Precodificació

La formació de feixs és una tècnica de processament de senyals utilitzada en matrius de sensors per a la transmissió o recepció de senyals direccionals. Aquesta selectivitat espacial s'aconsegueix mitjançant patrons de feix de recepció/transmissió adaptatius o fixos. La millora en comparació amb una recepció/transmissió omnidireccional es coneix com a guany (o pèrdua) de recepció/transmissió.

La precodificació és una generalització de la formació de feix per admetre la transmissió multiflux (o multicapa) en comunicacions sense fil multiantena. En la formació de feix convencional de flux únic, el mateix senyal s'emet des de cadascuna de les antenes transmissores amb la ponderació adequada (fase i guany) de manera que la potència del senyal es maximitza a la sortida del receptor. Quan el receptor té diverses antenes, la formació de feix de flux únic no pot maximitzar simultàniament el nivell del senyal a totes les antenes receptores.[1] Per tal de maximitzar el rendiment en sistemes d'antenes receptores múltiples, generalment es requereix la transmissió multiflux.

En els sistemes punt a punt, la precodificació significa que s'emeten múltiples fluxos de dades des de les antenes transmissores amb ponderacions independents i apropiades de manera que el rendiment de l'enllaç es maximitzi a la sortida del receptor. En MIMO multiusuari, els fluxos de dades estan destinats a diferents usuaris (conegut com a SDMA) i es maximitza alguna mesura del rendiment total (per exemple, el rendiment de la suma o la justícia màxima-mínima). En els sistemes punt a punt, alguns dels beneficis de la precodificació es poden obtenir sense necessitat d'informació sobre l'estat del canal al transmissor, mentre que aquesta informació és essencial per gestionar la interferència entre usuaris en sistemes multiusuari.[2] La precodificació en l'enllaç descendent de les xarxes cel·lulars, coneguda com a MIMO de xarxa o multipunt coordinat (CoMP), és una forma generalitzada de MIMO multiusuari que es pot analitzar amb les mateixes tècniques matemàtiques.[3]

Precodificació per a sistemes MIMO punt a punt

En els sistemes punt a punt d'entrada i sortida múltiple (MIMO), un transmissor equipat amb múltiples antenes es comunica amb un receptor que té múltiples antenes. La majoria dels resultats de precodificació clàssics assumeixen canals de banda estreta i de desvaneciment lent, la qual cosa significa que el canal durant un cert període de temps es pot descriure mitjançant una única matriu de canal que no canvia més ràpid. A la pràctica, aquests canals es poden aconseguir, per exemple, mitjançant OFDM. L'estratègia de precodificació que maximitza el rendiment, anomenada capacitat del canal, depèn de la informació d'estat del canal disponible al sistema.

Informació estadística de l'estat del canal

Si el receptor coneix la matriu del canal i el transmissor té informació estadística, se sap que la formació de feix propi aconsegueix la capacitat del canal MIMO.[4] En aquest enfocament, el transmissor emet múltiples fluxos en direccions pròpies de la matriu de covariància del canal.

Informació completa de l'estat del canal

Si la matriu del canal es coneix completament, es coneix la precodificació de la descomposició de valors singulars (SVD) per aconseguir la capacitat del canal MIMO.[5] En aquest enfocament, la matriu del canal es diagonalitza prenent un SVD i eliminant les dues matrius unitàries mitjançant la premultiplicació i la postmultiplicació al transmissor i al receptor, respectivament. Aleshores, es pot transmetre un flux de dades per valor singular (amb la càrrega de potència adequada) sense crear cap interferència.

Precodificació per a sistemes MIMO multiusuari

En MIMO multiusuari, un transmissor multiantena es comunica simultàniament amb el receptor de diversos usuaris (cadascun amb una o diverses antenes). Això es coneix com a accés múltiple per divisió d'espai (SDMA). Des d'una perspectiva d'implementació, els algoritmes de precodificació per a sistemes SDMA es poden subdividir en tipus de precodificació lineal i no lineal. Els algoritmes d'assoliment de capacitat són no lineals,[6] però els enfocaments de precodificació lineal solen aconseguir un rendiment raonable amb una complexitat molt menor. Les estratègies de precodificació lineal inclouen la transmissió de màxima relació (MRT),[7] la precodificació de forçament zero (ZF)[8] i la precodificació de Wiener de transmissió.[8] També hi ha estratègies de precodificació adaptades per a la retroalimentació de baixa velocitat de la informació de l'estat del canal, per exemple, la formació de feix aleatori.[9] La precodificació no lineal està dissenyada basant-se en el concepte de codificació de paper brut (DPC), que demostra que qualsevol interferència coneguda al transmissor es pot restar sense la penalització dels recursos de ràdio si es pot aplicar l'esquema de precodificació òptim al senyal de transmissió.[6]

