高子路, 孙韶辉, 李丽. 面向新一代移动通信的智能超表面技术综述[J]. 电信科学, 2022, 38(10): 20–35. doi: 10.11959/j.issn.1000-0801.2022278. GAO Zilu, SUN Shaohui, and LI Li. Overview of reconfigurable intelligent surface for new-generation mobile communication[J]. Telecommunications Science, 2022, 38(10): 20–35. doi: 10.11959/j.issn.1000-0801.2022278.
[18]	潘时龙, 宗柏青, 唐震宙, 等. 面向6G的智能全息无线电[J]. 无线电通信技术, 2022, 48(1): 1–15. doi: 10.3969/j.issn.1003-3114.2022.01.001. PAN Shilong, ZONG Baiqing, TANG Zhenzhou, et al. Intelligent Holographic Radio for 6G[J]. Radio Communications Technology, 2022, 48(1): 1–15. doi: 10.3969/j.issn.1003-3114.2022.01.001.
[19]	袁晓志, 彭莉, 张琳峰. 全息通信对未来网络的需求与挑战[J]. 电信科学, 2020, 36(12): 59–64. doi: 10.11959/j.issn.1000-0801.2020307. YUAN Xiaozhi, PENG Li, and ZHANG Linfeng. Requirement and challenge of holographic-type communication to the future network[J]. Telecommunications Science, 2020, 36(12): 59–64. doi: 10.11959/j.issn.1000-0801.2020307.
[20]	DESCHAMPS G A. Some remarks on radio-frequency holography[J]. Proceedings of the IEEE, 1967, 55(4): 570–571. doi: 10.1109/PROC.1967.5596.
[21]	CHECCACCI P, RUSSO V, and SCHEGGI A. Holographic antennas[J]. IEEE Transactions on Antennas and Propagation, 1970, 18(6): 811–813. doi: 10.1109/TAP.1970.1139788.
[22]	LIZUKA K, MIZUSAWA M, URASAKI S, et al. Volume-type holographic antenna[J]. IEEE Transactions on Antennas and Propagation, 1975, 23(6): 807–810. doi: 10.1109/TAP.1975.1141175.
[23]	SLEASMAN T, IMANI M F, XU Wangren, et al. Waveguide-fed tunable metamaterial element for dynamic apertures[J]. IEEE Antennas and Wireless Propagation Letters, 2016, 15: 606–609. doi: 10.1109/LAWP.2015.2462818.
[24]	邓若琪, 张雨童, 张浩波, 等. 全息无线电: 全息超表面赋能的超大规模MIMO新范式[J]. 电子学报, 2022, 50(12): 2984–2995. doi: 10.12263/DZXB.20221136. DENG Ruoqi, ZHANG Yutong, ZHANG Haobo, et al. Holographic radio: A new paradigm for ultra-massive MIMO enabled by reconfigurable holographic surfaces[J]. Acta Electronica Sinica, 2022, 50(12): 2984–2995. doi: 10.12263/DZXB.20221136.
[25]	PIZZO A, MARZETTA T L, and SANGUINETTI L. Spatial characterization of holographic MIMO channels[J]. arXiv: 1911.04853, 2019. doi: 10.48550/arXiv.1911.04853.
[26]	PIZZO A, MARZETTA T L, and SANGUINETTI L. Holographic MIMO communications under spatially-stationary scattering[C]. The 54th Asilomar Conference on Signals, Systems, and Computers, Pacific Grove, USA, 2020: 702–706. doi: 10.1109/IEEECONF51394.2020.9443506.
[27]	PIZZO A, MARZETTA T L, and SANGUINETTI L. Spatially-stationary model for holographic MIMO small-scale fading[J]. IEEE Journal on Selected Areas in Communications, 2020, 38(9): 1964–1979. doi: 10.1109/JSAC.2020.3000877.
[28]	PIZZO A, SANGUINETTI L, and MARZETTA T L. Spatial characterization of electromagnetic random channels[J]. IEEE Open Journal of the Communications Society, 2022, 3: 847–866. doi: 10.1109/OJCOMS.2022.3171409.
[29]	JIANG Yuhua and GAO Feifei. Electromagnetic channel model for near field MIMO systems in the half space[J]. IEEE Communications Letters, 2023, 27(2): 706–710. doi: 10.1109/LCOMM.2022.3229445.
[30]	WEI Li, HUANG Chongwen, ALEXANDROPOULOS G C, et al. Multi-user wireless communications with holographic MIMO surfaces: A convenient channel model and spectral efficiency analysis[C]. 2022 Joint European Conference on Networks and Communications & 6G Summit (EuCNC/6G Summit), Grenoble, France, 2022: 488–493. doi: 10.1109/EuCNC/6GSummit54941.2022.9815574.
[31]	WEI Li, HUANG Chongwen, ALEXANDROPOULOS G C, et al. Multi-user holographic MIMO surfaces: Channel modeling and spectral efficiency analysis[J]. IEEE Journal of Selected Topics in Signal Processing, 2022, 16(5): 1112–1124. doi: 10.1109/JSTSP.2022.3176140.
[32]	JI Ran, CHEN Shuo, HUANG Chongwen, et al. Extra DoF of near-field holographic MIMO communications leveraging evanescent waves[J]. IEEE Wireless Communications Letters, 2023, 12(4): 580–584. doi: 10.1109/LWC.2023.3234003.
[33]	ZHANG Yuan, ZHANG Jianhua, ZHANG Yuxiang, et al. Capacity analysis of holographic MIMO channels with practical constraints[J]. IEEE Wireless Communications Letters, 2023, 12(6): 1101–1105. doi: 10.1109/LWC.2023.3262691.
[34]	SANGUINETTI L, D’AMICO A A, and DEBBAH M. Wavenumber-division multiplexing in line-of-sight holographic MIMO communications[J]. IEEE Transactions on Wireless Communications, 2023, 22(4): 2186–2201. doi: 10.1109/TWC.2022.3208961.
