Data Detection for Massive MIMO Systems with 1-Bit Quantized Dithered Linear Precoding

Resumen Técnico: Detección de Datos para Sistemas Massive MIMO con Precodificación Lineal con Dither Cuantizado de 1 Bit

Planteamiento del Problema
El despliegue de sistemas massive multiple-input multiple-output (MIMO) totalmente digitales está limitado por el alto consumo de potencia y la complejidad de hardware de los convertidores analógico-digitales (ADC) y digital-analógicos (DAC). Si bien la adopción de DAC de 1 bit en el transmisor reduce significativamente la potencia y la complejidad, introduce una distorsión de cuantización severa que degrada la integridad de la señal. Aunque existe una amplia investigación sobre el diseño de precodificación para DAC de 1 bit, los métodos de detección de datos directa en el receptor que consideran explícitamente la cuantización de 1 bit en el lado del transmisor en sistemas massive MIMO punto a punto siguen sin explorarse. Los métodos de detección existentes están diseñados principalmente para sistemas multiusuario de enlace ascendente (uplink) con ADC de 1 bit en el receptor, donde la cuantización ocurre después de la propagación del canal, un escenario fundamentalmente diferente al de la cuantización en el lado del transmisor considerada aquí. Además, las líneas de base estándar suelen implicar un enfoque de dos etapas (detectando primero la señal binaria transmitida y luego recuperando los datos), lo que conlleva el riesgo de propagación de errores.

Metodología
El artículo investiga un sistema massive MIMO punto a punto donde el transmisor emplea DAC de 1 bit con dither gaussiano aplicado antes de la cuantización, y el receptor utiliza ADCs de resolución completa o de 1 bit. El estudio asume que el vector de dither es conocido en el receptor, lo que permite la eliminación del dither. La metodología se estructura en torno a dos enfoques principales de linealización para las señales cuantizadas:

1. Linealización Independiente del Símbolo (Descomposición de Bussgang): Este enfoque trata la distorsión de cuantización como ruido no correlacionado. Se utiliza para derivar métodos de detección de datos basados en estimación suave (soft-estimation). Los autores proponen BLMMSE-DR (Bussgang Linear Minimum Mean Squared Error con Eliminación de Dither) para ADCs de resolución completa y D-BLMMSE-DR (Doubly 1-bit quantized BLMMSE-DR) para ADCs de 1 bit. Estos métodos restan el sesgo inducido por el dither estimado de la señal recibida antes de la combinación lineal.

2. Linealización Dependiente del Símbolo: Se introduce un enfoque novedoso donde la señal transmitida se linealiza condicionada al vector de símbolos de datos específico. Esto permite la derivación de métodos de detección basados en Máxima Verosimilitud (ML) que recuperan directamente el vector de símbolos de datos sin un paso intermedio de estimación suave.

   • Para ADCs de resolución completa, los autores derivan la función de verosimilitud completa de la señal recibida. Proponen ML (sin eliminación de dither) y ML-DR (con eliminación de dither dependiente del símbolo). El método ML-DR simplifica la matriz de covarianza al despreciar los elementos fuera de la diagonal, reduciendo significativamente la complejidad mientras mantiene el rendimiento.
   • Para ADCs de 1 bit, los autores desarrollan D-ML (Doubly 1-bit quantized ML). Dado que la eliminación de dither dependiente del símbolo no es directamente aplicable a la señal cuantizada de 1 bit recibida, este método aprovecha las estadísticas de la señal recibida pre-cuantizada para aproximar la función de verosimilitud de la salida de 1 bit.

Para abordar el crecimiento exponencial de la complejidad computacional con el número de flujos de datos ($K$) inherente a la búsqueda exhaustiva de ML, se proponen variantes de baja complejidad. Estas variantes restringen el espacio de búsqueda a un subconjunto de candidatos identificados por los métodos de estimación suave correspondientes (por ejemplo, BLMMSE-DR o D-BLMMSE-DR).

