KR101019291B1 - 다중 사용자 ｍｉｍｏ 시스템에서 고정 복잡도를 갖는 스피어 인코딩 방법 - Google Patents

다중 사용자 ｍｉｍｏ 시스템에서 고정 복잡도를 갖는 스피어 인코딩 방법 Download PDF

Info

Publication number
KR101019291B1
KR101019291B1 KR1020090106479A KR20090106479A KR101019291B1 KR 101019291 B1 KR101019291 B1 KR 101019291B1 KR 1020090106479 A KR1020090106479 A KR 1020090106479A KR 20090106479 A KR20090106479 A KR 20090106479A KR 101019291 B1 KR101019291 B1 KR 101019291B1
Authority
KR
South Korea
Prior art keywords
branch
parent nodes
complexity
user mimo
mimo system
Prior art date
Application number
KR1020090106479A
Other languages
English (en)
Inventor
장경희
마나르 모하이센
안홍선
지승환
정진섭
Original Assignee
인하대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020090106479A priority Critical patent/KR101019291B1/ko
Application granted granted Critical
Publication of KR101019291B1 publication Critical patent/KR101019291B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/40—Conversion to or from variable length codes, e.g. Shannon-Fano code, Huffman code, Morse code
    • H03M7/4031—Fixed length to variable length coding
    • H03M7/4037—Prefix coding
    • H03M7/4043—Adaptive prefix coding
    • H03M7/405—Tree adaptation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0452—Multi-user MIMO systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radio Transmission System (AREA)

Abstract

본 발명에서 제안하고 있는 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 가지는 스피어 인코딩 방법을 사용함으로써, 다중 사용자 MIMO 시스템에서 QRDM 인코더와 유사한 성능을 달성할 뿐 아니라, 분산 벡터 기법의 성능과 복잡도 간의 트레이드 오프를 적응적으로 조절할 수 있다. 또한, 트리 검색 구조를 병렬 수행함으로써 프리코딩 지연을 상당량 감소시키고, 인코딩 throughput을 증가시킬 수 있다.
스피어 인코더, 다중 사용자 MIMO 시스템, 계산 복잡도

