⚡ electrical engineering

Performance Analysis of Cell-Free Massive MIMO under Imperfect LoS Phase Tracking

本文针对非理想视距相位跟踪对无蜂窝大规模 MIMO 上行性能的影响，提出了一种包含相位误差惩罚因子的 Rician 衰落模型及相应的线性 MMSE 信道估计与虚拟上行波束成形框架，从而在理想假设与实际限制之间建立了严谨的性能基准与设计洞察。

原作者： Noor Ul Ain, Lorenzo Miretti, Renato L. G. Cavalcante, Slawomir Stanczak

发布于 2026-02-27

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Noor Ul Ain, Lorenzo Miretti, Renato L. G. Cavalcante, Slawomir Stanczak

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

这篇论文探讨的是未来 6G 无线网络（特别是“无蜂窝”大规模 MIMO 技术）中一个非常具体但至关重要的问题：当信号传输路径上的“相位”无法被完美追踪时，网络性能会下降多少？我们该如何补救？

为了让你轻松理解，我们可以把整个通信网络想象成一个大型交响乐团，而这篇论文就是在研究指挥家（基站）如何在大风（干扰）中指挥乐手（用户）演奏出最和谐的音乐。

以下是用通俗语言和比喻对这篇论文的解读：

1. 背景：完美的乐团 vs. 现实的乐团

理想情况（以前的研究）： 以前的科学家假设指挥家能完美地听到每一个乐手的音高和节奏（完美的“视距”相位信息）。在这种假设下，所有乐手可以完美同步，演奏出震耳欲聋的交响乐（极高的网速）。
另一种极端（以前的研究）： 也有研究假设指挥家完全听不到乐手的声音，只能瞎猜。这种情况下，乐团只能各吹各的，声音杂乱无章（网速很低）。
现实情况（这篇论文的研究）： 现实中，指挥家能听到乐手的声音，但因为舞台上有风、乐手在移动、或者指挥家的耳朵有点“耳背”（硬件误差、同步误差），他听到的音高会有一点点偏差。这种偏差不是完全听不见，也不是完全听准，而是**“有点模糊”**。

2. 核心问题：相位就像“旋转的陀螺”

在无线通信中，信号就像声波。如果两个乐手（基站天线）要同时向同一个听众（用户）发送信号，它们必须步调一致（相位对齐）。

视距（LoS）： 就像乐手和听众之间没有障碍物，声音直接传过去。这种信号最强，但也最容易受环境影响（比如乐手稍微动一下，声音的相位就变了）。
相位追踪误差： 想象指挥家试图让乐手保持同一个节奏，但他手里的节拍器有点不准，或者他看乐手的视线有点抖动。这就导致乐手虽然知道大概的节奏，但每次敲击都稍微偏了一点点。

3. 论文做了什么？（三大创新）

A. 建立了一个更真实的“模糊”模型

以前的模型要么假设“完全准”，要么假设“完全不准”。这篇论文提出了一个中间地带的模型：

他们假设指挥家看到的相位是**“旋转过的”**。就像你透过一个稍微有点晃动的玻璃看东西，东西还在，但位置偏了，而且看起来有点模糊（信号强度被削弱了）。
他们用数学公式描述了这个“模糊程度”（用一个叫 $\rho_{error}$ 的因子），这个因子取决于误差有多大。误差越小，因子越接近 1（完美）；误差越大，因子越接近 0（完全瞎猜）。

B. 发明了一种“聪明”的估计算法

既然知道指挥家听不准，怎么帮他修正？

论文设计了一种新的**“线性最小均方误差（MMSE）”估计算法**。
比喻： 这就像给指挥家戴上了一副智能眼镜。这副眼镜不仅告诉他乐手在哪，还告诉他：“嘿，你的耳朵刚才偏了 15 度，根据经验，乐手其实是在那个方向。”
这个算法很厉害，因为它兼容性强：如果眼镜很完美，它就变成“完美模式”；如果眼镜坏了，它就自动退化成“瞎猜模式”。它把以前的两种极端情况都统一起来了。