Tot i que la maximització del rendiment té una interpretació clara en el MIMO punt a punt, un sistema multiusuari no pot maximitzar simultàniament el rendiment per a tots els usuaris. Això es pot veure com un problema d'optimització multiobjectiu on cada objectiu correspon a la maximització de la capacitat d'un dels usuaris.[10] La manera habitual de simplificar aquest problema és seleccionar una funció d'utilitat del sistema; per exemple, la suma ponderada de la capacitat on els pesos corresponen a les prioritats subjectives dels usuaris del sistema. A més, hi pot haver més usuaris que fluxos de dades, cosa que requereix un algoritme de planificació per decidir quins usuaris servir en un instant de temps determinat.

Precodificació lineal amb informació completa de l'estat del canal

Aquest enfocament subòptim no pot aconseguir la taxa de suma ponderada, però encara pot maximitzar el rendiment de la suma ponderada (o alguna altra mètrica de taxes assolibles sota precodificació lineal). La precodificació lineal òptima no té cap expressió de forma tancada, sinó que pren la forma d'una precodificació MMSE ponderada per a receptors d'una sola antena.[11] Els pesos de precodificació per a un usuari determinat es seleccionen per maximitzar una relació entre el guany de senyal en aquest usuari i la interferència generada en altres usuaris (amb alguns pesos) més el soroll. Per tant, la precodificació es pot interpretar com trobar l'equilibri òptim entre aconseguir un fort guany de senyal i limitar la interferència entre usuaris.[12]

Trobar la precodificació MMSE ponderada òptima és difícil, cosa que porta a enfocaments aproximats on els pesos es seleccionen heurísticament. Un enfocament comú és concentrar-se en el numerador o el denominador de la relació esmentada; és a dir, transmissió de relació màxima (MRT)[13] i precodificació de forçament zero (ZF).[14] MRT només maximitza el guany del senyal a l'usuari previst. MRT és gairebé òptim en sistemes amb soroll limitat, on la interferència entre usuaris és insignificant en comparació amb el soroll. La precodificació ZF té com a objectiu anul·lar la interferència entre usuaris, a costa de perdre part del guany del senyal. La precodificació ZF pot aconseguir un rendiment proper a la capacitat de suma quan el nombre d'usuaris és gran o el sistema té interferències limitades (és a dir, el soroll és feble en comparació amb la interferència). Un equilibri entre MRT i ZF s'obté mitjançant l'anomenat forçament zero regularitzat[15] (també conegut com a formació de feix de senyal-fuita-i-interferència (SLNR)[16] i filtratge de Wiener de transmissió).[17] Tots aquests enfocaments heurístics també es poden aplicar a receptors que tenen múltiples antenes.[17][15][16]

També per a la configuració de sistemes MIMO multiusuari, s'ha utilitzat un altre enfocament per reformular el problema d'optimització de la taxa de suma ponderada a un problema MSE de suma ponderada amb pesos MSE d'optimització addicionals per a cada símbol.[18] Tanmateix, aquest treball encara no aconsegueix resoldre aquest problema de manera òptima (és a dir, la seva solució és subòptima). D'altra banda, l'enfocament de dualitat també es va considerar a[19] i[20] per obtenir una solució subòptima per a l'optimització de la taxa de suma ponderada.

Cal tenir en compte que la precodificació lineal òptima es pot calcular mitjançant algoritmes d'optimització monòtons,[21][22] però la complexitat computacional augmenta exponencialment amb el nombre d'usuaris. Per tant, aquests algoritmes només són útils per a l'avaluació comparativa en sistemes petits.

