[论文解读] The Bussgang Decomposition of Non-Linear Systems: Basic Theory and MIMO Extensions

Özlem Tuğfe Demir, Emil Björnson|arXiv (Cornell University)|May 4, 2020

Advanced MIMO Systems Optimization参考文献 12被引用 17

一句话总结

本文为非线性信号处理中的Bussgang分解提供了严格的理论基础，将其扩展至复值和MIMO系统。证明了非线性输出可被精确分解为线性缩放的输入加上不相关的失真分量，从而在存在量化和非线性功率放大器等硬件非理想性的系统中实现性能界限分析。

ABSTRACT

Many of the systems that appear in various signal processing applications are non-linear, for example, due to hardware impairments such as non-linear amplifiers and finite-resolution quantization. The Bussgang decomposition is a popular tool for analyzing the performance of systems that involve such non-linear components. In a nutshell, the decomposition provides an exact probabilistic relationship between the output and the input of a non-linearity: the output is equal to a scaled version of the input plus uncorrelated distortion. The decomposition can either be used to compute exact performance results or lower bounds where the uncorrelated distortion is treated as independent noise. This lecture note explains the basic theory, provides key examples, extends the theory to complex-valued vector signals, and clarifies some potential misconceptions.

研究动机与目标

• 建立非线性系统中Bussgang分解的数学上严格且统一的框架，尤其适用于MIMO和复值信号。
• 澄清并纠正文献中关于Bussgang分解有效性与应用的常见误解。
• 将经典Bussgang定理扩展至复高斯随机变量以及具有相关失真的MIMO系统。
• 证明分解中的失真项与输入不相关，但并非独立或高斯分布，并量化MIMO系统中其相关性结构。
• 为非高斯输入提出广义Bussgang分解，表明失真与输入保持不相关，但多个输出之间可能存在非平凡的相关性。

提出的方法

• 通过最小均方误差（MMSE）估计推导复Bussgang定理，将输出信号分解为线性分量和不相关的误差项。
• 利用联合高斯分布的不相关随机变量彼此独立的性质，证明估计误差与输入不相关，从而实现精确分解。
• 通过定义Bussgang增益矩阵 $\mathbf{B} = \mathbf{C}_{zx}\mathbf{C}_x^{-1}$，将分解扩展至MIMO系统，确保失真 $\bm{\eta}$ 与输入 $\mathbf{x}$ 不相关。
• 通过其相关性矩阵 $\mathbf{C}_\eta = \mathbf{C}_z - \mathbf{B}\mathbf{C}_x\mathbf{B}^\mathrm{H}$ 分析失真向量 $\bm{\eta}$ 的相关性结构，表明当输入相关时，其相关性矩阵通常非对角。
• 通过仿真表明，在低ADC分辨率（如4位）时，失真相关性显著，但在高分辨率时减弱，从而在某些情况下支持简化假设的合理性。
• 提出一种基于 $\mathbf{x}$ 对 $\mathbf{z}$ 的线性MMSE估计的非高斯输入广义Bussgang分解，其中 $\bm{\eta} = \mathbf{z} - \mathbf{B}\mathbf{x}$ 为不相关的误差项。

实验结果

研究问题

• RQ1 如何严格地将Bussgang分解从实值扩展至复值高斯信号，同时保持失真项的精确性和不相关性？
• RQ2 MIMO系统中失真相关性矩阵的结构是什么？在何种条件下可安全地将其近似为对角矩阵？
• RQ3 Bussgang分解在非高斯输入场景下的表现如何？对系统性能分析有何影响？
• RQ4 在何种条件下可将Bussgang分解中的不相关失真视为独立高斯噪声而不引入显著误差？
• RQ5 为何在MIMO系统中忽略失真相关性这一常见做法可能存在问题？在何种情况下是合理的？

主要发现

• Bussgang分解能将非线性系统输出精确表示为缩放输入与不相关失真之和，即使失真为非高斯且依赖于输入。
• 对于复值高斯信号，非线性输出与另一信号之间的互相关与输入互相关成比例，比例因子为Bussgang增益 $B = \mathbb{E}\{U(x)x^*\}/\mathbb{E}\{|x|^2\}$。
• 在MIMO系统中，失真向量 $\bm{\eta}$ 的各分量通常存在相关性，其相关性矩阵为 $\mathbf{C}_\eta = \mathbf{C}_z - \mathbf{B}\mathbf{C}_x\mathbf{B}^\mathrm{H}$，当输入信号协方差 $\mathbf{C}_x$ 非对角时，该相关性非零。
• 仿真结果表明，在低ADC分辨率（如4位）时，$\mathbf{C}_\eta$ 的非对角元素显著且非零，表明失真相关性不可忽略。
• 在高ADC分辨率（如8位及以上）时，$\mathbf{C}_\eta$ 中的非对角相关系数较小，可近似为零，从而支持在高分辨率系统中采用简化假设的合理性。
• 针对非高斯输入的广义Bussgang分解依然有效，$\bm{\eta}$ 与 $\mathbf{x}$ 保持不相关，但失真与 $\mathbf{x}$ 并非独立，其相关性结构必须被精确建模以实现准确的性能分析。