Detection and precoding for multiple input multiple output channels [Elektronische Ressource] = Detektion und Vorcodierung für die Mehrkanalübertragung / vorgelegt von Christoph Windpassinger

Informations

• Publié par: friedrich-alexander-universitat_erlangen-nurnberg
• Publié le: 01 janvier 2004
• Nombre de lectures: 17
• Langue: Deutsch
• Poids de l'ouvrage: 1 Mo

Extrait

Detection and Precoding for
Multiple Input Multiple Output Channels
Detektion und Vorcodierung für die Mehrkanalübertragung
Der Technischen Fakultät der
Universität Erlangen-Nürnberg
zur Erlangung des Grades
DOKTOR-INGENIEUR
vorgelegt von
CHRISTOPH WINDPASSINGER
Erlangen - 2004Als Dissertation genehmigt von der Technischen Fakultät
der Universität Erlangen-Nürnberg
Tag der Einreichung: 7. Januar 2004
Tag der Promotion: 4. Juni 2004
Dekan: Prof. Dr. rer. nat. Albrecht Winnacker
Berichterstatter: Priv.-Doz. Dr.-Ing. Robert Fischer
Prof. Dr.-Ing. Dr. rer. nat. Holger Boche Johannes HuberDetection and Precoding for
Multiple Input Multiple Output
Channels
Detektion und Vorcodierung für die
Mehrkanalübertragung
CHRISTOPH WINDPASSINGER
Erlangen – 2004iiiii
Danksagung
(Acknowledgments)
Diese Arbeit greift in wesentlichen Teilen Ideen von Robert Fischer auf, dem ich auf
diesem Weg für die angenehme und produktive Zusammenarbeit herzlich danke.
Bei Holger Boche bedanke ich mich für sein Interesse an dieser Arbeit und die Bereit-
schaft, das Zweitgutachten zu übernehmen.
Am Lehrstuhl von Johannes Huber habe ich vier schöne Jahre verbracht, die ganz
entscheidend von seiner herzlichen und unkomplizierten Art und seiner fachlichen In-
spiration geprägt waren, auch hierfür vielen Dank!
Mein langjähriger Büropartner Lutz Lampe mit seiner gewinnenden und direkten Art
tat ein übriges mir die Zeit angenehm zu gestalten, und war auch wissenschaftlich ein
echtes Vorbild. Die angenehme Arbeitsatmosphäre hat sich mit seinem Nachfolger
Clemens Stierstorfer nahtlos fortgesetzt. Darüber hinaus möchte ich mich bei allen
Kollegen vom Lehrstuhl für Informationsübertragung, sowie dem ganzen Laborato-
rium für Nachrichtentechnik, für die angenehme Zeit bedanken!
Ganz wesentlichen Anteil an dem bis zum vorliegenden Werk zurückgelegten Weg
hatten meine Eltern Alois und Anneliese, denen ich im wahrsten Sinne alles verdanke;
auch meine Geschwister Susanne, Patrick und Gwendolyn haben mich stets angespornt
und stolz gemacht.
Zuletzt, aber eigentlich zuvorderst, möchte ich mich bei meiner Julia für ihre ver-
trauensvolle Unterstützung und das Zusammensein mit ihr aufs Herzlichste bedanken.ivv
Contents
1 Introduction and Outline 1
2 Introduction and Abstract (German) 5
3 Channel Models 7
3.1 Multiple Antenna MIMO Channel Model . . . . . . . . . . . . . . . 10
3.1.1 Central Transmitter and Receiver Model . . . . . . . . . . . . 10
3.1.2 Broadcast and Multiple Access Channel . . . . . . . . . . . . 14
3.2 DS-CDMA MIMO Channel Model . . . . . . . . . . . . . . . . . . . 15
3.2.1 Multiple Access Channel . . . . . . . . . . . . . . . . . . . . 15
3.2.2 Broadcast Channel . . . . . . . . . . . . . . . . . . . . . . . 19
3.3 Block Transmission over Intersymbol Interference Channels . . . . . 22
3.4 Equivalent Real-Valued Model . . . . . . . . . . . . . . . . . . . . . 24
3.5 Signal Constellations . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.6 Simulation Setups . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4 Detection Strategies 29
4.1 Maximum Likelihood Detection . . . . . . . . . . . . . . . . . . . . 29
4.2 Linear Equalization . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.3 Decision-Feedback Equalization . . . . . . . . . . . . . . . . . . . . 32
4.3.1 The V-BLAST Algorithm . . . . . . . . . . . . . . . . . . . 36
4.3.2 Diversity Order and V-BLAST, Non-Square Channels . . . . 40
4.3.3 Real-Valued (Widely Linear) Equalization in V-BLAST . . . 43
4.4 Simulation Results I . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.5 The Sphere Decoder . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.5.1 The Lattice Decoding Problem . . . . . . . . . . . . . . . . . 48
