⚡ electrical engineering

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

यह शोध पत्र डिथर्डेड लीनियर प्रीकोडिंग (dithered linear precoding) के साथ 1-बिट DACs का उपयोग करने वाले मैसिव MIMO सिस्टम के लिए लो-कॉम्प्लेक्सिटी वेरिएंट सहित नवीन मैक्सिमम-लाइक्लीहुड-आधारित डेटा डिटेक्शन विधियों का प्रस्ताव और मूल्यांकन करता है, जो फुल-रेज़ोल्यूशन और 1-बिट रिसीवर आर्किटेक्चर दोनों के लिए मौजूदा बेसलाइन की तुलना में महत्वपूर्ण प्रदर्शन लाभ प्रदर्शित करता है।

मूल लेखक: Amin Radbord, Italo Atzeni, Antti Tölli

प्रकाशित 2026-06-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Amin Radbord, Italo Atzeni, Antti Tölli

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक इमारत से दूसरी इमारत तक एक जटिल, हाई-डेफिनिशन संदेश (जैसे कि 4K वीडियो) भेजने की कोशिश कर रहे हैं, और इसके लिए आप एंटेना के एक विशाल समूह का उपयोग कर रहे हैं। यह मैसिव MIMO (Massive MIMO) की दुनिया है, जो भविष्य के 6G नेटवर्क के लिए एक महत्वपूर्ण तकनीक है।

समस्या यह है कि इन संकेतों को भेजने के लिए आवश्यक उपकरण बहुत अधिक बिजली की खपत करते हैं और महंगे होते हैं। इसे ठीक करने के लिए, इंजीनियर "सस्ते" पुर्जों का उपयोग करना चाहते हैं जो केवल बहुत ही सरल शब्दों में बात करते हैं: 1-बिट DACs (डिजिटल-टू-एनालॉग कन्वर्टर्स)। इसे ऐसे समझें जैसे कोई रेडियो स्टेशन जो पूर्ण वॉल्यूम स्तरों के बजाय केवल "हाँ" या "नहीं" (या "चालू" या "बंद") प्रसारित कर सकता है।

यद्यपि यह बिजली की भारी बचत करता है, लेकिन यह एक बहुत बड़ा बिखराव पैदा करता है। यह एक पेंटिंग को केवल "काला" और "सफेद" शब्दों का उपयोग करके वर्णित करने जैसा है। मूल संदेश विकृत हो जाता है, और रिसीवर (प्राप्तकर्ता) को यह समझने में संघर्ष करना पड़ता है कि वास्तव में क्या भेजा गया था।

यह शोध पत्र इस बिखराव को साफ करने के लिए एक चतुर समाधान प्रस्तावित करता है, जिसे "डिफ़रिंग" (Dithering) नामक एक अवधारणा का उपयोग करके हल किया जाता है।

मुख्य विचार: "स्टैटिक" (Static) वाली तरकीब

कल्पना कीजिए कि आप अपने दोस्त को एक गुप्त बात फुसफुसाने की कोशिश कर रहे हैं, लेकिन कमरे में एक तेज़, परेशान करने वाला शोर (स्टैटिक) है। आमतौर पर, स्टैटिक बुरा होता है। लेकिन इस शोध पत्र में, इंजीनियर संकेत को "हाँ/नहीं" बिट्स में काटने से पहले उसमें नियंत्रित मात्रा में रैंडम शोर (डिफ़र/dither) जोड़ते हैं।

इसे ऐसे समझें: यदि आप एक स्टैम्प (मोहर) का उपयोग करके कागज पर एक सीधी रेखा खींचने की कोशिश करते हैं जो केवल एक बिंदु छोड़ती है, तो आप एक चिकनी रेखा नहीं खींच सकते। लेकिन यदि आप स्टैम्प लगाने के दौरान कागज को थोड़ा और रैंडम तरीके से हिलाते हैं, तो वे बिंदु अंततः एक आकार बनाएंगे जो एक रेखा जैसा दिखता है। वह रैंडम कंपन ही "डिफ़र" (dither) है।

