[论文解读] Efficient Soft-Output Gauss-Seidel Data Detector for Massive MIMO Systems

Chuan Zhang, Zhizhen Wu+3 more|arXiv (Cornell University)|Apr 17, 2018

Advanced Wireless Communication Techniques参考文献 31被引用 10

一句话总结

该论文提出了一种基于高斯-赛德尔（GS）的高效软输出数据检测器，用于大规模MIMO系统，通过使用二项式诺依曼级数展开（NSE）作为初始解，加速收敛。该VLSI架构在128×8大规模MIMO系统上实现了732 Mb/s的吞吐量，且误码率性能接近MMSE，优于以往设计，在延迟、面积和硬件效率方面表现更优，同时在恶劣传播条件下仍保持低复杂度。

ABSTRACT

For massive multiple-input multiple-output (MIMO) systems, linear minimum mean-square error (MMSE) detection has been shown to achieve near-optimal performance but suffers from excessively high complexity due to the large-scale matrix inversion. Being matrix inversion free, detection algorithms based on the Gauss-Seidel (GS) method have been proved more efficient than conventional Neumann series expansion (NSE) based ones. In this paper, an efficient GS-based soft-output data detector for massive MIMO and a corresponding VLSI architecture are proposed. To accelerate the convergence of the GS method, a new initial solution is proposed. Several optimizations on the VLSI architecture level are proposed to further reduce the processing latency and area. Our reference implementation results on a Xilinx Virtex-7 XC7VX690T FPGA for a 128 base-station antenna and 8 user massive MIMO system show that our GS-based data detector achieves a throughput of 732 Mb/s with close-to-MMSE error-rate performance. Our implementation results demonstrate that the proposed solution has advantages over existing designs in terms of complexity and efficiency, especially under challenging propagation conditions.

研究动机与目标

• 为解决大规模MIMO系统中由于大规模矩阵求逆导致的最优线性MMSE检测计算复杂度高的问题。
• 克服现有基于高斯-赛德尔（GS）的检测器收敛速度慢和硬件复杂度高的问题。
• 设计一种VLSI架构，实现软输出数据检测的高吞吐量、低延迟和面积高效。
• 在减少字长和使用定点算术的前提下，实现接近MMSE的误码率性能，以支持实际硬件部署。

提出的方法

• 使用二项式诺依曼级数展开（NSE）作为初始解，以加速高斯-赛德尔（GS）迭代方法的收敛速度。
• 利用大规模MIMO中MMSE滤波矩阵的对角占优特性，提升收敛速度。
• 采用硬件高效的矩阵压缩/解压缩方案，对正则化格拉姆矩阵进行处理，以减少字长和面积。
• 通过流水线、并行处理以及利用厄米特对称性的低延迟NSE计算单元，优化VLSI架构。
• 将所有乘法运算映射至DSP48切片，并采用15位定点算术，输出精度为10–12位，以降低面积和功耗。
• 提出一种新型迭代GS基算法（IGS），仅需一次迭代（K=1）即可保持高性能，从而实现高吞吐量。

实验结果

研究问题

• RQ1 基于二项式NSE的初始解是否能显著加速大规模MIMO检测中GS方法的收敛？
• RQ2 与采用K=3次迭代的NSE基方法相比，所提出的IGS算法在K=1次迭代时的性能与复杂度表现如何？
• RQ3 哪些关键架构优化实现了基于GS的软输出检测的高吞吐量、低延迟和面积高效？
• RQ4 在字长缩减的情况下，定点算术在多大程度上能保持与浮点算术相当的误码率性能？
• RQ5 在高系统负载或相关信道等恶劣传播条件下，所提出的检测器性能如何？

主要发现

• 所提出的IGS检测器在Xilinx Virtex-7 FPGA上实现了732 Mb/s的吞吐量，适用于128×8大规模MIMO系统，优于所有对比设计的吞吐量和硬件效率。
• 即使采用定点算术，检测器仍实现了接近MMSE的误码率性能，在0.1%误码率时实现损失小于0.05 dB。
• 所提出的架构在所有对比设计中实现了最高的吞吐量/寄存器文件（FFs）比（9,982 Mb/s per FF）和第二高的吞吐量/LUTs比（6,943 Mb/s per LUT）。
• 采用二项式NSE进行初始化显著减少了收敛时间，尤其在高负载或相关信道条件下效果更明显。
• 优化后的VLSI架构将GS迭代延迟降低一半，支持高达308 MHz的时钟频率，且资源使用量低（35,721 slices，1,850 DSP48s）。
• 即使在K=3次迭代时，吞吐量仍保持在626 Mb/s，表明其在不同系统配置下具备良好的可扩展性和鲁棒性。