中英文文献外文翻译-由于晶格减少辅助峰值功率减少的最近点搜索的MIMO广播频道

1、由于晶格减少辅助峰值功率减少的最近点搜索的MIMO广播频道介绍最近几年多输入多输出广播信道有很大的研究空间。在未来的多孔系统中，它可能被应用到在基地有多传输天线和有多接受天线的每名用户的下行通道中.在高斯容量区域的MiMO BC有很多验证(Caire和Shamai; Vishwanath 等人，2003年; Viswanath and Tse，2003年; Yu and Cioffi，2004年; Weingarten等人，2006年). Weingarten等人(2006)研究的the dirty-paper编程(DPC)( Costa，1983年)的成功率区域和高斯容量区域的MIMO BC

2、几乎一样.DPC容量研究成功的方法众所周知是基本的多维网格的量子化和极小的方差(MMSE)的降低(Erez and Brink，2005年; Erez等人，2005年). 其他事态发展的基础上DPC技术计划包括网格和卷积预编码（2005年YU等人）和叠加编码(Bennatan 等人，2006年). 然而,DPC技术的高非线性组织它的实际运行情况. 这促使研究人员考虑一些其他一些预编码方案，包括通道反演（Peel等人，2005年）, 正规化渠道反演（Peel等人，2005年） ，矢量扰动范围的基础上编码（Hochwald等人，2005年） ，格减少计算机辅助（LRA）汤，原岛预编码（ Windp

3、assinger等人，2004年）和块对角化（(Spencer等人 ，2004年） 。其中预编码方案，矢量微扰方案能够实现最佳的性能附近的DPC技术的多样性时，多是无法使用。然而，矢量扰动计划没有考虑到的峰值平均功率比（ PAPR的）所产生的发送信号。最近的工作博卡迪和开罗（ 2006年）的基础上的P -领域编码（p-SE）的承诺，以减少PAPR的，但受到高的复杂性。在本文中，我们首先采用多项式时间Lenstra-Lenstra-Lovasz（LLL）算法（(Lenstra等，1982年）的预编码矩阵获得晶格的基础上减少。 然后，使用近似正交性质栏的LLL减少的基础上，最近点搜索（CPS）可以

4、用来寻找最佳微扰载体。拟议的LRA-CPS计划能够实现之间的权衡的功率效率和PAPR的。此外，LRA-CPS方案具有较低的复杂性和更直观比的P -SE。系统模型和预备考虑每一个接收天线有M传输天线基站和K个用户接收天线的MIMO BC预编码模式。在每一个符号间隔中可以表示成复杂的基带输入输出模型， （1）包含在每个用户所收到的数据中, 它包含从M传输天线的信号传播，H是一个有K M复值频道矩阵与每个参数代表传输信道增益天线m 和用户k,然而是一个有有独立和相同分布(i.i.d.)的复杂的高斯噪声向量。我们假设 MIMO信道矩阵H是平坦的瑞利衰落和已知的发射机.基于被发送信号加强的平均功率约束。

5、在载体微动变化的计划中，它很方便的也考虑有的非标准发送信号s （2）在这里，是信息关联信号包含调制符号传送给用户，表示设置一些复杂的信号，如正交幅度调制（ QAM ）坐标, 是一支M K预编码矩阵这往往设置为theMoore-Penrose转置的H矩阵 ，即，与上标H表明共轭移调其论据（向量或矩阵） ，和是一个依赖于数据载体的扰动和, 。 对于案件平方米的QAM座标，在是绝对值座标符号的最大规模和是间距座标点。例如，对于16 - QAM调制坐标与振幅在实际层面， 和。问题描述 在载体微动变动方案中，最优扰动向量记作,是其中最小瞬时传输功率,例如, (3)这可以有效地实施领域解码器(SD) (D

6、amen 等人., 2003年) 和预编码方案，也被称为领域编码器 （SE）。然而，这一方案只有最小的平均发射功率没有任何控制的峰值功率的，这里是指载体的范围。考虑到双方的平均发射功率和瞬时峰值功率，我们介绍了瞬时PAPR的，其定义是： (4)我们的目的是找到一种动态载体以降低在不增加瞬时PAPR时不增加太多的平均发射功率。这意味着，我们要解决这个问题以限制给定的功率 。（ 5 ）在这里，和是解决方案的Eq.(3)，这意味着有最低瞬时发射功率。在p-SE (Boccardi and Caire, 2006年), 首先是通过SD获得, 然后通过P-SE来解决Eq （ 5 ）的问题 。P SD的期

