[论文解读] Accelerating Channel Estimation and Demodulation of Uplink OFDM symbols for Large Scale Antenna Systems using GPU

Bhargav Gokalgandhi, Christina Segerholm+2 more|arXiv (Cornell University)|Jan 22, 2019

Advanced MIMO Systems Optimization参考文献 7被引用 6

一句话总结

本文提出了一种基于CPU-GPU混合架构的GPU加速波束成形方法，用于大规模MIMO系统上行链路OFDM的信道估计与解调。通过利用GPU并行计算实现最小二乘信道估计和最大比率合并（MRC），该方法在1024点FFT、16根天线配置下，相较于纯CPU处理，最高可实现12.5倍的加速，证明了GPU在大规模MIMO系统后端高吞吐量处理中的可行性。

ABSTRACT

Increase in the number of antennas in the front-end increases the volume of data to be processed at the back-end. This establishes a need for acceleration in back-end processing. To solve the issue of high volume data processing at back-end, a GPU is utilized. Acceleration for Least Squares channel estimation and demodulation of uplink OFDM symbols is provided by using a combination of CPU and GPU at the back-end. Single user uplink scenario is implemented in near real-time manner using the USRP platform present in the Large scale antenna systems in ORBIT Testbed. The number of antennas and FFT length are varied to provide different scenarios for comparison. The performance of both CPU and GPU is compared for each process.

研究动机与目标

• 解决由于天线数量增加而带来的大规模MIMO系统后端处理计算负担日益加重的问题。
• 克服纯CPU处理在实时系统中对高吞吐量OFDM信号处理的性能限制。
• 评估GPU加速作为软件定义无线电环境中后端信号处理的灵活、低成本替代方案（相较于FPGA/ASIC）。
• 在基于USRP的ORBIT测试平台中，验证上行链路OFDM解调与信道估计的实时性能。

提出的方法

• 实现一种混合CPU-GPU架构，其中CPU负责数据传输与控制，GPU加速可并行化的任务，如FFT和最小二乘计算。
• 使用CUDA内核在子载波与天线之间并行化最小二乘信道估计，每个子载波使用N个块，每根天线使用M个线程。
• 在GPU上利用共享内存与并行归约实现最大比率合并（MRC），高效地对天线间信号求和。
• 由于内存访问开销较低，将循环前缀去除与fftshift操作在CPU上实现。
• 通过最小化延迟并最大化内存访问的连续性，优化CPU与GPU之间的数据传输。
• 使用ORBIT测试平台，配备USRP X310与16天线大规模MIMO微型阵列，验证不同FFT尺寸（64、1024）与天线数量（1–16）下的性能表现。

实验结果

研究问题

• RQ1 GPU加速是否能显著缩短大规模MIMO系统中OFDM信道估计与解调的执行时间？
• RQ2 随着天线数量与FFT尺寸的增加，GPU处理的性能增益如何变化？
• RQ3 GPU-CPU数据传输延迟对整体处理时间的影响如何，特别是在小规模配置下？
• RQ4 GPU并行计算在多大程度上能够抵消实时OFDM信号处理中数据移动的开销？
• RQ5 在何种条件下，基于GPU的处理优于纯CPU处理的上行链路OFDM系统？

主要发现

• 在1024点FFT与16根天线配置下，GPU在信道估计与解调任务中平均实现12.5倍于CPU的加速。
• 在低天线数配置下（如1–4根），由于数据传输延迟的影响，GPU执行时间超过CPU，因此CPU在这些配置下反而更快。
• 执行时间随天线数量与FFT尺寸的增加呈线性增长，该结论得到ORBIT测试平台吞吐量测量结果的支持。
• 加速效果高度依赖于FFT长度，大FFT（1024点）相比小FFT（64点）可获得显著更高的GPU加速比。
• 利用共享内存的并行归约将求和复杂度从O(N)降低至O(log N)，从而在GPU上高效实现MRC。
• 结果表明，仅当存在足够并行性以抵消通信开销时，GPU加速才在大规模MIMO系统中具备可行性。