[论文解读] Turbo Coded Single User Massive MIMO with Precoding

K. Vasudevan, Gyanesh Kumar Pathak+1 more|arXiv (Cornell University)|Jul 31, 2020

Advanced MIMO Systems Optimization参考文献 29被引用 6

一句话总结

本文提出了一种基于译码卷积码与预编码的大规模MIMO系统，用于单用户传输，利用信道状态信息在发射端抑制信道间干扰。仿真结果表明，预编码可在不显著增加误比特率（BER）的情况下实现高达312比特/秒/Hz的频谱效率，即使在天线阵列规模增加时仍保持稳定，证明了在瑞利平坦衰落信道中具有出色的鲁棒性能。

ABSTRACT

Precoding is a method of compensating the channel at the transmitter. This work presents a novel method of data detection in turbo coded single user massive multiple input multiple output (MIMO) systems using precoding. We show via computer simulations that, when precoding is used, re-transmitting the data does not result in significant reduction in bit-error-rate (BER), thus increasing the spectral efficiency, compared to the case without precoding. Moreover, increasing the number of transmit and receive antennas results in improved BER.

研究动机与目标

• 通过将Turbo编码与预编码相结合，提升单用户大规模MIMO系统的频谱效率。
• 研究在应用预编码时，重传是否会导致误比特率（BER）性能下降。
• 评估在预编码条件下，增加发射端与接收端天线数量对系统性能的影响。
• 证明即使在有限重传条件下，预编码也能在不牺牲BER的前提下实现高谱效率。
• 验证在瑞利平坦衰落信道下，将Turbo编码与预编码结合在大规模MIMO框架中的有效性。

提出的方法

• 采用递归系统卷积（RSC）编码器与QPSK调制进行数据编码。
• 在发射端利用信道状态信息（CSI）实施预编码，以减轻大规模MIMO系统中的信道间干扰（ICI）。
• 采用信号模型，将多次重传的接收信号进行合并以提升SINR，合并过程基于重传次数的平均处理。
• 基于独立同分布的复高斯信道系数统计信道模型，推导出合并后每比特的平均信干噪比（SINR）。
• 假设采用时分双工（TDD）模式以保证信道互易性，从而实现从接收端到发射端的CSI反馈。
• 在瑞利平坦衰落信道下建模系统，加入加性白高斯噪声（AWGN），并通过10⁴帧的蒙特卡洛仿真评估性能。

实验结果

研究问题

• RQ1 在Turbo编码大规模MIMO系统中，预编码是否能减少因数据重传导致的BER性能下降？
• RQ2 增加发射端与接收端天线数量对预编码大规模MIMO系统中BER与频谱效率有何影响？
• RQ3 在平坦衰落信道下，结合Turbo编码与预编码的大型MIMO系统可实现的频谱效率是多少？
• RQ4 在所提系统中，每比特平均SINR如何随重传次数与天线阵列规模变化？
• RQ5 在应用预编码时，系统能否在广泛的频谱效率范围内维持低BER？

主要发现

• 预编码消除了通过重传改善BER的需求，因为BER在多次重传中保持稳定，从而实现了更高的频谱效率。
• 当$N_t = 1023$，$N_r = 1$，且$N_{rt} = 2$时，频谱效率达到$\eta^p = 0.25$比特/秒/Hz，且每比特平均信噪比（SNR）上界趋于无穷大，表明接近理想性能。
• 当$N_t = 400$，$N_r = 1$，且$N_{rt} = 1$时，系统实现峰值频谱效率$\eta^p = 312$比特/秒/Hz，每比特SNR上界为1.09 dB。
• 在3.5 dB的每比特平均SNR下，BER降低至$2 \times 10^{-6}$（$N_{\text{tot}} = 32$），相比SISO系统（BER为$2 \times 10^{-2}$）有显著改善。
• 系统在不同$N_t$、$N_r$与$N_{rt}$条件下均保持低BER，表明对天线数量与重传次数变化具有鲁棒性。
• 合并后每比特平均SINR的理论上限约为$\frac{2N_{rt}N_t}{N_r - 1}$，其随$N_t$与$N_{rt}$的增加而有利增长，证实了大规模阵列带来的性能增益。