Contribuciones Clave

• Nuevos Marcos de Detección: El artículo propone los primeros métodos de detección de datos directa para massive MIMO punto a punto con DAC de 1 bit y dither, cubriendo tanto arquitecturas de receptor de resolución completa como de 1 bit.
• Técnicas de Eliminación de Dither: Introduce estrategias específicas de eliminación de dither tanto para la detección de estimación suave (independiente del símbolo) como para la detección basada en ML (dependiente del símbolo), demostrando que eliminar el sesgo de dither conocido mejora la precisión de la detección, particularmente en relaciones señal-ruido (SNR) moderadas a altas.
• Linealización Dependiente del Símbolo: Se desarrolla una nueva técnica de linealización para la señal transmitida cuantizada de 1 bit, permitiendo la derivación de detectores basados en ML que mapean directamente las señales recibidas a los símbolos de datos.
• Reducción de Complejidad: Se desarrollan variantes de baja complejidad de los métodos basados en ML, reduciendo el espacio de búsqueda de $L^K$ (donde $L$ es el tamaño de la constelación) a $\nu^K$ (donde $\nu \leq L$), haciendo que los métodos sean factibles para conteos de flujos prácticos.

Resultados Numéricos
Las evaluaciones numéricas utilizando la Tasa de Error de Símbolo (SER) como métrica resaltan lo siguiente:

• Papel de la Potencia del Dither: Existe una potencia de dither óptima. Para una potencia de dither baja, los componentes de distorsión de cuantización permanecen altamente correlacionados; para una potencia alta, el dither domina. El rendimiento óptimo se observa generalmente en SNR moderadas a altas.
• Ganancias de Rendimiento: Los métodos propuestos basados en ML (ML-DR y D-ML) superan consistentemente a los métodos basados en estimación suave y a un método de línea de base de optimización de homotopía de dos etapas (two-stage hoML).
  • Para ADCs de resolución completa, ML-DR logra una SER hasta dos órdenes de magnitud menor en comparación con los métodos de estimación suave y supera significativamente al método de línea de base two-stage hoML. La eliminación del dither en ML-DR proporciona una reducción adicional de 2× en la SER en comparación con el caso sin eliminación al utilizar potencias de dither óptimas.
  • Para ADCs de 1 bit, el método D-ML logra una reducción de la SER de 10× respecto a otros métodos, incluyendo el método de línea de base two-stage hoML, al evitar la propagación de errores inherente al enfoque de dos etapas.
• Escalabilidad: Las variantes de baja complejidad (con espacio de búsqueda reducido, por ejemplo, $\nu=3$ o $4$) logran un rendimiento casi indistinguible de los métodos ML de búsqueda completa, reduciendo drásticamente la carga computacional.
• Robustez: Los métodos propuestos mantienen su superioridad sobre la línea de base incluso bajo Información de Estado del Canal (CSI) imperfecta en el receptor.

Significancia y Reivindicaciones
El artículo afirma que los métodos de detección propuestos basados en ML, particularmente cuando se combinan con la eliminación de dither y estrategias de búsqueda de baja complejidad, ofrecen un avance crítico en el manejo de la severa distorsión de cuantización de los DAC de 1 bit en sistemas massive MIMO. Al modelar directamente la cuantificación y el dither en el lado del transmisor, estos métodos superan las limitaciones de las líneas de base existentes que tratan el problema como una tarea estándar de detección binaria seguida de la recuperación de símbolos. Los resultados demuestran que la recuperación precisa de datos es alcanzable con hardware de baja resolución, siempre que el receptor emplee algoritmos de detección diseñados específicamente para explotar las propiedades estadísticas de las señales con dither y cuantizadas. El trabajo establece que la potencia del dither es un parámetro crítico del sistema y que los marcos propuestos proporcionan un compromiso favorable entre rendimiento y complejidad computacional para futuras aplicaciones de 6G y backhaul inalámbrico.