[论文解读] Detection and Estimation Algorithms in Massive MIMO Systems

Rodrigo C. de Lamare, Neto, R. Sampaio|arXiv (Cornell University)|Aug 21, 2014

Advanced Wireless Communication Techniques参考文献 87被引用 4

一句话总结

本文针对上行链路蜂窝网络中的大规模MIMO系统，提出了一套低复杂度的检测与估计算法，重点研究集中式天线系统（CAS）和分布式天线系统（DAS）。结果表明，诸如JIDF-RLS等降秩估计技术可在远少于标准RLS算法所需导频符号数的情况下，实现接近最优的性能，显著降低训练开销，同时保持低误比特率（BER）。

ABSTRACT

This book chapter reviews signal detection and parameter estimation techniques for multiuser multiple-antenna wireless systems with a very large number of antennas, known as massive multi-input multi-output (MIMO) systems. We consider both centralized antenna systems (CAS) and distributed antenna systems (DAS) architectures in which a large number of antenna elements are employed and focus on the uplink of a mobile cellular system. In particular, we focus on receive processing techniques that include signal detection and parameter estimation problems and discuss the specific needs of massive MIMO systems. Simulation results illustrate the performance of detection and estimation algorithms under several scenarios of interest. Key problems are discussed and future trends in massive MIMO systems are pointed out.

研究动机与目标

• 解决当大规模阵列天线数量增加时，传统MIMO检测与估计算法计算复杂度过高的问题。
• 通过开发低秩与稀疏性感知的算法，降低导频开销，同时在更少的训练符号下保持性能。
• 通过实现低成本、迭代式的检测与解码，降低反馈与延迟，提升大规模MIMO系统的可扩展性与能效。
• 通过先进的信号处理技术，缓解导频污染、I/Q不平衡与小区间干扰等关键限制因素。
• 通过提出可扩展、低时延的检测与估计策略，推动大规模MIMO在下一代5G网络中的实际部署。

提出的方法

• 提出迭代检测与解码（IDD）机制，通过检测器与解码器之间交换对数似然比（LLR），提升多用户大规模MIMO系统中的性能。
• 应用降秩估计算法——Krylov-RLS、JIO-RLS与JIDF-RLS——利用低维子空间近似全秩信道矩阵，降低计算负载。
• 采用具有秩缩减的递归最小二乘法（RLS）算法，高效估计接收波束成形器，通过固定秩D限制复杂度。
• 在DAS配置中采用联合迭代检测与反馈（JIDF）框架，并引入插值器，以提升收敛速度并降低导频开销。
• 在多种信道模型与系统参数下分析性能，包括信噪比（SNR）、用户数量与阵列配置。
• 以误比特率（BER）与均方误差（MSE）为性能指标，对比标准RLS与降秩变体的性能。

实验结果

研究问题

• RQ1 降秩估计算法是否可在远少于标准RLS所需导频符号数的情况下，在大规模MIMO系统中实现接近最优的检测性能？
• RQ2 在反馈受限的条件下，迭代检测与解码（IDD）方案如何提升大规模MIMO上行链路系统的BER性能？
• RQ3 导频污染对信道估计有何影响？是否可通过盲估计或降秩算法缓解该影响？
• RQ4 信号处理技术如何降低大规模MIMO系统中大规模阵列天线带来的计算复杂度与反馈开销？
• RQ5 在多小区与分布式天线系统（DAS）场景下，低复杂度检测算法的性能极限是什么？

主要发现

• JIDF-RLS算法在所有降秩方法中表现出最佳的BER性能，优于Krylov-RLS、JIO-RLS与标准RLS。
• 如JIDF-RLS等降秩算法仅需极少数导频符号，即可实现与标准RLS相近的性能，显著降低训练开销。
• 随着接收符号数的增加，降秩算法的BER收敛性能提升，其中JIDF-RLS展现出最快的收敛速率。
• 在基站与用户设备分别配置64根与32根天线、共32名用户的情况下，JIDF-RLS在D=5与I=3插值器参数下，可实现接近最小均方误差（MMSE）的性能。
• 标准RLS算法仅在长训练序列下可收敛至MMSE边界，而降秩方法的收敛性能取决于协方差矩阵结构与所选秩D，可能收敛至更高的MSE值。
• 仿真结果证实，降秩技术在实际部署中具有可行性，可在大规模MIMO系统中实现性能与导频开销之间的可扩展权衡。