C. 设计了一套“虚拟排练”方案

在真实世界里，因为相位不准，直接计算怎么指挥非常复杂（数学上很难算）。

虚拟上行链路模型： 论文想出了一个绝招——“虚拟排练”。
比喻： 指挥家不再试图去猜那个“模糊”的真实世界，而是假设在一个虚拟的排练厅里。在这个虚拟厅里，乐手的位置是确定的（基于估计值），但是噪音变大了（把相位不准带来的误差，假装成背景噪音）。
在这个虚拟世界里，指挥家可以很容易地算出完美的指挥方案（波束成形）。然后，他把这个方案直接用到真实世界里。
结果： 虽然这不是数学上的“绝对最优解”，但它足够好，而且算得出来，非常适合工程落地。

4. 实验结果：哪怕只有一点点准，也比完全瞎猜强！

论文通过计算机模拟（就像在电脑里建了个虚拟乐团）发现：

哪怕只是“粗略”地追踪相位（比如误差在 15 度左右），网速也能比“完全瞎猜”的情况好很多！
这就好比，哪怕指挥家只是大概知道节奏，乐团也能比完全乱奏强得多。
集中式 vs. 分布式：
- 集中式（所有乐手听一个总指挥）： 抗干扰能力最强，即使误差很大，表现依然不错。
- 分布式（每个乐手听自己的小指挥）： 在误差很大时，表现会下降得比较快，但依然比完全不知道相位要好。

5. 总结与意义

这篇论文告诉我们：
在构建未来的 6G 网络时，我们不需要追求完美的相位追踪（这在物理上很难做到，成本也高）。
只要我们能**“大概知道”相位在哪里，并配合这种“智能修正算法”**，就能获得非常接近完美网络的性能。

一句话总结：
这篇论文就像给未来的 6G 网络提供了一套**“防抖稳定器”**。它承认现实世界不完美（相位会抖动），但通过聪明的数学方法，让网络在“有点抖”的情况下，依然能跑出接近“完美稳定”的速度。这对于降低 6G 硬件成本、提高网络可靠性具有非常重要的指导意义。

这篇论文题为《非理想视距（LoS）》，由柏林工业大学、爱立信研究院和弗劳恩霍夫 Heinrich Hertz 研究所的研究人员共同撰写。该研究针对 6G 无蜂窝（Cell-Free）大规模 MIMO 网络中，视距（LoS）分量相位跟踪不完美对上行链路性能的影响进行了深入分析。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

背景：无蜂窝大规模 MIMO 通过部署大量分布式接入点（AP）协同服务用户，消除了小区边界，提供了高频谱效率和均匀的服务。由于密集部署，LoS 传播在无蜂窝网络中非常普遍，且对性能至关重要。
现有局限：
- 现有研究通常假设 LoS 相位是完美已知的（理想情况）或完全未知的（最坏情况）。
- 实际上，由于硬件损伤（如振荡器漂移）、用户移动性和同步误差，LoS 相位存在残余不确定性。
- 现有的相位感知模型多基于最大比合并（MR），未能充分利用大规模 MIMO 的波束成形潜力；而针对瑞利衰落（无 LoS）的相位噪声研究无法直接适用于具有强 LoS 分量的场景。
核心问题：如何在 LoS 相位估计存在残余误差（非理想跟踪）的中间状态下，建立准确的信道模型，并推导可处理的信道估计和波束成形方案，以评估网络性能。

2. 方法论 (Methodology)

A. 信道模型：非理想相位跟踪的莱斯衰落模型

提出了一种新的莱斯衰落模型，其中确定性 LoS 分量被不完美估计的相位旋转，并受到一个确定性相位误差惩罚因子（Phase-error penalty factor）的衰减。
误差建模：假设相位估计误差 $\varepsilon$ $ε$ 服从均匀分布 $U[-\delta, \delta]$ $U [- δ, δ]$ 。
- 当 $\delta \to 0$ 时，对应完美相位跟踪。
- 当 $\delta \to \pi$ 时，对应完全未知相位。
关键参数：定义了一个误差因子 $\rho_{error} = \text{sinc}(\delta)$ （当 $\delta > 0$ ），它量化了相位不确定性对 LoS 分量幅度的衰减作用。

