面向大规模 MU-MIMO 长期波束赋形的波束域低秩预条件化
信号处理
2026-05-05 v1 硬件体系结构
摘要
长期波束赋形显著减少了常规大规模 MU-MIMO 接收器的信道估计和反演开销，但其构建仍依赖于大型厄米特矩阵的反演，而该矩阵的条件数随每个用户的 SNR 动态范围的增大而恶化。当该反演通过共轭梯度（CG）算法在硬件中近似实现时，恶化直接导致迭代次数增加，从而增加能耗和延迟预算。我们提出一种面向硬件的低秩预条件化框架，正好针对这一瓶颈。预条件器通过随机复特征值分解（RC-EVD）从长期协方差矩阵的前 k 大特征对构建，其内部 QR 分解采用基于 Cholesky 方案实现（QRC），将主导成本限制于广义矩阵乘法（GEMM）和小型三角求解，这些运算自然映射到 systolic arrays 上。我们进一步表明，在波束域执行预条件化 CG 反演可导致系统矩阵稀疏化，并在可忽略的转换成本下提供额外的收敛加速。阵列跟踪仿真确认，联合方案可将所需 CG 迭代次数降低两至三倍，同时在后均衡 SINR 上匹配精确反演。
引用
@article{arxiv.2605.02748,
title = {Low-rank Preconditioning in Beamspace Domain For Massive MU-MIMO Long-Term Beamforming},
author = {Amirreza Kiani and Ali Rasteh and Marco Mezzavilla and Sundeep Rangan},
journal= {arXiv preprint arXiv:2605.02748},
year = {2026}
}
备注
Submitted to IEEE SIPS 2026