[论文解读] Channel Estimation and Data Equalization in Frequency-Selective MIMO Systems with One-Bit Quantization

Francisco Javier García Gómez, Jawad Munir+2 more|arXiv (Cornell University)|Sep 15, 2016

Advanced Wireless Communication Techniques参考文献 15被引用 17

一句话总结

本文针对具有1比特量化接收机的频率选择性MIMO系统，提出了一套新颖的信道估计与数据均衡技术，采用非线性（EM、GAMP）与线性（Bussgang基于）方法。在低信噪比下，性能接近Cramér-Rao下界；线性方法可在OFDM系统中实现子载波独立处理，显著降低复杂度，但在低至中等信噪比区域存在约2–3 dB的信噪比损失。

ABSTRACT

This paper addresses channel estimation and data equalization on frequency-selective 1-bit quantized Multiple Input-Multiple Output (MIMO) systems. No joint processing or Channel State Information is assumed at the transmitter, and therefore our findings are also applicable to the uplink of Multi-User MIMO systems. System models for both Orthogonal Division Frequency Multiplexing (OFDM) and single-carrier schemes are developed. A Cramér-Rao Lower Bound for the estimation problems is derived. The two nonlinear algorithms Expectation Maximization (EM) and Generalized Approximate Message Passing (GAMP) are adapted to the problems, and a linear method based on the Bussgang theorem is proposed. In the OFDM case, the linear method enables subcarrier-wise estimation, greatly reducing computational complexity. Simulations are carried out to compare the algorithms with different settings. The results turn out to be close to the Cramér-Rao bound in the low Signal to Noise Ratio (SNR) region. The OFDM setting is more suitable for the nonlinear algorithms, and that the linear methods incur a performance loss with respect to the nonlinear approaches. In the relevant low and medium SNR regions, the loss amounts to 2-3 dB and might well be justified in exchange for the reduced computational effort, especially in Massive MIMO settings.

研究动机与目标

• 解决在因功耗过高而无法使用高分辨率ADC的场景下，频率选择性MIMO系统中1比特量化接收机的信道估计与均衡挑战。
• 建立OFDM与单载波单载波MIMO传输在1比特量化条件下的系统模型。
• 推导Cramér-Rao下界（CRLB），作为估计算法性能的基准。
• 提出并适配非线性迭代算法（EM与GAMP）以及基于Bussgang定理的线性方法，以实现高效估计。
• 通过假设在发射端无信道状态信息或联合处理，证明所提方法在上行链路大规模MIMO系统中的适用性。

提出的方法

• 建立在接收端具有1比特量化特性的频率选择性MIMO系统模型，涵盖OFDM与单载波传输两种场景。
• 推导信道估计问题的Cramér-Rao下界（CRLB），以确立理论性能极限。
• 将期望最大化（EM）与广义近似消息传递（GAMP）算法适配至1比特量化环境下的最小均方误差（MMSE）估计。
• 基于Bussgang定理，开发一种线性均衡方法，支持OFDM系统中的子载波独立处理，显著降低计算复杂度。
• 通过在不同信噪比区域与系统配置下进行仿真，实现并比较EM、GAMP与基于Bussgang的线性方法的性能。

实验结果

研究问题

• RQ1 与未量化系统相比，1比特量化对频率选择性MIMO系统中信道估计与均衡性能有何影响？
• RQ2 在低信噪比与中等信噪比区域，非线性迭代算法（EM与GAMP）在多大程度上逼近理论Cramér-Rao下界？
• RQ3 基于Bussgang的线性方法能否在显著降低计算复杂度的前提下实现可接受的性能表现，特别是在OFDM系统中？
• RQ4 通过Bussgang方法实现的子载波独立均衡，对OFDM架构下1比特MIMO系统的性能与复杂度有何影响？
• RQ5 在1比特量化MIMO系统中，使用非线性与线性估计技术时，性能与复杂度之间的权衡如何？

主要发现

• 非线性EM与GAMP算法在低信噪比区域的性能非常接近Cramér-Rao下界，表明其估计精度接近最优。
• 基于Bussgang的线性方法可在OFDM系统中实现子载波独立均衡，显著降低计算复杂度，相较于联合处理方式。
• 在低至中等信噪比区域，线性方法相比非线性方法存在约2–3 dB的性能损失，但该代价可由复杂度的显著降低所抵消。
• 由于收敛性与性能特性更优，OFDM系统更适合采用EM与GAMP等非线性算法。
• 所提方法可直接应用于上行链路大规模MIMO系统，因其在发射端无需信道状态信息或联合处理。