Precodificació lineal amb informació limitada de l'estat del canal

A la pràctica, la informació sobre l'estat del canal és limitada al transmissor a causa d'errors d'estimació i quantificació. Un coneixement inexacte del canal pot provocar una pèrdua significativa del rendiment del sistema, ja que la interferència entre els fluxos multiplexats no es pot controlar completament. En els sistemes de bucle tancat, les capacitats de retroalimentació decideixen quines estratègies de precodificació són factibles. Cada receptor pot retroalimentar una versió quantificada del seu coneixement complet del canal o centrar-se en certs indicadors de rendiment crítics (per exemple, el guany del canal).

Si el coneixement complet del canal es retroalimenta amb bona precisió, es poden utilitzar estratègies dissenyades per tenir un coneixement complet del canal amb una degradació menor del rendiment. La precodificació amb força zero pot fins i tot aconseguir el guany de multiplexació complet, però només sempre que la precisió de la retroalimentació del canal augmenti linealment amb la relació senyal-soroll (en dB).[23] La quantificació i la retroalimentació de la informació de l'estat del canal es basen en la quantificació vectorial, i els llibres de codis basats en l'empaquetament de línies grassmannian han demostrat un bon rendiment.[24]

S'han desenvolupat altres estratègies de precodificació per al cas amb taxes de retroalimentació de canal molt baixes. La formació de feix aleatòria[25] (o formació de feix oportunista)[26] es va proposar com una manera senzilla d'aconseguir un bon rendiment que s'escala com la capacitat de suma quan el nombre de receptors és gran. En aquesta estratègia subòptima, un conjunt de direccions de formació de feix es seleccionen aleatòriament i els usuaris realimenten uns quants bits per indicar al transmissor quin feix ofereix el millor rendiment i quina velocitat poden suportar utilitzant-lo. Quan el nombre d'usuaris és gran, és probable que cada pes aleatori de formació de feix proporcioni un bon rendiment per a algun usuari.

En entorns espacialment correlacionats, les estadístiques del canal a llarg termini es poden combinar amb una retroalimentació de baixa velocitat per realitzar una precodificació multiusuari.[27] Com que les estadístiques espacialment correlacionades contenen molta informació direccional, només cal que els usuaris realimentin el seu guany de canal actual per aconseguir un coneixement raonable del canal. Com que els pesos de formació de feix es seleccionen a partir de les estadístiques i no aleatòriament, aquest enfocament supera la formació de feix aleatòria sota una forta correlació espacial.[28]

En sistemes MIMO multiusuari on el nombre d'usuaris és superior al nombre d'antenes de transmissió, es pot aconseguir una diversitat multiusuari realitzant la programació d'usuaris abans d'aplicar la formació de feix de força zero. La diversitat multiusuari és una forma de diversitat de selecció entre usuaris, l'estació base pot programar la seva transmissió a aquells usuaris amb condicions de fadiga de canal favorables per millorar el rendiment del sistema. Per aconseguir la diversitat multiusuari i aplicar la precodificació de força zero, es requereix la CSI de tots els usuaris a l'estació base. Tanmateix, la quantitat d'informació de retroalimentació global augmenta amb el nombre d'usuaris. Per tant, és important realitzar una selecció d'usuaris al receptor per determinar els usuaris que retroalimenten la seva CSI quantitzada al transmissor en funció d'un llindar predefinit.[29]

Precodificació no lineal DPC o similar a DPC

La codificació de paper brut és una tècnica de codificació que precancel·la les interferències conegudes sense penalització de potència. Només el transmissor necessita conèixer aquesta interferència, però es requereix informació completa de l'estat del canal a tot arreu per aconseguir la capacitat de suma ponderada.[30] Aquesta categoria inclou la precodificació de Costa,[31] la precodificació de Tomlinson-Harashima[32][33] i la tècnica de pertorbació vectorial.[34]

Descripció matemàtica

Descripció de MIMO punt a punt

El model de canal estàndard de banda estreta i esvaïment lent per a la comunicació MIMO punt a punt (d'un sol usuari) es descriu a la pàgina sobre comunicació MIMO.

Descripció de MIMO multiusuari

Considereu un sistema MIMO multiusuari d'enllaç descendent on una estació base amb antenes de transmissió i usuaris d'una sola antena. El canal a l'usuari està descrit per la vector dels coeficients del canal i els seus l'element descriu la resposta del canal entre el l'antena transmissora i l'antena receptora. La relació entrada-sortida es pot descriure com

on és el senyal vectorial transmès, és el senyal rebut, i és el soroll de variància unitària de mitjana zero.