Description

다중 사용자 ＭＩＭＯ 시스템에서 고정 복잡도를 갖는 스피어 인코딩 방법 {METHOD FOR FIXED-COMPLEXITY SPHERE ENCODING IN MULTI-USER MIMO SYSTEMS}
고정 복잡도를 갖는 스피어 인코딩 방법이 개시된다. 특히, 다중 사용자 MIMO 시스템에서 유효 브랜치 검색을 통해 계산된 매트릭 중 최소의 누적 매트릭을 가지는 분산 벡터를 이용하여 프리코딩을 수행하는 스피어 인코딩 방법이 개시된다.
최근 들어, 기지국(BS)이 많은 사용자와 동시에 통신하게 되면서 MU-MIMO(Multi User-Multi Input Multi Output) 기술의 중요성이 증가하고 있다. 특히, 전송 용량을 증가시키기 위해 MU-MIMO 시스템에서 프리코딩(Precoding) 기술이 연구되고 있다.
프리코딩을 위해 채널 행렬의 역행렬(pseudo-inverse matrix)을 이용하여 전송 벡터를 프리 필터링하는 제로 포싱(Zero Forcing: ZF) 기술이 이용된다. 제로 포싱을 이용하는 경우, 채널 메트릭스의 구성이 나쁘면 높은 전송 파워가 요구되다. 이러한 문제를 극복하기 위해, 선형 MMSE(linear minimum mean square error)를 사용하는 채널 인버전(Regularized Channel Inversion) 기법이 이용될 수 있다. 채널 인버전 기법을 이용하면, 제로 포싱을 이용하여 프리코딩을 수행한 경우에 발생하는 전송 파워는 감소시키면서 잡음 증폭과 간섭 간의 트레이드 오프를 획득할 수 있다.
특히, MMSE를 이용하는 THP(Tomlinson-Harashima precoding)의 경우, 비선형 모듈로(modulo) 연산을 이용함에 따라 전송 파워가 제한된 경우에도 좋은 성능을 가진다. 또한, 모듈로 연산 시 발생하는 코딩 손실은 고차 변조 기술을 이용하여 감소되고, 전송 파워는 전송 벡터를 분산(Perturbation)시킴으로써 감소된다.
이때, 최적의 분산 벡터는 스피어 인코더(Sphere Encoder: SE)를 이용하여 구할 수 있다. 스피어 인코더를 이용하는 경우, 평균 계산 복잡도는 감소되지만, 최악의 경우, 복잡도가 매우 높아지는 랜덤한 복잡도를 가진다.
랜덤한 복잡도를 극복하기 위해 QRDM-E(QRdecomposition with M-algorithm encoder)가 제안되었다. QRDM-E은 인코딩 단계 각각에서 고정된 개수의 후보들을 확보하는 기술이다. QRDM-E는 스피어 인코더와 동일한 성능을 가지지만, 복잡도는 스피어 인코더보다 높다.
이에 따라, 성능을 높이면서 복잡도를 감소시킬 수 있는 인코딩 기술이 필요하다.
본 발명은 다중 사용자 MIMO 시스템에서 인코딩을 수행하는 스피어 인코딩 방법을 제공한다.
본 발명의 일실시예에 따른 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 갖는 스피어 인코딩 방법은, 루트 노드와 연결 가능한 복수의 부모 노드들 각각으로의 브랜치들을 모두 검색하여 유효 브랜치(Retained Branch)로 결정하는 단계, 복수의 부모 노드들 각각에서 복수의 자식 노드들 각각으로 연결 가능한 복수의 브랜치들을 검색하는 단계, 및 검색된 복수의 브랜치들 중 어느 하나를 분산 벡터 기법을 이용하여 복수의 부모 노드들 각각에서의 유효 브랜치로 결정하는 단계를 포함할 수 있다.
이때, 상기 브랜치 검색을 병렬로 수행하여 최소의 누적 매트릭(Accumulative Metric)을 가지는 분산 벡터를 획득하는 단계를 더 포함할 수 있다.
또한, 복수의 부모 노드들 각각에서의 유효 브랜치는, 트리-검색 구조(Tree-Search phase)를 통해 검색된 브랜치들 각각의 누적 매트릭들을 이용하여 결정될 수 있다.
본 다중 사용자 MIMO 시스템에서의 스피어 인코딩 방법은, 병렬 검색 구조를 통해 유효 브랜치를 결정하여 계산 복잡도를 감소시킬 수 있을 뿐만 아니라, 프리코딩 처리시간을 단축할 수 있다.
또한, 고정된 복잡도를 제공하여 인코딩 처리율을 높일 수 있을 뿐만 아니라 하드웨어 구현 효율을 높일 수 있다.
이하에서는 첨부된 도면을 참조하여, 본 발명의 실시예를 설명하기로 한다.
