[论文解读] Turbo-Like Beamforming Based on Tabu Search Algorithm for Millimeter-Wave Massive MIMO Systems

Xinyu Gao, Linglong Dai+2 more|arXiv (Cornell University)|Jul 16, 2015

Millimeter-Wave Propagation and Modeling参考文献 12被引用 4

一句话总结

该论文提出了一种名为Turbo-TS波束成形的低复杂度、近似最优的毫米波大规模MIMO系统模拟波束成形方案，其核心是在类似Turbo的迭代框架中使用禁忌搜索（TS）算法。通过智能地在码本对中搜索并迭代交换反馈，该方法仅以全搜索（FS）2.1%的复杂度，实现了接近全搜索波束成形的性能。

ABSTRACT

For millimeter-wave (mmWave) massive MIMO systems, the codebook-based analog beamforming (including transmit precoding and receive combining) is usually used to compensate the severe attenuation of mmWave signals. However, conventional beamforming schemes involve complicated search among pre-defined codebooks to find out the optimal pair of analog precoder and analog combiner. To solve this problem, by exploring the idea of turbo equalizer together with tabu search (TS) algorithm, we propose a Turbo-like beamforming scheme based on TS, which is called Turbo-TS beamforming in this paper, to achieve the near-optimal performance with low complexity. Specifically, the proposed Turbo-TS beamforming scheme is composed of the following two key components: 1) Based on the iterative information exchange between the base station and the user, we design a Turbo-like joint search scheme to find out the near-optimal pair of analog precoder and analog combiner; 2) Inspired by the idea of TS algorithm developed in artificial intelligence, we propose a TS-based precoding/combining scheme to intelligently search the best precoder/combiner in each iteration of Turbo-like joint search with low complexity. Analysis shows that the proposed Turbo-TS beamforming can considerably reduce the searching complexity, and simulation results verify that it can achieve the near-optimal performance.

研究动机与目标

• 解决传统基于码本的毫米波大规模MIMO系统中模拟波束成形的高计算复杂度问题。
• 在不牺牲频谱效率的前提下，降低迭代波束成形方案固有的信令开销和搜索复杂度。
• 开发一种基于人工智能启发式搜索技术的低复杂度、近似最优波束成形解决方案。
• 在可扩展至大规模阵列和实际射频链路约束的前提下，实现接近全搜索波束成形的性能。

提出的方法

• 提出一种类似Turbo的联合搜索方案，通过基站与用户间迭代交换反馈，逐步优化波束成形向量。
• 引入基于禁忌搜索（TS）的预编码/合并算法，在每次迭代中智能探索码本空间。
• 在TS框架内定义邻域、代价函数和停止准则，以引导搜索向最优模拟预编码器和合并器对靠拢。
• 使用精确解（而非移动）作为禁忌元素，以扩大搜索范围并避免陷入局部最优。
• 采用基于均匀分布初始解的重启机制，以增强全局收敛性和性能。
• 确保复杂度与射频链路数（Nt_RF, Nr_RF）呈线性关系，且独立于量化比特数（Bt_RF, Br_RF）。

实验结果

研究问题

• RQ1 基于禁忌搜索的方法是否能在保持近似最优性能的同时，降低毫米波大规模MIMO系统中基于码本波束成形的搜索复杂度？
• RQ2 与传统的单次或多次迭代方案相比，所提出的类似Turbo的迭代反馈机制在收敛性和性能方面有何改进？
• RQ3 在频谱效率和复杂度方面，所提出的基于TS的搜索方法相较于标准低复杂度波束成形算法，其性能优势有多大？
• RQ4 当系统扩展至更大阵列（如32×128）时，若不增加射频链路数，该方案是否仍能保持性能增益？
• RQ5 重启机制与禁忌元素的定义是否能显著提升全局搜索能力并避免过早收敛？

主要发现

• 当max_iter=3000、max_len=600、M=5、K=4时，所提出的Turbo-TS波束成形可达到全搜索（FS）波束成形90%的可实现速率。
• 在SNR = 0 dB且Bt_RF = Br_RF = 4时，Turbo-TS实现7 bit/s/Hz的速率，与FS波束成形的7.2 bit/s/Hz相比，表现出近似最优性能。
• 当Bt_RF = Br_RF = 6时，16×64阵列的可实现速率提升至10.1 bit/s/Hz，32×128阵列则达到14 bit/s/Hz，显示出良好的阵列规模可扩展性。
• Turbo-TS的复杂度仅为全搜索波束成形的2.1%，且在Nt_RF和Nr_RF上呈线性增长，与Bt_RF和Br_RF无关。
• 增加低成本天线（如从16×64扩展至32×128）带来的性能增益，显著高于增加射频链路数，凸显了硬件效率优势。
• 基于均匀分布初始解的重启机制显著提升了收敛性和性能，尤其在高维搜索空间中表现突出。