毫米波MIMO解映射改为整块卷积：实测误码率最高降17.6倍，RFSoC上快34.3倍
核心概要
毫米波MIMO接收机里的软解映射不再逐符号独立计算。此前基于多层感知机的学习型解映射只看单个符号，经典解映射则依赖解析判决规则和高斯噪声假设，难以利用相邻符号间的残余失真结构。该工作改用一维卷积网络对整块均衡后符号联合处理，在60 GHz、四流、每流1.76 GHz带宽的实测空口数据上，单流版本相对传统软解映射在16QAM下最高取得2.6倍、在64QAM下最高17.6倍的误码率增益，并在RFSoC上用定点实现取得约34.3倍加速。
深度剖析
解映射的处理单位从单个符号变成一整块均衡后符号，接收链其余模块保持不变。 此前的学习型解映射要么用多层感知机逐符号处理，要么用卷积自注意力做联合处理而带来较高计算复杂度，经典解映射同样逐符号依赖解析判决规则。 在60 GHz、四空间流、每流1.76 GHz带宽的IEEE 802.11ay单载波波形上，用跨多天采集的空口数据测试，单流版本相对传统软解映射在16QAM下最高误码率增益2.6、平均1.8，在64QAM下最高17.6、平均8.7。
网络用一维卷积在时间方向上提取局部特征，把相邻符号的上下文带进软比特估计。 逐符号方法无法利用相邻符号之间的相关性，而实测残余误差在相位上存在以滞后一符号为主的弱短程依赖。 卷积核只覆盖单个符号时，学习型解映射的误码率在大部分信干噪比区间与传统解映射几乎相同；扩大感受野让每个符号与相邻符号联合处理后，它在整个区间稳定优于传统解映射。把块内符号顺序随机打乱后，学习型解映射的误码率反而降到传统解映射之下，说明增益来自时间关系。
训练好的单流模型在未参与训练的新环境中无需重训即可保持相近的误码率表现。 此前的评估多在同一实验室环境内跨天采集数据，未暴露于明显不同的传播场景。 在室内服务器机房和室外开阔场地两个训练集中未出现过的环境中，16QAM与64QAM的单流解映射误码率曲线与原实验室基本一致。
定点化后的解映射被做成可复用的卷积引擎，在RFSoC上以流式接口接入接收链。 纯处理器实现每块需17.5毫秒，单精度浮点加速器降到0.95毫秒。 采用定点格式并并行放置两个加速器后，每块执行时间降到0.51毫秒，相对处理器实现约34.3倍加速，同时DSP用量比浮点设计减少71.4%。
启示与展望
验证范围是60 GHz、四空间流、每流1.76 GHz带宽的IEEE 802.11ay单载波毫米波MIMO链路，测量在室内外视距条件下跨多天、多发射增益完成，训练与测试数据按天分离。读者对象是从事无线物理层接收机设计与硬件加速的研究人员和工程师。作者提出后续将考察更高阶MIMO配置以及移动和快速时变信道下的表现。
多流版本在64QAM下于约19 dB信干噪比附近误码率趋于平缓，单流版本则在整个区间持续下降，作者将其归因于均衡后残余失真主要局限在各流内部。加入信道频响或保护间隔作为额外输入只带来有限增益，其中保护间隔使可训练参数增加一倍以上。定点实现使代表性数据上的误码率从0.0101升到0.0108。