Low-Complexity Sparse Superimposed Coding for Ultra Reliable Low Latency Communications

技术摘要：面向超可靠低延迟通信的低复杂度稀疏叠加编码

问题陈述
超可靠低延迟通信（URLLC）是下一代无线网络的关键需求，支持自动驾驶汽车和工业物联网等对时间敏感的应用。然而，依赖长数据包的传统传输策略并不适用于 URLLC，因为大量的控制信令与纠错程序会导致高延迟和频谱效率低下。虽然稀疏向量编码（SVC）及其变体（如稀疏叠加编码，SSC）已成为短包传输中极具前景的解决方案，但它们面临着显著的计算挑战。传统的 SSC 方案通常采用密集码本矩阵（例如高斯或伯努利分布）以确保高解码精度。这种方法会导致码本规模随传输比特数呈指数级增长，从而产生极高的编解码复杂度和巨大的存储开销。这种复杂度对于资源受限的物联网场景尤为不利，因此需要能够降低计算负载且不牺牲可靠性的方案。

方法论
本文提出了一种专门为短包 URLLC 场景设计的低复杂度 SSC 方案。其核心创新在于设计了一种稀疏码本结构，其中每个码字仅包含少量非零元素。

• 编码过程： 信息比特被划分为两个部分。第一部分（$b_I$ 比特）通过稀疏映射编码为稀疏向量的非零块索引。第二部分（$b_S$ 比特）通过 QAM 调制映射到 $K$ 个非零元素的值。
• 稀疏码本构建： 作者引入了一种稀疏伯努利码本矩阵，而非使用密集的扩展矩阵。这是通过构建一个采样矩阵 $G$ 实现的，其中每一列仅包含 $D$ 个非零元素（且 $D \ll M$）。利用该矩阵对原始密集码本进行采样，从而生成稀疏码本 $\bar{A}$。稀疏因子 $R = D/M$ 控制了非零元素的比例。
• 解码算法： 接收端采用传统的多元匹配追踪（MMP）算法来恢复稀疏向量。降低复杂度的关键在于利用测量矩阵 $\Phi$（由稀疏码本和信道导出）的稀疏性。作者证明，在密集系统中通常为 $O(NM)$或$O(K^3 + MK^2)$的操作（如格拉姆矩阵计算和残差更新），可以通过在非零索引上进行逐元素运算来实现。这使得残差更新复杂度降至$O(RNM)$，最小二乘估计复杂度降至$O(K^3 + RMK^2)$。

主要贡献

1. 稀疏码本设计： 本文引入了一种稀疏伯努利码本矩阵，大幅降低了 SSC 方案的编解码复杂度。
2. 复杂度-性能权衡： 提出的方案利用稀疏因子 $R$ 来控制计算复杂度与解码性能之间的权衡。分析表明，该方案实现了约 $R$ 倍的解码复杂度降低。
3. 算法适配： 解码过程经过适配，能够利用测量矩阵的稀疏结构，与密集矩阵实现相比，显著降低了 MMP 算法的计算成本。

仿真结果
通过在瑞利衰落信道下进行广泛的仿真，评估了该方案在不同信噪比（SNR）下的误块率（BLER）性能，并将其与传统的 SVC 和密集 SSC 方案进行了对比。

• 性能与稀疏度的关系： 结果表明，随着稀疏因子 $R$ 的减小，BLER 性能逐渐下降。然而，当 $R \leq 0.25$ 时，与传统的密集 SSC 方案相比，性能下降非常轻微。当 $R$ 低于该阈值时，性能会迅速恶化。
• 最优权衡： 在 $R = 0.5$ 时，所提方案实现的 BLER 性能非常接近传统的 SSC 方案，在 BLER 为 $10^{-5}$ 时，SNR 差距仅约为 0.2 dB。该配置在仅牺牲极小性能的前提下，提供了显著的复杂度降低（约 50%）。
• 鲁棒性： 所提方案在不同的传输块长度（$M$）下均表现出很强的鲁棒性。虽然在 $R$ 值极低（如 0.25）且块长度较短时性能差距会扩大，但在 $R = 0.5$ 时，该方案在不同块长度下均能保持与传统方案相当的性能。
• 与 SVC 的比较： 当 $R > 0.375$ 时，所提方案的表现优于传统的 SVC 方案，在广泛的稀疏配置下展示了卓越的可靠性。

意义与主张
本文声称，所提出的低复杂度 SSC 方案有效地解决了现有 SVC/SSC 方法在 URLLC 场景中的计算瓶颈。通过引入稀疏码本结构，作者实现了 BLER 性能与计算复杂度之间的良好权衡。该研究表明，该方案是资源受限的物联网应用的有力候选方案，在保持与密集码本实现相当的可靠性的同时，在不同传输块长度下展现出强大的鲁棒性。作者总结道，该方案成功平衡了超可靠性和低延迟处理之间相互竞争的需求，且未产生与密集矩阵运算相关的过度开销。