毫米波系统的开发者必须通过提高发射功率、提高天线增益、提高接收灵敏度等方法来补偿毫米波的传播损耗。
传播距离过小有时候反而成了毫米波系统的优势。比如，它能够减少毫米波信号之间的干扰。毫米波系统使用的高增益天线同时具有较好的方向性，这也进一步消除了干扰。这样的窄波束天线既提高了功率，又扩大了覆盖范围，同时增强了安全性，降低了信号被截听的概率。
“高频率”这个限制因素也会减小天线的尺寸，基于这个事实，我们就可以通过增加天线数量来补偿高频路径损耗，而不会增加天线阵列的尺寸，这让在5G毫米波系统中使用Massive MIMO技术成为可能。
5GNR继续使用OFDM技术，5G也可以被称为“扩展到毫米波频段的增强型4G”或者“扩展到毫米波频段的增强型LTE”。
文献：MmWave massive MIMO small cells for 5G and beyond mobile networks: An overview
现有的通信系统已经快要达到香农极限，因此，学界认定有三种方法来达到几个数量级的吞吐量增益。首先是基础设施的极度密集；其次是大量的新的频带；最后是通过集成更多天线，允许在空间维度上获取吞吐量增益。
还存在一些挑战，比如毫米波的blockage sensitivity（阻塞敏感度）、massive MIMO的干扰甘丽等等。因此，考虑一些可以显著提高性能的技术，如波束形成、为毫米波频带系统的信道估计设计合适的信号处理技术等是非常有意义的。
(1)mmWave
毫米波波段中相对较近的频谱分配导致更均匀的传播，这与先验（之前）网络中不连续的频谱不同。毫米波通信是替代光纤回传的最佳方案。此外，相对于微波波段，毫米波中的窄波束更容易封装更多的天线元件。
毫米波应用还有很多挑战：大气吸收、阻塞（阻挡）效应如人体的阻挡以及由芯片上的元件于人类活动引起的自阻塞（self-blockage）。
毫米波的优势：大带宽、短波长、窄波束、强的安全性和抗干扰
（2）Massive MIMO
Massive MIMO中天线阵列的使用将会把能量聚焦于更小的区域，这将会提供更高的频谱效率和吞吐量。
增加massive MIMO中的天线数量可以使辐射波波束更窄并且在空间上对准用户，这可以提高目标用户的吞吐量并减少邻近用户间的干扰。
Massive MIMO技术依赖信道状态信息CSI来进行信号检测与编码，系统的性能取决于对CSI的knowledge。当CSI是完美的时，系统性能会随min{Nt，Nr}线性增长。一般来说TDD比FDD好一些，但关于FDD在Massive MIMO系统中应用的研究仍在继续。
（3）small cells 小小区
小小区被称为微型基站，它将小区位点分解成更小的片段，包括Pico cells, Micro cells and Femto cells，它们可以组成室内/室外系统。小小区的主要目标是提升宏小区的边缘数据容量、速率和所有网络性能。
小小区和互联设备数目的增加使得传统的信号处理技术较难实施，需要引入AI技术来进行信号处理。
（4）信道估计和信号处理技术
准确的CSI的对于确保mmWave通信系统的性能是极其重要的。
毫米波频段的信号处理与低频段系统不同，这是由于信道模型、由于高频率和大天线阵列带来的硬件约束。在此建议的信号处理是在模拟域和数字域之间划分信号处理操作，以降低其分辨率或模数转换器（ADC）的数量。这推动了混合波束形成结构、低速ADC方法和波束空间信号处理方法的发展。
由于具有高的阻塞灵敏度、波长短以及LOS和NLOS的区别等特征，毫米波信道模型与低频带信道模型不同，在信道估计和均衡、设计预编码器和组合器（combiner）时需要利用稀疏矩阵的数学特性。在MIMO系统中引入毫米波也提高了硬件限制、信道模型和大天线阵列的联合影响，这在毫米波MIMO系统设计时将有巨大影响。
路径损耗、散射波和衰落是实际无线通信中影响CSI的三大关键因素。信道估计的常用方法有最小二乘（LS）算法、最大似然（ML）算法和最小均方误差（MMSE）算法。这些算法不能兼顾计算复杂度与估计准确性。LS计算复杂度低但没有考虑噪声影响，MMSE以计算时间为代价考虑了噪声影响。还有其他的算法： imperialist competitive algorithm-extreme learning machine(经验竞争-极限学习机算法（IC-ELM)，在线CSI估计算法和时域信道估计算法等。
信道估计技术有基于透镜（lens）的波束训练和稀疏信道估计、基于移相器或开关的多用户信道估计和稀疏信道估计。
信号处理技术：1）波束训练协议；2）混合预编码；3）预编码、组合与1-bits ADC的结合。
（5）波束形成
毫米波无线电可以通过较小的天线孔径更好地聚集波束并获得增益。为了减少无限传播损耗，波束形成技术被用于补偿高损耗。波束成形可以实现密集空间频率复用，将窄波束对准目标用户，可以使得用户间干扰最小，实现有限区域内的并发传输。
尽管无法完全消除硬件损害，但可以通过适当使用补偿算法来减轻其影响。 由于计算复杂度呈指数增长，因此对于大规模天线而言，使用诸如相位噪声估计和补偿以及数字预矫正（digital pre-distortion）之类的硬件减损算法是不可行的。 通过设计智能传输物理层方案，可以大大减少相移问题。 为了降低基带信号处理的成本，非常需要构建专用硬件，该硬件也可以并行运行。 低成本放大器对发射机的影响可以通过降低峰均功率比（PAPR）来减轻。
