0 引言

    在過去的數年內，物聯網這一概念得到了極大的發展,物聯網這一新興的概念由于其極大的可擴展性和實用性正受到人們越來越多的關注^[1]。在這種趨勢下，未來所有的電子設備都將被納入統一的網絡中。在這樣的網絡社會中，人能夠非常方便地接收外界的各種信息，個人或組織的生產力也將會被極大地激發出來^[2]。在這樣的環境中，物聯網技術將會扮演至關重要的角色，因為物聯網技術能夠做到機器與機器（Machine to Machine，M2M）和機器與人的連接，可以極大地促進人類社會的發展。

    目前，有很多技術可以用于物聯網信息的傳輸，藍牙、無線局域網、紅外等都是常見的成熟的信息傳輸方式，但是在很長一段時間，針對小數據、大連接的數據傳輸方式卻沒有受到足夠的重視，而這種傳輸方式在未來確是十分重要的一種連接，在物聯網社會中，包含了幾大應用場景，包括智慧城市、工業自動化、智能交通、數字化醫療等。這些應用場景都需要有非常多數量的傳感器連接，可能會比現有的節點數量高出2～3個數量級，在大規模部署時，單個節點的成本將會成為一種非常重要的考量因素，這也決定了出于成本的原因，物聯網節點的運算性能、射頻前端都不會很強大。與此同時，這些傳感器產生的信息卻是與現有節點產生的信息有很大不同，最典型的特征是小負載、周期性或事件驅動的流量。這些原因都導致了在現階段物聯網的大規模應用存在很大的難度。為了解決以上這些問題，3GPP組織專門針對這些特點發布了窄帶物聯網標準，即Rel-13^[3]。

    作為第五代移動通信（5G）的關鍵技術之一，大規模多輸入多輸出（Massive Multiple Input Multiple Output，Massive MIMO）技術正在慢慢變得成熟。有研究表明，當基站端天線數無限大時，快衰落和無關噪聲產生的影響將會消失^[4]。這樣可以極大擴展整個小區可以同時服務的終端用戶數。與單天線系統相比，多天線系統的頻譜效率更高，能夠在不降低數據傳輸速率的條件下降低發射功率，在發送端就可以使用更小的發射功率，節省由射頻發射帶來的能量消耗。其次，Massive MIMO對于發射節點的性能要求不嚴格，將大量的計算負載都集中到了基站端進行處理，這樣有利于降低設備成本，有助于整個物聯網行業的快速發展。

    目前，大部分的研究都是基于LTE網絡的^[5-7]。但是，LTE網絡并不能支持數量龐大的物聯網設備。為了解決這個問題，本文提出了一種新型的數據排列方式，充分利用NB-IoT所需帶寬窄的優勢，不同的設備節點使用不同的頻帶，從而降低相互間的干擾。并且應用Massive MIMO技術傳輸NB-IoT數據。仿真結果表明，利用Massive MIMO技術可以大大提高接收端的信噪比（Signal-to-Noise，SNR），降低所需的發射功率，提高網絡覆蓋率，并且能夠延長電池的使用壽命，降低部署成本。