이하의 실시예에서는 다운링크 MIMO 시스템에서 Nt개의 송신 안테나를 갖는 기지국은, 싱글 안테나를 갖는 Nu개의 단말들과 동시에 통신할 수 있음을 가정한다. 즉, N=Nt= Nu임을 가정한다. 또한, 채널 환경은 플랫 페이딩(Flat-Fading)이고, 시변 채널임을 가정한다. 이때, 채널의 상태 정보는 송신기인 기지국에서 알 수 있음을 가정한다. 그러면, MIMO 시스템은 K 차원의 격자 기반 시스템으로 전환될 수 있다. 여기서, K=2N으로 설정될 수 있다.
이때, 채널 매트릭스 H가
Figure 112009068094268-pat00001
이고, 데이터 벡터 s가
Figure 112009068094268-pat00002
를 만족하면, 프리코딩 벡터는 아래의 수학식 1과 같다.
Figure 112009068094268-pat00003
여기서,
Figure 112009068094268-pat00004
는 기설정된 PT에서의 전체 송신 파워를 제한하기 위해 이용되는 스케일링 팩터(factor)일 수 있다. 이때, PT는 1로 설정될 수 있다.
그러면, 기지국에서 선형 제로 포싱을 이용하여 프리코딩을 수행하는 경우, 프리코딩 매트릭스 P는 H-1가 될 수 있다. 이때, 기지국에서 선형 MMSE를 이용하여 프리코딩을 수행하는 경우, 프리코딩 매트릭스 P는
Figure 112009068094268-pat00005
가 될 수 있다. 여기서, α는
Figure 112009068094268-pat00006
이고,
Figure 112009068094268-pat00007
은 잡음 분산을 나타낼 수 있다.
수학식 1을 통해 프리코딩 벡터가 생성하는 경우, 데이터 벡터 s에서
Figure 112009068094268-pat00008
를 최소화하기 위해 벡터 분산 기법(Vector-Perturbation)이 이용될 수 있다. 즉, 벡터 분산 기법을 이용하여
Figure 112009068094268-pat00009
를 최소화하는 분산 벡터(Perturbed Vector)
Figure 112009068094268-pat00010
를 생성할 수 있다. 일예로,
Figure 112009068094268-pat00011
의 놈(Norm)은 Ps보다 작을 수 있다.
이때, 분산 벡터
Figure 112009068094268-pat00012
는 THP (Tomlinson-Harashima Precoding) 기법을 통해 획득 될 수 있으며, 아래의 수학식 2와 같다.
Figure 112009068094268-pat00013
여기서, τ는 변조 기법에 따라 변할 수 있는 정수이고, t는 K-차원 정수 벡터이다. 이때, τ는 아래의 수학식 3과 같이 표현될 수 있다. B. Hochwald, C. Peel, and L. Swindlehurst, "A vector-perturbation technique for near-capacity multiantenna multiuser communication - Part II": Perturbation, IEEE Transactions on Communications, vol. 53, no. 3, pp. 537-544, Mar. 2005.에서는 τ를 생성하는 방법에 대해 자세히 기재하고 있다.
Figure 112009068094268-pat00014
여기서,
Figure 112009068094268-pat00015
는 최대 크기를 갖는 콘스틸레이션 점(Constellation Point)이고, Δ는 콘스틸레이션 점들 간의 거리를 나타낼 수 있다.
그러면, 기지국에서는
Figure 112009068094268-pat00016
를 최소화하는 t를 아래의 수학식 4에 기초하여 계산할 수 있다.
Figure 112009068094268-pat00017
이때, 전치행렬 H는 단위행렬 Q와 상 삼각행렬 R 의 곱으로 인수 분해될 수 있다. 그러면, 제로 포싱에 기초하여 수학식 4의 t는 아래의 수학식 5와 같이, 간단히 표현될 수 있다.
Figure 112009068094268-pat00018
여기서, 하 삼각행렬 L은
Figure 112009068094268-pat00019
이다. 이때, MMSE가 이용되는 경우,
Figure 112009068094268-pat00020
는 아래의 수학식 6과 같이 Q와 R 행렬로 인수 분해될 수 있다. 즉, 아래의 수학식 6을 통해 QR-decomposition이 수행될 수 있다.