शोध पत्र यह मानता है कि रिसीवर (दोस्त) को ठीक से पता है कि ट्रांसमीटर (आप) ने कागज को कैसे हिलाया था। इस जानकारी के साथ, रिसीवर उस कंपन को गणितीय रूप से "उल्टा" (undo) कर सकता है और मूल चिकनी रेखा को फिर से बना सकता है।

दो मुख्य रणनीतियाँ

लेखकों ने इन बिखरे हुए संकेतों को डिकोड करने के दो मुख्य तरीके विकसित किए हैं, जो इस बात पर निर्भर करते हैं कि रिसीवर का उपकरण कितना उन्नत है:

1. "सॉफ्ट" दृष्टिकोण (BLMMSE-DR)

यह कैसे काम करता है: यह तरीका एक धुंधली फोटो पर मानक "शार्पन" फ़िल्टर लगाने जैसा है। यह मूल संदेश का अनुमान लगाने की कोशिश करता है, पहले शोर को औसत निकालता है और ज्ञात "कंपन" (डिफ़र) को हटाता है।
पक्ष (Pros): यह तेज़ और गणनात्मक रूप से हल्का है। यह एक त्वरित फोटो-एडिटिंग ऐप की तरह है।
विपक्ष (Cons): यह एक अनुमान है। यह सामान्य विचार को सही पकड़ लेता है लेकिन बारीक विवरणों को चूक सकता है।

2. "हार्ड" दृष्टिकोण (ML-DR और D-ML)

यह कैसे काम करता है: यह "मैक्सिमम लाइकलीहुड" (Maximum Likelihood) तरीका है। केवल अनुमान लगाने के बजाय, यह एक जासूस की तरह व्यवहार करता है जो प्राप्त सिग्नल के विरुद्ध हर संभव मूल संदेश की जांच करता है ताकि यह देखा जा सके कि कौन सा सबसे सटीक बैठता है।
नवाचार: शोध पत्र में संकेत को गणितीय रूप से वर्णित करने का एक नया तरीका पेश किया गया है, जो इसे काटने के बाद भी काम करता है। यह जासूस को "हाँ/नहीं" के विरूपण के बावजूद पहेली को सीधे हल करने की अनुमति देता है।
पक्ष (Pros): यह अविश्वसनीय रूप से सटीक है। शोध पत्र दिखाता है कि यह "सॉफ्ट" दृष्टिकोण या पुराने तरीकों की तुलना में बहुत कम गलतियाँ करता है।
विपक्ष (Cons): यह गणनात्मक रूप से भारी है। हर संभावना की जांच करने के लिए बहुत अधिक दिमागी शक्ति (प्रोसेसिंग पावर) की आवश्यकता होती है।
समाधान: इसे तेज़ बनाने के लिए, लेखकों ने एक "लो-कॉम्प्लेक्सिटी" (कम जटिलता वाला) संस्करण बनाया है। हर संभव संदेश की जांच करने के बजाय, यह सबसे संभावित संदेशों की पहले जांच करता है (जैसे कि एक जासूस मुख्य संदिग्धों पर ध्यान केंद्रित करता है)। यह सटीकता को उच्च रखते हुए प्रक्रिया को तेज़ रखता है।

प्रयोगों से प्राप्त मुख्य निष्कर्ष

लेखकों ने यह देखने के लिए सिमुलेशन चलाए कि ये तरीके कितने प्रभावी हैं:

"गोल्डिलॉक्स" (Goldilocks) ज़ोन: जोड़े जाने वाले रैंडम शोर (डिफ़र) की मात्रा महत्वपूर्ण है। बहुत कम, और सिग्नल विकृत रहता है। बहुत अधिक, और रैंडम शोर संदेश को दबा देता है। एक "स्वीट स्पॉट" (मध्यम-से-उच्च सिग्नल स्ट्रेंथ) है जहाँ यह तरीका सबसे अच्छा काम करता है।
शोर को हटाना: जब रिसीवर को डिफ़र पैटर्न का पता होता है, तो उसे हटाना (डिफ़र रिमूवल) प्रदर्शन में काफी सुधार करता है। यह ऐसा है जैसे यह महसूस करना कि कागज हिल रहा था और स्पष्ट रूप से पढ़ने के लिए उसे स्थिर करना।
प्रतिस्पर्धा को पछाड़ना: नए "हार्ड" तरीके (ML-आधारित) मौजूदा सर्वोत्तम तरीकों से लगातार बेहतर प्रदर्शन करते हैं। कुछ मामलों में, उन्होंने अन्य तकनीकों की तुलना में त्रुटियों को 10 गुना तक कम कर दिया है।
रिसीवर का महत्व:
- यदि रिसीवर के पास उच्च-गुणवत्ता वाले उपकरण (फुल-रेज़ोल्यूशन ADCs) हैं, तो नए तरीके चमत्कार करते हैं।
- भले ही रिसीवर भी सस्ते "हाँ/नहीं" वाले उपकरणों (1-बिट ADCs) का उपयोग कर रहा हो, फिर भी नए तरीके पुराने तरीकों की तुलना में बेहतर काम करते हैं, हालांकि सिग्नल स्वाभाविक रूप से अधिक शोर वाला होता है।

निचोड़ (The Bottom Line)

यह शोध पत्र केवल यह नहीं कहता कि "सस्ते पुर्जों का उपयोग करें।" यह कहता है कि "यदि हम सस्ते पुर्जों का उपयोग करते हैं, तो हम केवल उस बिखराव को अनदेखा नहीं कर सकते जो वे पैदा करते हैं; हमें शुरुआत में एक विशिष्ट प्रकार का रैंडम शोर (डिफ़र) जोड़ना होगा, और फिर अंत में उस शोर को हटाने और मूल संदेश को पुनर्गठित करने के लिए उन्नत गणित का उपयोग करना होगा।"

ऐसा करके, उन्होंने यह सिद्ध किया कि हम स्पष्ट, सटीक डेटा भेजने की क्षमता से समझौता किए बिना ऊर्जा-कुशल 6G नेटवर्क बना सकते हैं। वे एक ऐसा टूलकिट प्रदान करते हैं जो गति और सटीकता के बीच संतुलन बनाता है, जिससे इंजीनियरों को उनकी उपलब्ध कंप्यूटिंग शक्ति के आधार पर सही तरीका चुनने की अनुमति मिलती है।

तकनीकी सारांश: 1-बिट क्वांटाइज्ड डिथर्ड लीनियर प्रीकोडिंग के साथ मैसिव MIMO सिस्टम के लिए डेटा डिटेक्शन

समस्या विवरण
पूरी तरह से डिजिटल मैसिव मल्टी-इनपुट मल्टी-आउटपुट (MIMO) सिस्टम की तैनाती एनालॉग-टू-डिजिटल कन्वर्टर्स (ADCs) और डिजिटल-टू-एनालॉग कन्वर्टर्स (DACs) की उच्च बिजली खपत और हार्डवेयर जटिलता द्वारा सीमित है। यदि ट्रांसमीटर में 1-बिट DACs का उपयोग किया जाता है, तो यह बिजली और जटिलता को काफी कम कर देता है, लेकिन यह गंभीर क्वांटाइजेशन विरूपण (distortion) उत्पन्न करता है जो सिग्नल अखंडता को कम कर देता है। हालांकि 1-बिट DACs के लिए प्रीकोडिंग डिजाइन पर व्यापक शोध मौजूद है, लेकिन पॉइंट-टू-पॉइंट मैसिव MIMO सिस्टम में ट्रांसमिट-साइड 1-बिट क्वांटाइजेशन को स्पष्ट रूप से ध्यान में रखने वाले प्रत्यक्ष डेटा डिटेक्शन विधियों पर अभी तक काम नहीं किया गया है। मौजूदा डिटेक्शन विधियाँ मुख्य रूप से रिसीवर पर 1-बिट ADCs वाले मल्टी-यूजर अपलिंक सिस्टम के लिए तैयार की गई हैं, जहाँ क्वांटाइजेशन चैनल प्रसार के बाद होता है, जो यहाँ विचार किए गए ट्रांसमिट-साइड क्वांटाइजेशन से मौलिक रूप से भिन्न परिदृश्य है। इसके अलावा, मानक बेसलाइन अक्सर एक दो-चरणीय दृष्टिकोण (पहले बाइनरी ट्रांसमिट सिग्नल का पता लगाना, फिर डेटा को रिकवर करना) का उपयोग करती हैं, जिससे एरर प्रोपेगेशन (त्रुटि प्रसार) का जोखिम रहता है।

कार्यप्रणाली (Methodology)
यह शोध एक पॉइंट-टू-पॉइंट मैसिव MIMO सिस्टम की जांच करता है जहाँ ट्रांसमीटर क्वांटाइजेशन से पहले गाऊसी डिथरिंग (Gaussian dithering) लागू करने वाले 1-बिट DACs का उपयोग करता है, और रिसीवर फुल-रेज़ोल्यूशन या 1-बिट ADCs का उपयोग करता है। अध्ययन यह मान लेता है कि डिथर वेक्टर रिसीवर को ज्ञात है, जिससे डिथर रिमूवल (dither removal) संभव हो पाता है। कार्यप्रणाली को क्वांटाइज्ड सिग्नल्स के लिए दो प्राथमिक लीनियराइजेशन (linearization) दृष्टिकोणों के इर्द-गिर्द संरचित किया गया है:

सिंबल-इंडिपेंडेंट लीनियराइजेशन (बस्गांग डिकंपोजिशन - Bussgang Decomposition): यह दृष्टिकोण क्वांटाइजेशन विरूपण को अनकोरिलेटेड शोर (uncorrelated noise) के रूप में मानता है। इसका उपयोग सॉफ्ट-एस्टिमेशन-आधारित डेटा डिटेक्शन विधियों को व्युत्पन्न करने के लिए किया जाता है। लेखक फुल-रेज़ोल्यूशन ADCs के लिए BLMMSE-DR (बस्गांग लीनियर मिनिमम मीन स्क्वेयर्ड एरर विद डिथर रिमूवल) और 1-बिट ADCs के लिए D-BLMMSE-DR (डबली 1-बिट क्वांटाइज्ड BLMMSE-DR) प्रस्तावित करते हैं। ये विधियाँ लीनियर कॉम्बाइनिंग से पहले प्राप्त सिग्नल से अनुमानित डिथर-प्रेरित बायस (bias) को घटा देती हैं।
सिंबल-डिपेंडेंट लीनियराइजेशन: एक नया दृष्टिकोण पेश किया गया है जहाँ ट्रांसमिट किए गए सिग्नल को विशिष्ट डेटा सिंबल वेक्टर पर आधारित (conditioned on) लीनियर किया जाता है। यह सीधे डेटा सिंबल वेक्टर को रिकवर करने के लिए मैक्सिमम-लाइक्लीहुड (ML) आधारित डिटेक्शन विधियों को व्युत्पन्न करने की अनुमति देता है, जिसमें मध्यवर्ती सॉफ्ट-एस्टिमेशन चरण की आवश्यकता नहीं होती है।
- फुल-रेज़ोल्यूशन ADCs के लिए, लेखक प्राप्त सिग्नल का पूर्ण लाइक्लीहुड फंक्शन (likelihood function) व्युत्पन्न करते हैं। वे ML (बिना डिथर रिमूवल के) और ML-DR (सिंबल-डिपेंडेंट डिथर रिमूवल के साथ) प्रस्तावित करते हैं। ML-DR विधि ऑफ-डायगोनल तत्वों की उपेक्षा करके कोवेरिएंस मैट्रिक्स को सरल बनाती है, जिससे प्रदर्शन बनाए रखते हुए जटिलता काफी कम हो जाती है।
- 1-बिट ADCs के लिए, लेखक D-ML (डबली 1-बिट क्वांटाइज्ड ML) विकसित करते हैं। चूंकि सिंबल-डिपेंडेंट डिथर रिमूवल 1-बिट क्वांटाइज्ड प्राप्त सिग्नल पर सीधे लागू नहीं किया जा सकता है, इसलिए यह विधि 1-बिट आउटपुट के लाइक्लीहुड फंक्शन का अनुमान लगाने के लिए प्री-क् क्वांटाइज्ड प्राप्त सिग्नल के सांख्यिकी (statistics) का लाभ उठाती है।

डेटा स्ट्रीम्स की संख्या ( $K$ ) के साथ होने वाली घातीय (exponential) कंप्यूटेशनल जटिलता को संबोधित करने के लिए, लो-कॉम्प्लेक्सिटी वेरिएंट प्रस्तावित किए गए हैं। ये वेरिएंट खोज स्थान (search space) को संबंधित सॉफ्ट-एस्टिमेशन विधियों (जैसे, BLMMSE-DR या D-BLMMSE-DR) द्वारा पहचाने गए उम्मीदवारों के एक उपसमुच्चय (subset) तक सीमित करते हैं।

प्रमुख योगदान

नए डिटेक्शन फ्रेमवर्क: यह शोध 1-बिट DACs और डिथरिंग के साथ पॉइंट-टू-पॉइंट मैसिव MIMO के लिए पहले प्रत्यक्ष डेटा डिटेक्शन विधियों का प्रस्ताव करता है, जिसमें फुल-रेज़ोल्यूशन और 1-बिट रिसीवर आर्किटेक्चर दोनों शामिल हैं।
डिथर रिमूवल तकनीकें: यह सॉफ्ट-एस्टिमेशन (सिंबल-इंडिपेंडेंट) और ML-आधारित (सिंबल-डिपेंडेंट) डिटेक्शन दोनों के लिए विशिष्ट डिथर रिमूवल रणनीतियों को पेश करता है, यह प्रदर्शित करते हुए कि ज्ञात डिथर बायस को हटाने से डिटेक्शन सटीकता में सुधार होता है, विशेष रूप से मध्यम-से-उच्च SNR पर।
सिंबल-डिपेंडेंट लीनियराइजेशन: एक नई लीनियराइजेशन तकनीक विकसित की गई है जो 1-बिट क्वांटाइज्ड ट्रांसमिट सिग्नल के लिए है, जिससे प्राप्त सिग्नल्स को सीधे डेटा सिंबल्स में मैप करने वाले ML-आधारित डिटेक्टर्स को व्युत्पन्न करना संभव होता है।
जटिलता में कमी: ML-आधारित विधियों के लो-कॉम्प्लेक्सिटी वेरिएंट विकसित किए गए हैं, जो खोज स्थान को $L^K$ (जहाँ $L$ कॉन्स्टेलेशन साइज है) से $\nu^K$ (जहाँ $\nu \leq L$ ) तक कम कर देते हैं, जिससे ये विधियाँ व्यावहारिक स्ट्रीम काउंट के लिए व्यवहार्य बन जाती हैं।

संख्यात्मक परिणाम
सिंबल एरर रेट (SER) मेट्रिक का उपयोग करके किए गए संख्यात्मक मूल्यांकन निम्नलिखित को उजागर करते हैं:

डिथर पावर की भूमिका: एक इष्टतम (optimal) डिथर पावर मौजूद है। कम डिथर पावर के लिए, क्वांटाइजेशन विरूपण घटक अत्यधिक कोरिलेटेड रहते हैं; उच्च पावर के लिए, डिथर हावी हो जाता है। इष्टतम प्रदर्शन आम तौर पर मध्यम-से-उच्च SNR पर देखा जाता है।
प्रदर्शन लाभ: प्रस्तावित ML-आधारित विधियाँ (ML-DR और D-ML) सॉफ्ट-एस्टिमेशन-आधारित विधियों और एक बेसलाइन टू-स्टेज होटोपी ऑप्टिमाइजेशन ML (two-stage hoML) विधि की तुलना में लगातार बेहतर प्रदर्शन करती हैं।
- फुल-रेज़सोल्यूशन ADCs के लिए, ML-DR सॉफ्ट-एस्टिमेशन विधियों की तुलना में दो गुना कम SER प्राप्त करता है और दो-चरणीय hoML बेसलाइन से काफी बेहतर प्रदर्शन करता है। इष्टतम डिथर पावर पर, ML-DR में डिथर रिमूवल, नॉन-रिमूव्ड केस की तुलना में अतिरिक्त 2× SER कमी प्रदान करता है।
- 1-बिट ADCs के लिए, D-ML विधि दो-चरणीय होटोपी दृष्टिकोण में निहित एरर प्रोपेगेशन से बचकर अन्य विधियों, जिसमें दो-चरणीय hoML बेसलाइन भी शामिल है, पर 10× SER कमी प्राप्त करती है।
स्केलेबिलिटी: लो-कॉम्प्लेक्सिटी वेरिएंट (कम किए गए सर्च स्पेस के साथ, जैसे $\nu=3$ या $4$) फुल-सर्च ML विधियों के लगभग समान प्रदर्शन प्राप्त करते हैं, जबकि कंप्यूटेशनल लोड को काफी कम कर देते हैं।
मजबूती (Robustness): प्रस्तावित विधियाँ रिसीवर पर त्रुटिपूर्ण चैनल स्टेट इंफॉर्मेशन (CSI) के तहत भी बेसलाइन पर श्रेष्ठता बनाए रखती हैं।

महत्व और दावे
यह शोध दावा करता है कि प्रस्तावित ML-आधारित डिटेक्शन विधियाँ, विशेष रूप से डिथर रिमूवल और लो-कॉम्प्लेक्सिटी सर्च रणनीतियों के साथ मिलकर, मैसिव MIMO सिस्टम में 1-बिट DACs के गंभीर क्वांटाइजेशन विरूपण को संभालने के लिए एक महत्वपूर्ण प्रगति प्रदान करती हैं। ट्रांसमिट-साइड क्वांटाइजेशन और डिथरिंग प्रभावों को सीधे मॉडल करके, ये विधियाँ उन मौजूदा बेसलाइनों की सीमाओं को पार करती हैं जो समस्या को एक मानक बाइनरी डिटेक्शन कार्य के रूप में देखते हैं और उसके बाद सिंबल रिकवरी करते हैं। परिणाम दर्शाते हैं कि लो-रेज़ोल्यूशन हार्डवेयर के साथ सटीक डेटा रिकवरी प्राप्त करना संभव है, बशर्ते कि रिसीवर उन डिटेक्शन एल्गोरिदम का उपयोग करे जो विशेष रूप से डिथर्ड, क्वांटाइज्ड सिग्नल्स के सांख्यिकीय गुणों का लाभ उठाने के लिए डिज़ाइन किए गए हों। यह कार्य स्थापित करता है कि डिथर पावर एक महत्वपूर्ण सिस्टम पैरामीटर है और प्रस्तावित फ्रेमवर्क भविष्य के 6G और वायरलेस बैकहॉल अनुप्रयोगों के लिए प्रदर्शन और कंप्यूटेशनल जटिलता के बीच एक अनुकूल संतुलन प्रदान करते हैं।

मुख्य विचार: "स्टैटिक" (Static) वाली तरकीब

दो मुख्य रणनीतियाँ

प्रयोगों से प्राप्त मुख्य निष्कर्ष

निचोड़ (The Bottom Line)

इसी तरह के और पेपर