B. 信道估计：条件线性 MMSE 估计器

由于相位误差导致信道分布非高斯，传统的贝叶斯 MMSE 估计器难以获得闭式解。
创新点：推导了一种条件线性 MMSE（Linear MMSE），即在给定相位估计值 $\hat{\theta}$ 的条件下，最小化均方误差的线性估计器。
统一性：该估计器统一了现有文献中的两种极端情况：
- 当相位完美已知时，退化为贝叶斯 MMSE 估计器。
- 当相位完全未知时，退化为零均值模型估计器。
该估计器显式地利用了统计相位误差信息，并在非高斯设置下保持了数学上的可处理性。

C. 波束成形设计：虚拟上行链路模型

挑战：由于信道估计误差与估计值相关且非高斯，直接优化实际物理链路的 MMSE 波束成形器极其困难。
解决方案：引入虚拟上行链路模型（Virtual Uplink Model）。
- 将真实信道替换为信道估计值 $\hat{h}$ 。
- 将估计误差的协方差矩阵作为额外的加性噪声注入到虚拟模型中。
- 在此虚拟模型下，信道估计误差与噪声独立，使得 MMSE 优化问题变得可解。
波束成形方案：
- 集中式（Centralized）：CPU 利用全局信道估计和相位信息计算全局 MMSE 波束成形器。
- 分布式（Distributed）：每个 AP 仅利用本地信道估计和全局相位统计信息，通过 Team MMSE 框架推导耦合的优化条件，获得分布式波束成形器。

D. 性能评估

将推导出的波束成形器应用于真实的物理上行链路模型（而非虚拟模型）以计算频谱效率（SE）。
使用了两种界限进行评估：
- UatF 下界（Use-and-then-forget）：解码时不使用瞬时 CSI。
- OER 上界（Optimistic Ergodic Rate）：假设解码器拥有完美的瞬时有效信道信息（Genie-aided）。

3. 主要贡献 (Key Contributions)

提出新模型：建立了一个包含相位误差惩罚因子的莱斯信道模型，填补了“完美已知”与“完全未知”之间的研究空白，更贴合 6G 实际部署场景。
统一估计器：推导了条件线性 MMSE 信道估计器，该估计器在数学上统一了文献中现有的两种极端情况，并适用于非高斯环境。
可处理的波束成形框架：通过引入虚拟上行链路模型，成功推导出了集中式和分布式的 MMSE 波束成形闭式解，解决了非高斯信道下的优化难题。
严格的性能基准：提供了在相位跟踪不完美情况下的频谱效率上下界，为 6G 无蜂窝网络的设计提供了严谨的基准。

4. 数值结果 (Results)

仿真设置：100 个 AP，40 个用户，Rician 因子 $\kappa$ 可变，相位误差范围 $\delta \in \{0^\circ, 15^\circ, 30^\circ, 45^\circ, 180^\circ\}$ 。
关键发现：
- 部分知识的价值：即使只有粗略的相位跟踪（例如 $\delta = 15^\circ$ ），其性能也显著优于“完全未知相位”的模型，且非常接近“完美已知”的理想情况。
- 误差敏感性：随着相位误差 $\delta$ 的增加，性能逐渐下降。在分布式架构中，大相位误差导致的性能下降比集中式更明显。
- Rician 因子的影响：在高 Rician 因子（强 LoS）下，如果相位跟踪准确，分布式波束成形可以非常接近集中式性能；但在相位不确定时，两者的性能差距会扩大。
- 界限紧密度：UatF 下界和 OER 上界之间的差距很小，表明在强 LoS 且相位相对准确的情况下，解码器缺乏瞬时 CSI 带来的性能损失可以忽略不计。

5. 意义与影响 (Significance)

理论价值：该研究打破了以往对 LoS 相位要么完美、要么完全忽略的二元假设，为理解部分相位知识下的信道估计和波束成形提供了统一的理论框架。
工程指导：
- 证明了在 6G 无蜂窝网络中，不需要追求完美的相位同步，适度的相位跟踪（即使存在一定误差）即可带来巨大的性能增益。
- 为硬件设计提供了参考：在资源受限或高移动性场景下，可以接受一定的相位估计误差，只要该误差在可控范围内，系统性能依然稳健。
- 强调了在分布式架构中，相位估计精度对性能的影响更为敏感，需在设计中予以重视。

综上所述，该论文通过严谨的数学建模和推导，揭示了非理想 LoS 相位跟踪对无蜂窝 MIMO 系统的具体影响，并提出了一套实用的估计与波束成形方案，为未来 6G 网络的部署提供了重要的理论依据和设计洞察。