面向 5G 及以后 URLLC 系统的 GPU 加速部分线性多用户检测

在这项可行性研究中，我们在 GPU 加速平台上实现了最近提出的一种在再生核希尔伯特空间（RKHSs）中的部分线性多用户检测算法。部分线性多用户检测结合了线性检测的鲁棒性与非线性方法的威力，已被提出用于具有非正交多址（NOMA）的大规模连接场景。这是一种有前景的方法，但在接收到的正交频分复用（OFDM）无线帧内检测有效载荷需要执行大量内积运算，这是算法的主要计算负担。尽管内积运算由简单的核评估组成，但其数量庞大在超低时延（ULL）应用中构成了挑战，因为计算内积所需的时间可能超过亚毫秒级时延要求。为解决此问题，本研究展示了通过大规模并行化来加速内积运算。其结果是一个 GPU 加速的实时 OFDM 接收机，可实现亚毫秒级时延检测，以满足第五代（5G）及以后超可靠低时延通信（URLLC）系统的要求。此外，本研究中探索并展示的并行化与加速技术可扩展到希尔伯特空间中的许多其他信号处理算法，例如基于凸集投影（POCS）和自适应投影次梯度法（APSM）的算法。实验结果以及与最先进方法的比较证实了我们所提技术的有效性。