[论文解读] GMD-Based Hybrid Precoding For Millimeter-Wave Massive MIMO Systems

Tian Xie, Linglong Dai+3 more|arXiv (Cornell University)|May 16, 2016

Millimeter-Wave Propagation and Modeling参考文献 10被引用 5

一句话总结

本文提出了一种基于几何平均分解（GMD）的混合波束成形方案，用于毫米波大规模MIMO系统，以消除传统SVD-based混合波束成形中复杂的比特分配需求。通过利用GMD均衡所有子信道的信噪比（SNR），并采用解耦设计——即使用基追踪法设计模拟波束成形，利用GMD投影设计数字波束成形，该方案在低复杂度下实现了优异的误块率（BER）性能，相较于SVD-based方法，在BER = 10⁻³时频谱效率提升高达3.5 dB。

ABSTRACT

Hybrid precoding can significantly reduce the number of required radio frequency (RF) chains and relieve the huge energy consumption in mmWave massive MIMO systems, thus attracting much interests from academic and industry. However, most existing hybrid precoding schemes are based on singular value decomposition (SVD). Due to the very different sub-channel signal-to-noise ratios (SNRs) after SVD, complicated bit allocations is usually required to match the sub-channel SNRs. To solve this problem, we propose a geometric mean decomposition (GMD)-based hybrid precoding scheme to avoid the complicated bit allocation. Its basic idea is to seek a pair of analog and digital precoding matrices that are sufficiently close to the optimal unconstrained GMD precoding matrix. Specifically, we design the analog (digital) precoding matrix while keeping the digital (analog) precoding matrix fixed. Further, the principle of basis pursuit is utilized in the design of analog precoding matrix, while we obtain the digital precoding matrix by projecting the GMD operation on the digital precoding matrix. Simulation results verify that the proposed GMD-based hybird precoding scheme outperforms conventional SVD-based hybrid precoding schemes and achieves much better bit error rate (BER) performance with low complexity.

研究动机与目标

• 解决SVD-based混合波束成形在毫米波大规模MIMO系统中因子信道SNR不均导致的高编码/解码复杂度问题。
• 通过均衡所有数据流的子信道信噪比（SNR），消除对复杂比特分配的需求。
• 设计一种低复杂度的混合波束成形方案，使其性能近似于完全数字GMD波束成形。
• 实现毫米波大规模MIMO的实用化，降低射频链路数量需求并提升频谱效率。

提出的方法

• 使用几何平均分解（GMD）将信道转换为多个相同的子信道，从而均衡SNR并避免比特分配。
• 采用解耦优化方法：固定一个波束成形矩阵（模拟或数字），同时优化另一个。
• 应用基追踪原理设计模拟波束成形矩阵，确保稀疏性与硬件可行性。
• 将GMD操作投影到数字波束成形矩阵上，推导出数字波束成形器，同时保持GMD结构。
• 采用混合模拟/数字波束成形架构，基站和用户设备均配置 $ N_{\text{t}}^{\text{RF}} = N_{\text{r}}^{\text{RF}} = 4 $ 根射频链路。
• 仅以 $ \tcal{O}((N_s + N_t)N_s) $ 的复杂度实现GMD变换，相较于SVD-based方案增加的开销可忽略。

实验结果

研究问题

• RQ1 GMD-based混合波束成形在毫米波大规模MIMO系统中能否实现优于SVD-based混合波束成形的BER性能？
• RQ2 GMD-based波束成形是否通过均衡子信道SNR，消除了对复杂比特分配的需求？
• RQ3 所提出的GMD-based混合波束成形与完全数字GMD波束成形相比，在BER和复杂度方面表现如何？
• RQ4 增加基站天线数量对所提出方案的BER性能有何影响？

主要发现

• 在128×16毫米波大规模MIMO系统中，所提出的GMD-based混合波束成形在约-4 dB SNR时达到BER = 10⁻³，优于SVD-based方案。
• 在256×16系统中，达到BER = 10⁻³所需的SNR比完全数字SVD-based波束成形低约2.5 dB，比SVD-based混合波束成形低3.5 dB。
• 所提出的GMD-based混合波束成形与完全数字GMD波束成形之间的性能差距可忽略不计，表明其接近最优性能。
• 与SVD-based混合波束成形相比，该方案仅增加微小的额外复杂度，GMD计算的额外开销为 $ \tcal{O}((N_s + N_t)N_s) $。
• BER性能的提升归因于通过GMD均衡子信道SNR，避免了低SNR子信道的性能退化。