In this paper, the downlink of a multi-cell massive MIMO system is considered where the channel state information (CSI) is estimated via pilot symbols that are orthogonal in a cell but re-used in other cells. Re-using the pilots, however, contaminates the CSI estimate at each base station (BS) by the channel of the users sharing the same pilot in other cells. The resulting inter-cell interference does not vanish even when the number of BS antennas $M$ is large, i.e., $M\rightarrow\infty$, and thus the rates achieved by treating interference as noise (TIN) saturate even if $M\rightarrow\infty$. In this paper, interference aware decoding schemes based on simultaneous unique decoding (SD) and simultaneous non-unique decoding (SND) of the full interference or a part of the interference (PD) are studied with two different linear precoding techniques: maximum ratio transmission (MRT) and zero forcing (ZF). The resulting rates are shown to grow unbounded as $M\rightarrow\infty$. In addition, the rates achievable via SD/SND/PD for finite $M$ are derived using a worst-case uncorrelated noise technique, which are shown to scale as $\mathcal{O}(\log M)$. To compare the performance of different schemes, the maximum symmetric rate problem is studied, where it is confirmed that with large, yet practical, values of $M$, SND strictly outperforms TIN, and also that PD strictly outperforms SND.


翻译:在本文中,多细胞大型 MIMO 系统的下行链条被考虑到频道状态信息(CSI) 通过实验符号估算出,这些符号在单元格中是正正反向的,但在其他单元格中再次使用。 但是,再次使用实验者会污染每个基站(BS)的CSI估计, 用户与其他单元格共享同一试点的频道污染了每个基站(BS)的CSI估计。 即便在BS天线数量大的情况下, 导致的细胞间干扰并没有消失, 也就是说, T=M\rightrowr\infty $, 因此, 通过将干扰作为噪音(TIN) 的最大饱和(TIN) 达到的最高饱和率。 在本文中, 通过同时独特的解码(SD) 和不统一解码(SND) 或部分干扰(PD) 进行研究时, 使用两种不同的线性预编码技术: 最大比率(MRT) (MRT) 和零强迫(ZF) 。 由此得出的速率显示, 以美元/RDRD(M) 最差的SD(SD) 和SD(M) 相关的SD(SD) 比率) 显示, 最差(SD) 和最差(SD) 和最差(SD) 的汇率是最低的比值) 。

0
下载
关闭预览

相关内容

【UAI2021教程】贝叶斯最优学习,65页ppt
专知会员服务
64+阅读 · 2021年8月7日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
CCF推荐 | 国际会议信息6条
Call4Papers
9+阅读 · 2019年8月13日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
计算机类 | 低难度国际会议信息6条
Call4Papers
6+阅读 · 2019年4月28日
Science 一周论文导读 | 2019 年 4 月 12 日
科研圈
15+阅读 · 2019年4月21日
人工智能 | UAI 2019等国际会议信息4条
Call4Papers
6+阅读 · 2019年1月14日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2022年2月23日
Arxiv
0+阅读 · 2022年2月22日
Arxiv
0+阅读 · 2022年2月21日
VIP会员
相关资讯
CCF推荐 | 国际会议信息6条
Call4Papers
9+阅读 · 2019年8月13日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
计算机类 | 低难度国际会议信息6条
Call4Papers
6+阅读 · 2019年4月28日
Science 一周论文导读 | 2019 年 4 月 12 日
科研圈
15+阅读 · 2019年4月21日
人工智能 | UAI 2019等国际会议信息4条
Call4Papers
6+阅读 · 2019年1月14日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员