Figure 112009068094268-pat00021
여기서,
Figure 112009068094268-pat00022
이고,
Figure 112009068094268-pat00023
는 양의 실수이므로,
Figure 112009068094268-pat00024
가 될 수 있다. 이를 통해, tk는 아래의 수학식 7과 같이, 정수로 구성된 대칭 정수 세트(Symmetric Integer Set)에서 선택될 수 있다.
Figure 112009068094268-pat00025
여기서, a는 벡터-분산 기법에서 성능 및 복잡도 간의 트레이드 오프를 획득하기 위해 선택된 양의 정수일 수 있다. 또한, T=(2a+1)이고, T는 세트
Figure 112009068094268-pat00026
에 포함되는 엘리멘트들의 수를 나타낼 수 있다. 이때, a는 시뮬레이션을 통해 최적화될 수 있다.
이하에서는 분산 벡터 기법에 대해 보다 상세히 설명하기로 한다.
A. Spehere Encoder
스피어 인코더는 하이퍼 스피어(Hypersphere)를 구성하는 벡터들(t)의 검색 영역을 제한하기 위해 이용되는 것으로 아래의 수학식 8과 같다. 이때, 하이퍼 스피어의 반경은 기설정될 수 있다.
Figure 112009068094268-pat00027
여기서, d는 기설정된 하이퍼 스피어의 검색 반경을 나타낼 수 있다. 이때, 검색 반경은 벡터 t가 누적 메트릭보다 작은 경우에 업데이트될 수 있다. 스피어 인코더를 이용하여 프리코딩을 수행하는 경우, 순차적인 트리-검색으로 인해 하드웨어로의 구현이 어려울 수 있다.
B. QRDM-E(QR-decomposition with M-algorithm Encoder)
QRDM-E를 이용하여 결정된 최적의 M 브랜치들은 인코딩 단계 각각에서 최소의 누적 메트릭을 가질 수 있다. 이때, QRDM-E에서 M을 FSE(Fixed-complexity Sphere encoder, 이하, FSE)의 T로 설정하는 것을 가정한다. 또한, 트리 검색 구조를 가지므로 1,2,3,..., n 단계(여기서, n은 양수)로 갈수록 하위 단계에 해당됨을 가정한다.
그러면, 트리 구조의 첫 번째 검색 단계에서, 최적의 M 브랜치들은 2단계에서 획득되고, 2단계에서 획득된 브랜치들은
Figure 112009068094268-pat00028
와의 결합을 위해 확장될 수 있다. 이에 따라, 수학식 5를 통해 계산된 누적 메트릭에 따라서 M2 브랜치들이 저장될 수 있다.
이때, 가장 작은 누적 메트릭을 갖는 M 브랜치 만이 3단계에서 이용될 수 있 다. 이러한 과정이 마지막 인코딩 단계(n단계)까지 반복될 수 있다. 이를 통해, 가장 작은 누적 메트릭을 갖는 분산 벡터
Figure 112009068094268-pat00029
는 프리코딩되어 전송될 수 있다. 이때, QRDM-E를 이용하여 프리코딩을 수행하는 경우, K와 T가 높을수록 복잡도가 증가할 수 있다.
이에 따라, 인코딩 처리율(Throughput)을 높이면서 복잡도를 감소시킬 수 있는 인코딩 기술이 필요하다.
도 1은 본 발명의 일 실시예에 따른 고정 복잡도의 스피어 인코딩 방법을 설명하기 위해 제공되는 도면이다. 도 1은 p=1, K=3,
Figure 112009068094268-pat00030
인 경우를 가정한다.
먼저, 트리-검색 구조를 가지는 경우를 가정한다. 첫 번째 검색 단계(i=1)에서, 루트 노드(Root Node)는 루트 노드와 연결 가능한 모든 하위 노드들과의 브랜치(Branch)들을 검색한다. 여기서, 루트 노드의 하위 노드는 부모 노드(Parent Node) 가 될 수 있다.
그러면, 루트 노드에서 검색된 모든 브랜치들은 2단계(i=2)에서 이용할 수 있는 유효 브랜치(Retained Branch)로 결정될 수 있다. 즉, 도 1을 참조하면, 루트 노드는 부모 노드와 연결되는 조합
Figure 112009068094268-pat00031
을 통해 5개의 브랜치들을 유효 브랜치로 결정할 수 있다. 여기서, k = 1, 2, ..., 5를 포함할 수 있다. 이렇듯, 루트 노드에서 유효 브랜치를 결정하는 일련의 과정을 "Full Expansion"이라고 칭할 수 있다.
