外文翻譯--由于晶格減少輔助峰值功率減少的最近點(diǎn)搜索的mimo廣播頻道

1、<p>　　由于晶格減少輔助峰值功率減少的最近點(diǎn)搜索的MIMO廣播頻道</p><p><b>　　介紹</b></p><p>　　最近幾年多輸入多輸出廣播信道有很大的研究空間。在未來(lái)的多孔系統(tǒng)中，它可能被應(yīng)用到在基地有多傳輸天線(xiàn)和有多接受天線(xiàn)的每名用戶(hù)的下行通道中.在高斯容量區(qū)域的MiMO BC有很多驗(yàn)證(Caire和Shamai; Vishwanath

2、 等人，2003年; Viswanath and Tse，2003年; Yu and Cioffi，2004年; Weingarten等人，2006年). Weingarten等人(2006)研究的the dirty-paper編程(DPC)( Costa，1983年)的成功率區(qū)域和高斯容量區(qū)域的MIMO BC幾乎一樣.DPC容量研究成功的方法眾所周知是基本的多維網(wǎng)格的量子化和極小的方差(MMSE)的降低(Erez and Brink，

3、2005年; Erez等人，2005年). 其他事態(tài)發(fā)展的基礎(chǔ)上DPC技術(shù)計(jì)劃包括網(wǎng)格和卷積預(yù)編碼（2005年YU等人）和疊加編碼(Bennatan 等人，2006年).</p><p>　　然而,DPC技術(shù)的高非線(xiàn)性組織它的實(shí)際運(yùn)行情況. 這促使研究人員考慮一些其他一些預(yù)編碼方案，包括通道反演（Peel等人，2005年）, 正規(guī)化渠道反演（Peel等人，2005年） ，矢量擾動(dòng)范圍的基礎(chǔ)上編碼（Hochwald

4、等人，2005年） ，格減少計(jì)算機(jī)輔助（LRA）湯，原島預(yù)編碼（ Windpassinger等人，2004年）和塊對(duì)角化（(Spencer等人 ，2004年） 。其中預(yù)編碼方案，矢量微擾方案能夠?qū)崿F(xiàn)最佳的性能附近的DPC技術(shù)的多樣性時(shí)，多是無(wú)法使用。然而，矢量擾動(dòng)計(jì)劃沒(méi)有考慮到的峰值平均功率比（ PAPR的）所產(chǎn)生的發(fā)送信號(hào)。最近的工作博卡迪和開(kāi)羅（ 2006年）的基礎(chǔ)上的P -領(lǐng)域編碼（p-SE）的承諾，以減少PAPR的，但受到高的復(fù)

5、雜性。在本文中，我們首先采用多項(xiàng)式時(shí)間Lenstra-Lenstra-Lovasz（LLL）算法（(Lenstra等，1982年）的預(yù)編碼矩陣獲得晶格的基礎(chǔ)上減少。 然后，使用近似正交性質(zhì)欄的LLL減少的基礎(chǔ)上，最近點(diǎn)搜索（CPS）可以用來(lái)尋找最佳微擾載體。擬議的LRA-CPS計(jì)劃能夠?qū)崿F(xiàn)之間的權(quán)衡的功率效率和PAPR的。此外，LRA</p><p><b>　　系統(tǒng)模型和預(yù)備</b><

6、;/p><p>　　考慮每一個(gè)接收天線(xiàn)有M傳輸天線(xiàn)基站和K個(gè)用戶(hù)接收天線(xiàn)的MIMO BC預(yù)編碼模式。在每一個(gè)符號(hào)間隔中可以表示成復(fù)雜的基帶輸入輸出模型，</p><p><b>　?。?）</b></p><p>　　包含在每個(gè)用戶(hù)所收到的數(shù)據(jù)中, 它包含從M傳輸天線(xiàn)的信號(hào)傳播，H是一個(gè)有K × M復(fù)值頻道矩陣與每個(gè)參數(shù)代表傳輸信道增益天

7、線(xiàn)m 和用戶(hù)k,然而是一個(gè)有有獨(dú)立和相同分布(i.i.d.)的復(fù)雜的高斯噪聲向量。我們假設(shè) MIMO信道矩陣H是平坦的瑞利衰落和已知的發(fā)射機(jī).</p><p>　　基于被發(fā)送信號(hào)加強(qiáng)的平均功率約束。在載體微動(dòng)變化的計(jì)劃中，它很方便的也考慮有的非標(biāo)準(zhǔn)發(fā)送信號(hào)s </p><p><b>　?。?）</b></p><p>　　在這里，是信息關(guān)聯(lián)信

