[论文解读] Quantized Massive MU-MIMO-OFDM Uplink

Christoph Studer, Giuseppe Durisi|arXiv (Cornell University)|Sep 26, 2015

Advanced MIMO Systems Optimization参考文献 48被引用 2

一句话总结

本文针对粗量化ADC的大规模MU-MIMO-OFDM上行链路系统，提出了一种低复杂度、量化最大后验概率（MAP）信道估计与数据检测算法。结果表明，当基站（BS）天线与用户数之比超过8时，每ADC使用四至六比特量化即可实现接近无限精度的性能，且无需增加基带处理复杂度。

ABSTRACT

Coarse quantization at the base station (BS) of a massive multi-user (MU) multiple-input multiple-output (MIMO) wireless system promises significant power and cost savings. Coarse quantization also enables significant reductions of the raw analog-to-digital converter (ADC) data that must be transferred from a spatially-separated antenna array to the baseband processing unit. The theoretical limits as well as practical transceiver algorithms for such quantized MU-MIMO systems operating over frequency-flat, narrowband channels have been studied extensively. However, the practically relevant scenario where such communication systems operate over frequency-selective, wideband channels is less well understood. This paper investigates the uplink performance of a quantized massive MU-MIMO system that deploys orthogonal frequency-division multiplexing (OFDM) for wideband communication. We propose new algorithms for quantized maximum a-posteriori (MAP) channel estimation and data detection, and we study the associated performance/quantization trade-offs. Our results demonstrate that coarse quantization (e.g., four to six bits, depending on the ratio between the number of BS antennas and the number of users) in massive MU-MIMO-OFDM systems entails virtually no performance loss compared to the infinite-precision case at no additional cost in terms of baseband processing complexity.

研究动机与目标

• 解决大规模MU-MIMO-OFDM系统在粗量化ADC下的性能与复杂度权衡问题。
• 在量化条件下，开发实用且低复杂度的信道估计与数据检测信号处理算法。
• 评估在频率选择性、宽带信道中的性能/量化权衡。
• 确定实现接近最优性能所需的最小ADC分辨率，同时保持最小处理开销。

提出的方法

• 提出一种新颖的量化MAP信道估计算法，采用前向-后向分裂（FBS）方法进行凸优化。
• 开发一种量化MMSE数据检测方法，通过均衡后SINR估计实现软输出计算。
• 提出三种接收机架构：'Quantizer'、'Mismatch 1' 和 'Mismatch 2'，其差异在于对量化效应的建模方式。
• 利用凸优化计算均衡后SINR值，用于LLR计算，从而提高软输出精度。
• 采用OFDM技术以抑制频率选择性衰落，并实现在子载波间的高效信号处理。
• 通过考虑真实硬件损伤和不同ADC分辨率的系统级仿真验证性能。

实验结果

研究问题

• RQ1 在粗量化条件下，大规模MU-MIMO-OFDM上行链路系统中实现接近最优性能所需的最小ADC分辨率（以比特计）是多少？
• RQ2 在不同ADC分辨率下，量化MAP估计与MMSE检测的性能与无限精度系统相比如何？
• RQ3 低精度ADC（如4–6比特）是否可在不增加基带处理复杂度的前提下实现接近最优性能？
• RQ4 BS天线数与用户数之比如何影响量化系统中的性能/量化权衡？
• RQ5 简化接收机架构（如'Mismatch 2'）是否可在极低复杂度下实现接近最优性能？

主要发现

• 当BS天线与用户数之比为8或更高时，四比特ADC与无限精度情况之间的SNR差距仅为0.25 dB。
• 在BS天线数为128的系统中，四至六比特量化性能与无限精度系统无明显差异。
• 'Mismatch 2'接收机在使用四比特ADC时实现接近最优性能，且与无限精度系统相比，基带处理复杂度未增加。
• 在32个BS天线和8个用户系统中，'Quantizer'与'Mismatch 2'在Qb ≥ 5时性能相近，验证了LLR近似方法的准确性。
• 当Qb = 2时，高BS天线与用户数之比系统可实现1%的分组误码率（PER），表明对粗量化具有强鲁棒性。
• 将ADC分辨率从10比特降低至4比特，可使ADC输出数据速率降低2.5倍，显著缓解前传链路的数据传输瓶颈。