0 引言

    在过去的数年内，物联网这一概念得到了极大的发展,物联网这一新兴的概念由于其极大的可扩展性和实用性正受到人们越来越多的关注^[1]。在这种趋势下，未来所有的电子设备都将被纳入统一的网络中。在这样的网络社会中，人能够非常方便地接收外界的各种信息，个人或组织的生产力也将会被极大地激发出来^[2]。在这样的环境中，物联网技术将会扮演至关重要的角色，因为物联网技术能够做到机器与机器（Machine to Machine，M2M）和机器与人的连接，可以极大地促进人类社会的发展。

    目前，有很多技术可以用于物联网信息的传输，蓝牙、无线局域网、红外等都是常见的成熟的信息传输方式，但是在很长一段时间，针对小数据、大连接的数据传输方式却没有受到足够的重视，而这种传输方式在未来确是十分重要的一种连接，在物联网社会中，包含了几大应用场景，包括智慧城市、工业自动化、智能交通、数字化医疗等。这些应用场景都需要有非常多数量的传感器连接，可能会比现有的节点数量高出2～3个数量级，在大规模部署时，单个节点的成本将会成为一种非常重要的考量因素，这也决定了出于成本的原因，物联网节点的运算性能、射频前端都不会很强大。与此同时，这些传感器产生的信息却是与现有节点产生的信息有很大不同，最典型的特征是小负载、周期性或事件驱动的流量。这些原因都导致了在现阶段物联网的大规模应用存在很大的难度。为了解决以上这些问题，3GPP组织专门针对这些特点发布了窄带物联网标准，即Rel-13^[3]。

    作为第五代移动通信（5G）的关键技术之一，大规模多输入多输出（Massive Multiple Input Multiple Output，Massive MIMO）技术正在慢慢变得成熟。有研究表明，当基站端天线数无限大时，快衰落和无关噪声产生的影响将会消失^[4]。这样可以极大扩展整个小区可以同时服务的终端用户数。与单天线系统相比，多天线系统的频谱效率更高，能够在不降低数据传输速率的条件下降低发射功率，在发送端就可以使用更小的发射功率，节省由射频发射带来的能量消耗。其次，Massive MIMO对于发射节点的性能要求不严格，将大量的计算负载都集中到了基站端进行处理，这样有利于降低设备成本，有助于整个物联网行业的快速发展。

    目前，大部分的研究都是基于LTE网络的^[5-7]。但是，LTE网络并不能支持数量庞大的物联网设备。为了解决这个问题，本文提出了一种新型的数据排列方式，充分利用NB-IoT所需带宽窄的优势，不同的设备节点使用不同的频带，从而降低相互间的干扰。并且应用Massive MIMO技术传输NB-IoT数据。仿真结果表明，利用Massive MIMO技术可以大大提高接收端的信噪比（Signal-to-Noise，SNR），降低所需的发射功率，提高网络覆盖率，并且能够延长电池的使用寿命，降低部署成本。

1 系统模型

    本节分析基于Massive MIMO的NB-IoT数据传输的系统模型，并列出NB-IoT与LTE标准数据传输的不同点。

1.1 NB-IoT标准与LTE标准的不同点

    为了满足窄带物联网的传输需求及特性，3GPP组织在LTE标准的基础上做出了多处改进，以适应窄带宽、小数据、低频繁的NB-IoT数据传输。主要有以下几点：

    (1)LTE上行包含PUSCH、PUCCH、PRACH，NB-IoT为适应窄带宽做了简化，上行仅包含NPUSCH、NPRACH。

    (2)LTE数据信道调制方式可设置为QPSK、16PSK、64PSK，NB-IoT的调制方式被固定为BPSK或QPSK。

    (3)LTE系统中最小的资源安排单位为一个资源块，NB-IoT中最小的资源单位为一个子载波。

    (4)LTE中子载波间隔为15 kHz，NB-IoT中子载波间隔可设置为3.75 kHz和15 kHz。

    (5)LTE中为适应窄带通信引入了节能模式DRx，NB-IoT采用新的节能模式eDRx。

1.2 系统整体框图

　　在本次仿真中，信道模型使用的是瑞利信道，噪声为白噪声，强度由设置的信噪比计算得到。在接收端接收到信号后，首先会进行信号的同步，在信号传输的过程中，不可避免会出现多径传输、阴影衰落等，导致接收到的信号不能严格的时钟对齐，为后面的解调带来很大困难，因此在这一阶段需要进行时钟同步以对齐信号。在信号同步后将会进行信号的FFT运算与去除CP，与此同时，还会利用接收到的信号进行信道估计运算，计算出相应的信道矩阵，接着将会利用计算出的信道矩阵结合去除CP后的信号进行LMMSE均衡，具体原理可由式(2)表示：