[35]	ZHANG Zijian and DAI Linglong. Pattern-division multiplexing for multi-user continuous-aperture MIMO[J]. IEEE Journal on Selected Areas in Communications, 2023, 41(8): 2350–2366. doi: 10.1109/JSAC.2023.3288244.
[36]	YURDUSEVEN O, MARKS D L, FROMENTEZE T, et al. Dynamically reconfigurable holographic metasurface aperture for a mills-cross monochromatic microwave camera[J]. Optics Express, 2018, 26(5): 5281–5291. doi: 10.1364/OE.26.005281.
[37]	HU Shu, RUSEK F, and EDFORS O. Beyond massive MIMO: The potential of data transmission with large intelligent surfaces[J]. IEEE Transactions on Signal Processing, 2018, 66(10): 2746–2758. doi: 10.1109/TSP.2018.2816577.
[38]	DI RENZO M, DEBBAH M, PHAN-HUY D T, et al. Smart radio environments empowered by reconfigurable AI meta-surfaces: An idea whose time has come[J]. EURASIP Journal on Wireless Communications and Networking, 2019, 2019(1): 129. doi: 10.1186/s13638-019-1438-9.
[39]	HUANG Chongwen, ZAPPONE A, ALEXANDROPOULOS G C, et al. Reconfigurable intelligent surfaces for energy efficiency in wireless communication[J]. IEEE Transactions on Wireless Communications, 2019, 18(8): 4157–4170. doi: 10.1109/TWC.2019.2922609.
[40]	ZENG Shuhao, ZHANG Hongliang, DI Boya, et al. Multi-user holographic MIMO systems: Reconfigurable refractive surface or phased array?[C]. GLOBECOM 2022–2022 IEEE Global Communications Conference, Rio de Janeiro, Brazil, 2022: 645–650. doi: 10.1109/GLOBECOM48099.2022.10000596.
[41]	SHEEMAR C K, TOMASIN S, SLOCK D, et al. Intelligent reflecting surfaces assisted millimeter wave MIMO full duplex systems[J]. arXiv: 2211.10700, 2022. doi: 10.48550/arXiv.2211.10700.
[42]	ADHIKARY A, MUNIR M S, RAHA A D, et al. Integrated sensing, localization, and communication in holographic mimo-enabled wireless network: A deep learning approach[J]. IEEE Transactions on Network and Service Management, 2023, 21(1): 789–809. doi: 10.1109/TNSM.2023.3292269.
[43]	HUANG Chongwen, HU Shu, ALEXANDROPOULOS G C, et al. Holographic MIMO surfaces for 6G wireless networks: Opportunities, challenges, and trends[J]. IEEE Wireless Communications, 2020, 27(5): 118–125. doi: 10.1109/MWC.001.1900534.
[44]	HU Xinyuan, DENG Ruoqi, DI Boya, et al. Holographic beamforming for Ultra Massive MIMO with limited radiation amplitudes: How many quantized bits do we need?[J]. IEEE Communications Letters, 2022, 26(6): 1403–1407. doi: 10.1109/LCOMM.2022.3151801.
[45]	LIASKOS C, NIE S, TSIOLIARIDOU A, et al. A new wireless communication paradigm through software-controlled metasurfaces[J]. IEEE Communications Magazine, 2018, 56(9): 162–169. doi: 10.1109/MCOM.2018.1700659.
[46]	DAVIDE D and DECARLI N. Holographic communication using intelligent surfaces[J]. IEEE Communications Magazine, 2021, 59(6): 35–41. doi: 10.1109/MCOM.001.2001156.
[47]	CHEW W C. Waves and Fields in Inhomogenous Media[M]. Hoboken: John Wiley & Sons, 1999: 375–381.
[48]	CHEW W C. Waves and Fields in Inhomogenous Media[M]. New York: Wiley-IEEE Press, 1995: 384–387.
[49]	FRANCESCHETTI M. Wave Theory of Information[M]. Cambridge: Cambridge University Press, 2017: 244–261. doi: 10.1017/9781139136334.
[50]	TAHA A, ALRABEIAH M, and ALKHATEEB A. Enabling large intelligent surfaces with compressive sensing and deep learning[J]. IEEE Access, 2021, 9: 44304–44321. doi: 10.1109/ACCESS.2021.3064073.
[51]	WU Qingqing and ZHANG Rui. Intelligent reflecting surface enhanced wireless network via joint active and passive beamforming[J]. IEEE Transactions on Wireless Communications, 2019, 18(11): 5394–5409. doi: 10.1109/TWC.2019.2936025.
[52]	CHEN Xiaoming, ZHANG Shuai, and LI Qinlong. A review of mutual coupling in MIMO systems[J]. IEEE Access, 2018, 6: 24706–24719. doi: 10.1109/ACCESS.2018.2830653.
[53]	LI Ang and MASOUROS C. Exploiting constructive mutual coupling in P2P MIMO by analog-digital phase alignment[J]. IEEE Transactions on Wireless Communications, 2017, 16(3): 1948–1962. doi: 10.1109/TWC.2017.2657631.
[54]	HAN Zixiang, SHEN Shanpu, ZHANG Yujie, et al. A pattern correlation decomposition method for analysis of ESPAR in single-RF MIMO systems[J]. IEEE Transactions on Wireless Communications, 2022, 21(7): 4654–4668. doi: 10.1109/TWC.2021.3131612.

