⚡ electrical engineering

Sparsification of Precoding Codebooks for PAPR Reduction via Grassmannian Representations

本文提出了一种基于格拉斯曼流形表示的预编码码本稀疏化方法，通过精确酉变换和近似稀疏主成分分析两种策略，在不改变现有反馈机制且几乎不损失可达速率的前提下，将上行链路场景中的峰均功率比降低了 1 dB 以上。

原作者： Joe Asano, Yuto Hama, Hiroki Iimori, Szabolcs Malomsoky, Naoki Ishikawa

发布于 2026-04-22

📖 1 分钟阅读☕ 轻松阅读

原作者： Joe Asano, Yuto Hama, Hiroki Iimori, Szabolcs Malomsoky, Naoki Ishikawa

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文提出了一种让未来 6G 网络（以及现在的 5G）更省电、更高效的巧妙方法。为了让你轻松理解，我们可以把无线通信想象成**“在拥挤的舞厅里跳舞”**。

1. 背景：为什么我们需要这个？

想象一下，手机（用户设备）就是一个舞者，它要把信息（音乐）通过无线电波（舞步）传给基站（舞厅管理员）。

问题：功率放大器（PA）的“体力”限制
手机电池有限，它的“体力”（功率放大器）不能一直满负荷运转。如果舞步忽快忽慢，瞬间的爆发力（峰值功率）太大，而平均体力（平均功率）却不高，这就叫峰均功率比（PAPR）过高。
- 后果：就像舞者为了完成一个高难度的瞬间跳跃，必须消耗大量体力，导致后续跳舞没力气，甚至可能把腿（硬件）跳断。为了安全，手机不得不降低整体音量（回退功率），导致信号传不远或网速变慢。
现状：密集的“群舞”
现在的 5G 技术为了传更多数据，让手机同时跳多支舞（多流传输）。但现有的舞步设计（预编码码本）非常密集，意味着舞者的手脚（天线）几乎都在同时动，而且动作复杂。这种“密集舞步”破坏了单载波（DFT-s-OFDM）的平滑性，导致瞬间爆发力（PAPR）变得极高。

2. 核心创意：让舞者“偷懒”一点（稀疏化）

作者提出的方法叫**“码本稀疏化”**。

比喻：从“全员乱舞”到“定点舞蹈”
想象一下，原本要求舞者的每一根手指、每一个脚趾都要同时做复杂的动作（密集矩阵）。现在，我们设计了一种新舞步，让舞者只动特定的几个手指或脚趾，其他部位保持静止（稀疏矩阵）。
- 好处：因为动作变简单、变“稀疏”了，瞬间的爆发力（PAPR）大幅下降，手机可以跳得更久、更稳，甚至能跳得更大声（提高发射功率）。

3. 技术难点：如何“偷懒”还不跳错？

这里有个大难题：如果我们随便让舞者停下来，音乐（数据）就会乱套，基站就听不懂了。

挑战：必须在保持“舞蹈本质”（数据速率/可达速率）不变的前提下，改变“动作细节”（让矩阵变稀疏）。
数学原理（草图流形）：
在数学上，这些舞步被看作是一个高维空间里的**“几何点”**（草图流形上的点）。
- 传统做法：重新发明一套全新的舞步（设计新码本），但这需要修改全球通信标准，太难了。
- 本文做法：不改变舞步的“灵魂”。我们保留原来的“舞步编号”（反馈机制不变），但在手机内部，把原本复杂的“密集舞步”自动替换成等效的“稀疏舞步”。基站看到的还是原来的编号，但手机实际发出的信号更省电了。

4. 两种“偷懒”的魔法

作者设计了两种把“密集舞步”变成“稀疏舞步”的方法：

魔法一：完美变身（单位正交变换）
- 原理：就像把一个复杂的旋转动作，通过旋转坐标系，变成几个简单的直线动作。
- 效果：如果运气好（数学上可行），这种变换是完美的。舞步变了，但舞蹈的“灵魂”（子空间）完全没变，数据速率零损失。
- 比喻：就像把一张画满复杂线条的画，旋转一下角度，发现线条其实可以简化成几条直线，但画的内容完全没变。
魔法二：近似模仿（稀疏主成分分析 SPCA）
- 原理：如果找不到完美的简化方法，那就找一个最像的简化版本。
- 效果：虽然动作有一点点变形，但99% 的相似度保留了下来。数据速率几乎感觉不到损失（论文显示损失极小，约 0.1-0.2 dB）。
- 比喻：就像用乐高积木去模仿一个复杂的雕塑。虽然不能 100% 还原每一个弧度，但远看神韵完全一样，而且积木（稀疏结构）更容易搭建（省电）。