이어, 루트 노드의 하위 노드들, 즉, 부모 노드들은 부모 노드의 하위 노드인 자식 노드(Child Node)들과 연결 가능한 모든 브랜치들을 검색할 수 있다. 그러면, 각각의 부모 노드들은 검색된 브랜치들 중 최소 매트릭을 갖는 브랜치를 다음 3단계(i=3)에서 이용할 유효 브랜치로 결정할 수 있다. 이때, 2단계에서는 브랜치는 DFE(Decision-Feedback Equalization) 경로 기법을 이용하여 유효 브랜치가 결정될 수 있다.
그러면, 마지막 하위 노드인 자식 노드들은 부모 노드에서 결정된 브랜치를 통해 획득된 분산 벡터들(
Figure 112009068094268-pat00032
)의 매트릭들을 각각 비교하여 가장 작은 매트릭을 갖는 분산 벡터를 프리코딩하여 전송할 수 있다.
보다 상세하게는, 도 1을 참조하면, 마지막 3단계에서 자식 노드 각각의 매트릭들(1.7, 2.0, 1.5, 1.8, 4.0)을 비교하고, 최소의 매트릭(1.5)을 갖는 분산 벡터
Figure 112009068094268-pat00033
(110)가 프리코딩될 수 있다.
이상에서 설명한 바와 같이, 부모 노드 및 자식 노드에서 유효 브랜치를 결정하는 일련의 과정을 "Single Expansion"이라 칭할 수 있다. 즉, 부모 노드 및 자식 노드 각각에서 검색된 복수의 브랜치들 중 최소 매트릭을 갖는 어느 하나의 브랜치를 유효 브랜치로 결정하는 것을 "Single Expansion" 칭할 수 있다.
이하에서는, Full Expansion 및 Single Expansion과 같이 병렬 검색 구조를 갖는 FSE, 스피어 인코더, 및 QRDM-E의 복잡도에 대해 상세히 설명하기로 한다. 이때, 계사 복잡도는 방문자 노드의 수에 기초하는 분산 벡터 기법을 이용하기로 한다. 일예로, 방문자 노드의 수는 매트릭의 계산 회수를 들 수 있다.
스피어 인코더(SE)를 이용하는 경우의 복잡도는 아래의 수학식 9와 같다.
Figure 112009068094268-pat00034
여기서, K가 증가하면, 스피어 인코더의 복잡도 역시 증가할 수 있다.
또한, QRDM-E 에서 분산 벡터 기법을 이용하는 경우, 분산 벡터를 획득하기 위한 QRDM-E의 복잡도는 아래의 수학식 10과 같다. 즉, QRDM-E의 경우, 아래의 수학식 10에 기초하여 매트릭 연산을 수행할 수 있다.
Figure 112009068094268-pat00035
또한, FSE의 복잡도는 아래의 수학식 11과 같다. 이때, FSE의 경우, K 및 T에 기초하여 매트릭 연산을 수행하므로 송신 파워 및 처리 시간을 감소할 수 있다. 이를 통해, FSE 기법은 QRDM-E 및 스피어 인코더보다 복잡도가 감소될 수 있다.
Figure 112009068094268-pat00036
이때, 도 2를 통해 FSE 기법의 복잡도가 감소됨을 보다 자세히 확인할 수 있다.
도 2는 FSE 및 QRDM-E의 복잡도 간 비율을 도시한 도면이다. 도 2에서, 비율
Figure 112009068094268-pat00037
이고,
Figure 112009068094268-pat00038
일 수 있다. 이때, K=8, T=7인 4X4 시스템에서, FSE는 QRDM-E에 비해 오직 16%의 계산 복잡도가 필요할 수 있다.
또한, 동일한 100MHz의 클럭 주파수를 사용하고, 16-QAM을 사용하는 4X4 MIMO 시스템에서, FSE 기법 및 QRMD-E를 이용하는 경우, FSE 및 QRDM-E의 처리율은 각각 400Mbps, 53.3Mbps이다. 이를 통해, FSE 기법을 이용하는 경우의 인코딩 처리율이 QRDM-E를 이용하는 경우보다 7.5배 향상됨을 확인할 수 있다.
또한, FSE 기법을 이용하는 경우, 복잡도를 감소시키기 위해
Figure 112009068094268-pat00039
의 엘리먼트들이 우선적으로 계산되도록 선처리(Pre-Computation)가 수행될 수 있다. 여기서, 엘리먼트들은 매트릭스
Figure 112009068094268-pat00040
를 포함할 수 있다. 이때,
Figure 112009068094268-pat00041
와 D는 실수 영역에서의 콘스틸레이션 세트(Real Constellation Set)의 크기를 나타낼 수 있다. 그러면, 선처리(Pre-Computation)가 수행되는 경우, 곱셈 및 덧셈 연산 횟수에 따른 복잡도는 아래의 수학식 12 및 13과 같다.