施引文献

期刊类型引用(4)

1.	边舒芳，张伟. 基于改进LSTM的低压配电网日线损率预测方法. 粘接. 2025(01): 188-192 . 百度学术
2.	杜佳俊，兰红，王超凡. 基于扩散模型微调的局部定制图像编辑算法. 计算机应用研究. 2025(02): 623-629 . 百度学术
3.	高欣宇，杜方，宋丽娟. 基于扩散模型的文本图像生成对比研究综述. 计算机工程与应用. 2024(24): 44-64 . 百度学术
4.	徐飞，邓亚萍，罗钦，陈兴. 基于优化卷积网络的医疗设备成像研究. 自动化与仪器仪表. 2024(12): 56-61 . 百度学术

其他类型引用(9)

资源附件(0)

访问统计

图(8)

计量

文章访问数: 1234
HTML全文浏览量: 546
PDF下载量: 289
被引次数: 13

1. 引言
2. 信号模型
3. 性能联合界
3.1 单路信号接收(H2=0)
3.2 PCMA信号接收(H2≠0)
4. 仿真与分析
4.1 性能界计算结果
4.2 信号分量参数对性能界影响
5. 结论

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

面向6G无线网络的全息多输入多输出技术综述

doi: 10.11999/JEIT231140

通讯作者:
陈晓明　xiaoming.chen@mail.xjtu.edu.cn

计量

Overview of Holographic Multiple-Input Multiple-Output Technology for 6G Wireless Networks

1. 引言

2. 信号模型

3. 性能联合界

3.1 单路信号接收(H₂=0)

3.2 PCMA信号接收(H₂≠0)

4. 仿真与分析

4.1 性能界计算结果

4.2 信号分量参数对性能界影响

5. 结论

期刊类型引用(4)

其他类型引用(9)

计量

目录

1. 引言

2. 信号模型

3. 性能联合界

3.1 单路信号接收(H₂=0)

3.2 PCMA信号接收(H₂≠0)

4. 仿真与分析

4.1 性能界计算结果

4.2 信号分量参数对性能界影响

5. 结论

留言板

面向6G无线网络的全息多输入多输出技术综述

doi: 10.11999/JEIT231140

通讯作者: 陈晓明 xiaoming.chen@mail.xjtu.edu.cn

计量

出版历程

Overview of Holographic Multiple-Input Multiple-Output Technology for 6G Wireless Networks

1. 引言

2. 信号模型

3. 性能联合界

3.1 单路信号接收(H2=0)

3.2 PCMA信号接收(H2≠0)

4. 仿真与分析

4.1 性能界计算结果

4.2 信号分量参数对性能界影响

5. 结论

期刊类型引用(4)

其他类型引用(9)

计量

出版历程

目录

1. 引言

2. 信号模型

3. 性能联合界

3.1 单路信号接收(H2=0)

3.2 PCMA信号接收(H2≠0)

4. 仿真与分析

4.1 性能界计算结果

4.2 信号分量参数对性能界影响

5. 结论

通讯作者:
陈晓明　xiaoming.chen@mail.xjtu.edu.cn

3.1 单路信号接收(H₂=0)

3.2 PCMA信号接收(H₂≠0)

3.1 单路信号接收(H₂=0)

3.2 PCMA信号接收(H₂≠0)