5. 结果：双赢的局面

论文通过实验证明：

省电了：在同样的条件下，峰均功率比（PAPR）降低了超过 1 分贝。这听起来不多，但在通信里，这意味着手机可以发射更强的信号，或者电池更耐用。
没变慢：网速（可达速率）几乎没有下降，几乎感觉不到区别。
兼容性好：不需要基站升级，也不需要改变现有的通信协议，只需要手机内部“偷偷”换一种算法就行。

总结

这就好比给所有手机装了一个**“智能省电舞步转换器”**。
以前手机跳舞太累，容易力竭；现在这个转换器告诉手机：“别做那些花里胡哨的全员动作了，咱们只动关键部位，效果一样好，但更省力！”

这对于未来 6G 时代，当连接设备数量爆炸式增长时，保证手机续航和信号覆盖至关重要。

这是一份关于论文《基于 Grassmann 表示的预编码码本稀疏化以降低 PAPR》（Sparsification of Precoding Codebooks for PAPR Reduction via Grassmannian Representations）的详细技术总结。

1. 研究背景与问题 (Problem)

背景：随着向 6G 系统的演进，上行链路流量预计将显著增加。在 5G 及未来的上行链路系统中，多输入多输出（MIMO）技术至关重要。目前的 5G 标准（3GPP NR）主要支持单流 DFT-s-OFDM 传输，但为了提升容量和覆盖范围，扩展至多流 DFT-s-OFDM传输已成为研究热点。
核心挑战：
1. 峰均功率比 (PAPR)：DFT-s-OFDM 信号具有低 PAPR 特性，有利于提高功率放大器（PA）效率。然而，现有的码本预编码矩阵通常设计为**稠密（Dense）**结构，旨在最大化阵列增益。当这些稠密预编码器应用于多流 DFT-s-OFDM 时，会破坏单载波特性，导致 PAPR 显著增加，从而限制发射功率或降低 PA 效率。
2. 现有方案的局限性：虽然已有研究（如文献 [7]）设计了全新的稀疏码本，但这需要改变现有的反馈机制和标准规范，实施成本高且兼容性差。
目标：在不修改现有反馈机制（即保持原有的码本索引和反馈比特数）的前提下，将现有的标准稠密预编码码本转换为**稀疏（Sparse）**预编码码本，以降低 PAPR，同时保持可实现的传输速率（Achievable Rate）几乎无损。

2. 方法论 (Methodology)

本文提出了一种基于**Grassmann 流形（Grassmann Manifold）**表示的预编码码本稀疏化方法。预编码矩阵被视为 Grassmann 流形 $G(N_t, N_s)$ 上的点。

A. 问题建模

核心思想：将稀疏化问题建模为在 Grassmann 流形上寻找一个稀疏矩阵 $P$ ，使其尽可能接近原始稠密矩阵 $W$ 。
度量标准：使用弦距离（Chordal Distance） $d_c(W, P) = \sqrt{N_s - \|W^H P\|_F^2}$ 来衡量两个预编码子空间的差异。
约束条件：
1. $P$ 必须位于 Grassmann 流形上（即列正交： $P^H P = I_{N_s}$ ）。
2. $P$ 必须是稀疏的，具体设定为每列的非零元素数量等于 $N_t$ （即 $\|P\|_0 = N_t$ ，实际上是指整个矩阵的非零元素分布受控，通常指每列非零元素较少，但文中具体设定为每列非零元素总数为 $N_t$ 的某种稀疏模式，更准确地说是每个预编码矩阵 $P_i$ 的非零元素总数限制，文中公式 (5) 设定 $\|P_i\|_0 = N_t$ ，结合上下文指代稀疏结构）。
优化目标：最小化弦距离，即 $\min d_c(W, P)$ 。

