⚡ electrical engineering

Is Repeater-Assisted Massive MIMO Compatible with Dynamic TDD?

本文针对动态 TDD 模式下中继辅助的大规模 MIMO 系统，提出了一种联合优化中继增益（放大与相移）的框架，通过推导频谱效率并设计优化算法，有效平衡了期望信号增强与交叉链路干扰抑制之间的矛盾。

原作者： Martin Andersson, Anubhab Chowdhury, Erik G. Larsson

发布于 2026-04-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Martin Andersson, Anubhab Chowdhury, Erik G. Larsson

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常有趣的问题：在 5G 和未来的 6G 网络中，我们能不能给信号不好的地方装个“信号放大器”（中继器），同时还能让网络在上下行通信（比如下载和上传）同时进行的情况下保持高效？

为了让你更容易理解，我们可以把整个通信系统想象成一个繁忙的十字路口交通系统。

1. 背景：交通拥堵与“动态红绿灯”

传统的静态模式（Static TDD）： 就像以前的红绿灯，规定“前 30 秒只允许车从北向南开（下载），后 30 秒只允许从南向北开（上传）”。虽然秩序井然，但如果北边车多南边车少，北边就堵死了，南边的路却空着，效率不高。
动态模式（Dynamic TDD）： 现在的智能交通系统，会根据实时车流，同时允许北向南和南向北的车通行。这大大提高了道路利用率（频谱效率）。
问题所在： 当两个方向的车同时跑时，如果有一辆车在路口中间突然加速冲过去，它可能会把两边的车都撞翻，或者把噪音带得更大。在通信里，这就是交叉链路干扰（CLI）。下载的信号可能会干扰上传的信号，反之亦然。

2. 主角：中继器（Repeater）—— 路口的“扩音喇叭”

论文里提到的中继器，就像是一个站在路口中间的超级扩音喇叭。

它的作用： 它听到微弱的声音（信号），把它放大，然后重新广播出去。这能让远处的人听得更清楚。
它的副作用： 它是个“傻瓜喇叭”，它分不清什么是“我想听的好声音”，什么是“讨厌的噪音”。所以，它会把好信号放大，也会把干扰噪音（比如对面车道传来的嘈杂声）一起放大。

在传统的静态模式下，大家轮流说话，干扰很少，喇叭放大有利无害。但在动态模式下，大家同时说话，喇叭如果不小心，可能会把“对面车道传来的噪音”放大得比“我想听的声音”还大，结果反而更听不清了。

3. 核心挑战：如何调教这个“喇叭”？

论文的核心就是解决这个矛盾：怎么调整这个喇叭的“音量”和“语调”（相位），让它只放大好信号，尽量抑制坏噪音？

作者提出了一个聪明的办法：

不仅仅是调音量（增益）： 以前的喇叭只能调大小（音量）。但这个新喇叭不仅能调音量，还能调相位（语调/方向）。
- 比喻： 想象你在嘈杂的房间里想听清朋友说话。你不仅要把耳朵凑近（调音量），还要调整头部的角度，让朋友的声波和你的耳朵共振，同时让别人的噪音互相抵消（调相位）。
迭代优化（反复试错）： 作者设计了一个算法，像是一个聪明的调音师：
- 先定好喇叭的音量，看看效果。
- 再微调喇叭的“语调”（相位），看看能不能抵消更多噪音。
- 然后重新调整发送信号的“天线方向”（预编码），再回去微调喇叭。
- 这样反复几次，直到找到最佳配合方案。

4. 实验结果：真的有用吗？

作者通过计算机模拟（就像在虚拟世界里跑了一场交通实验），发现：

效果显著： 在大多数情况下，经过精心调教的喇叭，能让下载速度（下行）提升约 20%，上传速度（上行）提升高达 70%！
位置很重要： 喇叭不能随便放。
- 如果把它放在路口正中间（两个小区交界处），它会听到太多两边的噪音，效果反而不好。
- 如果把它放在靠近用户但稍微偏向基站的地方，效果最好。这就好比喇叭离想听的人近一点，离噪音源远一点。
相位调整是关键： 如果只调音量不调“语调”（相位），效果提升有限；只有两者一起调，才能把那些讨厌的干扰抵消掉，获得最大的收益。
副作用很小： 虽然优化了 A 方向（比如下载），可能会让 B 方向（上传）有一点点损失，但这个损失远小于带来的巨大收益。

5. 总结与启示

这篇论文告诉我们：中继器（Repeater）完全可以和动态 TDD 技术兼容！

以前大家担心，在大家同时上下网的时候，加个放大器会把干扰也放大，导致系统崩溃。但作者证明了，只要我们给放大器装上“智能大脑”（优化算法），让它懂得如何调整音量和相位来“降噪”，它就能成为提升网络速度的神器。

一句话总结：
这就好比给繁忙的十字路口装上了一个智能扩音器，它不仅能把想听的声音放大，还能通过巧妙的“语调调整”把周围的噪音抵消掉，让交通（数据流）跑得更快、更顺畅。

这是一份关于论文《IS REPEATER-ASSISTED MASSIVE MIMO COMPATIBLE WITH DYNAMIC TDD?》（中继辅助的大规模 MIMO 是否兼容动态 TDD？）的详细技术总结。

1. 研究背景与问题 (Problem)