1 系統模型

    本節分析基于Massive MIMO的NB-IoT數據傳輸的系統模型，并列出NB-IoT與LTE標準數據傳輸的不同點。

1.1 NB-IoT標準與LTE標準的不同點

    為了滿足窄帶物聯網的傳輸需求及特性，3GPP組織在LTE標準的基礎上做出了多處改進，以適應窄帶寬、小數據、低頻繁的NB-IoT數據傳輸。主要有以下幾點：

    (1)LTE上行包含PUSCH、PUCCH、PRACH，NB-IoT為適應窄帶寬做了簡化，上行僅包含NPUSCH、NPRACH。

    (2)LTE數據信道調制方式可設置為QPSK、16PSK、64PSK，NB-IoT的調制方式被固定為BPSK或QPSK。

    (3)LTE系統中最小的資源安排單位為一個資源塊，NB-IoT中最小的資源單位為一個子載波。

    (4)LTE中子載波間隔為15 kHz，NB-IoT中子載波間隔可設置為3.75 kHz和15 kHz。

    (5)LTE中為適應窄帶通信引入了節能模式DRx，NB-IoT采用新的節能模式eDRx。

1.2 系統整體框圖

　　在本次仿真中，信道模型使用的是瑞利信道，噪聲為白噪聲，強度由設置的信噪比計算得到。在接收端接收到信號后，首先會進行信號的同步，在信號傳輸的過程中，不可避免會出現多徑傳輸、陰影衰落等，導致接收到的信號不能嚴格的時鐘對齊，為后面的解調帶來很大困難，因此在這一階段需要進行時鐘同步以對齊信號。在信號同步后將會進行信號的FFT運算與去除CP，與此同時，還會利用接收到的信號進行信道估計運算，計算出相應的信道矩陣，接著將會利用計算出的信道矩陣結合去除CP后的信號進行LMMSE均衡，具體原理可由式(2)表示：

2 鏈路級仿真

    本節主要介紹基于Massive MIMO的NB-IoT上行數據傳輸的鏈路級仿真。

2.1 仿真參數

    本次仿真所使用的系統和環境設置參數中除發送數據格式外，均與LTE系統中類似,具體的仿真參數設置見表1^[9]。在仿真中，LTE系統中的OFDM調制及導頻設置均被采用。NB-IoT的時隙安排示意圖如圖2所示。本次仿真所使用的信道模型為SCM信道模型，該信道的相關參數設置由表2給出。

    在LTE中，20 MHz帶寬被分為1 200個子載波，每個子載波的間隔是15 kHz，而在NB-IoT標準中，帶寬被大幅降低至180 kHz（不包含保護頻帶），在子載波間隔15 kHz的情況下為12個子載波，因此在理論上LTE的帶寬可供100個NB-IoT設備同時接入。在本次仿真中，設置NB-IoT設備數量為100。

2.2 鏈路級仿真流程

    在LTE中，20 MHz帶寬會被分為1 200個子載波，每個子載波的頻率間隔為15 kHz，在NB-IoT標準中，帶寬被大幅降低至180 kHz，即12個子載波，因此理論上一個LTE用戶的信道資源可供100個NB-IoT用戶使用。在仿真中使用圖2中的數據排列方式，利用這種方式，各NB-IoT節點都可使用相互正交的頻譜資源，大大降低相互間的干擾。

    根據上述的參數和系統設置，基于Massive MIMO的NB-IoT上行鏈路傳輸原型的信號流程圖如圖3所示。

    在NB-IoT信號上行傳輸仿真中，首先由各個節點根據事先設定的調制方式產生二進制隨機數據，在NB-IoT標準中，規定調制方式只能為BPSK或QPSK，本次仿真使用的是BPSK調制方式，生成的隨機數據加入導頻后成為實際需要傳輸的數據，經過BPSK調制后的數據會根據圖所示的時頻資源安排方式插入相應的時頻單元格，在OFDM調制過程中，進行的是IFFT和加入循環前綴（CP），接著信號將被傳送至射頻前端進行發送，在經過SCM信道后被接收端的天線陣列接收，在OFDM解調流程中，實現的是信號的FFT變換和去CP。在利用接收到的導頻信息進行LS信道估計并使用估計出的信道矩陣對信號進行LMMSE信道均衡恢復出發送信號，最后再經過BPSK解調即可得到各節點產生的原始信號。在本次仿真中，使用的是判決門限的方式度信號進行0/1判決并計算相應的誤碼率。

3 仿真結果及分析

    本節給出基于Massive MIMO的NB-IoT上行數據傳輸鏈路級仿真的實驗結果及相應的分析，包括接收端天線數相同時、LTE和NB-IoT用戶數不同時的接收信號誤碼率，NB-IoT用戶數確定、接收天線數不同時的接收端誤碼率，以及接收端天線數相同、NB-IoT用戶數的不同對誤碼率造成的影響。

