[論文レビュー] Artificial Intelligence-aided Receiver for A CP-Free OFDM System: Design, Simulation, and Experimental Test

Jing Zhang, Chao-Kai Wen+2 more|arXiv (Cornell University)|Mar 12, 2019

Wireless Signal Modulation Classification参考文献 30被引用数 4

ひとこと要約

本稿では、モデル駆動型ディープラーニングアプローチを用いて、循環 prefix を含まない OFDM システムにおける AI 補助受信機を提案する。最小二乗法で初期化されたチャネル推定ネットワーク（CE-NET）と OAMP をベースにした信号検出ネットワーク（OAMP-NET）を統合し、高いスペクトル効率を実現する。シミュレーションおよび実環境の空中線（OTA）テストにより、従来手法よりも低い複雑さと高い耐障害性を実現し、特に高レート変調および変動環境下で優れた BER 性能を達成した。

ABSTRACT

Orthogonal frequency division multiplexing (OFDM), usually with sufficient cyclic prefix (CP), has been widely applied in various communication systems. The CP in OFDM consumes additional resource and reduces spectrum and energy efficiency. However, channel estimation and signal detection are very challenging for CP-free OFDM systems. In this paper, we propose a novel artificial intelligence (AI)-aided receiver (AI receiver) for a CP-free OFDM system. The AI receiver includes a channel estimation neural network (CE-NET) and a signal detection neural network based on orthogonal approximate message passing (OAMP), called OAMP-NET. The CE-NET is initialized by the least-square channel estimation algorithm and refined by a linear minimum mean-squared error neural network. The OAMP-NET is established by unfolding the iterative OAMP algorithm and adding several trainable parameters to improve the detection performance. We first investigate their performance under different channel models through extensive simulation and then establish a real transmission system using a 5G rapid prototyping system for an over-the-air (OTA) test. Based on our study, the AI receiver can estimate time-varying channels with a single training phase. It also has great robustness to various imperfections and has better performance than those competitive algorithms, especially for high-order modulation. The OTA test further verifies its feasibility to real environments and indicates its potential for future communications systems.

研究の動機と目的

• 循環 prefix の除去によりスペトロル効率が向上するが、同時に子搬送波間干渉（ICI）およびブロック間干渉（IBI）を引き起こす CP 無し OFDM システムにおけるチャネル推定と信号検出の課題に対処する。
• 時間変動的かつ周波数選択的 fading チャネルにおいて、LS や ZF といった従来手法の限界を AI を活用することで克服し、耐障害性と精度を向上させる。
• 物理層の知識（LMMSE、OAMP）を統合したトレーニング可能なパラメータを有するモデル駆動型ディープラーニング受信機を設計し、トレーニングデータの必要量を削減するとともに一般化性能を向上させる。
• シミュレーションおよび実環境の空中線（OTA）環境において、動的散乱および移動性を含む状況で、提案された AI 受信機を検証する。
• 6G や IoT のような将来の高効率・低遅延無線システムに向けた、AI 補助受信機の実現可能性と優位性を示す。

提案手法

• 最小二乗推定で初期化され、最小平均二乗誤差（LMMSE）層を介して精度を向上させるチャネル推定ニューラルネットワーク（CE-NET）を設計し、最小限のデータで性能を向上させる。
• 反復的直交近似メッセージパッシング（OAMP）アルゴリズムをアンフォールドし、トレーニング可能なパラメータを導入することで、信号検出性能を向上させる OAMP-NET を開発する。
• 実際の多径フェージングを模倣するため、IEEE 802.11b に代表される指数型電力遅延プロファイル（EXP）のようなチャネルモデルを用いて、事前学習を実施する。
• CE-NET と OAMP-NET を統合し、CP 無し OFDM における統合的チャネル推定と信号検出を実現するエンド・ツー・エンドの AI 受信機アーキテクチャを構築する。
• 5G ラピッドプロトタイピングシステムを用いて、制御された移動性と散乱環境を備えた実環境の空中線（OTA）環境で受信機を実装・テストする。
• 静的および動的状況下で、同じ SNR およびパイロット構成条件下で、LS+OFDM や他の AI ベースライン（FC-DNN、ComNet）と性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 モデル駆動型 AI 受信機は、最小限のトレーニングデータと低複雑さで、CP 無し OFDM システムにおいて正確なチャネル推定と信号検出を達成できるか？
• RQ2 移動する散乱体を伴う動的で現実的な環境下で、従来手法および既存の AI ベース受信機と比較して、提案された AI 受信機の性能はいかがであるか？
• RQ3 高レート変調および時間変動チャネル下で、OAMP-NET は ZF をベースにした手法（例：ComNet）に比べて、どの程度検出精度を向上させるか？
• RQ4 単一のチャネルモデル（例：EXP）で学習したが、多様な実環境 OTA 条件でテストした場合、AI 受信機は耐障害性を維持し、低 BER を達成できるか？
• RQ5 AI 受信機における連続パイロットとコンブパイロット構成の性能差は何か？ また、その差をどのように是正できるか？

主な発見

• 状況2（移動する人々を伴う動的環境）において、提案された AI 受信機は BER が $4.6 \times 10^{-3}$ を達成し、LS+OFDM（$1.9 \times 10^{-2}$）、FC-DNN（$2.1 \times 10^{-2}$）、ComNet（$1.2 \times 10^{-2}$）を顕著に上回った。
• 状況1（静的環境）では、AI 受信機の BER は $3.7 \times 10^{-4}$ を達成し、LS+OFDM（$3.9 \times 10^{-4}$）と同等の性能であり、FC-DNN（$5.4 \times 10^{-4}$）および ComNet（$7.8 \times 10^{-4}$）よりもわずかに優れていた。
• OAMP-NET デテクタは、特に高レート変調および複雑なフェージング環境下で、ZF をベースにした ComNet よりも高い精度を示した。
• AI 受信機はチャネル変動、変調モードの変更、パイロット構造（コンブ対連続）の変化に対して強い耐障害性を示し、多様な条件下で低 BER を維持した。
• OTA 測定により、実環境における AI 受信機の実現可能性が確認され、非理想的な実環境条件下でも既存手法を上回る性能優位性が実証された。
• 特に高 SNR および高移動度状況下で、理論的性能限界に近づきつつ、従来のモデルベース受信機よりも低い複雑さを達成した。