Sota la precodificació lineal, el senyal vectorial transmès és

on és el símbol de dades (normalitzat) i és el vector de precodificació lineal. La relació senyal-interferència i soroll (SINR) a l'usuari esdevé

on és la variància de soroll del canal a l'usuari i la taxa d'informació assolible corresponent és bits per ús del canal. La transmissió està limitada per restriccions de potència. Això pot ser, per exemple, una restricció de potència total on és el límit de potència.

Una mètrica de rendiment comuna en sistemes multiusuari és la taxa de suma ponderada

per a alguns pesos positius que representen la prioritat de l'usuari. La taxa de suma ponderada es maximitza mitjançant la precodificació MMSE ponderada que selecciona

per a alguns coeficients positius (relacionat amb els pesos de l'usuari) que satisfan i és l'assignació òptima de potència.[35]

L'enfocament MRT subòptim elimina la inversió del canal i només selecciona

mentre que la precodificació ZF subòptima assegura que per a tot i ≠ k i, per tant, la interferència es pot eliminar en l'expressió SINR:

Dualitat enllaç ascendent-enllaç descendent

A efectes de comparació, és instructiu comparar els resultats de l'enllaç descendent amb el canal MIMO d'enllaç ascendent corresponent on els mateixos usuaris d'una sola antena transmeten a la mateixa estació base, tenint antenes receptores. La relació entrada-sortida es pot descriure com

on és el símbol transmès per a l'usuari , és la potència de transmissió per a aquest símbol, i són els vector de senyals i soroll rebuts respectivament, és el vector de coeficients de canal. Si l'estació base utilitza filtres de recepció lineals per combinar els senyals rebuts al antenes, el SINR per al flux de dades de l'usuari esdevé

on és el filtre de recepció de norma unitària per a aquest usuari. En comparació amb el cas de l'enllaç descendent, l'única diferència en les expressions SINR és que els índexs es commuten en el terme d'interferència. Sorprenentment, els filtres de recepció òptims són els mateixos que els vectors de precodificació MMSE ponderats, fins a un factor d'escalat:

Observeu que els coeficients que es va utilitzar en la precodificació MMSE ponderada no són exactament els coeficients de potència òptims en l'enllaç ascendent (que maximitzen la taxa de suma ponderada) excepte en determinades condicions. Aquesta important relació entre la precodificació de l'enllaç descendent i el filtratge de recepció de l'enllaç ascendent es coneix com la dualitat enllaç ascendent-enllaç descendent.[36][37] Com que el problema de la precodificació de l'enllaç descendent sol ser més difícil de resoldre, sovint és útil resoldre primer el problema d'enllaç ascendent corresponent.

Precodificació amb retroalimentació limitada

Les estratègies de precodificació descrites anteriorment es basaven en tenir informació perfecta de l'estat del canal al transmissor. Tanmateix, en sistemes reals, els receptors només poden retroalimentar informació quantitzada que es descriu per un nombre limitat de bits. Si s'apliquen les mateixes estratègies de precodificació, però ara basades en informació de canal inexacta, apareixen interferències addicionals. Aquest és un exemple de precodificació amb retroalimentació limitada.

El senyal rebut en MIMO multiusuari amb precodificació de retroalimentació limitada es descriu matemàticament com

En aquest cas, els vectors de formació de feix es distorsionen com a , on és el vector òptim i és el vector d'error causat per informació inexacta de l'estat del canal. El senyal rebut es pot reescriure com

on és la interferència addicional a l'usuari d'acord amb la precodificació de retroalimentació limitada. Per reduir aquesta interferència, es requereix una major precisió en la retroalimentació de la informació del canal, cosa que al seu torn redueix el rendiment en l'enllaç ascendent.

