$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

고차 변조 방식을 사용하는 MIMO 시스템을 위한 낮은 복잡도를 갖는 연판정 알고리즘
Soft-Decision Algorithm with Low Complexity for MIMO Systems Using High-Order Modulations 원문보기

한국통신학회논문지 = The Journal of Korean Institute of Communications and Information Sciences, v.40 no.6, 2015년, pp.981 - 989  

이재윤 ,  김경택 ((주)파인텔레콤)

초록
AI-Helper 아이콘AI-Helper

최적 ML(Maximum Likelihood) 기법 및 sphere decoding(SD), QRM-MLD(QR decomposition with M-algorithm Maximum Likelihood Detection) 기반의 준 최적 검출 기법을 적용한 MIMO(Multiple-Input Multiple-Output) 시스템에서의 LLR(Log Likelihood Ratio) 계산은 변조 차수 및 송/수신 안테나의 수가 증가할수록 그 복잡도가 지수적으로 증가하여 구현 및 성능 면에서 큰 문제점을 야기한다. 본 논문에서는 고차 변조 방식 기반의 $N_T{\times}N_R$ MIMO시스템 수신기의 QRM-MLD 기반 MIMO 검출기에서 연판정 시 아주 낮은 복잡도로 1dB 이내의 ML 검출 기법에 대한 오류 성능 접근도를 갖는 LLR 계산 방법을 제시하고, 컴퓨터 시뮬레이션을 통해 여러 M 값에 대한 MIMO 시스템의 BER(Bit Error Rate) 결과를 도출하고 분석하여 제시된 방법의 유효성을 검증한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In a log likelihood ratio(LLR) calculation of the detected symbol, multiple-input multiple-output(MIMO) system applying an optimal or suboptimal algorithm such as a maximum likelihood(ML) detection, sphere decoding(SD), and QR decomposition with M-algorithm Maximum Likelihood Detection(QRM-MLD) suff...

주제어

#MIMO   #LLR   #ML   #QRM-MLD   #BER  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 ML, Sphere decoding, QRM-MLD 등과 같은 최적 및 준 최적 MIMO 검출 방식 기반의 NT×NR MIMO 시스템에서 사용 가능한 아주 낮은 복잡도를 갖는 연판정 복호 알고리즘을 제시하였다.

