[论文解读] Fixed Point Realization of Iterative LR-Aided Soft MIMO Decoding Algorithm

Mehnaz Rahman, Gwan Choi|arXiv (Cornell University)|Mar 31, 2015

Advanced Wireless Communication Techniques参考文献 21被引用 3

一句话总结

本文提出了一种基于K-best检测器的迭代LR辅助软MIMO解码算法的定点实现，以降低复杂度，同时保持接近最大似然（Maximum Likelihood）的性能。仿真结果表明，对于8×8 MIMO系统，在各种调制方案下，16位定点格式的误比特率（BER）劣化不超过0.3 dB，从而实现了高效硬件部署且性能损失最小。

ABSTRACT

Multiple-input multiple-output (MIMO) systems have been widely acclaimed in order to provide high data rates. Recently Lattice Reduction (LR) aided detectors have been proposed to achieve near Maximum Likelihood (ML) performance with low complexity. In this paper, we develop the fixed point design of an iterative soft decision based LR-aided K-best decoder, which reduces the complexity of existing sphere decoder. A simulation based word-length optimization is presented for physical implementation of the K-best decoder. Simulations show that the fixed point result of 16 bit precision can keep bit error rate (BER) degradation within 0.3 dB for 8x8 MIMO systems with different modulation schemes.

研究动机与目标

• 降低MIMO检测的硬件复杂度，同时保持接近最大似然的性能。
• 通过定点算术实现迭代软判决基于LR辅助的K-best解码的实用物理实现。
• 优化定点表示的字长，以最小化MIMO系统中的BER劣化。
• 评估不同调制方案和MIMO配置下定点实现的性能。
• 证明16位定点精度在8×8 MIMO系统中可实现最小性能损失，具备可行性。

提出的方法

• 采用Q15格式设计16位精度的迭代LR辅助软MIMO解码算法的定点表示。
• 应用格归约（LR）将MIMO检测问题转换为更适合K-best检测的形式。
• 实现迭代软判决反馈机制，以在逐次干扰消除中改进可靠性估计。
• 通过仿真进行字长优化，确定内部数据路径的最佳位宽。
• 采用定点算术的K-best球形解码算法，以降低计算复杂度。
• 在8×8 MIMO配置中，针对多种调制方案（如QPSK、16-QAM）验证设计性能。

实验结果

研究问题

• RQ1 定点实现的迭代LR辅助K-best MIMO解码器是否能在降低复杂度的同时实现接近ML的性能？
• RQ2 在8×8 MIMO系统中，维持可接受BER劣化的最小字长是多少？
• RQ3 定点设计的BER性能与浮点参考相比，在不同调制方案下的表现如何？
• RQ4 格归约在MIMO系统中对定点K-best解码性能的提升程度如何？
• RQ5 所提出的定点设计是否可在硬件中实际部署，且性能损失最小？

主要发现

• 16位定点实现与浮点参考相比，在8×8 MIMO系统中BER劣化小于0.3 dB。
• 定点设计在多种调制方案（包括QPSK和16-QAM）下均保持接近最大似然的性能。
• 通过仿真进行的字长优化显著降低了硬件复杂度，且性能损失可忽略不计。
• 迭代软判决反馈机制提升了定点解码链的可靠性和收敛性。
• 所提方法实现了K-best解码的高效硬件实现，具有低面积和低功耗特性。
• 结果表明，16位定点算术在高数据速率MIMO系统中可实现最小性能劣化，具备部署可行性。