A grouping strategy for parallel group detection in synchronous gaussian CDMA channels

Marcal, M.F.; Vinhoza, Tiago T. V.; Backx, Fabian David; Sampaio‐Neto, Raimundo

doi:10.1109/its.2006.4433311

Cited by 2 publications

(7 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…formance between non-linear and linear receivers. Figure 1 shows the structure of the GD-ML receiver, which consists of three steps [27], [28]: 1) linear transformation (LT) of the received vector, 2) division of the result into groups; 3) application of ML detection to each group.…”

Section: Gd-ml Is a Technique With Intermediate Complexity And Per-mentioning

confidence: 99%

Average Vector-Symbol Error Rate Closed-Form Expression for ML Group Detection Receivers in Large MU-MIMO Channels With Transmit Correlation

et al. 2020

View full text Add to dashboard Cite

In this paper, we derive a closed-form expression for the evaluation of the average vectorsymbol error rate (VER) of group detection followed by maximum-likelihood (GD-ML) receivers in large multiuser multiple-input multiple-output (MU-MIMO) systems with transmit side correlated Rayleigh channels. We assume M antennas at the base station (BS), N closely-located, single-antenna user equipment (UEs) with load factor λ = N M , and N 1; consequently, we evaluate the performance of GD-ML receivers as the load factor grows to unity. The derived expression requires a negligible correlation at the receive side of the communication channel. Hence, from a practical point-of-view, when considering scenarios with a large number of UEs, the derived analytical expression is generally more applicable for systems with a distributed massive number of BS antennas. Numerical results are provided to validate our derived expression. We observe that the GD-ML with N u group size achieves a diversity order proportional to M − N + N u. Moreover, we show that for small group sizes, the analytical and simulation results remain close, and at moderate to high signal-to-noise ratio (SNR), the derived expression very closely matches the simulations, whereas this match becomes perfect as the users' side correlation increases. We also demonstrate that GD-ML outperforms the zero-forcing (ZF) and minimum mean-squared error (MMSE) receivers, in terms of VER; where for high λ, GD-ML exploits the maximum spatial multiplexing gain. Moreover, in terms of floating-point operations (FLOPs), we show that GD-ML receivers have almost the same complexity as ZF and MMSE where the ML detection stage adds a negligible complexity compared to the channel matrix inversion operation. INDEX TERMS Group detection (GD), maximum likelihood (ML) detection, multiple-input multiple-output (MIMO), vector-error rate VER.

show abstract

Section: Gd-ml Is a Technique With Intermediate Complexity And Per-mentioning

confidence: 99%

Average Vector-Symbol Error Rate Closed-Form Expression for ML Group Detection Receivers in Large MU-MIMO Channels With Transmit Correlation

et al. 2020

View full text Add to dashboard Cite

show abstract

“…Neste trabalho utiliza-se um critério de agrupamento tal que a probabilidade de erro de bit do símbolo com pior desempenho seja minimizada [5], [8]. A configuração ou conjunto das matrizes transformação de grupo G (U, N 1 , .…”

Section: Estratégias De Agrupamentounclassified

“…. , N U ), tem-se que o número total de possíveis configurações do estágio de agrupamentoé dado por [5], [8]:…”

Section: Estratégias De Agrupamentounclassified

“…Nota-se que em (19), para uma dada configuração Π ω , f (·) retorna o valor da probabilidade de erro de bit associado ao símbolo com pior desempenho. A probabilidade de erro de bit para o n-ésimo símbolo do u-ésimo grupo, G u , pode ser aproximada por [5], [8]: (dB) para SC-CP com detecção por grupos consequência o símbolo com pior desempenho dentro de uma determinada configuração Π ω , a expressão utilizadaé:…”

Section: Estratégias De Agrupamentounclassified

“…Neste artigoé proposto um receptor com detecção por grupos que apresenta uma complexidade intermediária entre o receptorótimo e os receptores que utilizam detecção símboloa-símbolo em sistemas com transmissão em blocos. O tipo de estrutura idealizada agrupa as componentes do bloco equalizado em sub-grupos e realiza detecção conjuntaótima dos símbolos em cada sub-grupo [5]- [8].…”

Section: Introductionunclassified

See 2 more Smart Citations

Detecção Ótima por Grupos em Sistemas com Transmissão em Blocos

Maza¹,

Neto²,

Medina³

2012

Anais De XXX Simpósio Brasileiro De Telecomunicações

View full text Add to dashboard Cite

Resumo-Os sistemas de transmissão em blocos, permitem a transmissão de N símbolos de forma simultânea, seja em modulação de portadoraúnica ou multiportadora. A recepçãó otima, no sentido de máxima verossimilhança em canais com multipercursos apresenta um custo computacional elevado de A N , onde Aé a ordem da constelação (A = 2 para BPSK). Para evitar este alto custo computacionalé usual fazer a detecção símbolo a símbolo após a equalização. Neste trabalhoé proposto um receptor com detecção por grupos que apresenta um bom compromisso entre complexidade computacional e desempenho em termos de taxa de erro médio de bit. Palavras-Chave-OFDM, sistemas de portadoraúnica, detecção por grupos, detecção MLAbstract-Block transmission system, allows transmissions of N symbols simultaneously, with single carrier or multi-carrier modulation. Maximum likelihood optimal reception in multipath channels have a high computational cost of A N , where A is the constellation order (A = 2 for BPSK). To avoid this cost is usual to make symbol by symbol detection after equalization. In this work we propose a receiver with group detection having a good trade of between computation complexity and bit error rate performance.

show abstract

A grouping strategy for parallel group detection in synchronous gaussian CDMA channels

Cited by 2 publications

References 7 publications

Average Vector-Symbol Error Rate Closed-Form Expression for ML Group Detection Receivers in Large MU-MIMO Channels With Transmit Correlation

Average Vector-Symbol Error Rate Closed-Form Expression for ML Group Detection Receivers in Large MU-MIMO Channels With Transmit Correlation

Detecção Ótima por Grupos em Sistemas com Transmissão em Blocos

Contact Info

Product

Resources

About