2 链路级仿真

    本节主要介绍基于Massive MIMO的NB-IoT上行数据传输的链路级仿真。

2.1 仿真参数

    本次仿真所使用的系统和环境设置参数中除发送数据格式外，均与LTE系统中类似,具体的仿真参数设置见表1^[9]。在仿真中，LTE系统中的OFDM调制及导频设置均被采用。NB-IoT的时隙安排示意图如图2所示。本次仿真所使用的信道模型为SCM信道模型，该信道的相关参数设置由表2给出。

    在LTE中，20 MHz带宽被分为1 200个子载波，每个子载波的间隔是15 kHz，而在NB-IoT标准中，带宽被大幅降低至180 kHz（不包含保护频带），在子载波间隔15 kHz的情况下为12个子载波，因此在理论上LTE的带宽可供100个NB-IoT设备同时接入。在本次仿真中，设置NB-IoT设备数量为100。

2.2 链路级仿真流程

    在LTE中，20 MHz带宽会被分为1 200个子载波，每个子载波的频率间隔为15 kHz，在NB-IoT标准中，带宽被大幅降低至180 kHz，即12个子载波，因此理论上一个LTE用户的信道资源可供100个NB-IoT用户使用。在仿真中使用图2中的数据排列方式，利用这种方式，各NB-IoT节点都可使用相互正交的频谱资源，大大降低相互间的干扰。

    根据上述的参数和系统设置，基于Massive MIMO的NB-IoT上行链路传输原型的信号流程图如图3所示。

    在NB-IoT信号上行传输仿真中，首先由各个节点根据事先设定的调制方式产生二进制随机数据，在NB-IoT标准中，规定调制方式只能为BPSK或QPSK，本次仿真使用的是BPSK调制方式，生成的随机数据加入导频后成为实际需要传输的数据，经过BPSK调制后的数据会根据图所示的时频资源安排方式插入相应的时频单元格，在OFDM调制过程中，进行的是IFFT和加入循环前缀（CP），接着信号将被传送至射频前端进行发送，在经过SCM信道后被接收端的天线阵列接收，在OFDM解调流程中，实现的是信号的FFT变换和去CP。在利用接收到的导频信息进行LS信道估计并使用估计出的信道矩阵对信号进行LMMSE信道均衡恢复出发送信号，最后再经过BPSK解调即可得到各节点产生的原始信号。在本次仿真中，使用的是判决门限的方式度信号进行0/1判决并计算相应的误码率。

3 仿真结果及分析

    本节给出基于Massive MIMO的NB-IoT上行数据传输链路级仿真的实验结果及相应的分析，包括接收端天线数相同时、LTE和NB-IoT用户数不同时的接收信号误码率，NB-IoT用户数确定、接收天线数不同时的接收端误码率，以及接收端天线数相同、NB-IoT用户数的不同对误码率造成的影响。

    图4所示的是在接收端包含16根天线、小区内用户数为20时，用户种类对误码率的影响。由仿真可知，当接收端天线数相同且发送端用户数也相同时，由于NB-IoT节点传输的数据要远远小于LTE节点传输的数据，且在发送时采用不同的频带，各频带之间两两互不重叠，对于其他用户的干扰也大幅降低，导致NB-IoT的平均误码率远低于LTE用户的平均误码率。

    图5所示的是接收端天线数不同时对接收端误码率的影响。可以发现当设备节点数一定时，接收端天线越多，则能得到的误码率就越低，这就体现出来多天线的优势，当接收天线数上升时，非相干噪声的影响就会降低^[10]。从方面来看，当在接收端要求的误码率一定时，应用Massive MIMO技术后，发射端就可以减小发射功率以降低能耗。并且，随着BS天线数量的增加，接收误码率呈现加速下降的趋势，这是因为接收端天线数量的增加会使对信道的估计更加准确。

    图6所示的是接收天线数为64时，不同NB-IoT节点数对接收误码率的影响。由仿真可知，NB-IoT用户接近接收端天线数两倍时，虽然误码率性能有所下降，但在接收信噪比很差时仍然低于10-2，在某些场景中依然有应用的可能性，相比在LTE系统中大大增加了可接入的用户数。

4 结论

    本文验证了利用Massive MIMO技术传输NB-IoT数据的可行性。BS端天线阵列最多支持64根天线，用户侧最多支持100个单天线NB-IoT用户。为更好地理解本文的设计意图，提供了该仿真的系统模型。链路级仿真信号流程图及参数设定的细节也都给出了。实验结果证明，NB-IoT数据完全可以使用Massive MIMO技术进行传输，并且还能够充分发挥Massive MIMO空分复用、对节点性能要求低的特点，可以支持大量的NB-IoT节点同时接入，并且还能在满足接收信噪比的条件下降低发射功率，延长节点使用寿命。

参考文献

[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：

张昌伟1，2，祁家榕1，郭永安2

（1.南京邮电大学 通信与信息工程学院，江苏 南京210000；2.江苏省无线通信重点实验室，江苏 南京210003）