7、望复杂性是有关的 (Damen 等人 2003年)。在下一节中，我们将提出一种较简单的计划，这里P SD被CPS取代。此外，CPS研究的空间范围只有线性或K的二次。LRA-CPS计划在LRA-CPS计划的提议中，我们首先采用多项式时间LLL算法（Lenstra等人 1982年）以获得G的意义， (6)上式的描述，这里的T是在降低M K LLL算法的近似正交数，R是一个整数矩阵。很明显，矢量是有整数项。那么，瞬时发射功率可近似为 (7)其中是指第k列的T和近似正交性质的当。此外，规定和中所有的项应是整数倍数以确保载体是一个整数。那么平均传输功率在Eq.（ 5 ）被限制可近似为 (8)注释所有T的

8、序列的长度与LLL的最简约算法(Lenstra et al., 1982) 之间保证小的误差。我们假设所有对是想等的，这将表示我们的方法有很好的执行性。然后，Eq.（ 8 ）可以进一步简化为 (9)很明显，一个合适CPS的方法获得较好的矢量图以满足平均功耗的制约因素。在这里，我们只考虑最简单的CPS的三个战略，定义为：方法A 只有一个项目的V变化和四个最接近点被认为是这个项目，即最近的点集的定义是：在e中是所有零向量除1在第k个元素。方法B 类似的方法A ，但与8最接近点考虑，即最接近点集的定义是：方法C 两个项目的V变化同时和四个最接近点的这两个项目的审议，即最接近的点集的定义是：为了简洁明

9、了，在这三个搜索方法中，我们不考虑发射功率的限制，这意味着有CPS所获得的载体不符合Eq.（ 9 ） 。此外，一些载体满足Eq.（ 9 ）不符合传输功率Eq.（ 5 ）的约束，自T序列的不完全正交。为解决这些问题，最初的发射功率限制在Eq.（ 5 ）中仍然是必要的。然后，最佳载体可以得到解决下限制问题： （10）Peak-power reduction by the lattice-reduction-aidedclosest point search for MIMO broadcast channels*INTRODUCTION The multiple-input multiple-ou

10、tput (MIMO) broadcast channel (BC) has been an area of extensiveresearch in recent years. In future cellular systems, it may be used to model the downlink channel in which there are multiple transmit antennas at the base station and multiple receive antennas at each user. The capacity region of the

11、Gaussian MIMO BC has been thoroughly investigated (Caire and Shamai, 2003; Vishwanath et al., 2003; Viswanath and Tse, 2003; Yu and Cioffi, 2004; Weingarten et al., 2006). Weingarten et al.(2006) showed that the dirty-paper coding (DPC) (Costa, 1983) achievable rate region is actually the capacity r

12、egion of the Gaussian MIMO BC. A well-known general approach for achieving the capacity of DPC is based on multidimensional lattice quantization and minimum mean-square error (MMSE) scaling (Erez and Brink, 2005; Erez et al. 2005). Other developments based on the DPC scheme include trellis and convo

13、lutional precoding (Yu et al.,2005) and superposition coding (Bennatan et al.,2006).However, the high nonlinearity of the DPC technique prevents its practical implementation. This has motivated several researchers to consider some other precoding schemes, including channel inversion (Peel et al., 20

14、05), regularized channel inversion (Peel et al., 2005), vector-perturbation based on the sphere encoder (Hochwald et al., 2005), lattice-reduction-aided (LRA) Tomlinson-Harashima precoding (Windpassinger et al., 2004) and block diagonalization (Spencer et al., 2004). Among these precoding schemes, t

15、he vector-perturbation scheme can achieve the near optimal performance of the DPCwhen multiuser diversity is not available. However, the vector-perturbation scheme does not take into account the peak-to-average power ratio (PAPR) of the resulting transmitted signal.Recent work by Boccardi and Caire

16、(2006) based on the p-sphere encoder (p-SE) promises to reduce the PAPR but suffers from high complexity. In, this letter, we first apply the polynomial-time Lenstra-Lenstra-Lovasz (LLL) algorithm (Lenstra et al.1982) on the precoding matrix to obtain a lattice-reduced basis. Then, using the approxi

17、mately orthogonal character of the columns of the LLL-reduced basis, the closest point search (CPS) can be used to find the optimal perturbation vector. The proposed LRA-CPS scheme can achieve a tradeoff between power efficiency and PAPR. Moreover, the LRA-CPS scheme has a lower complexity and is mo

18、re intuitive than the p-SE.SYSTEM MODEL AND PRELIMINARIESConsider a MIMO BC precoding model with M transmit antennas at the base station and K users, each with one receive antenna. The complex baseband input-output model can be represented as (1)where in each symbol interval, contains the data recei

19、ved at each user, contains the signal transmitted from M transmit antennas, H is a K M complex-valued channel matrix with each entryrepresenting the channel gain between transmit antenna m and user k, andis an independently and identically distributed (i.i.d.) complex Gaussian noise vector. We assum

20、e that the MIMO channel matrix His flat Rayleigh-fadingand known to the transmitter.The average power constraint imposed on the transmitted signal. In the vector perturbation scheme, it is convenient to also consider the unnormalized transmitted signal s such that(2)with. Here, is the information-bearing si