Figure 112009068094268-pat00042
Figure 112009068094268-pat00043
여기서,
Figure 112009068094268-pat00044
및
Figure 112009068094268-pat00045
는 선처리를 위해, 각각 실수 영역에서의 곱셈 및 덧셈 연산이 요구될 수 있다. 또한 Nf는 동일한 채널 상태 정보(CSI)를 이용하는 경우의 전송 횟수를 나타낼 수 있다.
또한, 수학식 5와 같이, 브랜치 매트릭들의 두 번째 놈(Norm)을 비교하는 대신에, 브랜치 매트릭들의 절대값들을 비교(이하, 절대 매트릭)하거나, 또는 선결정된 탐색 구의 반지름을 이용하여 복수의 부모 노드들 각각에서의 유효 브랜치를 결정할 수 있다. 즉, 제로 포싱을 이용하는 경우, 수학식 5에서 제곱 연산을 수행하기 이전에, 획득된 매트릭들을 비교하여 가장 작은 절대 매트릭을 갖는 브랜치가 선택될 수 있다.
그러면, 수학식 5와 같이, 선택된 브랜치의 누적 매트릭이 계산될 수 있다. 이를 통해, 각 노드에서의 곱셈 연산 횟수가 T에서 1로 감소될 수 있다. 이러한 제곱 연산을 수행하기 이전에 매트릭들을 먼저 비교하여 누적 매트릭을 계산하는 기법을 "comparison-before-squaring" 기법이라고 칭할 수 있다.
이에 따라, 트리 검색 구조에서 FSE 기법을 수행하는 경우에 필요한 덧셈 및 곱셈 연산의 전체 횟수, 즉, 복잡도는 각각 아래의 수학식 14 및 15와 같다.
Figure 112009068094268-pat00046
Figure 112009068094268-pat00047
이때, FSE 기법을 수행하기 위해 필요한 곱셈 및 덧셈 연산의 전체 횟수는 각각 아래의 수학식 16 및 17과 같다.
Figure 112009068094268-pat00048
Figure 112009068094268-pat00049
여기서, Nf가 큰 경우,
Figure 112009068094268-pat00050
이고,
Figure 112009068094268-pat00051
가 될 수 있다.
이상에서는 병렬 검색 구조의 일예로서, "선처리(Pre-Computation)" 기법 및 "Comparison-before-squaring" 기법에 대해 설명하였다. 이하에서는 4X4 MU-MIMO 시스템에서, THP, QRDM-E 및 FSE 간의 BER 성능을 비교하여 설명하기로 한다. 이때, K=8, Nu=4이고, QPSK 변조를 이용한 경우를 가정하기로 한다. 여기서, 프리코딩의 각 단계에서 가장 작은 누적 매트릭을 갖는 오직 하나의 유효 브랜치를 가지는 경우의 FSE와 THP의 BER 성능을 비교하기로 한다. 이때, MMSE 기법이 이용될 수 있다.
도 3은 FSE 및 QRDM-E의 BER을 도시한 도면이다.
도 3을 참조하면, T=3부터 T=5일 때, FSE 기법을 이용하는 경우의 BER 성능이 향상됨을 확인할 수 있다. 또한, FSE의 경우, T가 7이상이면, BER 성능의 향상 폭이 미비함을 확인할 수 있다. 반면에 QRDM-E의 경우, T가 7이상이더라도 BER 성능이 향상됨을 확인할 수 있다. 이를 통해, T를 7로 설정하여 성능(Performance)과 복잡도 간의 트레이드 오프를 제공할 수 있다.
도 4는 벡터 분산 기법을 이용하는 경우의 BER 성능을 도시한 도면이다. 도 4에서는, K=8인 MMSE 기법으로 프리코딩을 수행하고, QPSK 변조 기법이 이용된 경우를 가정한다.
도 4를 통해, 타겟(target) BER 10-4인 경우, FSE 기법은 THP 기법보다 6dB 향상된 BER 성능을 가지며, QRDM-E 기법보다는 2dB 향상된 BER 성능을 가짐을 확 확인할 수 있다. 이에 따라, MU-MIMO 시스템에서 고정된 복잡도를 갖는 스피어 인코더(FSE)는 병렬의 트리 검색 구조를 통해 THP 및 QRDM-E 기법보다 복잡도를 감소시킬 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일 실시예에 따른 고정 복잡도의 스피어 인코딩 방법을 설명하기 위해 제공되는 도면이다.
도 2는 FSE 및 QRDM-E의 복잡도 간 비율을 도시한 도면이다.
도 3은 FSE 및 QRDM-E의 BER을 도시한 도면이다.
도 4는 벡터 분산 기법을 이용하는 경우의 BER 성능을 도시한 도면이다.