8、號(hào)包含調(diào)制符號(hào)傳送給用戶(hù)，表示設(shè)置一些復(fù)雜的信號(hào)，如正交幅度調(diào)制（ QAM ）坐標(biāo), 是一支M × K預(yù)編碼矩陣這往往設(shè)置為theMoore-Penrose轉(zhuǎn)置的H矩陣 ，即，與上標(biāo)H表明共軛移調(diào)其論據(jù)（向量或矩陣） ，和是一個(gè)依賴(lài)于數(shù)據(jù)載體的擾動(dòng)和, 。 對(duì)于案件平方米的QAM座標(biāo)，在是絕對(duì)值座標(biāo)符號(hào)的最大規(guī)模和Δ是間距座標(biāo)點(diǎn)。例如，對(duì)于16 - QAM調(diào)制坐標(biāo)與振幅在實(shí)際層面， 和。</p><p&g

9、t;<b>　　問(wèn)題描述</b></p><p>　　在載體微動(dòng)變動(dòng)方案中，最優(yōu)擾動(dòng)向量記作,是其中最小瞬時(shí)傳輸功率,</p><p><b>　　例如,</b></p><p><b>　　(3)</b></p><p>　　這可以有效地實(shí)施領(lǐng)域解碼器(SD) (Damen

10、等人., 2003年) 和預(yù)編碼方案，也被稱(chēng)為'領(lǐng)域編碼器' （SE）。然而，這一方案只有最小的平均發(fā)射功率沒(méi)有任何控制的峰值功率的，這里是指載體∞的范圍?？紤]到雙方的平均發(fā)射功率和瞬時(shí)峰值功率，我們介紹了瞬時(shí)PAPR的，其定義是：</p><p><b>　　(4)</b></p><p>　　我們的目的是找到一種動(dòng)態(tài)載體以降低在不增加瞬時(shí)PAPR時(shí)

11、不增加太多的平均發(fā)射功率。這意味著，我們要解決這個(gè)問(wèn)題以限制給定的功率 。</p><p><b>　?。?5 ）</b></p><p>　　在這里，和是解決方案的Eq.(3)，這意味著有最低瞬時(shí)發(fā)射功率。在p-SE (Boccardi and Caire, 2006年), 首先是通過(guò)SD獲得, 然后通過(guò)P-SE來(lái)解決Eq （ 5 ）的問(wèn)題 。P – SD的期望復(fù)雜

12、性是有關(guān)的 (Damen 等人 2003年)。在下一節(jié)中，我們將提出一種較簡(jiǎn)單的計(jì)劃，這里P – SD被CPS取代。此外，CPS研究的空間范圍只有線(xiàn)性或K的二次。</p><p><b>　　LRA-CPS計(jì)劃</b></p><p>　　在LRA-CPS計(jì)劃的提議中，我們首先采用多項(xiàng)式時(shí)間LLL算法（Lenstra等人 1982年）以獲得G的意義，</p>

13、;<p><b>　　(6)</b></p><p>　　上式的描述，這里的T是在降低M× K LLL算法的近似正交數(shù)，R是一個(gè)整數(shù)矩陣。很明顯，矢量是有整數(shù)項(xiàng)。那么，瞬時(shí)發(fā)射功率可近似為</p><p><b>　　(7)</b></p><p>　　其中是指第k列的T和近似正交性質(zhì)的當(dāng)。此外，規(guī)

14、定和中所有的項(xiàng)應(yīng)是整數(shù)倍數(shù)以確保載體是一個(gè)整數(shù)。那么平均傳輸功率在Eq.（ 5 ）被限制可近似為</p><p><b>　　(8)</b></p><p>　　注釋所有T的序列的長(zhǎng)度與LLL的最簡(jiǎn)約算法(Lenstra et al., 1982) 之間保證小的誤差。我們假設(shè)所有對(duì)是想等的，這將表示我們的方法有很好的執(zhí)行性。然后，Eq.（ 8 ）可以進(jìn)一步簡(jiǎn)化為<

15、;/p><p><b>　　(9)</b></p><p>　　很明顯，一個(gè)合適CPS的方法獲得較好的矢量圖以滿(mǎn)足平均功耗的制約因素。在這里，我們只考慮最簡(jiǎn)單的CPS的三個(gè)戰(zhàn)略，定義為：</p><p>　　方法A 只有一個(gè)項(xiàng)目的V變化和四個(gè)最接近點(diǎn)被認(rèn)為是這個(gè)項(xiàng)目，即最近的點(diǎn)集的定義是：</p><p>　　在e中是所有零