Referències

  1. ↑ G.J. Foschini and M.J. Gans, On limits of wireless communications in a fading environment when using multiple antennas, Wireless Personal Communications, vol. 6, no. 3, p. 311–335, 1998.
  2. ↑ D. Gesbert, M. Kountouris, R.W. Heath Jr., C.-B. Chae, and T. Sälzer, Shifting the MIMO Paradigm, IEEE Signal Processing Magazine, vol. 24, no. 5, p. 36-46, 2007.
  3. ↑ E. Björnson and E. Jorswieck, Optimal Resource Allocation in Coordinated Multi-Cell Systems, Foundations and Trends in Communications and Information Theory, vol. 9, no. 2-3, p. 113-381, 2013.
  4. ↑ D. Love, R. Heath, V. Lau, D. Gesbert, B. Rao and M. Andrews, An overview of limited feedback in wireless communication systems, IEEE Journal on Selected Areas Communications, vol. 26, no. 8, p. 1341–1365, 2008.
  5. ↑ E. Telatar, Capacity of multiantenna Gaussian channels Arxivat 2011-07-07 a Wayback Machine., European Transactions on Telecommunications, vol. 10, no. 6, p. 585-595, 1999.
  6. 1 2 H. Weingarten, Y. Steinberg, and S. Shamai, The capacity region of the Gaussian multiple-input multiple-output broadcast channel Arxivat 2012-10-23 a Wayback Machine., IEEE Transactions on Information Theory, vol. 52, no. 9, p. 3936–3964, 2006.
  7. ↑ T. Lo, Maximum ratio transmission, IEEE Transactions on Communications, vol. 47, no. 10, p. 1458–1461, 1999.
  8. 1 2 M. Joham, W. Utschick, and J. Nossek, Linear transmit processing in MIMO communications systems, IEEE Transactions on Signal Processing, vol. 53, no. 8, p. 2700–2712, 2005.
  9. ↑ M. Sharif and B. Hassibi, On the Capacity of MIMO Broadcast Channels With Partial Side Information, IEEE Transactions on Information Theory, vol. 51, no. 2, p. 506-522, 2005.
  10. ↑ E. Björnson and E. Jorswieck, Optimal Resource Allocation in Coordinated Multi-Cell Systems, Foundations and Trends in Communications and Information Theory, vol. 9, no. 2-3, p. 113-381, 2013.
  11. ↑ E. Björnson and E. Jorswieck, Optimal Resource Allocation in Coordinated Multi-Cell Systems, Foundations and Trends in Communications and Information Theory, vol. 9, no. 2-3, p. 113-381, 2013.
  12. ↑ E. Björnson, R. Zakhour, D. Gesbert, B. Ottersten, Cooperative Multicell Precoding: Rate Region Characterization and Distributed Strategies with Instantaneous and Statistical CSI, IEEE Transactions on Signal Processing, vol. 58, no. 8, p. 4298-4310, 2010.
  13. ↑ T. Lo, Maximum ratio transmission, IEEE Transactions on Communications, vol. 47, no. 10, p. 1458–1461, 1999.
  14. ↑ N. Jindal, MIMO Broadcast Channels with Finite Rate Feedback, IEEE Transactions on Information Theory, vol. 52, no. 11, p. 5045–5059, 2006.
  15. 1 2 B. C. B. Peel, B. M. Hochwald, and A. L. Swindlehurst, A vector-perturbation technique for near-capacity multiantenna multi-user communication - Part I: channel inversion and regularization, IEEE Transactions on Communications, vol. 53, no. 1, p. 195–202, 2005.
  16. 1 2 M. Sadek, A. Tarighat, and A. Sayed, A leakage-based precoding scheme for downlink multi-user MIMO channels, IEEE Transactions on Wireless Communications, vol. 6, no. 5, p. 1711–1721, 2007.
  17. 1 2 M. Joham, W. Utschick, and J. Nossek, Linear transmit processing in MIMO communications systems, IEEE Transactions on Signal Processing, vol. 53, no. 8, p. 2700–2712, 2005.
  18. ↑ T. E. Bogale and L. Vandendorpe, Weighted sum rate optimization for downlink multiuser MIMO coordinated base station systems: Centralized and distributed algorithms IEEE Trans. Signal Process., vol. 60, no. 4, p. 1876 – 1889, Dec. 2011.