Claims (8)

  1. 루트 노드와 연결 가능한 복수의 부모 노드들 각각으로의 브랜치들을 모두 검색하여 유효 브랜치(Retained Branch)로 결정하는 단계;
    상기 복수의 부모 노드들 각각에서 복수의 자식 노드들 각각으로 연결 가능한 복수의 브랜치들을 검색하는 단계; 및
    상기 검색된 복수의 브랜치들 중 어느 하나를 분산 벡터 기법을 이용하여 상기 복수의 부모 노드들 각각에서의 유효 브랜치로 결정하는 단계
    를 포함하는 것을 특징으로 하는 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 가지는 스피어 인코딩 방법.
  2. 제1항에 있어서,
    상기 브랜치 검색을 병렬로 수행하여 최소의 누적 매트릭(Accumulative Metric)을 가지는 분산 벡터를 획득하는 단계
    를 더 포함하는 것을 특징으로 하는 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 가지는 스피어 인코딩 방법.
  3. 제1항에 있어서,
    상기 브랜치 검색을 통해 획득된 분산 벡터들을 이용하여 최소의 누적 매트릭(Accumulative Metric)을 갖는 분산 벡터를 프리코딩(Precoding)하여 전송하는 단계
    를 더 포함하는 것을 특징으로 하는 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 가지는 스피어 인코딩 방법.
  4. 제1항에 있어서,
    상기 복수의 부모 노드들 각각에서의 유효 브랜치는, 트리-검색 구조(Tree-Search phase)를 통해 검색된 브랜치들 각각의 누적 매트릭들을 이용하여 결정되는 것을 특징으로 하는 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 가지는 스피어 인코딩 방법.
  5. 제4항에 있어서,
    상기 결정된 누적 매트릭들 중 최소의 누적 매트릭을 갖는 분산 벡터를 프리코딩(Precoding)하여 전송하는 단계
    를 더 포함하는 것을 특징으로 하는 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 가지는 스피어 인코딩 방법.
  6. 제5항에 있어서,
    상기 전송하는 단계는,
    MMSE(Minimum Mean Square error) 또는 ZF(Zero Forcing) 기법을 통해 상기 분산 벡터를 프리코딩하여 전송하는 것을 특징으로 하는 다중 사용자 MIMO 시스템 에서의 고정된 복잡도를 가지는 스피어 인코딩 방법.
  7. 제1항에 있어서,
    상기 복수의 부모 노드들 각각에서의 유효 브랜치를 결정하는 단계는,
    DFE(Decision-Feedback Equalization) Path를 이용하여 상기 복수의 부모 노드들 각각에서의 하나의 유효 브랜치를 결정하는 것을 특징으로 하는 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 가지는 스피어 인코딩 방법.
  8. 제1항에 있어서,
    상기 복수의 부모 노드들 각각에서의 유효 브랜치를 결정하는 단계는,
    상기 복수의 부모 노드들 각각에서 검색된 복수의 브랜치들 각각의 절대 매트릭과 선결정된 탐색 구의 반지름을 이용하여 상기 복수의 부모 노드들 각각에서의 유효 브랜치를 결정하는 것을 특징으로 하는 다중 사용자 MIMO 시스템에서의 고정된 복잡도를 가지는 스피어 인코딩 방법.
KR1020090106479A 2009-11-05 2009-11-05 다중 사용자 ｍｉｍｏ 시스템에서 고정 복잡도를 갖는 스피어 인코딩 방법 KR101019291B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090106479A KR101019291B1 (ko) 2009-11-05 2009-11-05 다중 사용자 ｍｉｍｏ 시스템에서 고정 복잡도를 갖는 스피어 인코딩 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090106479A KR101019291B1 (ko) 2009-11-05 2009-11-05 다중 사용자 ｍｉｍｏ 시스템에서 고정 복잡도를 갖는 스피어 인코딩 방법

