[论文解读] A Low-Complexity Receiver Using Combined BP-MF for Joint Channel Estimation and Decoding in OFDM Systems.

Zhengdao Yuan, Chuanzong Zhang+4 more|arXiv (Cornell University)|Jan 22, 2016

Advanced Wireless Communication Techniques被引用 3

一句话总结

本文提出了一种低复杂度的OFDM系统迭代检测器，通过在拉伸因子图上结合信念传播（BP）与平均场（MF）框架，联合估计信道状态信息、噪声精度并解码数据。通过将广义近似消息传递（GAMP）集成到BP-MF结构中，该方法在时间-频率域信道估计中实现了与最先进BP-MF算法相当的性能，同时显著降低了计算复杂度。

ABSTRACT

We proposed an iterative message passing receiver, which jointly performs channel state information and noise precision estimation and decoding, for OFDM systems. A message passing framework, which combines belief propagation (BP) and mean field (MF), is exploited on a stretched factor graph, where MF message update rule is used for observation factor nodes, so that noise precision (the reciprocal of AWGN variable) can be estimated. We introduce low complexity generalized approximate message passing (GAMP) method into the combined BP-MF framework to carry out channel estimation in time-frequency domain. Our numerical assessment demonstrates that the proposed receiver yields the same performance with the state of art BP-MF based algorithm while have much lower computational complexity.

研究动机与目标

• 解决现有OFDM系统中联合信道估计与解码方法计算复杂度过高的问题。
• 实现在时频域中对信道状态信息与噪声精度的精确估计。
• 设计一种集成消息传递技术的接收机框架，以提升效率与性能。
• 在不牺牲与最先进BP-MF接收机相当性能的前提下降低复杂度。

提出的方法

• 构建拉伸因子图以建模OFDM系统中信道状态信息与噪声精度的联合估计。
• 结合信念传播（BP）与平均场（MF）消息传递框架，其中MF专门用于观测因子节点以估计噪声精度。
• 将广义近似消息传递（GAMP）集成到BP-MF框架中，实现在时频域的低复杂度信道估计。
• 在因子图上执行迭代消息传递，以联合优化信道估计、噪声精度与数据解码。
• 基于因子图结构推导消息更新规则，结合BP用于变量节点与MF用于因子节点。
• 算法设计为可迭代收敛，每轮迭代均提升估计精度，同时保持低计算负载。

实验结果

研究问题

• RQ1 结合GAMP的BP-MF框架是否能在OFDM系统中实现与最先进BP-MF算法相当的性能？
• RQ2 将GAMP集成到BP-MF框架中，如何降低时频域信道估计中的计算复杂度？
• RQ3 在观测因子节点上使用MF消息更新，噪声精度估计的改善程度如何？
• RQ4 与现有迭代接收机相比，所提出的接收机在降低复杂度的同时是否仍能保持高解码精度？

主要发现

• 所提出的接收机在联合信道估计与解码方面实现了与最先进BP-MF算法相当的性能。
• 所提方法的计算复杂度显著低于传统BP-MF方法。
• GAMP的集成实现了时频域高效且低复杂度的信道估计。
• 在观测因子节点上使用MF进行噪声精度估计，提升了在高噪声环境下的鲁棒性。
• 在拉伸因子图上执行的迭代消息传递实现了稳定收敛与精确的联合估计。
• 该方法在降低处理负载的同时，保持了高谱效率与可靠的解码性能。