研究现状:非理想硬件的损耗

目前，对于铁路环境下的大规模MIMO 系统的研究几乎都是建立在发射机和接收机为理想硬件的基础上进行的，这在实践中是不现实的。实际大规模MIMO 系统性能容易受收发器硬件损耗的影响，如相位噪声、同相/正交相位不平衡、放大器非线性及量化误差等。尽管可以通过两侧校准方法和补偿方案来减轻硬件损耗带来的影响，但由于估计误差、不正确的校准方法和不同类型的噪声，依然存在残余硬件损耗。因此，如何降低大规模MIMO 硬件损耗成为一个亟待解决的问题。

非线性射频模块带来的硬件损耗在一定程度上抑制了大规模MIMO 下行系统的频谱效率和能量效率性能[63]。从信道估计角度出发，硬件损耗下的毫米波大规模MIMO 系统可以利用贝叶斯算法将收发损伤的信道估计重新构造为稀疏恢复问题，进而提高信道估计算法的性能[64]。从信号优化角度出发，可以利用不正确的高斯信号准确地为通信系统的总硬件损耗的影响建模，并将自适应方案用于某些特殊条件下最大高斯信号和一般高斯信号间的切换，从而以最少的计算/优化开销来提高系统性 能[65]。从安全通信角度出发，对于Cell-Free 中大规模MIMO 系统硬件损耗对物理层安全的影响，能够使用连续逼近和路径跟踪算法，进而获得最佳功率分配方案，从而使可达到的保密率最大化[66]。对于硬件损耗下无线传输驱动的大规模MIMO 系统，可以通过分数编程结合时间和功率分配从而达到最大化系统能效[67]。同时，具有射频损伤的稀疏量化大规模MIMO 系统信道估计和上行链路可达速率，存在ADC（模拟数字转化器）精度和射频链损伤之间的可观补偿[68]。(www.xing528.com)

因此，对于硬件资源与通信性能的研究都需要以绿色通信和节能减排为最终目标，并致力于设计各种高效的新技术（如预编码、信道估计等）或者进行资源优化（如功率分配、天线选择等）[69]，以此为铁路环境下的大规模MIMO 系统的优化提供理论依据。