Publications (1)

Publication Number Publication Date
KR101019291B1 true KR101019291B1 (ko) 2011-03-07

Family

ID=43938385

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090106479A KR101019291B1 (ko) 2009-11-05 2009-11-05 다중 사용자 ｍｉｍｏ 시스템에서 고정 복잡도를 갖는 스피어 인코딩 방법

Country Status (1)

Country Link
KR (1) KR101019291B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109644030A (zh) * 2016-08-10 2019-04-16 华为技术有限公司 单位范数码本设计和量化

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02200904A (ja) * 1989-01-30 1990-08-09 Mitsuboshi Belting Ltd 全天候型弾性舗装層および同舗装工法
KR20030061147A (ko) * 2002-01-11 2003-07-18 삼성전자주식회사 트리형 계층구조를 이용한 경보 마스킹 방법 및 이를 위한기록매체
KR20080065233A (ko) * 2007-01-08 2008-07-11 인더스트리얼 테크놀로지 리서치 인스티튜트 네트워크 데이터 전송을 위한 방법 및 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02200904A (ja) * 1989-01-30 1990-08-09 Mitsuboshi Belting Ltd 全天候型弾性舗装層および同舗装工法
KR20030061147A (ko) * 2002-01-11 2003-07-18 삼성전자주식회사 트리형 계층구조를 이용한 경보 마스킹 방법 및 이를 위한기록매체
KR20080065233A (ko) * 2007-01-08 2008-07-11 인더스트리얼 테크놀로지 리서치 인스티튜트 네트워크 데이터 전송을 위한 방법 및 시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
논문1 : EURASIP (2009.08)
논문2 : 한국통신학회논문지 (2009.04)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109644030A (zh) * 2016-08-10 2019-04-16 华为技术有限公司 单位范数码本设计和量化
CN109644030B (zh) * 2016-08-10 2021-05-04 华为技术有限公司 单位范数码本设计和量化

Similar Documents

Publication Publication Date Title
CN114051701B (zh) 用于机器学习辅助预编码的设备和方法
CN101499840B (zh) 多入多出系统的迭代检测方法
CN108234072B (zh) 用于对数据信号进行子块解码的方法和设备
WO2021001199A1 (en) Devices and methods for machine learning assisted sphere decoding
WO2015112883A1 (en) System and method for early termination in iterative null-space directed singular value decomposition for mimo
KR20070074023A (ko) 다중 안테나 다중 사용자 통신 시스템의 최적 퍼터베이션장치 및 방법
EP3229428B1 (en) Methods and devices for sequential sphere decoding
Ketseoglou et al. Linear precoding for MIMO with LDPC coding and reduced complexity
Bazdresch et al. A family of hybrid space-time codes for MIMO wireless communications
Mohaisen et al. Fixed-complexity vector perturbation with block diagonalization for MU-MIMO systems
Valente et al. LR-aided MIMO detectors under correlated and imperfectly estimated channels
Ding et al. HOS-based semi-blind spatial equalization for MIMO Rayleigh fading channels
Jang et al. Combined deep learning and SOR detection technique for high reliability in massive MIMO systems
KR101019291B1 (ko) 다중 사용자 ｍｉｍｏ 시스템에서 고정 복잡도를 갖는 스피어 인코딩 방법
CN107248876B (zh) 基于稀疏贝叶斯学习的广义空间调制符号检测方法
Kim et al. MMSE-based lattice-reduction-aided fixed-complexity sphere decoder for low-complexity near-ML MIMO detection
US11996915B2 (en) Devices and methods for machine learning assisted precoding
Markkandan et al. A lattice reduction-aided information precoder for multiuser communication system
Khorsandmanesh et al. Fronthaul Quantization-Aware MU-MIMO Precoding for Sum Rate Maximization
Mohaisen A review of fixed-complexity vector perturbation for MU-MIMO
Bao et al. Low-complexity lattice reduction aided detection for generalised spatial modulation
Mohaisen et al. Parallel QRD-M encoder for decentralized multi-user MIMO systems
CN108234003B (zh) 有完美匹配的mimo协作拓扑干扰对齐方法
Wang et al. List Encoding of Vector Perturbation Precoding
Christensen et al. Achievable sum-rates in MIMO broadcast channels with vector precoding techniques using coded modulation

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20131217

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20141204

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160113

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20161220

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee