5G無線通信高效檢測及譯碼的算法與實(shí)現(xiàn)研究.pdf

1、作為下一代移動通信5G的一項(xiàng)關(guān)鍵技術(shù)，大規(guī)模多天線(MIMO)系統(tǒng)在傳統(tǒng)MIMO系統(tǒng)的基礎(chǔ)上進(jìn)一步改善了頻譜效率、連接可靠性和覆蓋范圍。最近提出的Polar碼在二進(jìn)制離散無記憶信道(B-DMCs)中能夠達(dá)到香農(nóng)信道容量，被稱為信息領(lǐng)域的一項(xiàng)重大突破?，F(xiàn)在，Polar碼已經(jīng)被采納為5G增強(qiáng)型移動寬帶場景(eMBB)控制信道的短碼方案?；诖耍疚膶⒅饕芯看笠?guī)模MIMO系統(tǒng)檢測器、Polar碼譯碼器以及Polar碼編碼MIMO系統(tǒng)的聯(lián)合檢

2、測譯碼(JDD)方法。
　　對于大規(guī)模MIMO上行鏈路，提出了基于符號的實(shí)數(shù)域置信傳播(BP)檢測算法。針對i.i.d.以及各種相關(guān)MIMO信道，從理論上分析并證明了BP算法中符號節(jié)點(diǎn)和消息節(jié)點(diǎn)的消息更新準(zhǔn)則。對于發(fā)射端天線相關(guān)或者加載因子ρ=1的大規(guī)模MIMO系統(tǒng)，采用消息阻尼策略來改善BP檢測的性能。為了在性能和復(fù)雜度之間提供良好的折衷實(shí)現(xiàn)，基于自適應(yīng)的消息更新方式，提出了自適應(yīng)的BP檢測算法。相比復(fù)數(shù)域的單邊BP(SE-BP

3、)檢測，本章提出的基于符號的實(shí)數(shù)域BP檢測算法顯著改善了檢測性能。對于發(fā)射和接收端相關(guān)的MIMO信道，提出的自適應(yīng)BP檢測算法能夠在保證檢測性能的同時(shí)，大大降低了計(jì)算復(fù)雜度。對于采用不同天線配置的i.i.d.以及各種相關(guān)衰落MIMO信道，本文提出的基于符號的實(shí)數(shù)域BP檢測算法相比已有的BP檢測器和最小均方誤差(MMSE)線性檢測器，在檢測性能和復(fù)雜度方面均表現(xiàn)出一定的優(yōu)勢。因此，本文提出的基于符號的實(shí)數(shù)域BP檢測算法不需要矩陣求逆，具有

4、良好的檢測性能、較低的計(jì)算復(fù)雜度，能夠適用于多種大規(guī)模MIMO系統(tǒng)，尤其是高階調(diào)制系統(tǒng)。
　　在硬件實(shí)現(xiàn)上，我們給出了適用于大規(guī)模MIMO系統(tǒng)的通用和高效的BP檢測器架構(gòu)，并對處理時(shí)序進(jìn)行了詳細(xì)分析。處于實(shí)現(xiàn)復(fù)雜度和容錯性的考慮，提出了基于隨機(jī)計(jì)算的低復(fù)雜度BP檢測器。對于正交相移鍵控(QPSK)調(diào)制和正交幅度調(diào)制(QAM)系統(tǒng)，詳細(xì)分析了隨機(jī)BP檢測器消息更新和輸出判決模塊的硬件邏輯結(jié)構(gòu)。通過引入常系數(shù)和采用重隨機(jī)操作來改善檢測

5、性能。該隨機(jī)BP檢測器的性能隨著天線數(shù)增加而不斷改善，最終逼近確定域BP檢測器。根據(jù)理論分析，隨機(jī)BP檢測器的硬件復(fù)雜度僅隨著天線數(shù)增加呈線性增加，而系統(tǒng)延時(shí)對數(shù)增加。相比最新的迭代檢測器，本文提出的確定域BP檢測器硬件消耗得到了顯著降低。當(dāng)天線規(guī)模足夠大時(shí)，隨機(jī)BP檢測器具有與確定性檢測器可比擬的邏輯消耗，卻并不消耗復(fù)雜的算術(shù)運(yùn)算單元，例如數(shù)字信號處理器(DSPs)。隨著天線規(guī)模進(jìn)一步增大，該隨機(jī)BP檢測器在硬件實(shí)現(xiàn)方面將表現(xiàn)出更大的

6、低復(fù)雜度優(yōu)勢，而系統(tǒng)延時(shí)幾乎保持不變，系統(tǒng)吞吐率得到成倍提升。因此，隨機(jī)BP檢測器適用于對延時(shí)不敏感的大規(guī)模MIMO系統(tǒng)。對于實(shí)現(xiàn)復(fù)雜度和系統(tǒng)吞吐率同等重要的大規(guī)模MIMO應(yīng)用場景，確定域的BP檢測器將是一個(gè)不錯的選擇。
　　針對Polar碼的連續(xù)干擾消除鏈表(SCL)譯碼器，首先提出了兩種簡化的路徑度量值排序方法:松排序(RS)和分布式排序(DS)算法。對于鏈表長度為L的SCL譯碼器，RS和DS算法將路徑度量值的比較復(fù)雜度從O(

7、L2)降低到O（L），排序延時(shí)從kL2降低到kL（k是與L無關(guān)的常系數(shù)）。同時(shí)，基于RS和DS簡化排序的SCL譯碼器能夠達(dá)到采用直接嚴(yán)格排序的SCL譯碼器幾乎一致的譯碼性能。為了獲得與低密度校驗(yàn)碼(LDPC)、Turbo碼相似的譯碼性能，可采用CRC預(yù)編碼策略，進(jìn)而產(chǎn)生了CRC輔助的SCL(CA-SCL)譯碼器?；诙M(jìn)制擦除信道(BEC)，對 SCL譯碼的誤差傳播進(jìn)行了相應(yīng)的理論分析。為了降低路徑度量值排序和內(nèi)存管理復(fù)雜度，基于誤差傳

8、播的理論分析，提出了簡化的路徑擴(kuò)展方法。此外，為了盡可能早地丟棄無效路徑，又提出了分段的CA-SCL(SCA-SCL)譯碼器，可有效降低平均鏈表長度。采用簡化路徑擴(kuò)展方法的CA-SCL譯碼器能夠達(dá)到傳統(tǒng)CA-SCL譯碼器的譯碼性能。同時(shí)，基于分段CRC策略的SCA-SCL譯碼器相比傳統(tǒng)的CA-SCL譯碼器，其性能損失是可以忽略的。最后，本文提出的簡化排序算法、簡化路徑擴(kuò)展方法以及分段CRC策略可以互相結(jié)合來獲得更低的譯碼復(fù)雜度。

9、　　對于Polar編譯碼器的整體硬件實(shí)現(xiàn)，提出了并行流水線折疊的SCL譯碼架構(gòu)。基于基本的√N(yùn)-bit SC譯碼器，采用硬件折疊、流水線技術(shù)，以及指令集調(diào)用方式，實(shí)現(xiàn)N-bit的SC譯碼器。對于傳統(tǒng)的并行和并行流水線折疊SCL譯碼架構(gòu)，給出了系統(tǒng)延時(shí)、混合節(jié)點(diǎn)消耗以及硬件利用率的理論分析。此外，基于折疊SC譯碼架構(gòu)，提出了分級量化方案，有效降低了平均量化比特長度，同時(shí)保證了與統(tǒng)一量化方案相同的譯碼性能。針對N=1024，K=512的Po

10、lar碼，在AlteraStratixⅤ系列FPGA的DE5-net開發(fā)板上實(shí)現(xiàn)了Polar碼的后向反饋流水線編碼器以及L=2，4可調(diào)的并行流水線折疊SCL譯碼器的整體系統(tǒng)鏈路，并給出了詳細(xì)的硬件綜合結(jié)果和誤塊率(BLER)曲線。當(dāng)L=4時(shí)，采用簡化的DS2算法實(shí)現(xiàn)排序模塊，有效降低了硬件消耗和排序延時(shí)。本文提出的Polar碼編譯碼系統(tǒng)實(shí)現(xiàn)具有低復(fù)雜度和低延時(shí)特性，同時(shí)保證了理想的譯碼性能。
　　相比Polar碼SC譯碼器，BP譯

11、碼器本身具有更高的并行性，適用于高吞吐率的應(yīng)用場景。本文通過揭示Polar碼的BP譯碼器與快速傅里葉變換(FFT)處理器之間的相似性，提出了一種流水線BP譯碼器的通用設(shè)計(jì)方法。作為例子，詳細(xì)展示了前向和后向反饋流水線BP譯碼架構(gòu)，并分析了相應(yīng)的數(shù)據(jù)處理時(shí)序。根據(jù)從左到右和從右到左消息更新的運(yùn)算級邏輯結(jié)構(gòu)的相似性，提出了基于運(yùn)算級折疊的前向和后向反饋流水線BP譯碼架構(gòu)，進(jìn)一步降低了硬件復(fù)雜度，提高了硬件利用率。對于Polar碼已有的和本文

12、提出的四種BP譯碼架構(gòu)，從理論上給出了硬件復(fù)雜度、系統(tǒng)譯碼延時(shí)、吞吐率、硬件利用率以及硬件效率隨碼長的變化曲線，并進(jìn)行了相應(yīng)的分析和討論。結(jié)合硬件綜合結(jié)果，相比已有文獻(xiàn)中的BP譯碼架構(gòu)，本文提出的四種BP譯碼架構(gòu)在硬件消耗和硬件效率方面均表現(xiàn)出一定的優(yōu)勢。此外，本文提出的所有BP譯碼架構(gòu)能夠靈活適用于不同碼長和碼率的應(yīng)用場景。隨著碼長的增加，硬件復(fù)雜度的增加在可接受的范圍內(nèi)。更重要的是，本文提出的流水線BP譯碼器的通用設(shè)計(jì)方法能夠在系統(tǒng)

13、吞吐率、譯碼延時(shí)、硬件消耗和硬件利用率之間提供靈活的折衷實(shí)現(xiàn)。
　　對于Polar碼編碼的MIMO系統(tǒng)，聯(lián)合考慮若干個(gè)信道，引入了JDD方法的系統(tǒng)配置。為了避免針對無效路徑的不必要處理，提出了一種基于縮減樹的JDD算法。在一般情況下，嚴(yán)格推導(dǎo)了基于檢測-譯碼聯(lián)合最優(yōu)化的數(shù)學(xué)表達(dá)。此時(shí)，該最優(yōu)化問題可看作一個(gè)樹的寬度優(yōu)先搜索(BFS)操作。與K-best檢測唯一的不同在于:每一層符號節(jié)點(diǎn)的擴(kuò)展需要增加類似預(yù)編碼的操作，即基于模2的乘