[论文解读] One-Bit Sphere Decoding for Uplink Massive MIMO Systems with One-Bit ADCs

Yo–Seb Jeon, Namyoon Lee+2 more|arXiv (Cornell University)|Sep 13, 2017

Advanced Wireless Communication Techniques参考文献 26被引用 4

一句话总结

本文提出了一种一位球面检测（OSD）算法，这是一种针对采用一位ADC的上行链路大规模MIMO系统的低复杂度近似最大似然检测算法。通过将接收信号划分为子向量，并基于加权汉明距离进行并行球面检测，同时采用Q函数的闭式近似，OSD在计算复杂度显著低于传统最大似然检测（MLD）的同时，实现了接近ML的性能。

ABSTRACT

This paper presents a low-complexity near-maximum-likelihood-detection (near-MLD) algorithm called one-bit-sphere-decoding for an uplink massive multiple-input multiple-output (MIMO) system with one-bit analog-to-digital converters (ADCs). The idea of the proposed algorithm is to estimate the transmitted symbol vector sent by uplink users (a codeword vector) by searching over a sphere, which contains a collection of codeword vectors close to the received signal vector at the base station in terms of a weighted Hamming distance. To reduce the computational complexity for the construction of the sphere, the proposed algorithm divides the received signal vector into multiple sub-vectors each with reduced dimension. Then, it generates multiple spheres in parallel, where each sphere is centered at the sub-vector and contains a list of sub-codeword vectors. The detection performance of the proposed algorithm is also analyzed by characterizing the probability that the proposed algorithm performs worse than the MLD. The analysis shows how the dimension of each sphere and the size of the sub-codeword list are related to the performance-complexity tradeoff achieved by the proposed algorithm. Simulation results demonstrate that the proposed algorithm achieves near-MLD performance, while reducing the computational complexity compared to the existing MLD method.

研究动机与目标

• 为解决在采用一位ADC的上行链路大规模MIMO系统中最大似然检测（MLD）的高计算复杂度问题。
• 开发一种计算复杂度低且性能接近MLD的检测算法，同时具备实际可实现性。
• 克服传统球面检测的局限性，后者依赖欧氏距离，对一位量化信号而言并非最优。
• 通过利用一位量化信号的结构特性和子向量处理，实现大规模MIMO中的高效检测。
• 通过检测误码概率的解析界，表征性能与复杂度之间的权衡。

提出的方法

• 所提方法采用一位球面检测（OSD），对接收信号的子向量执行球面检测，以降低维度和计算负载。
• 采用最小加权汉明距离（MWD）检测度量，其中权重通过近似似然表达式中的Q函数以闭式形式推导得出。
• 将接收信号向量划分为多个子向量，每个子向量独立处理，生成以子码字向量为中心的并行球体。
• 算法基于考虑信道增益和噪声方差的加权汉明距离，围绕每个子向量构建球体。
• 通过扩展误码集进行误码事件分析，利用具有有界误差的紧致Q函数近似，以界定错误检测概率。
• 检测过程选择使似然函数最大化的码字向量，其似然函数通过Q函数近似导出的指数权重进行近似。

实验结果

研究问题

• RQ1 能否设计一种低复杂度检测算法，在采用一位ADC的上行链路大规模MIMO系统中实现接近最大似然的性能？
• RQ2 所提OSD算法中，子向量维度与子码字列表大小如何影响性能-复杂度权衡？
• RQ3 对于一位量化信号，使用闭式权重的加权汉明距离是否比欧氏距离更有效？
• RQ4 所提OSD算法的检测误码概率的解析上界是什么？
• RQ5 Q函数近似误差如何影响检测性能以及所推导边界的紧致性？

主要发现

• 所提一位球面检测（OSD）在计算复杂度显著低于传统MLD的同时，实现了接近最大似然检测（near-MLD）的性能。
• 通过Q函数近似导出的闭式权重确保了小于10−3的有界误差，从而实现了准确的似然估计。
• 通过将信号划分为子向量并执行并行球面检测，该算法缩小了搜索空间，并支持在大规模MIMO系统中可扩展实现。
• 通过扩展误码集推导出检测误码概率的解析上界，由于Q函数近似的高精度，该边界被证明是紧致的。
• 仿真结果证实，OSD在显著降低计算复杂度的同时实现了接近ML的性能，适用于基于一位ADC的大规模MIMO系统的实际部署。
• 性能-复杂度权衡通过子向量维度与子码字列表大小进行了定量表征，结果表明更大的子向量和更长的列表可提升性能，但会带来更高的复杂度。