[论文解读] Distributed Receivers for Extra-Large Scale MIMO Arrays: A Message Passing Approach

Abolfazl Amiri, Sajad Rezaie+2 more|arXiv (Cornell University)|Jul 14, 2020

Advanced MIMO Systems Optimization参考文献 24被引用 9

一句话总结

本文提出一种用于超大规模MIMO（XL-MIMO）系统的分布式消息传递接收机，采用变分消息传递（VMP）以解决大规模阵列中高计算复杂度及用户能量分布空间非平稳性的问题。通过利用用户可视区域（VRs）并将处理任务分布到本地处理单元（LPUs），该方法在计算复杂度较迫零（ZF）降低高达75%的同时，实现接近最优的性能，在相关信道中优于当前最先进的线性接收机。

ABSTRACT

We study the design of receivers in extra-large scale MIMO (XL-MIMO) systems, i.e. systems in which the base station is equipped with an antenna array of extremely large dimensions. While XL-MIMO can significantly increase the system's spectral efficiency, they present two important challenges. One is the increased computational cost of the multi-antenna processing. The second is the variations of user energy distribution over the antenna elements and therefore spatial non-stationarities in these energy distributions. Such non-stationarities limit the performance of the system. In this paper, we propose a distributed receiver for such an XL-MIMO system that can address both challenges. Based on variational message passing (VMP), We propose a set of receiver options providing a range of complexity-performance characteristics to adapt to different requirements. Furthermore, we distribute the processing into local processing units (LPU), that can perform most of the complex processing in parallel, before sharing their outcome with a central processing unit (CPU). Our designs are specifically tailored to exploit the spatial non-stationarities and require lower computations than linear receivers such as zero-forcing. Our simulation study, performed with a channel model accounting for the special characteristics of XL-MIMO channels, confirms the superior performance of our proposals compared to the state of the art methods.

研究动机与目标

• 解决超大规模阵列中多天线处理带来的高计算复杂度问题。
• 缓解因大规模天线阵列中用户能量分布空间非平稳性导致的性能下降问题。
• 设计一种可扩展的分布式接收机架构，支持并行处理与动态复杂度-性能权衡。
• 利用用户可视区域（VRs）降低处理负载，同时不牺牲频谱效率。
• 在高度相关、非平稳的XL-MIMO信道中，超越传统线性接收机（如ZF与MMSE）的性能表现。

提出的方法

• 提出一种包含本地处理单元（LPUs）与中央处理单元（CPU）的分布式接收机架构，以并行化复杂信号处理任务。
• 采用变分消息传递（VMP）实现迭代多用户检测，并通过消息更新实现内置的连续干扰 cancellation（SIC）。
• 利用可视区域（VRs）识别阵列中主导的用户能量簇，实现选择性数据融合与复杂度降低。
• 提出三种数据融合策略：基于功率的（PWR）、基于噪声精度的（NOP）以及混合型（HYB），其中HYB在性能与复杂度之间实现最优权衡。
• 采用基于二分图的用户到子阵列分配机制，实现高效分布式处理与干扰管理。
• 通过最大活动子阵列数（B_max）与融合模式等参数调节接收机复杂度，支持运行时自适应调整。

实验结果

研究问题

• RQ1 分布式消息传递接收机是否能在保持高 spectral efficiency 的同时降低XL-MIMO系统的计算复杂度？
• RQ2 通过利用可视区域（VRs）来表征空间非平稳性，相较于传统线性接收机，能否显著提升接收机性能？
• RQ3 当仅融合部分子阵列的数据时，VMP接收机的性能-复杂度权衡如何？
• RQ4 在相关性高、非平稳的信道中，所提出的VMP接收机与迫零（ZF）和匹配滤波（MF）理论下界相比表现如何？
• RQ5 该分布式架构是否能支持在实际XL-MIMO系统中可扩展部署，且中央处理开销极低？

主要发现

• 采用全量数据融合的VMP接收机在高度相关信道中性能距离匹配滤波下界仅1 dB，表现接近最优。
• 混合型（HYB）数据融合模式在实现接近全融合性能的同时，相较全融合将复杂度降低了约75%。
• 基于VR的VMP接收机在低信噪比（SNR）与高相关性场景下，显著优于迫零（ZF）与PWR方法。
• 随着子阵列数量（B）增加，性能有所下降，但在B=16（每子阵列M/B=8）时仍优于集中式ZF与最大比合并（MRC）接收机。
• 复杂度分析表明，采用HYB融合的VR-VMP接收机复杂度接近ZF，但误符号率（SER）性能更优，支持高效复杂度-性能权衡。
• VMP内部的SIC机制能有效消除重叠可视区域用户间的干扰，显著提升能量分布相关的用户性能。