[论文解读] Performance Analysis for Massive MIMO Downlink with Low Complexity Approximate Zero-Forcing Precoding

Cheng Zhang, Yindi Jing+2 more|arXiv (Cornell University)|Nov 1, 2017

Advanced MIMO Systems Optimization被引用 3

一句话总结

本文提出了一种用于大规模MIMO下行链路的恒等式加列诺伊曼级数（ICNS）及有序ICNS预编码方法，通过引入松弛参数和用户特定的干扰选择，以降低复杂度并保持高 sum-rate 性能。ICNS方法在计算成本显著降低的情况下，实现了接近理想迫零（ZF）性能，尤其在相关信道和高负载场景下表现优异。

ABSTRACT

Zero-forcing (ZF) precoding plays an important role for massive MIMO downlink due to its near optimal performance. However, the high computation cost of the involved matrix inversion hinders its application. In this paper, we adopt the first order Neumann series (NS) for a low-complexity approximation. By introducing a relaxation parameter jointly with one selected user's interference to others into the precondition matrix, we propose the identity-plus-column NS (ICNS) method. By further exploiting the multi-user diversity gain via choosing the user with the largest interference to others, the ordered ICNS method is also proposed. Moreover, the sum-rate approximations of the proposed ICNS method and the competitive existing identity matrix based NS (INS) method are derived in closed-form, based on which the performance loss of ICNS due to inversion approximation compared with ideal ZF and its performance gain over INS are explicitly analyzed for three typical massive MIMO scenarios. Finally, simulations verify our analytical results and also show that the proposed two designs achieve better performance-complexity tradeoff than ideal ZF and existing low-complexity ZF precodings for practical large antenna number, correlated channels and not-so-small loading factor.

研究动机与目标

• 为解决大规模MIMO系统中由于矩阵求逆导致的迫零（ZF）预编码计算复杂度过高的问题。
• 开发一种低复杂度的ZF预编码近似方法，以在相关信道和高用户负载条件下保持高 spectral efficiency。
• 推导所提方法的闭式sum-rate近似表达式，并比较其相对于理想ZF和现有低复杂度替代方法的性能损失。
• 通过用户选择和预条件处理，优化计算复杂度与sum-rate性能之间的权衡。

提出的方法

• 通过将格拉姆矩阵的第一列和松弛参数引入预条件矩阵，提出恒等式加列诺伊曼级数（ICNS）方法。
• 通过选择对其他用户干扰最大的用户，提出有序ICNS方法，以进一步利用多用户分集增益。
• 利用随机矩阵理论和统计信道建模，推导ICNS和基于单位矩阵的诺伊曼级数（INS）方法的闭式sum-rate近似表达式。
• 采用一阶诺伊曼级数展开近似格拉姆矩阵的逆，将复杂度从O(K^3)降低至O(K^2)。
• 通过矩阵分解和期望计算，推导有效SINR和sum-rate的解析表达式，利用引理2进行简化。
• 通过在实际大规模MIMO场景（包括相关信道和高负载因子）下的仿真，验证了分析结果的准确性。

实验结果

研究问题

• RQ1 所提出的ICNS方法在sum-rate性能和计算复杂度方面与理想ZF预编码相比如何？
• RQ2 由于矩阵求逆近似带来的ICNS性能损失是多少？与现有低复杂度ZF方法相比如何？
• RQ3 基于干扰功率的用户选择能否改善ICNS的性能-复杂度权衡？
• RQ4 信道相关性和用户负载因子如何影响ICNS和INS的sum-rate性能？
• RQ5 在i.i.d.瑞利衰落和相关信道条件下，所提ICNS方法的闭式sum-rate近似表达式是什么？

主要发现

• 所提出的ICNS方法在sum-rate性能上非常接近理想ZF，即使在高SNR和高负载场景下，性能损失也低于10%。
• 有序ICNS方法通过最优用户选择实现多用户分集增益，其性能优于标准ICNS和现有INS方法。
• ICNS的sum-rate近似以闭式表达，无需蒙特卡洛仿真即可实现准确的性能预测。
• ICNS在相关信道和大规模阵列天线场景下，相比理想ZF和现有低复杂度ZF预编码器，展现出更优的性能-复杂度权衡。
• 仿真结果证实，ICNS在用户和天线数量庞大的情况下仍能保持接近最优的sum-rate，且在实际条件下优于INS和其他基于NS的方法。
• 推导出的ICNS与理想ZF之间SINR比值的三次方程，可实现对ICNS达到近似理想性能的SNR阈值的解析确定。