八天线LTE测试的挑战

信号的功率 会随信号行进方向的不同而有所变化。由于每种可能的场景都有一系列独特的离去角(AoD)，因此功率也会随方向的不同而有所变化。当天线模式和极化结合在 一起时，这个问题会变得更难应付。下表显示的双信道场景下不同组合造成的功率损失。表中的"X"代表一个交叉极化天线对，而竖线(||)代表的是无极化的 天线组件。

表：极化和天线模式对接收功率产生的影响。

动 态场景：对于一种波束赋型系统而言，仅在静态(非移动)条件下进行测试是远远不够的。波束赋型基本上包含两个步骤：估计用户设备的方向，以及将波束指向该 方向。当用户设备移动时，它(相对于eNodeB天线阵列)的方向也会改变。在理解系统性能的过程中，这种现象会带来两个基本的问题：系统跟踪用户设备移 动的速度有多快，以及系统的性能会因此受到怎样的影响？为了解答这些问题，我们必须使用能够代表实际运行条件的动态场景来对波束赋型系统进行测试。

测试方法

鉴 于前文中所讨论过的原因，行之有效的测试方法必须能够应对所描述的这些挑战：通过便携机体尺寸提供数量较大的互易性RF信道、考虑到天线模式和极化的信道 建模，以及在动态(活动)场景中测试波束赋型的能力。双向8×N系统测试所需的信道数量会带来前所未有的挑战。图3显示的是8x2双向测试所用的现代系统 图示。传统的信道仿真器可能占用一个40U机架，并且需要大量的外部RF硬件才能实现相同的信道场景。

图3：本图示显示的是8×2 MIMO波束赋型测试的信道仿真。

随 着技术的进步，对测试系统的要求只会变得越来越具挑战性，而且会变得越来越苛刻。实例之一就是双层波束赋型应用，其中包含两个从不同物理位置与同一 eNodeB BTS通话的用户设备。所需的测试拓扑结构中包含一个8×4双向MIMO信道(也就是包含32个数字信道的16个RF信道)。另外一个实例就是IRC。要 想对IRC进行测试，需要eNodeB BTS，即本测试案例中的被测设备(DUT)，从一个"预期"的用户设备和多个起干扰作用的用户设备接收信号，而且测试中还会考虑到衰减的效应。

随 着新技术的开发和现有技术在高天线数MIMO系统中的部署，未来还会出现一些极具挑战性的测试场景。例如，多用户MIMO(MU-MIMO)并非什么新的 测试。但在LTE的MIMO用户设备条件下进行的此类测试则会带来一些重大的挑战，因为有多种复杂的技术都以"分层"的方式层叠在一起。在MU-MIMO 中，系统会使用信号处理来发挥多用户设备之间的空间差异特性。另外一个实例是LTE-A中的协同多点(CoMP)传输。当用户设备连接至多个eNodeB BTS时(通常在重叠的蜂窝边缘处)，该技术会对网络冗余加以利用。

图4显示的是测试双层波束赋型、MU-MIMO和集成双向MIMO信道的CoMP时的典型袖珍设置。集成式解决方案的信道密度所发挥的作用远不止于在有限的实验室空间中应对大量RF信道的挑战。在相信校准和稳定性方面，它也是一种稳定得多的平台。

图4：这种小巧的测试设置可应对双层波束赋型、MU-MIMO和CoMP测试场景。

几何信道模型

当需要对LTE和LTE-A系统的先进天线技术进行测试时，基于关联的传统MIMO信道建模就已经无法胜任了。这种传统的建模方法无法捕获MIMO信道的空间特性或前文所讨论过的先进天线技术的效果。

多数基于关联的MIMO信道建模都建立在一项假设的基础之上，即信号离开发射天线时是全方向的，而且以同样的方式到达接收天线。4但在MIMO波束赋型中，实际情况并非如此。

为 解决这一问题，研究人员们提出了一种全新的信道建模方法，即所谓的几何信道建模(GCM)。在GCM中，从发射天线到接收天线的每条信号路径都从几何上受 到追踪，并且合并在一起而形成了信道。这种方法从本质上为天线模式和极化提供了支持。由于具体了这些特质，GCM已被选定对下一代无线技术进行评估。

实时衰减

实 时衰减方法可以实时生成信道数据，而不是预先计算出的数据，同时还可以从缓存存储内容中对其加以回放。推动实时衰减有两项主要的动力：创建真正的动态场景 并且实现试验和查错式的研发故障查找。在动态或移动场景中，信道参数会随时间而改变。实时衰减使测试人员可对信道参数编制脚本，从而对信道的动态加以模 仿。利用实时衰减引擎，为波束赋型测试创建不同类型用户设备移动的工作将会变得非常简洁而直观。

在研发测试中，需要具备控制信道来实现故障查找的灵活能力。利用几何信道建模和实时衰减能力，工程师能够对一项或多项信道参数进行调节，并且立即获