4.5.2 The Sphere Decoder Algorithm . . . . . . . . . . . . . . . . 48vi CONTENTS
4.5.3 Modifications for Performance Improvement . . . . . . . . . 52
4.6 Lattice Reduction-Aided Detection . . . . . . . . . . . . . . . . . . . 54
4.6.1 Detection Procedure . . . . . . . . . . . . . . . . . . . . . . 54
4.6.2 Optimality of Reduced Basis . . . . . . . . . . . . . . . . . . 61
4.7 Subspace Lattice Reduction-Aided Detection . . . . . . . . . . . . . 66
4.7.1 Application to High-Rate Modulation . . . . . . . . . . . . . 68
4.7.2 Forming Reliability Estimates . . . . . . . . . . . . . . . . . 70
4.7.3 Simulation Results II . . . . . . . . . . . . . . . . . . . . . . 70
4.8 Performance vs. Complexity and Processing Delay . . . . . . . . . . 73
4.8.1 General Remarks on Complexity . . . . . . . . . . . . . . . . 73
4.8.2 Computational Complexity of Receivers . . . . . . . . . . . . 74
4.8.3 Complexity of Preprocessing . . . . . . . . . . . . . . . . . . 74
4.8.4 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.8.5 Processing Delay Considerations . . . . . . . . . . . . . . . . 76
5 Precoding Strategies 81
5.1 The Loading Aspect . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.2 Singular Value Decomposition-Based Transmission . . . . . . . . . . 85
5.3 Linear Preequalization . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.4 Tomlinson-Harashima Precoding . . . . . . . . . . . . . . . . . . . . 90
5.4.1 The Principle of Costa Precoding . . . . . . . . . . . . . . . 90
5.4.2 Tomlinson-Harashima . . . . . . . . . . . . . . . . 93
5.4.3 Inflated Lattice Precoding . . . . . . . . . . . . . . . . . . . 97
5.4.4 Application of THP to MIMO Channels . . . . . . . . . . . . 100
5.4.5 V-BLAST and Precoding . . . . . . . . . . . . . . . . . . . . 102
5.4.6 MMSE Beamforming and Tomlinson-Harashima Precoding . 105
5.4.7 THP Simulation Results . . . . . . . . . . . . . . . . . . . . 106
5.4.8 V-BLAST and Loading . . . . . . . . . . . . . . . . . . . . . 107
5.5 Lattice Reduction-Aided Precoding . . . . . . . . . . . . . . . . . . 113
5.6 Vector Precoding . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
5.6.1 Lattice Decoder-Based Vector Precoding . . . . . . . . . . . 117
5.6.2 Lattice Reduction-Aided Vector . . . . . . . . . . 122
5.6.3 Simulation Results . . . . . . . . . . . . . . . . . . . . . . . 127vii
6 Imperfect Channel State Information 129
6.1 Detection with Imperfect Channel State Information . . . . . . . . . . 130
6.1.1 Maximum-Likelihood Detection . . . . . . . . . . . . . . . . 130
6.1.2 Linear MMSE Equalization . . . . . . . . . . . . . . . . . . 134
6.1.3 Decision-Feedback Equalization . . . . . . . . . . . . . . . . 135
6.1.4 Lattice Reduction-Aided Detection . . . . . . . . . . . . . . 137
6.2 Precoding with Imperfect Channel State Information . . . . . . . . . 137
6.2.1 Singular Value Decomposition-Based Transmission . . . . . . 138
6.2.2 Linear Preequalization . . . . . . . . . . . . . . . . . . . . . 139
6.2.3 Costa/Tomlinson-Harashima Precoding . . . . . . . . . . . . 140
6.2.4 Precoding and Residual Equalization . . . . . . . . . . . . . 142
7 Conclusions 145
A Notation and Abbreviations 149
B Properties of the Real-Valued Model 155
C Lattice Reduction 157
C.1 Basic Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
C.2 LLL Reduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
C.3 Korkine-Zolotareff Reduction . . . . . . . . . . . . . . . . . . . . . 161
D Complexity of Receiver Implementations 165
D.1 Linear Equalization . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
D.2 Decision-Feedback Equalization . . . . . . . . . . . . . . . . . . . . 165
D.3 Lattice Reduction-Aided Detection . . . . . . . . . . . . . . . . . . . 166
D.4 Subspace Lattice Reduction-Aided Detection . . . . . . . . . . . . . 166
D.5 Sphere Decoder Algorithm . . . . . . . . . . . . . . . . . . . . . . . 167
E Derivation of Linear MMSE Preequalization 169
F Bit Error Rate-Optimum Power Loading 173
Bibliography 175viii