[论文解读] Two Methods for Decreasing the Computational Complexity of the MIMO ML Decoder

Takayuki Fukatani, Ryutaroh Matsumoto+1 more|ArXiv.org|Oct 18, 2004

Advanced Wireless Communication Techniques参考文献 13被引用 27

一句话总结

该论文提出两种方法——带排序的QR分解与戴克斯特拉算法，以降低MIMO最大似然（ML）球形检测的计算复杂度。带排序的QR分解通过重新排列检测顺序来最小化搜索空间，而戴克斯特拉算法则优化树搜索中的路径选择。仿真结果表明，在26 dB信噪比下，8天线系统总解码复杂度最高可降低65%。

ABSTRACT

We propose use of QR factorization with sort and Dijkstra's algorithm for decreasing the computational complexity of the sphere decoder that is used for ML detection of signals on the multi-antenna fading channel. QR factorization with sort decreases the complexity of searching part of the decoder with small increase in the complexity required for preprocessing part of the decoder. Dijkstra's algorithm decreases the complexity of searching part of the decoder with increase in the storage complexity. The computer simulation demonstrates that the complexity of the decoder is reduced by the proposed methods significantly.

研究动机与目标

• 解决多天线系统中在完美信道状态信息（CSI）条件下MIMO ML解码的指数级计算复杂度问题。
• 在不牺牲ML最优性的情况下，降低球形检测器搜索阶段的高计算成本。
• 通过独立优化预处理和搜索阶段，最小化总解码延迟。
• 实现大规模发射天线数MIMO系统中ML检测的实际应用。

提出的方法

• 应用带排序的QR分解，根据R矩阵中基向量的范数重新排列发射符号的检测顺序。
• 使用戴克斯特拉最短路径算法替代球形检测器中的标准深度优先树搜索，维持一个候选节点的优先队列。
• 将球形检测器分解为预处理（QR分解）和搜索（格点搜索）阶段，实现独立优化。
• 引入一种改进的搜索策略，优先选择与接收信号部分距离较小的节点，从而减少访问的格点数量。
• 采用基于99%概率保证真实发射信号位于球体内的球半径，确保ML性能。
• 协同使用两种技术——带排序的QR分解与戴克斯特拉算法，实现比单独使用任一方法更大的复杂度降低。

实验结果

研究问题

• RQ1 通过带排序的QR分解重新排列检测序列，能否减少球形检测器中探索的格点平均数量？
• RQ2 戴克斯特拉算法能否有效应用于球形检测器的树搜索阶段，以降低计算复杂度？
• RQ3 在球形检测器中使用戴克斯特拉算法时，搜索复杂度降低与存储成本增加之间的权衡如何？
• RQ4 当单独应用与联合应用时，所提方法在复杂度降低方面的对比如何？
• RQ5 在实际系统规模（例如8个发射天线）下，MIMO ML解码的总计算复杂度能降低到何种程度而不损失性能？

主要发现

• 在26 dB信噪比下，8个发射天线时，带排序的QR分解使搜索阶段复杂度降低约55%，同时预处理复杂度仅增加约10%。
• 在相同衰落矩阵下，10次传输时，仅使用带排序的QR分解，总解码复杂度降低了约60%。
• 仅使用戴克斯特拉算法时，在26 dB信噪比下，与原始球形检测器相比，搜索阶段复杂度降低了约25%。
• 带排序的QR分解与戴克斯特拉算法联合使用，与原始球形检测器相比，搜索阶段复杂度最高降低65%。
• 在低信噪比下，由于路径选择更优，戴克斯特拉算法在搜索效率上显著优于标准球形检测器。
• 戴克斯特拉方法中优先队列大小的累积分布显示存储开销可控，证实了其实际可行性。