[論文レビュー] Adaptive Minimum BER Reduced-Rank Linear Detection for Massive MIMO Systems

Yunlong Cai, Rodrigo C. de Lamare|arXiv (Cornell University)|Feb 17, 2013

Advanced Wireless Communication Techniques参考文献 21被引用数 6

ひとこと要約

本稿では、ビット誤り率（BER）を最小化するために、投影行列と低ランクフィルタを共同で最適化するための、適応的で低ランクの線形検出方式を提案する。この手法は、オンラインで適応的実装可能な確率的勾配（SG）アルゴリズムを用い、BERに基づく自動ランク選択機構を導入することで、従来のフルランクおよび低ランク方式よりも顕著な性能向上を達成するとともに、計算コストを低減する。

ABSTRACT

In this paper, we propose a novel adaptive reduced-rank strategy for very large multiuser multi-input multi-output (MIMO) systems. The proposed reduced-rank scheme is based on the concept of joint iterative optimization (JIO) of filters according to the minimization of the bit error rate (BER) cost function. The proposed optimization technique adjusts the weights of a projection matrix and a reduced-rank filter jointly. We develop stochastic gradient (SG) algorithms for their adaptive implementation and introduce a novel automatic rank selection method based on the BER criterion. Simulation results for multiuser MIMO systems show that the proposed adaptive algorithms significantly outperform existing schemes.

研究の動機と目的

• 従来の低ランクMIMO検出手法が平均二乗誤差（MSE）または最小分散基準に依存しており、ビット誤り率（BER）性能において最適でないという限界を解決すること。
• 既存のBERに基づく低ランク方式が固定ランクであるか、フィルタのみ最適化されるため、時間変動MIMOフェージングチャネルにおいて性能ギャップが生じる問題を克服すること。
• BERを最小化するために、投影行列と低ランクフィルタを共同で最適化する、適応的で低複雑度の検出アルゴリズムを開発すること。
• BER性能を基準にした自動ランク選択機構を導入し、事前設定が不要となるようにすることで、柔軟性と耐障害性を向上させること。
• フルランクおよび従来の低ランクMIMO検出手法と比較して、高負荷および高速フェージング環境下でも優れた性能を示すことを実証すること。

提案手法

• ビット誤り率（BER）コスト関数を最小化するために、$M \times D$ の投影行列 $\mathbf{S}_D$ と $D \times 1$ の低ランクフィルタ $\mathbf{w}$ を同時に最適化する、共同反復最適化（JIO）フレームワークを提案する。
• 両方の $\mathbf{S}_D$ および $\mathbf{w}$ のオンラインで適応的推定を可能にする確率的勾配（SG）アルゴリズムを導出することで、時間変動チャネルにおけるリアルタイム追跡を実現する。
• 範囲 $D \in [D_{\text{min}}, D_{\text{max}}]$ の複数のランクでBER性能を評価し、最適な $D$ を動的に選択する、新規の自動ランク選択機構を導入する。
• 即時のBERに基づくコスト関数を用い、誤差信号とチャネル推定値から導出された勾配更新を用いて、フィルタおよび投影行列の適応を誘導する。
• 2段階の訓練および決定（TRとDD）プロセスを採用：訓練に250シンボル、データ検出に1500シンボルを割り当て、フィルタの初期値をゼロ、投影行列を単位行列に基づいて設定する。
• 時間変動MIMOチャネルのシミュレーションにJakesフェージングモデルを適用し、現実的な移動性を再現するため、正規化ドップラー周波数 $f_d T_s = 1 \times 10^{-5}$ を使用する。

実験結果

リサーチクエスチョン

• RQ1 BER最小化による、投影行列と低ランクフィルタの共同最適化は、従来のMSEまたはMVに基づく手法と比較して、マス・MIMOシステムにおける検出性能を向上させることができるか？
• RQ2 提案された適応的確率的勾配アルゴリズムは、従来の低ランク方式と比較して、時間変動MIMOフェージングチャネルにおいてより高速な収束性と優れた追跡性能を達成できるか？
• RQ3 BER基準に基づく自動ランク選択機構は、事前の知識なしに最適なランク $D$ を動的に選択でき、耐障害性と性能を向上させることができるか？
• RQ4 提案されたJIO-MBER低ランクアルゴリズムは、フルランクMBERおよび従来の低ランク方式と比較して、BER、SNRゲイン、ユーザー容量の観点で優れた性能を示すか？
• RQ5 高負荷（高 $K$）および高移動度（高速フェージング）環境下での本手法の性能向上はどの程度か？

主な発見

• 提案されたJIO-MBER適応的低ランクアルゴリズムに自動ランク選択機構を組み合わせたものでは、BERが $6 \times 10^{-3}$ の時点で、フルランクMBER SGアルゴリズムと比較して最大5 dBのSNRゲインを達成した。
• 同じBERレベル $6 \times 10^{-3}$ において、フルランクMBER SGアルゴリズムと比較して最大6名の追加ユーザーをサポートでき、ユーザー容量の優位性を示した。
• 高負荷状態（$K=17$）において、$D=8$ のJIO-MBERアルゴリズムは、フルランクMBER SGアルゴリズムを上回り、特に低SNR領域で顕著な性能向上を示した。
• 提案されたアルゴリズムは、従来の低ランク方式と比較して著しく高速に収束し、高速フェージング環境下でも安定した性能を維持した。
• 自動ランク選択機構は、固定ランク実装を常に上回る性能を発揮し、動的環境下での有効性を実証した。
• $D=8$ のJIO-MBER方式は、MWF-MBER低ランクアルゴリズムおよび従来のMWFベースの手法を、時間変動および高移動度状況下で特に顕著に上回った。