[论文解读] SNR Estimation in Maximum Likelihood Decoded Spatial Multiplexing

Oded Redlich, Дорон Эзри+1 more|ArXiv.org|Sep 7, 2009

Advanced MIMO Systems Optimization参考文献 14被引用 4

一句话总结

本文提出了一种用于最大似然（ML）解码的空间复用MIMO系统的低复杂度信噪比（SNR）估计方法，基于每流误码率的近似。通过利用ML解码器本身，该方法实现了近乎零开销的精确后处理SNR估计，性能接近联合界（union bound）的1 dB以内，并支持所有调制方式（包括16QAM和64QAM）的单一QPSK基准估计器。

ABSTRACT

Link adaptation is a crucial part of many modern communications systems, allowing the system to adapt the transmission and reception strategies to changes in channel conditions. One of the fundamental components of the link adaptation mechanism is signal to noise ratio (SNR) estimation, measuring the instantaneous (mostly post processing) SNR at the receiver. That is, the SNR at the decoder input, which is an important metric for the prediction of decoder performance. In linearly decoded MIMO, which is the common MIMO decoding strategy, the post processing SNR is well defined. However, this is not the case in optimal maximum likelihood (ML) decoding applied to spatial multiplexing (SM). This gap is interesting since ML decoded SM is gaining ever growing interest in recent research and practice due to the rapid increase in computation power, and available near optimal low complexity schemes. In this paper we close the gap and provide SNR estimation schemes for ML decoded SM, which are based on various approximations of the "per stream" error probability. The proposed methods are applicable for both horizonal and vertical decoding. Moreover, we propose a very low complexity implementation for the SNR estimation mechanism employing the ML decoder itself with negligible overhead.

研究动机与目标

• 解决ML解码空间复用MIMO系统中缺乏可靠后处理SNR估计的问题。
• 开发适用于水平与垂直解码结构的SNR估计方法。
• 通过利用ML解码器实现低复杂度SNR估计，且开销可忽略不计。
• 通过证明QPSK基准估计器在16QAM和64QAM中均表现良好，实现调制无关性。
• 通过实现每流SNR估计，支持上行/下行链路SDMA系统的链路自适应。

提出的方法

• 基于每流误码率近似（全和近似与最大对数近似）提出SNR估计方法。
• 利用ML解码器输出计算误码率估计值，无需额外计算，从而实现低开销实现。
• 应用联合界近似，推导出SNR估计精度的理论基准。
• 通过误码率模型的反函数推导每流SNR估计值，并引入调制相关的缩放因子（例如16QAM为10，64QAM为42）。
• 引入垂直SNR作为每流SNR的对数平均值，以支持单SNR反馈。
• 通过蒙特卡洛仿真在QPSK、16QAM和64QAM星座图下验证该方法，假设信道状态信息完美。

实验结果

研究问题

• RQ1 在无标准定义的ML解码空间复用MIMO系统中，如何实现后处理SNR估计？
• RQ2 是否存在一种低复杂度方法，仅利用ML解码器输出即可实现SNR估计，且开销可忽略？
• RQ3 基于QPSK的SNR估计器能否为16QAM和64QAM等高阶调制提供足够的精度？
• RQ4 近似SNR估计方法的性能与联合界及容量基准SNR相比如何？
• RQ5 每流SNR估计对SDMA系统中链路自适应的影响是什么？

主要发现

• 所提出的SNR估计方法标准差约为1 dB，性能与联合界相差不到1 dB。
• 与全和近似相比，最大对数近似引入的性能损失可忽略不计，且误码分布几乎完全相同。
• 基于QPSK的SNR估计器在16QAM下的标准差约为2 dB，与专用16QAM估计器相比仅存在轻微性能损失。
• 基于每流SNR平均值的垂直SNR标准差约为1 dB，其误差标准差优于容量基准SNR。
• 在均值误差补偿后，每流SNR估计误差分布关于零对称，表明偏差极低。
• 该方法实现了所有调制方式下的统一、单一SNR估计机制，显著降低了实现复杂度。