[论文解读] Optimal Non-coherent Data Detection for Massive SIMO Wireless Systems with General Constellations: A Polynomial Complexity Solution

Haider Ali Jasim Alshamary, Fahim Anjum+3 more|arXiv (Cornell University)|Jul 8, 2015

Advanced MIMO Systems Optimization参考文献 13被引用 4

一句话总结

该论文为具有恒定与非恒定调制星座的大规模SIMO系统提出了一种最优、多项式复杂度的最大似然（ML）非相干数据检测算法。通过高效优化降秩二次型与结构化搜索空间，该方法在接收天线数量上实现线性复杂度，在相干时间上实现多项式复杂度，性能接近最优，相较于传统方案实现高达5 dB的SNR增益。

ABSTRACT

Massive MIMO systems can greatly increase spectral and energy efficiency over traditional MIMO systems by exploiting large antenna arrays. However, increasing the number of antennas at the base station (BS) makes the uplink non-coherent data detection very challenging in massive MIMO systems. In this paper we consider the joint maximum likelihood (ML) channel estimation and data detection problem for massive SIMO (single input multiple output) wireless systems, which is a special case of wireless systems with large antenna arrays. We propose exact ML non-coherent data detection algorithms for both constant-modulus and nonconstant-modulus constellations, with a low expected complexity. Despite the large number of unknown channel coefficients for massive SIMO systems, we show that the expected computational complexity of these algorithms is linear in the number of receive antennas and polynomial in channel coherence time. Simulation results show the performance gains (up to 5 dB improvement) of the optimal non-coherent data detection with a low computational complexity.

研究动机与目标

• 解决大规模SIMO系统中大量接收天线下的联合信道估计与非相干数据检测挑战。
• 克服在时变、非相干信道下大规模MIMO系统中全搜索ML检测的高计算复杂度问题。
• 为恒定与非恒定调制星座设计高效且可扩展的精确ML检测算法。
• 通过在不依赖导频符号的情况下实现联合ML估计与检测，消除导频污染效应。
• 实现计算复杂度相对于接收天线数量与信道相干时间的多项式时间增长。

提出的方法

• 将联合最大似然（ML）检测问题表述为对信号与信道参数的二次型约束优化问题。
• 利用近期在高效最大化降秩二次型方面的进展，实现多项式时间复杂度。
• 设计结构化搜索空间，通过利用信号星座与信道统计特性避免全搜索。
• 以修改形式应用球形解码原理，将搜索限制在信号空间的子集内，降低复杂度。
• 推导出期望复杂度的闭式表达式，表明其与接收天线数量呈线性关系。
• 确保算法支持恒定调制（如BPSK、QPSK）与非恒定调制星座（如QAM）。

实验结果

研究问题

• RQ1 能否在大规模SIMO系统中以多项式复杂度实现精确ML非相干检测？
• RQ2 所提方法在恒定与非恒定调制星座下是否均保持最优性能？
• RQ3 计算复杂度随接收天线数量与相干时间的增长行为如何？
• RQ4 该算法能否通过避免基于导频的信道估计来缓解导频污染？
• RQ5 与次优或传统非相干检测方案相比，该方法的性能如何？

主要发现

• 所提算法在计算复杂度随接收天线数量线性增长的前提下，实现了最优的非相干检测性能。
• 期望复杂度在信道相干时间上为多项式增长，使该方法在大规模MIMO系统中具备实际部署可行性。
• 仿真结果表明，与传统非相干检测方法相比，该方法在SNR上最高可提升5 dB。
• 该方法支持恒定与非恒定调制星座，扩展了以往仅限于恒定调制信号的研究工作。
• 通过联合ML估计与检测消除导频符号需求，该算法避免了导频污染。
• 理论分析证实，即使在接收天线数量增加时，期望复杂度仍保持有界且可扩展。