16、向量除1在第k個(gè)元素。</p><p>　　方法B 類(lèi)似的方法A ，但與8最接近點(diǎn)考慮，即最接近點(diǎn)集的定義是：</p><p>　　方法C 兩個(gè)項(xiàng)目的V變化同時(shí)和四個(gè)最接近點(diǎn)的這兩個(gè)項(xiàng)目的審議，即最接近的點(diǎn)集的定義是：</p><p>　　為了簡(jiǎn)潔明了，在這三個(gè)搜索方法中，我們不考慮發(fā)射功率的限制，這意味著有CPS所獲得的載體不符合Eq.（ 9 ） 。此外，一些載體

17、滿(mǎn)足Eq.（ 9 ）不符合傳輸功率Eq.（ 5 ）的約束，自T序列的不完全正交。為解決這些問(wèn)題，最初的發(fā)射功率限制在Eq.（ 5 ）中仍然是必要的。然后，最佳載體可以得到解決下限制問(wèn)題：</p><p><b>　?。?0）</b></p><p>　　Peak-power reduction by the lattice-reduction-aided</p&

18、gt;<p>　　closest point search for MIMO broadcast channels*</p><p>　　INTRODUCTION</p><p>　　The multiple-input multiple-output (MIMO) broadcast channel (BC) has been an area of extensive<

19、;/p><p>　　research in recent years. In future cellular systems, it may be used to model the downlink channel in which there are multiple transmit antennas at the base station and multiple receive antennas at ea

20、ch user. The capacity region of the Gaussian MIMO BC has been thoroughly investigated (Caire and Shamai, 2003; Vishwanath et al., 2003; Viswanath and Tse, 2003; Yu and Cioffi, 2004; Weingarten et al., 2006). Weingarten e

21、t al.(2006) showed that the dirty-paper coding (DPC) (Costa, 1983) achievable ra</p><p>　　However, the high nonlinearity of the DPC technique prevents its practical implementation. This has motivated several

22、 researchers to consider some other precoding schemes, including channel inversion (Peel et al., 2005), regularized channel inversion (Peel et al., 2005), vector-perturbation based on the sphere encoder (Hochwald et al.,

23、 2005), lattice-reduction-aided (LRA) Tomlinson-Harashima precoding (Windpassinger et al., 2004) and block diagonalization (Spencer et al., 2004). Among these prec</p><p>　　Recent work by Boccardi and Caire

24、(2006) based on the p-sphere encoder (p-SE) promises to reduce the PAPR but suffers from high complexity. In, this letter, we first apply the polynomial-time Lenstra-Lenstra-Lovasz (LLL) algorithm (Lenstra et al.1982) on

25、 the precoding matrix to obtain a lattice-reduced basis. Then, using the approximately orthogonal character of the columns of the LLL-reduced basis, the closest point search (CPS) can be used to find the optimal perturba

26、tion vector. The proposed </p><p>　　SYSTEM MODEL AND PRELIMINARIES</p><p>　　Consider a MIMO BC precoding model with M transmit antennas at the base station and K users, each with one receive ant

27、enna. The complex baseband input-output model can be represented as</p><p><b>　　(1)</b></p><p>　　where in each symbol interval, contains the data received at each user, contains the

28、signal transmitted from M transmit antennas, H is a K × M complex-valued channel matrix with each entryrepresenting the channel gain between transmit antenna m and user k, andis an independently and identically dist

29、ributed (i.i.d.) complex Gaussian noise vector. We assume that the MIMO channel matrix H</p><p>　　is flat Rayleigh-fadingand known to the transmitter.</p><p>　　The average power constraint impos

30、ed on the transmitted signal. In the vector perturbation scheme, it is convenient to also consider the unnormalized transmitted signal s such that</p><p><b>　　(2)</b></p><p>　　with.

31、Here, is the information-bearing signal containing the modulation symbols to be transmitted to the users, X denotes some complex signal set such asquadrature amplitude modulation (QAM) constellation, G is an M × K p

32、recoding matrix which is often set to be the Moore-Penrose pseudoinverse of H, i.e., with superscript H denoting the conjugate transpose of its argument (vector or matrix), and τλ is a data-dependent perturbation vector

33、with and</p><p>　　For the case of square QAM constellation, τ=2(+Δ/2), where is the absolute value of the constellation symbolswith the largest magnitude and Δ is the spacing between constellation points.