[论文解读] A Novel and Efficient Vector Quantization Based CPRI Compression Algorithm

Hongbo Si, Boon Loong Ng+3 more|arXiv (Cornell University)|Oct 16, 2015

Advanced MIMO Systems Optimization参考文献 16被引用 3

一句话总结

本文提出一种基于向量量化（VQ）的新型压缩算法，用于C-RAN系统中的CPRI链路，利用改进初始化的Lloyd算法与多阶段量化，实现上行链路4×、下行链路4.5×的压缩率，且EVM失真低于2%。该方法利用OFDM I/Q样本中的时域相关性，对调制失配、 fading、SNR变化及多普勒扩展等实际信道 impairments 具有鲁棒性。

ABSTRACT

The future wireless network, such as Centralized Radio Access Network (C-RAN), will need to deliver data rate about 100 to 1000 times the current 4G technology. For C-RAN based network architecture, there is a pressing need for tremendous enhancement of the effective data rate of the Common Public Radio Interface (CPRI). Compression of CPRI data is one of the potential enhancements. In this paper, we introduce a vector quantization based compression algorithm for CPRI links, utilizing Lloyd algorithm. Methods to vectorize the I/Q samples and enhanced initialization of Lloyd algorithm for codebook training are investigated for improved performance. Multi-stage vector quantization and unequally protected multi-group quantization are considered to reduce codebook search complexity and codebook size. Simulation results show that our solution can achieve compression of 4 times for uplink and 4.5 times for downlink, within 2% Error Vector Magnitude (EVM) distortion. Remarkably, vector quantization codebook proves to be quite robust against data modulation mismatch, fading, signal-to-noise ratio (SNR) and Doppler spread.

研究动机与目标

• 解决未来5G与C-RAN网络中对更高CPRI数据速率效率的迫切需求，其中数据速率需比4G提升100–1000倍。
• 克服标量量化在利用OFDM信号中I/Q样本间时域相关性方面的局限性。
• 开发一种低复杂度、高性能的压缩方案，可与现有C-RAN架构无缝兼容，仅需极少修改。
• 在保持严格EVM失真约束（≤2%）的前提下，实现高倍率压缩增益，适用于上行与下行链路。
• 确保压缩方案在实际干扰（如衰落、SNR变化、多普勒扩展及调制失配）下的鲁棒性。

提出的方法

• 通过多种向量化方法从I/Q样本构造向量，以利用OFDM符号中的时域相关性。
• 采用Lloyd算法进行码书训练，并通过串行多轮试验初始化方法提升码书质量。
• 引入多阶段向量量化（MSVQ）以降低码书搜索与存储复杂度。
• 采用不等保护多组量化（UPMGQ）优先处理关键信号分量，降低整体失真。
• 集成预处理模块：下行链路仅需循环前缀移除、频域抽取（降低采样率）与块缩放（AGC），以归一化动态范围。
• 使用信号模型：输入I/Q样本经循环前缀移除、抽取、块缩放后，最终通过训练好的码书进行向量量化。

实验结果

研究问题

• RQ1 通过利用OFDM信号中的时域相关性，向量量化是否能优于标量量化，实现对CPRI I/Q样本的压缩？
• RQ2 Lloyd算法的增强初始化方式在VQ-based CPRI压缩中如何提升码书质量并降低EVM失真？
• RQ3 多阶段与不等保护量化在多大程度上可降低计算复杂度，同时不牺牲压缩性能？
• RQ4 在保持EVM失真低于2%的条件下，上行与下行链路CPRI链路可实现的压缩增益是多少？
• RQ5 所提出的基于VQ的压缩方案在实际干扰（如衰落、SNR变化与多普勒扩展）下的鲁棒性如何？

主要发现

• 所提出的基于VQ的CPRI压缩方案在下行链路实现4.5×压缩增益，上行链路实现4×压缩增益，且EVM失真低于2%。
• 采用串行多轮试验初始化的增强Lloyd算法显著提升码书质量，相比标准初始化方式，可进一步降低EVM失真。
• 多阶段向量量化（MSVQ）与不等保护多组量化（UPMGQ）有效降低了码书搜索与存储复杂度。
• 该压缩方案在多种干扰下保持鲁棒性能：调制失配、衰落、SNR变化及多普勒扩展。
• 通过循环前缀移除与抽取实现的CPRI压缩，在下行链路提供1.125×的初始增益，且在最优设置下，抽取带来的失真下限约为0.23% EVM。
• 块缩放在10 MHz LTE系统中引入3.33 μs的延迟（块大小为32），对实时系统而言可接受。