The Journal of Korean Institute of Communications and Information Sciences (한국통신학회논문지)

The Korean Institute of Commucations and Information Sciences (한국통신학회)
권호 표지

Lattice Reduction Aided Preceding Based on Seysen's Algorithm for Multiuser MIMO Systems

다중 사용자 MIMO 시스템을 위한 Seysen 알고리즘 기반 Lattice Reduction Aided 프리코팅

  • 안홍선 (인하대학교 정보통신대학원 이동통신연구실) ;
  • 마나르모하이센 (인하대학교 정보통신대학원 이동통신연구실) ;
  • 장경희 (인하대학교 정보통신대학원 이동통신연구실)
  • Published : 2009.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Lenstra-Lenstra-Lovasz (LLL) algorithm, which is one of the lattice reduction (LR) techniques, has been extensively used to obtain better bases of the channel matrix. In this paper, we jointly apply Seysen's lattice reduction Algorithm (SA), instead of LLL, with the conventional linear precoding algorithms. Since SA obtains more orthogonal lattice bases compared to those obtained by LLL, lattice reduction aided (LRA) precoding based on SA algorithm outperforms the LRA precoding with LLL. Simulation results demonstrate that a gain of 0.5dB at target BER of $10^{-5}$ is achieved when SA is used instead of LLL or the LR stage.

LLL (Lenstra-Lenstra-Lovasz) 알고리즘은 보다 좋은 채널 행렬의 기저를 얻기 위하여 주로 사용되는 격자 감소기법이다. 본 논문에서는 LRA (lattice reduction aided) 프리코딩 기법에서 채널 행렬의 기저 (basis) 벡터를 격자 감소시키기 위하여 LLL 알고리즘 대신 Seysen 알고리즘 (SA)을 사용하였으며, 기존의 선형 프리코딩 기법을 SA를 통하여 얻어진 변환된 채널 행렬에 적용하였다. SA를 통하여 LLL 알고리즘보다 높은 직교성을 가진 기저를 얻어낼 수 있으므로, SA 기반의 LRA 프리코딩 기법은 기존의 LLL 기반의 LRA 프리코딩 기법보다 우수한 성능을 가진다. 모의실험 결과를 통하여 LRA 프리코딩에서 격자 감소를 위하여 SA를 사용한 경우, LLL 알고리즘을 사용한 경우보다 target BER $10^{-5}$에서 0.5dB정도의 BER 성능 이득이 얻어짐을 입증한다.

Keywords

References

  1. S. Haykin and M. Moher, Modern Wireless Communications. Pearson Prentice Hall, New Jersey, 2005
  2. U. Erez and S. ten Brink, 'A close to capacity dirty paper coding scheme,' IEEE Trans. on Inform. Theory, Vol. 51, pp. 3417-3432, Oct. 2005 https://doi.org/10.1109/TIT.2005.855586
  3. H. Yao and G. W. Wornell, 'Lattice-Reduction- Aided Detectors for MIMO Communication Systems,' in Proc. IEEE Globecom, pp. 424- 428, November 2002
  4. A. K. Lenstra, H. W. Lenstra, and L. Lovasz, 'Factoring Polynomials with Rational Coefficients,' Math. Ann, Vol. 261, pp. 515-534, 1982 https://doi.org/10.1007/BF01457454
  5. C. Windpassinger and R. F. H. Fischer, 'Low Complexity Near-Maximum-Likelihood Detection and Pre-coding for MIMO Systems using Lattice Reduction,' in Proc. IEEE ITW, pp. 345-348, March 2003
  6. C. Windpassinger, R. F. H. Fischer and J. B. Huber, 'Lattice-Reduction-Aided Brodcast Precoding,' IEEE Trans. on Commun., Vol. 52, pp. 2057-2060, Dec. 2004 https://doi.org/10.1109/TCOMM.2004.838732
  7. M. Seysen, 'Simultaneous Reduction of A Lattice Basis and Its Reciprocal Basis,' Combinatorica, Vol. 13, pp. 363-376, 1993 https://doi.org/10.1007/BF01202355
  8. B. A. Lamacchia, Basis Reduction Algori- thms and Subset Sum Problems. Master Thesis, MIT, 1991
  9. J. Niu and I-Tai Lu, 'A New Lattice Reduction Based Receiver for MIMO Systems,' in Proc. IEEE of 41st CISS, pp. 499-504, March 2007 https://doi.org/10.1109/CISS.2007.4298357
  10. D. Wubben, R. Bohnke, V. Kuhn, and K. D. Kammeyer, 'MMSE-Based Lattice Reduction for Near-ML Detection of MIMO systems,' Proc ITG Workshop on Smart Antennas, March. 2004