朝着采用sigma–delta ADC和分组SIC检测的节能大规模MIMO-NOMA系统迈进

为什么在空中容纳更多信号很重要

我们每年对无线网络的要求不断提高：连接更多的手机、汽车和传感器，提供更高的数据速率，同时消耗更少的能量。要满足5G和6G的这些需求，不仅需要新的频谱资源，还需要更聪明地利用现有硬件。本文探讨了基站如何利用非常大的天线阵列和极其简单、低功耗的电子设备，同时仍然保持连接快速可靠，从而同时接收许多用户的信号。

许多耳朵倾听许多声音

研究聚焦于上行链路场景，即许多用户设备向单个基站发送数据。基站配备了所谓的“大规模”天线阵列（massive MIMO），并使用一种称为非正交多址（NOMA）的信号接入方法。NOMA不是为每个用户分配独立的时间或频率片，而是让多个用户共享相同的无线资源，通过接收功率差异和智能信号处理将它们区分开来。这种方法大幅提高了每单位频谱可承载的信息量，但也使接收端的任务更为艰巨，因为来自不同用户的信号会互相干扰。

简单的转换器与巧妙的噪声整形

大规模MIMO的一项关键挑战是能耗：每根天线都需要一个将入射无线波转换为数字样本的模数转换器（ADC）。高精度ADC既耗电又昂贵，尤其是在天线数量达数百时。论文研究了使用极低分辨率ADC——每个样本仅一位或两位——以降低功耗和成本。单独使用时，这类粗糙的转换器会引入强烈失真。为克服这一点，作者采用了空间sigma–delta架构：来自一个天线的量化误差在经过受控相移后被反馈到下一个天线。这个反馈将失真重新整形，使大部分失真被推到没有目标用户的方向，从而在感兴趣的方向上保留信号质量。

理解众多重叠信号

即便使用了噪声整形的低分辨率转换器，基站仍然必须分离同时传输的众多用户信号。论文研究了几类接收机：简单的线性合并、按顺序逐个解码的传统逐次干扰消除（SIC），以及更灵活的分组SIC（GSIC），后者对小组用户一起处理。在每个组内，低复杂度的合并方法（最大比合并或零强制）能够增强期望信号并抑制干扰。作者建立了一个分析框架，利用名为Bussgang分解的数学工具将粗量化ADC的行为近似为带附加噪声的线性系统。这使他们能够导出在不同无线信道条件下（包括存在或不存在强视距分量的环境）信干噪比和频谱效率的闭式表达式。

需要多少天线、多少功率？

有了这些公式，研究探讨了系统性能如何随关键设计选择而扩展：基站的天线数量、ADC的分辨率、视距分量的强度以及GSIC中用户组的数量。一个核心结论是功率缩放定律：随着天线数量增加，单用户发射功率可以大致按天线数的倒数比例降低，同时维持相同的数据速率。这意味着增加天线既能提高鲁棒性，又能让设备以更低的功率发射。分析还表明，对于非常大的阵列，各类接收机的频谱效率趋于相似，但在实际的中等阵列规模下，采用零强制的GSIC明显优于更简单的合并方法，同时又避免了逐个解码所有用户的全部复杂性。

在效率、复杂性与可靠性之间取得平衡

由于基站必须同时满足众多用户的服务质量要求，作者设计了一种低复杂度的功率分配方案，该方案为用户选择恰好达到目标数据率的发射功率。通过随机矩阵理论的工具，他们给出了这些功率的近似闭式公式，表明使用SIC或GSIC的接收机所需的传输功率远低于基本线性方案。覆盖不同衰落环境、密集多径、空间相关性、甚至高速车联网场景的大量仿真验证了分析预测。结果显示，采用2位空间sigma–delta ADC，配合GSIC和适度数量的用户组，可以在频谱效率和能量效率上接近理想的高精度系统，同时大幅降低硬件功耗并保持可控的处理复杂度。

这对未来无线网络意味着什么

简单来说，论文表明我们可以在不明显牺牲速度或可靠性的情况下，大幅简化并降低大规模MIMO基站“耳朵”的功耗。通过将低分辨率的噪声整形转换器与智能分组和干扰消除相结合，系统能够以更低的功耗为更多用户提供服务，无论是在基站端还是用户设备端。这使得该方法对5G之后和6G网络尤为有吸引力，能连接密集设备群、支持高要求的应用，同时保持能效并降低部署成本。

引用: Farghaly, S.I., Khafaga, M.M. & Khamis, S. Towards energy-efficient massive MIMO-NOMA systems with sigma–delta ADCs and group SIC detection. Sci Rep 16, 14025 (2026). https://doi.org/10.1038/s41598-026-49425-y

关键词: 大规模MIMO, NOMA, sigma-delta ADC, 分组干扰消除, 节能无线