背景：中继器（Repeater）作为一种有源散射体，能够即时接收、放大、相移并重发信号，从而增强无线通信系统的覆盖范围和频谱效率（SE）。现有的中继辅助大规模 MIMO 研究主要集中在静态时分双工（Static TDD）系统中。
挑战：动态 TDD（Dynamic TDD）允许接入点（AP）在同一时频资源上根据业务需求灵活调度上行（UL）和下行（DL）传输，从而提高了频谱和能量效率。然而，动态 TDD 会导致交叉链路干扰（CLI），即下行 AP 对上行 AP 的干扰（AP 间干扰）以及上行用户对下行用户的干扰（用户间干扰）。
核心问题：中继器在放大期望信号的同时，不可避免地也会放大这些 CLI 噪声。在动态 TDD 环境下，这种“信号增益”与“干扰放大”之间的权衡变得非常复杂。如果中继器放大了过多的干扰，可能会抵消甚至超过信号增强带来的收益。因此，需要探究在何种条件下，中继辅助系统能与动态 TDD 兼容，即如何通过优化中继器增益来最大化系统性能。

2. 系统模型 (System Model)

场景：考虑一个包含两个小区的中继辅助大规模 MIMO 网络，每个小区有一个多天线 AP。
- 一个小区工作在 DL 模式，另一个工作在 UL 模式（使用相同的时频资源）。
- 网络中部署了一个双天线中继器，位于任意位置。
信道定义：
- 直接链路：DL/UL 用户到各自 AP 的链路。
- 中继链路：中继器到 AP 及用户的链路。
- 干扰链路：DL AP 到 UL AP（AP 间干扰），DL 用户到 UL 用户（用户间干扰）。
中继器模型：
- 中继器接收信号，乘以复数增益 $\alpha_r = r_r e^{i\phi_r}$ （包含放大增益 $r_r$ 和相移 $\phi_r$ ），然后重发。
- 受限于中继器的最大输出功率约束。
关键假设：所有信道状态信息（CSI）在网络上完美已知。

3. 方法论 (Methodology)

论文提出了一套联合优化中继器增益（放大倍数和相移）的框架，旨在最大化特定用户的频谱效率（SE）。

推导频谱效率表达式：
- 推导了动态 TDD 下，考虑中继器引入的噪声和所有干扰源（多用户干扰、AP 间干扰、用户间干扰及中继器放大的干扰）后的下行和上行可达频谱效率（SE）的闭式解。
- 证明了 SINR（信干噪比）是放大增益 $r_r$ 的有理函数（二次多项式之比）。
优化算法设计：
- 目标：在功率约束下，最大化特定用户的 SINR。
- 步骤：
  - 固定相移优化增益：对于给定的相移 $\phi_r$ 和预编码/合并向量，利用导数分析找到使 SINR 最大化的全局最优放大增益 $r_r$ （通过求解二次方程的驻点或检查边界）。
  - 离散搜索相移：在 $[0, 2\pi]$ 范围内对相移进行离散采样，寻找最优的 $\phi_r$ 。
  - 迭代框架：由于预编码/合并向量通常依赖于中继器增益，论文提出了一种迭代算法：
    1. 初始化预编码/合并向量。
    2. 固定向量，优化中继器增益（ $r_r$ 和 $\phi_r$ ）。
    3. 利用新的最优增益更新预编码/合并向量（例如使用最大比传输/合并，MRT/MRC）。
    4. 重复步骤 2-3 直至收敛。

4. 主要贡献 (Key Contributions)

理论推导：首次推导了动态 TDD 模式下，中继辅助大规模 MIMO 网络的下行和上行可达频谱效率闭式解，全面考虑了 CLI 和中继器放大的干扰项。
复数增益优化：不同于以往仅优化实数放大增益的研究，本文提出联合优化复数增益（即同时优化放大倍数和相移）。
高效算法：提出了一种低复杂度的迭代优化算法，能够有效地校准中继器增益，在增强期望信号的同时抑制干扰。
兼容性验证：通过数值仿真验证了中继辅助系统在动态 TDD 中的可行性，明确了中继器部署位置对性能的影响。

5. 实验结果 (Results)

性能提升：
- 在优化的中继器位置下，下行链路（DL）频谱效率最高提升约 20%，上行链路（UL）最高提升约 70%。
- 最佳中继器位置通常位于用户附近，但比小区边界更靠近 AP。当靠近小区边界时，中继器会接收到更多的 CLI，导致性能增益下降。
复数增益 vs. 实数增益：
- 仅优化实数放大增益（无相移）相比无中继情况已有明显提升。
- 联合优化相移带来了显著的额外增益，特别是在频谱效率较低的用户场景中，相移优化对于抑制干扰至关重要。
权衡分析：
- 优化算法会显著提升被优化方向（DL 或 UL）的 SE。
- 在某些情况下，未被优化的方向（反向链路）的 SE 可能会有轻微下降，但这种损失远小于增益，整体系统性能是正向的。

6. 意义与结论 (Significance & Conclusion)

结论：中继辅助的大规模 MIMO 与动态 TDD 是兼容的。只要通过合理的增益优化算法（特别是联合优化放大和相移），中继器可以在动态 TDD 产生的复杂干扰环境中显著提升系统性能。
意义：
- 为 5G NR（3GPP Release 18 已纳入中继标准）及未来 6G 网络中动态 TDD 与中继技术的结合提供了理论依据。
- 证明了通过智能控制中继器的相位，可以有效管理动态 TDD 中的交叉链路干扰，克服了传统静态 TDD 的局限性。
未来方向：研究多中继器场景，以及将中继器增益与功率控制、预编码/合并向量进行联合优化，以进一步消除性能下降的极端情况。

总结：该论文证明了在动态 TDD 系统中，通过精心设计的复数增益优化算法，中继器不仅能增强信号，还能有效管理交叉链路干扰，从而显著提升大规模 MIMO 网络的频谱效率。