  19. ↑ T. E. Bogale and L. Vandendorpe, Weighted sum rate optimization for downlink multiuser MIMO systems with per antenna power constraint:Downlink-uplink duality approach IEEE International Conference On Acoustics, Speech and Signal Processing (ICASSP), Kyoto, Japan, 25 – 30 Mar. 2012, p. 3245 – 3248.
  20. ↑ T. E. Bogale and L. Vandendorpe, Linear transceiver design for downlink multiuser MIMO systems: Downlink-interference duality approach, IEEE Trans. Sig. Process., vol. 61, no. 19, p. 4686 – 4700, Oct. 2013.
  21. ↑ W. Utschick and J. Brehmer, Monotonic optimization framework for coordinated beamforming in multicell networks, IEEE Transactions on Signal Processing, vol. 60, no. 4, p. 1899–1909, 2012.
  22. ↑ E. Björnson, G. Zheng, M. Bengtsson, and B. Ottersten, Robust monotonic optimization framework for multicell MISO systems, IEEE Transactions on Signal Processing, vol. 60, no. 5, p. 2508–2523, 2012.
  23. ↑ N. Jindal, MIMO Broadcast Channels with Finite Rate Feedback, IEEE Transactions on Information Theory, vol. 52, no. 11, p. 5045–5059, 2006.
  24. ↑ D.J. Love, R.W. Heath, and T. Strohmer, Grassmannian Beamforming for Multiple-Input Multiple-Output Wireless Systems, IEEE Transactions on Information Theory, vol. 49, no. 10, p. 2735–2747, 2003.
  25. ↑ M. Sharif and B. Hassibi, On the Capacity of MIMO Broadcast Channels With Partial Side Information, IEEE Transactions on Information Theory, vol. 51, no. 2, p. 506-522, 2005.
  26. ↑ P. Viswanath, D. N. C. Tse, Member, and R. Laroia, Opportunistic Beamforming Using Dumb Antennas, IEEE Transactions on Information Theory, vol. 48, no. 6, p. 1277–1294, 2002.
  27. ↑ D. Hammarwall, M. Bengtsson, and B. Ottersten, Utilizing the spatial information provided by channel norm feedback in SDMA systems, IEEE Transactions on Signal Processing, vol. 56, no. 7, p. 3278–3293, 2008
  28. ↑ E. Björnson, D. Hammarwall, B. Ottersten, Exploiting Quantized Channel Norm Feedback through Conditional Statistics in Arbitrarily Correlated MIMO Systems, IEEE Transactions on Signal Processing, vol. 57, no. 10, p. 4027-4041, 2009
  29. ↑ B. Özbek, D. Le Ruyet, Feedback strategies for wireless communication, Springer-Verlag New York, U.S.A, December 2014.
  30. ↑ H. Weingarten, Y. Steinberg, and S. Shamai, The capacity region of the Gaussian multiple-input multiple-output broadcast channel Arxivat 2012-10-23 a Wayback Machine., IEEE Transactions on Information Theory, vol. 52, no. 9, p. 3936–3964, 2006.
  31. ↑ M. Costa, Writing on dirty paper, IEEE Transactions on Information Theory, vol. 29, no. 3, p. 439–441, 1983
  32. ↑ M. Tomlinson, New automatic equalizer employing modulo arithmetic, Electronics Letters, vol. 7, no. 5, p. 138–139, 1971
  33. ↑ H. Harashima and H. Miyakawa, Matched-transmission technique for channels with intersymbol interference, IEEE Transactions on Communications, vol. 20, no. 4, p. 774–780, 1972
  34. ↑ B. M. Hochwald, C. B. Peel, and A. L. Swindlehurst, A vector-perturbation technique for near-capacity multiantenna multi-user communication - Part II: Perturbation, IEEE Transactions on Communications, vol. 53, no. 1, p. 537–544, 2005
  35. ↑ E. Björnson, R. Zakhour, D. Gesbert, B. Ottersten, Cooperative Multicell Precoding: Rate Region Characterization and Distributed Strategies with Instantaneous and Statistical CSI, IEEE Transactions on Signal Processing, vol. 58, no. 8, p. 4298-4310, 2010.
  36. ↑ M. Schubert and H. Boche, Solution of the multiuser downlink beamforming problem with individual SINR constraints, IEEE Transactions on Vehicular Technology, vol. 53, no. 1, p. 18-28, 2004.
  37. ↑ A. Wiesel, Y.C. Eldar, S. Shamai, Linear precoding via conic optimization for fixed MIMO receivers, IEEE Transactions on Signal Processing, vol. 54, no. 1, p. 161-176, 2006.