[论文解读] Signal Shaping for Generalized Spatial Modulation and Generalized Quadrature Spatial Modulation

Shuaishuai Guo, Haixia Zhang+4 more|arXiv (Cornell University)|Jan 27, 2019

Advanced Wireless Communication Technologies参考文献 31被引用 5

一句话总结

本文针对广义空间调制（GenSM）和广义正交空间调制（GenQSM）系统，提出了基于优化的（OBSS）和基于码本的（CBSS）信号整形方法，以在功率、稀疏性和大小约束下最大化最小欧几里得距离（MMED）。OBSS通过非凸二次约束二次规划优化连续信号星座图，而CBSS则采用基于QAM的码本并结合低复杂度选择算法；仿真结果表明，OBSS可实现最优性能但计算复杂度较高，而CBSS在大规模系统中展现出相近性能与实际可行性。

ABSTRACT

This paper investigates generic signal shaping methods for multiple-data-stream generalized spatial modulation (GenSM) and generalized quadrature spatial modulation (GenQSM) based on the maximizing the minimum Euclidean distance (MMED) criterion. Three cases with different channel state information at the transmitter (CSIT) are considered, including no CSIT, statistical CSIT and perfect CSIT. A unified optimization problem is formulated to find the optimal transmit vector set under size, power and sparsity constraints. We propose an optimization-based signal shaping (OBSS) approach by solving the formulated problem directly and a codebook-based signal shaping (CBSS) approach by finding sub-optimal solutions in discrete space. In the OBSS approach, we reformulate the original problem to optimize the signal constellations used for each transmit antenna combination (TAC). Both the size and entry of all signal constellations are optimized. Specifically, we suggest the use of a recursive design for size optimization. The entry optimization is formulated as a non-convex large-scale quadratically constrained quadratic programming (QCQP) problem and can be solved by existing optimization techniques with rather high complexity. To reduce the complexity, we propose the CBSS approach using a codebook generated by quadrature amplitude modulation (QAM) symbols and a low-complexity selection algorithm to choose the optimal transmit vector set. Simulation results show that the OBSS approach exhibits the optimal performance in comparison with existing benchmarks. However, the OBSS approach is impractical for large-size signal shaping and adaptive signal shaping with instantaneous CSIT due to the demand of high computational complexity. As a low-complexity approach, CBSS shows comparable performance and can be easily implemented in large-size systems.

研究动机与目标

• 开发适用于多数据流GenSM与GenQSM的通用信号整形方法，以在实际约束下最大化最小欧几里得距离（MMED）。
• 解决连续与离散信号空间中信号星座图与空间星座图的联合优化问题。
• 设计适用于大规模系统及具备瞬时信道状态信息（CSIT）自适应传输的低复杂度但高效的信号整形策略。
• 在三种CSIT场景下评估性能：无CSIT、统计CSIT与完美CSIT。
• 为在大小、功率与稀疏性约束下优化发射向量集提供统一框架。

提出的方法

• 建立统一的优化问题，以在GenSM/GenQSM系统中，于功率、稀疏性与大小约束下最大化最小欧几里得距离（MMED）。
• 通过递归设计与非凸QCQP重构问题，提出基于优化的信号整形（OBSS）方法，联合优化信号星座图大小与星座点。
• 利用现有优化技术求解所得的大规模非凸QCQP问题，但计算复杂度较高。
• 提出基于码本的信号整形（CBSS）方法，采用QAM生成的离散码本与低复杂度选择算法，以降低计算负载。
• 引入用于星座图大小优化的递归设计，以提升灵活性与性能。
• 采用MMED准则作为设计指标，该准则在高信噪比下等价于最小化符号误码率并最大化互信息。

实验结果

研究问题

• RQ1 在GenSM与GenQSM系统中，如何联合优化信号星座图与空间星座图，以在功率与稀疏性约束下最大化最小欧几里得距离？
• RQ2 与固定每时隙天线组合（TAC）下星座图的传统方法相比，联合优化信号与空间星座图能带来多大的性能增益？
• RQ3 在大规模系统中，连续域优化（OBSS）的计算复杂度与离散域码本选择（CBSS）相比如何？
• RQ4 低复杂度的CBSS方法能否在保持实际可实现性的同时，实现接近OBSS最优性能？
• RQ5 在所提出的信号整形方案下，系统性能在不同CSIT条件（无CSIT、统计CSIT、完美CSIT）下的表现如何变化？

主要发现

• OBSS方法在最小欧几里得距离方面实现了最优性能，在所有CSIT场景下均优于现有基准方法。
• OBSS方法表现出极高的计算复杂度，因此在大规模信号整形及具备瞬时CSIT的自适应传输中不切实际。
• CBSS方法在显著降低计算复杂度的同时，实现了与OBSS相近的性能，使大规模系统中的实际部署成为可能。
• 对于(3,2,2,4) GenQSM系统，当δ=0.3时，OBSS方法生成的发射向量保持了高空间与信号分离度，提升了系统鲁棒性。
• 星座图大小优化的递归设计可高效探索最优星座图大小，避免穷举搜索。
• 仿真结果证实，所提出的信号整形方法在各种CSIT条件下显著提升了GenSM与GenQSM系统的频谱效率与能量效率。