[论文解读] Low Complexity Symbol-Level Design for Linear Precoding Systems

Jevgenij Krivochiza, Ashkan Kalantari+2 more|arXiv (Cornell University)|Oct 27, 2017

Advanced MIMO Systems Optimization参考文献 8被引用 18

一句话总结

本文提出了一种针对MIMO系统的低复杂度符号级预编码技术，通过非负最小二乘法（NNLS）优化符号幅度和相位，以最小化发射功率，在保持接近最佳基准性能的同时，处理时间显著低于现有最优方法。该方法在QPSK、M-PSK和M-APSK调制星座图中具有统一适用性，计算开销极低。

ABSTRACT

The practical utilization of the symbol-level precoding in MIMO systems is challenging since the implementation of the sophisticated optimization algorithms must be done with reasonable computational resources. In the real implementation of MIMO precoding systems, the processing time for each set of symbols is a crucial parameter, especially in the high-throughput mode. In this work, a symbol-level optimization algorithm with reduced complexity is devised. Performance of a symbol-level precoder is shown to improve in terms of the processing times per set of symbols.

研究动机与目标

• 解决MIMO系统中符号级预编码的高计算复杂度问题，特别是针对多级调制星座图的情况。
• 降低高吞吐量MIMO预编码系统中每组符号的处理时间。
• 在简化不同调制格式实现的同时，保持低发射功率。
• 通过减少对昂贵凸优化或SVD的依赖，实现符号级预编码的实际部署。
• 在显著降低处理延迟的同时，实现与最优预编码器相当的性能。

提出的方法

• 将符号级功率最小化问题建模为NNLS问题，避免使用昂贵的SVD或通用凸优化。
• 在应用传统ZF预编码前，对未预编码符号的相位和幅度进行优化。
• 优化过程确保波束成形的相长干涉，从而降低总发射功率。
• 对于M-PSK和M-APSK，算法通过两阶段变换将符号映射到NNLS兼容域。
• 该方法在所有调制星座图中保持相同的优化结构，确保计算复杂度一致。
• 采用基于阈值的削峰机制，将符号能量限制在星座图的最大电平以内。

实验结果

研究问题

• RQ1 是否能够设计出在所有调制类型（包括M-PSK和M-APSK）下复杂度与NNLS相当的符号级预编码方法？
• RQ2 所提方法在每组符号的处理时间上是否显著低于现有最优符号级预编码器？
• RQ3 在总发射功率方面，所提方法与ZF和最优预编码器相比表现如何？
• RQ4 当发射天线数超过接收天线数时，所提方法与基准之间的性能差距如何变化？
• RQ5 在高阶调制下，该方法是否能在不显著牺牲功率效率的前提下保持低复杂度？

主要发现

• 在QPSK系统中，当$N_t = N_r$时，所提方法的总发射功率比ZF预编码器低9 dB，且在所有$N_t$条件下均低于ZF。
• 在8-PSK系统中，当$N_t = 10$时，所提方法比ZF低2 dB，但相比文献[4]中的最优预编码器仍低2.9 dB。
• 当$N_t > N_r$时，所提方法与[4]之间的性能差距缩小至仅0.8 dB。
• 由于避免了SVD计算，仅依赖NNLS，所提方法的处理时间显著低于所有基准，包括[4]。
• 在16-APSK系统中，所提方法的发射功率低于ZF，但在$N_t = N_r$时被[6]超越，且随着$N_t$增加，该差距逐渐消失。
• M-PSK/M-APSK中两阶段变换带来的额外处理开销对总处理时间影响极小，有效保持了低时延性能。