Details

Autor: Ernesto Zimmermann
Titel: Complexity Aspects in Near-Capacity MIMO Detection-Decoding
Typ: Dissertation
Fachgebiet: Informationstechnik
Reihe: Mobile Nachrichtenübertragung, Nr.: 37
Auflage: 1
Sprache: Englisch
Erscheinungsdatum: August 2007
Lieferstatus: Lieferbar
Umfang: 206 Seiten
Bindung: Soft
Preis: 50,00 EUR
ISBN: 9783938860090
Umschlag: (vorn)
Inhaltsverzeichnis: (pdf)


Bestellung

Abstrakt in Englisch

The steady increase in data rates in wireless networks calls for methods which allow to use the radio frequency spectrum as efficiently as possible. Multiple antenna systems are able to increase spectral efficiency by spatially multiplexing several data streams into the same time-frequency bin. However, due to the non-orthogonality of the transmission channel, this benefit comes at the cost of potentially high detection complexity.

The detection problem may be reformulated into a search for specific leaf nodes in a tree structure, which enables the use of tree search schemes for tackling this challenge. By tuning the number of nodes the algorithms are allowed to visit, performance and complexity can be flexibly traded off against each other. Tree search schemes can be classified into three main categories: depth-first search, metric-first search, and breadth-first search. This thesis provides a detailed assessment of three techniques: sphere detection, list sequential (LISS) detection, and M-Algorithm based detection, each being a representative example of one of the aforementioned types of tree search algorithms.

A generic framework for tree search based detection is introduced. This allows to apply different methods for improving the achievable performance-complexity trade-off to all of the aforementioned algorithms. More specifically, it is shown that using MMSE preprocessing is essential for achieving low detection complexity. Therefore, using such preprocessing will substantially improve performance whenever the complexity of the tree search is fixed or upper bounded. In the absence of a priori information, a further significant decrease in detection complexity can be achieved for all tree search techniques, by using efficient node enumeration methods such as Schnorr-Euchner enumeration.

The task of generating detector soft output of high quality is found to be a major challenge for all investigated tree search schemes. There exist two fundamentally different approaches towards solving this problem. The conventional way is to use a single undirected search in the tree to construct a very large list of hypotheses on the transmit signal. Alternatively, a set of constrained tree searches - Smart Candidate Adding - can be used.
It is shown that the latter approach offers a number of advantages in terms of detection complexity and storage requirements. Although it may in principle be used with any of the aforementioned algorithms, the M-Algorithm is best suited as component tree search technique.

If appropriate upper bounds on the tree search complexity are imposed, the average number of visited nodes is typically within a factor of two for all investigated techniques. Taking the involved overheads and storage requirements into account, the M-Algorithm and the sphere detector emerge as the most attractive solutions for practical implementation.
The former offers the advantage of fixed detection complexity, while the latter requires the lowest storage space and the fewest sorting operations.

Abstrakt in Deutsch

Die kontinuierlich steigenden Anforderungen an die Datenraten in drahtlosen Mobilfunknetzwerken erfordern eine effiziente Ausnutzung der zur Verfügung stehenden Bandbreite.
Mehrantennensysteme erlauben eine sehr hohe spektrale Effizienz, indem sie mehrere Datenströme parallel in einem Zeit-Frequenz-Slot übertragen. Da der Übertragungskanal im Allgemeinen nicht orthogonal ist, wird dieser Vorteil jedoch durch eine hohe Detektionskomplexität erkauft.

Baumsuchverfahren ermöglichen es, diese Herausforderung effizient zu meistern. Das Detektionsproblem wird hierbei als Suche nach spezifischen Blattknoten in einer Baumstruktur aufgefasst. Eine Anpassung der Anzahl der besuchten Baumknoten erlaubt einen flexiblen Austausch zwischen Leistungsfähigkeit und Komplexität. Die vorliegende Arbeit widmet sich dem Vergleich dreier repräsentativer Baumsuchverfahren: dem sphere detector als Beispiel für eine Tiefensuche, dem sequential detector als Beispiel für eine metrikgesteuerte Suche, und dem M-Algorithmus als Beispiel für eine Breitensuche.

Basierend auf einem generischen Rahmenwerk für Baumsuchverfahren, werden verschiedene Ansätze zur Verbesserung der Leistungsfähigkeit von Baumsuchverfahren untersucht.
Es wird gezeigt, dass durch MMSE-Vorverarbeitung die Komplexität der Baumsuche signifikant gesenkt werden kann. In Szenarien in welchen der Aufwand der Baumsuche nach oben beschränkt ist, ermöglicht dies eine deutliche Verbesserung der erreichten Bitfehlerraten. Wenn keine a priori Information in die Berechnung der Metriken einbezogen werden muss, kann die Komplexität durch die Nutzung geeigneter Knotenaufzählungsverfahren, z.B. der von Schnorr und Euchner vorgestellten Methode, weiter gesenkt werden.

Die Berechnung von Verlässlichkeitsinformationen über die gesendeten Bits stellt eine große Herausforderung für die untersuchten Verfahren dar. Es existieren zwei grundlegend verschiedene Ansätze, um dieses Problem zu lösen. Der konventionelle Ansatz nutzt eine einzige Baumsuche um eine große Anzahl von Schätzungen über das Empfangssignal zu generieren. Alternativ können auch mehrere gerichtete Baumsuchen durchgeführt werden.
Dieser Ansatz wird als Smart Candidate Adding bezeichnet. Es wird gezeigt, dass die letztgenannte Methode einige Vorteile in Bezug auf die Detektionskomplexität sowie die Anforderungen an den verfügbaren Speicherplatz aufweist. Im Prinzip kann Smart Candidate Adding jedes der vorgenannten Verfahren zur Baumsuche nutzen, der M-Algorithmus stellte sich jedoch als die beste Wahl heraus.

Wird die Komplexität der Baumsuche durch geeignete obere Schranken begrenzt, so ist der mittlere Aufwand für die Detektion für alle untersuchten Verfahren vergleichbar. In Anbetracht des unterschiedlichen Speicherbedarfs und Sortieraufwands der verschiedenen Verfahren kristallisieren sich der M-Algorithmus und der sphere detector als attraktivste Lösungen für eine praktische Implementierung heraus.