가설 설정

  • 제시된 LLR 계산 방법에 대한 유효성 검증을 위해 다양한 MIMO 시스템 구조를 가정하여 Matlab simulink 기반으로 시뮬레이션을 수행한다. 표 1에는 시뮬레이션을 위해 적용된 여러 시스템 파라미터들과 MIMO 수신기에 적용된 기법들을 나타내었으며, 표 2에 나타낸 것과 같이 시뮬레이션을 위해 Extended ITU Pedestrian-A 채널 모델을 적용하며, 30Hz의 최대 도플러 천이를 가정하여 BER을 도출한다.
  • 제시된 LLR 계산 방법에 대한 유효성 검증을 위해 다양한 MIMO 시스템 구조를 가정하여 Matlab simulink 기반으로 시뮬레이션을 수행한다. 표 1에는 시뮬레이션을 위해 적용된 여러 시스템 파라미터들과 MIMO 수신기에 적용된 기법들을 나타내었으며, 표 2에 나타낸 것과 같이 시뮬레이션을 위해 Extended ITU Pedestrian-A 채널 모델을 적용하며, 30Hz의 최대 도플러 천이를 가정하여 BER을 도출한다. 또한 본 논문에서는 QRM-MLD의 MIMO 검출 기법을 위해 그림 4에 나타낸 CORDIC(Coordinate Rotation Digital Computer) 알고리즘 기반의 systolic array구조[9]를 이용하여 QR 분해를 수행한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
MIMO 시스템에 대한 수신 검출 기법은 어떻게 분류할 수 있는가? MIMO 시스템에서 채널 용량을 높여 전송률을 증가시키는 공간 다중화 기법은 충분한 산란 환경에서 송수신단에 다중 안테나를 사용하여 다수의 독립적인 페이딩을 형성하고 송신 안테나마다 다른 신호를 전송한다. 이러한 MIMO 시스템에 대한 수신 검출 기법은 크게 ZF(Zero Forcing), MMSE(Minimum Mean Square Error)를 기반으로 하는 선형 검출 기법, SIC(Successive Interference Cancellation)를 기반으로 하는 비선형 검출 기법, 최적 ML(Maximum Likelihood) 기법, sphere decoding(SD), QRM-MLD(QR decomposition with M-algorithm Maximum Likelihood Detection) 기반의 준 최적 검출 기법 등으로 분류할 수 있다[1].
준 최적 검출 기법의 문제점은 무엇인가? 송·수신 안테나가 4개 이상인 MIMO 시스템에서의 연판정 수행 시, 선형 검출기법에서는 기존의 단일 안테나 시스템에서 사용된 방법을 적용하여 검출된 심볼에서 log2M(M은 변조 차수)개의 비트 정보만을 추출하면 되므로 LLR 계산을 위한 복잡도가 시스템 성능에 큰 영향을 주지 않는다. 하지만 준 최적 검출 기법에서는 변조 차수와 송·수신 안테나 수에 따라 LLR 계산을 위한 복잡도가 지수적으로 증가하기 때문에 구현이 힘들뿐만 아니라 FPGA(Field-Programmable Gate Array) 타이밍 오류에 관련한 시스템 성능을 저하시키고 구현 비용 및 시간을 증가시키는 문제를 야기한다[7-8]. 통상적으로, ML, Sphere decoding, QRM-MLD 등과 같은 최적 및 준 최적 MIMO 검출 방식에서 각 비트의 LLR 값은 해당 비트 값이 매핑된 심볼을 갖는 후보 전송 신호 벡터 집합을 어떻게 설정하느냐에 따라 복잡도 및 성능이 달라진다[8,9].
최적 및 준 최적 MIMO 검출 방식은 적은 후보 전송 신호 벡터 집합을 이용할수록 어떻게 되는가? 통상적으로, ML, Sphere decoding, QRM-MLD 등과 같은 최적 및 준 최적 MIMO 검출 방식에서 각 비트의 LLR 값은 해당 비트 값이 매핑된 심볼을 갖는 후보 전송 신호 벡터 집합을 어떻게 설정하느냐에 따라 복잡도 및 성능이 달라진다[8,9]. 즉, 적은 후보 전송 신호 벡터 집합을 이용할수록 복잡도는 낮아지지만 오류 성능에 열화가 발생한다[8].
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. Y. S. Cho, J. Kim, W. Y. Yang, and C. G. Kang, MIMO-OFDM Wireless Communications with MATLAB, 1st Ed., Jone Wiley & Sons, 2010. 

  2. B. Steingrimsson, Z. Q. Luo, and K. M. Wong, "Soft quasi-maximum-likelihood detection for multile-antenna wireless channels," IEEE Trans. Signal Process., vol. 51, no. 11, pp. 2710-2719, Nov. 2003. 

    상세보기 crossref

  3. J. Lee, Y. Jang, and D. Yoon, "Approximated soft-decision demapping algorithm for coded 4+12+16 APSK," J. KICS, vol. 37, no. 9, pp. 738-745, Sept. 2012. 

  4. M. Zhang and S. Kim, "Performance enhancement by scaling soft bit information of APSK," J. KICS, vol. 38, no. 10, pp. 858-866, Oct. 2013. 

  5. I. Kang, Y. Kim, J. Seo, H. Kim, and H. Kim, "Performance analysis of a bit mapper of the dual-polarized MIMO DVB-T2 system," J. KICS, vol. 38, no. 9, pp. 817-825, Sept. 2012. 

  6. C. Studer, A. Burg, and H. Bolcskei, "Soft-output sphere decoding: algorithms and VLSI implementation," IEEE J. Select. Areas Commun., vol. 26, no. 2, pp. 290-300, Feb. 2008. 

    상세보기 crossref

  7. C. Yoon and H. Lee, "Implementation of low-complexity MIMO detector and efficient soft-output demapper for MIMO-OFDM-based wireless LAN systems," EURASIP J. Wireless Commun. Netw., vol. 143, May 2013. 

  8. X. F. Qi and K. Holt, "A lattice-reductionaided soft demapper for high-rate coded MIMO-OFDM systems," IEEE Signal Process. Lett., vol. 14, no. 5, pp. 305-308, May 2007. 

    상세보기 crossref

  9. B. Yang and J. F. Bohme, "Rotation-based RLS algorithms: Unified derivations, numerical properties, and parallel implementations," IEEE Trans. Signal Process., vol. 40, no. 5, pp. 1151-1167, May 1992. 

    상세보기 crossref

  10. B. M. Hochwald and S. Brink, "Achieving near-capacity on a multiple-antenna channel," IEEE Trans. Commun., vol. 51, no. 3, pp. 389-399, Mar. 2003. 

    상세보기 crossref
LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

연관된 기능

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로