    圖4所示的是在接收端包含16根天線、小區內用戶數為20時，用戶種類對誤碼率的影響。由仿真可知，當接收端天線數相同且發送端用戶數也相同時，由于NB-IoT節點傳輸的數據要遠遠小于LTE節點傳輸的數據，且在發送時采用不同的頻帶，各頻帶之間兩兩互不重疊，對于其他用戶的干擾也大幅降低，導致NB-IoT的平均誤碼率遠低于LTE用戶的平均誤碼率。

    圖5所示的是接收端天線數不同時對接收端誤碼率的影響?？梢园l現當設備節點數一定時，接收端天線越多，則能得到的誤碼率就越低，這就體現出來多天線的優勢，當接收天線數上升時，非相干噪聲的影響就會降低^[10]。從方面來看，當在接收端要求的誤碼率一定時，應用Massive MIMO技術后，發射端就可以減小發射功率以降低能耗。并且，隨著BS天線數量的增加，接收誤碼率呈現加速下降的趨勢，這是因為接收端天線數量的增加會使對信道的估計更加準確。

    圖6所示的是接收天線數為64時，不同NB-IoT節點數對接收誤碼率的影響。由仿真可知，NB-IoT用戶接近接收端天線數兩倍時，雖然誤碼率性能有所下降，但在接收信噪比很差時仍然低于10-2，在某些場景中依然有應用的可能性，相比在LTE系統中大大增加了可接入的用戶數。

4 結論

    本文驗證了利用Massive MIMO技術傳輸NB-IoT數據的可行性。BS端天線陣列最多支持64根天線，用戶側最多支持100個單天線NB-IoT用戶。為更好地理解本文的設計意圖，提供了該仿真的系統模型。鏈路級仿真信號流程圖及參數設定的細節也都給出了。實驗結果證明，NB-IoT數據完全可以使用Massive MIMO技術進行傳輸，并且還能夠充分發揮Massive MIMO空分復用、對節點性能要求低的特點，可以支持大量的NB-IoT節點同時接入，并且還能在滿足接收信噪比的條件下降低發射功率，延長節點使用壽命。

參考文獻

[1] ADAME T，BEL A，BELLALTA B，et al.IEEE 802.11AH：the WiFi approach for M2M communications[J].IEEE Wireless Communications，2015，21(6)：144-152.

[2] JIAO C，ZHANG Z，ZHONG C.Impact of mobility on the sum rate of an NB-OFDMA based mobile IoT networks[C].IEEE International Conference on Communications.IEEE，2016：1-6.

[3] ERICSSON.Cellular networks for massive IoT[EB/OL].(2016-06-06)[2017-06-21].https://www.ericsson.com/res/docs/whitepapers/wp iot.pdf.

[4] MARZETTA T L.How much training is required for multiuser mimo?[C].Signals，Systems and Computers，2006.ACSSC′06.Fortieth Asilomar Conference on.IEEE，2007：359-363.

[5] PERSIA S，REA L.Next generation M2M Cellular Networks；LTE-MTC and NB-IoT capacity analysis for Smart Grids applications[C].Aeit International Conference.IEEE，2017.

[6] WANG Y，WU Z.A coexistence analysis method to apply ACLR and ACS between NB-IoT and LTE for stand-alone case[C].International Conference on Instrumentation & Measurement.IEEE，2016.

[7] LAURIDSEN M，KOVACS I Z，MOGENSEN P，et al.Coverage and capacity analysis of LTE-M and NB-IoT in a rural area[C].Vehicular Technology Conference.IEEE，2017.

[8] JI F，YANG X，QIAO D，et al.Link-level simulation of TDD-based massive MIMO system[C].International Conference on Wireless Communications & Signal Processing.IEEE，2016：1-6.

[9] WANG Y P E，LIN X，ADHIKARY A，et al.A primer on 3GPP narrowband Internet of Things[J].IEEE Communications Magazine，2017，55(3)：117-123.

[10] MARZETTA T L.Noncooperative cellular wireless with unlimited numbers of base station antennas[J].IEEE Transactions on Wireless Communications，2010，9(11)：3590-3600.

作者信息：

張昌偉1，2，祁家榕1，郭永安2

（1.南京郵電大學 通信與信息工程學院，江蘇 南京210000；2.江蘇省無線通信重點實驗室，江蘇 南京210003）