B. 两种稀疏化方法

作者提出了两种具体的构造方法，并整合在一个统一算法中：

基于酉变换的精确稀疏化 (Exact Sparsification via Unitary Transformation)
- 原理：如果存在一个酉矩阵 $U$ 使得 $P = WU $且$ P $满足稀疏约束，则$ P $和$ W$ 张成相同的子空间，弦距离为 0，性能完全无损。
- 实现：利用零空间（Null Space）理论。对于给定的稀疏模式（非零元素位置集合），通过 Gram-Schmidt 正交化过程，在满足零空间约束和正交性约束的条件下，构造酉矩阵 $U$ 。
- 条件：当且仅当对于给定的稀疏模式，其对应的零空间维度足够大且能构造出正交基时，精确稀疏化可行。
基于稀疏主成分分析 (SPCA) 的近似稀疏化 (Approximate Sparsification via SPCA)
- 原理：当精确稀疏化不可行（即不存在满足条件的酉矩阵）时，采用近似方法。将问题转化为最大化 $W$ 和 $P$ 的内积 $\|W^H P\|_F^2$ 。
- 实现：这被建模为稀疏主成分分析 (SPCA) 问题。对于给定的稀疏模式，最优的非零子向量可以通过求解瑞利商（Rayleigh Quotient）最大化问题获得（即取子矩阵最大特征值对应的特征向量）。
- 策略：遍历所有可能的稀疏模式组合，选择能使目标函数最大化的模式作为最终解。

C. 统一设计算法

对于原始码本中的每一个预编码矩阵：
1. 生成所有满足约束的候选稀疏模式。
2. 优先尝试精确稀疏化（构造酉矩阵）。如果成功，直接生成稀疏预编码器。
3. 如果精确方法失败，则对所有候选模式运行SPCA，选择最优模式生成近似稀疏预编码器。
优势：该方法完全在用户设备（UE）侧实现，基站无需修改反馈机制，只需接收原有的索引即可。

3. 主要贡献 (Key Contributions)

提出新框架：设计了一种基于码本的预编码框架，利用稀疏预编码器替代稠密预编码器，在 DFT-s-OFDM 中降低 PAPR，且无需修改现有的反馈机制，保持了与 5G NR 标准的兼容性。
理论推导：在 Grassmann 流形上开发了两种闭式（Closed-form）稀疏化方法：
- 基于酉变换的精确稀疏化（保证零性能损失）。
- 基于 SPCA 的近似稀疏化（在无法精确稀疏时提供最优近似）。
统一算法：将上述两种方法整合为一个自适应的设计算法，能够根据预编码矩阵的特性自动选择最佳稀疏化策略。

4. 实验结果 (Results)

仿真基于 5G NR 码本（ $N_t=4, N_s=2$ 和 $N_t=8, N_s=4$ ）以及优化的 Manopt 码本，在瑞利衰落信道下进行评估。

可实现速率 (Achievable Rate)：
- 对于 $N_t=4, N_s=2$ 的 NR 码本，所有索引均实现了精确稀疏化，速率零损失。
- 对于 Manopt 码本或 $N_t=8, N_s=4$ 的情况，部分索引需使用 SPCA 近似，但信噪比（SNR）损失极小（约 0.05 dB - 0.2 dB），性能几乎无损。
PAPR 性能：
- 在互补累积分布函数 (CCDF) 为 $10^{-2}$ 时，稀疏化码本相比原始稠密码本实现了 > 1 dB 的 PAPR 降低。
- 这意味着在相同的 PAPR 约束下，可以发射更高的功率，从而提升上行链路覆盖和容量。
稀疏化失真 (Distortion)：
- 随着发射天线数 $N_t$ 增加或流数 $N_s$ 接近 $N_t/2$ ，失真略有增加，但整体保持在 0.2 左右，对应上述微小的速率损失。

5. 意义与影响 (Significance)

标准兼容性：该方法最大的亮点在于无需修改现有标准。它允许运营商在不改变基站反馈协议的情况下，仅通过 UE 端的软件/固件更新（将接收到的索引映射到新的稀疏预编码矩阵）即可实现 PAPR 降低。
6G 上行链路增强：为 6G 及 Beyond-5G 系统中多流 DFT-s-OFDM 的实用化扫清了障碍，解决了多流传输中 PAPR 过高的关键瓶颈。
能效提升：通过降低 PAPR，允许功率放大器工作在更高效的区域（减少回退 Backoff），从而提升用户设备的电池寿命和上行覆盖范围。
理论价值：成功将稀疏信号处理（SPCA）与几何信号处理（Grassmann 流形）相结合，为预编码码本设计提供了新的数学视角。

总结：这篇论文提出了一种巧妙且实用的解决方案，利用 Grassmann 流形几何特性，在不牺牲通信性能且不改动现有标准协议的前提下，成功解决了多流 DFT-s-OFDM 上行链路中的高 PAPR 问题，具有重要的工程应用价值。