[论文解读] Near-ML Signal Detection in Large-Dimension Linear Vector Channels Using Reactive Tabu Search

N. N. Srinidhi, Saif Khan Mohammed+2 more|ArXiv.org|Nov 24, 2009

Advanced Wireless Communication Techniques参考文献 26被引用 25

一句话总结

该论文提出了一种反应式禁忌搜索（RTS）算法，用于在大规模维度线性向量信道（包括大规模MIMO和严重时延扩展MIMO-ISI超宽带（UWB）系统）中实现低复杂度、近最大似然（near-ML）信号检测。RTS算法在显著降低复杂度的前提下，实现了接近ML的性能，相较于球形解码变体展现出更优的误比特率（BER）性能和可扩展性。

ABSTRACT

Low-complexity near-optimal signal detection in large dimensional communication systems is a challenge. In this paper, we present a reactive tabu search (RTS) algorithm, a heuristic based combinatorial optimization technique, to achieve low-complexity near-maximum likelihood (ML) signal detection in linear vector channels with large dimensions. Two practically important large-dimension linear vector channels are considered: i) multiple-input multiple-output (MIMO) channels with large number (tens) of transmit and receive antennas, and ii) severely delay-spread MIMO inter-symbol interference (ISI) channels with large number (tens to hundreds) of multipath components. These channels are of interest because the former offers the benefit of increased spectral efficiency (several tens of bps/Hz) and the latter offers the benefit of high time-diversity orders. Our simulation results show that, while algorithms including variants of sphere decoding do not scale well for large dimensions, the proposed RTS algorithm scales well for signal detection in large dimensions while achieving increasingly closer to ML performance for increasing number of dimensions.

研究动机与目标

• 为解决大规模通信系统中最大似然（ML）检测面临的高计算复杂度挑战。
• 开发一种可扩展的低复杂度检测算法，在大规模维度线性向量信道中逼近ML性能。
• 评估所提算法在两种关键大规模维度系统（大规模MIMO和严重时延扩展UWB MIMO-ISI信道）中的性能与复杂度。
• 证明RTS算法在系统维度增加时仍能有效扩展，同时保持近ML性能。

提出的方法

• 将反应式禁忌搜索（RTS）算法应用于线性向量信道中信号检测的组合优化，利用记忆机制和自适应强化策略避免陷入局部最优。
• 通过动态禁忌长度和自适应扰动策略，实现从局部极小值的逃离，提升收敛至近ML解的能力。
• 初始检测采用频域最小均方误差（FD-MMSE）均衡器，为RTS搜索提供初始起点。
• 搜索过程通过翻转比特迭代探索邻近信号星座点，依据似然性提升进行引导，并动态调整搜索参数。
• 关键RTS参数包括初始禁忌列表大小 $P_0 = 2$，扰动频率 $eta = 1$，以及基于 $eta$ 和 $ ho$ 的自适应步长控制。
• 该算法被应用于大规模天线数和多径分量的空域MIMO（V-BLAST，非正交STBC）和时域MIMO-ISI（UWB）系统。

实验结果

研究问题

• RQ1 在大规模维度MIMO系统中，类似反应式禁忌搜索的元启发式方法能否以显著低于球形解码的复杂度实现接近ML的性能？
• RQ2 在大规模MIMO系统中，RTS的性能如何随发射/接收天线数量的增加而变化？
• RQ3 在大规模维度场景下，RTS能否优于现有低复杂度检测算法（如固定复杂度球形解码（FSD）和似然上升搜索（LAS））？
• RQ4 在具有数百个多径分量的严重时延扩展MIMO-ISI信道中，RTS算法是否仍能保持近ML性能？
• RQ5 与ML及其他次优检测器相比，RTS在大规模系统中的计算复杂度如何随维度变化？

主要发现

• 在 $64 imes 64$ V-BLAST系统（4-QAM）中，RTS在仅比SISO AWGN性能劣化0.4 dB的情况下，达到 $10^{-3}$ 未编码误比特率（BER），性能极为接近ML。
• 在 $32 imes 32$ V-BLAST系统（4-QAM）中，RTS在 $10^{-2}$ 未编码BER下比固定复杂度球形解码（FSD）优越约1.5 dB。
• 在UWB MIMO-ISI系统中，对于 $L=6, K=64$ 和 $L=12, K=128$ 的情况，RTS分别比LAS在 $10^{-3}$ BER下提升约1.5 dB和0.8 dB的BER性能。
• RTS的符号级复杂度为 $O(K^2 N_t)$，在大维度下比FSD低一个数量级，同时性能更优。
• 在 $4 imes 4$ UWB系统中，$L=48$ 个多径分量和 $K=512$ 个符号时，系统维度达4096，RTS仍能实现近ML性能且复杂度可扩展。
• RTS算法表现出‘大维度特性’——在保持 $L/K$ 恒定的情况下，随着系统维度（如 $L$ 和 $K$）增加，性能反而提升，表明其具备鲁棒性与可扩展性。