非线性功率放大器对大规模MIMO的影响：实际无线信道下的机器学习预测
机器学习
2026-04-20 v1
摘要
大规模MIMO是提高无线网络频谱效率和能量效率的关键技术之一。当前大多数工作假设大规模MIMO阵列配备线性前端。然而，为使无线网络更节能而进行的持续努力将硬件推向极限，其非线性行为随之显现。这对于多载波系统（例如4G、5G以及可能还有6G中使用的OFDM）尤其常见，其特点是高峰均功率比。虽然非线性功率放大器(PA)对OFDM信号的影响已得到充分表征，但对于大规模MIMO OFDM系统而言，这是一个相对较新的课题。近期大多数工作要么忽略非线性效应，要么使用适用于瑞利或视距(LoS)无线信道模型的简化模型。在本文中，我们首先在常用无线信道模型下从理论上表征了大规模MIMO系统中的非线性失真。然后，利用3D射线追踪(3D-RT)软件，我们证明了这些模型并不十分准确。相反，我们提出了两种模型：一种统计模型和一种基于3D-RT结果的机器学习模型。所提出的统计模型利用广义极值(GEV)分布来建模受害用户的信号失真比(SDR)，这些用户接收来自相邻小区等的非线性失真干扰。所提出的机器学习模型旨在基于无线信道的空间特性和大规模MIMO天线阵列中每个PA馈电的工作点，预测调度用户（接收非线性失真与期望信号一起）的SDR。然后，预测的SDR可用于执行PA感知的每用户功率分配。结果表明，与最先进的固定工作点方案相比，所提出的基于机器学习的功率分配方案在用户吞吐量上实现了约12%的中位增益。
引用
@article{arxiv.2604.15977,
title = {Impact of Nonlinear Power Amplifier on Massive MIMO: Machine Learning Prediction Under Realistic Radio Channel},
author = {Marcin Hoffmann and Paweł Kryszkiewicz},
journal= {arXiv preprint arXiv:2604.15977},
year = {2026}
}
备注
Accepted for publication in IEEE Transactions on Vehicular Technology