[論文レビュー] A Low-Resolution ADC Module Assisted Hybrid Beamforming Architecture for mmWave Communications

Jie Yang, Xi Yang+3 more|arXiv (Cornell University)|Mar 26, 2018

Millimeter-Wave Propagation and Modeling参考文献 7被引用数 3

ひとこと要約

本稿では、mmWave通信における低分解能ADCモジュールを支援とするハイブリッドビームフォーミングアーキテクチャを提案しており、ビームトレーニング時間と複雑さを著しく削減しながらも、高いデータ伝送性能を維持している。トレーニング中に低分解能ADCモジュールとハイブリッドビームフォーミングモジュールを切り替えることで、2段階の圧縮センシングに基づくビームトレーニング手法を用い、$L$ 本の伝搬路がある場合に $L+1$ タイムスロットで正確なビームアライメントを達成している。ここで $L$ は伝搬路の数を表す。

ABSTRACT

We propose a low-resolution analog-to-digital converter (ADC) module assisted hybrid beamforming architecture for millimeter-wave (mmWave) communications. We prove that the proposed low-cost and flexible architecture can reduce the beam training time and complexity dramatically without degradation in the data transmission performance. In addition, we design a fast beam training method which is suitable for the proposed system architecture. The proposed beam training method requires only L + 1 (where L is the number of paths) time slots which is smaller compared to the state-of-the-art.

研究の動機と目的

• mmWaveハイブリッドビームフォーミングシステムにおける高いハードウェア複雑さと長いビームトレーニング時間の課題を解決すること。
• 低分解能ADCを用いることで、受信機における電力消費量と計算負荷を低減すること。
• 低分解能ADCと互換性を持つ、高速かつ効率的なビームトレーニング手法の設計。
• ADC分解能が低下しても、高いスペクトル効率とデータ伝送性能を維持すること。
• 最小限のトレーニングオーバーヘッドで実装可能で低コストなmmWaveトランシieverの実現。

提案手法

• 基地局および移動局の両方で、電子スイッチを用いて低分解能ADCモジュールとハイブリッドビームフォーミングモジュールを切り替える。
• ビームトレーニング中は、送信機がハイブリッドビームフォーミングモジュールを使用し、受信機が低分解能ADCモジュールを使用することで、総消費電力に変化がないことを保証する。
• 2段階のビームトレーニング手法を提案：第1段階では全方向送信によりすべての可能なAOAを推定し、第2段階では圧縮センシングを用いて送信波束と受信波束をマッチングする。
• 圧縮センシングを活用し、1ビットまたは2ビットの量子化フィードバックを用いて $G_t \times L$ 測定値からチャネル状態情報（CSI）を再構築する。
• チャネルは、$L$ 本のパスと方向性ビームをUPA応答ベクトルで表現する角度ドメインでスパarsely表現される。
• 信号回復に直交マッチング追求（OMP）を用い、再構築されたチャネル行列のうち最も強いエントリを特定することで、ビームアライメントを達成する。

実験結果

リサーチクエスチョン

• RQ1 低分解能ADCをハイブリッドビームフォーミングアーキテクチャに統合することで、性能を損なわずにハードウェア複雑さを低減できるか？
• RQ2 低分解能ADCの制約下でも、高速かつ正確なビームアライメントを実現できるビームトレーニング手法は何か？
• RQ3 提案されたアーキテクチャは、従来の方法と比較して、より少ないタイムスロットでビームトレーニングを実現できるか？
• RQ4 1ビットと2ビットのADC分解能の違いが、ビームトレーニングの成功率とシステム性能に与える影響は何か？
• RQ5 グリッドポイント数の増加が、ビームアライメントの正確さと信頼性に与える影響は何か？

主な発見

• 提案されたビームトレーニング手法は、$L+1$ タイムスロットで十分であり、従来手法と比較してトレーニングオーバーヘッドを顕著に削減している。
• 2ビット量子化と $L=1$ の場合、$-10$ dB SNRでビームトレーニング成功率が100％に達する。
• 1ビット量子化と $L=2$ の場合、0 dB SNRで成功率が100％に達する。
• グリッドポイント数を増加（$G_t, G_r = 32$）させると、$G_t, G_r = 16$ と比較して成功率が向上し、スケーラビリティが確認された。
• 通常の設定下で、ビームトレーニング時間は基本的手法の $20T_{\text{Slot}}$ から $3T_{\text{Slot}}$ に短縮され、顕著な効率向上が示された。
• 低分解能ADCを用いても、高いデータ伝送性能を維持していることから、低コストmmWaveトランシieverの実現可能性が裏付けられた。