[論文レビュー] Blind Signal Classification for Non-Orthogonal Multiple Access in Vehicular Networks

Minseok Choi, Daejung Yoon+1 more|arXiv (Cornell University)|Jul 20, 2018

Advanced Wireless Communication Technologies参考文献 40被引用数 4

ひとこと要約

本稿では、車両通信ネットワークにおける非直交多重アクセス（NOMA）のための位相回転に基づくブレイン信号分類方式を提案する。この方式により、高層部のシグナリングオーバーヘッドを低減できる。データシンボルおよびパイロットシンボルの位相を回転させることで、明示的なシグナリングなしに正確にOMA/NOMA、ユーザー種別（近端/遠端）、変調方式を分類可能であり、1 dB以上のSNR利得を達成し、ワード誤り率と容量においてジェイン・パフォーマンスに近い性能を実現する。

ABSTRACT

For downlink multiple-user (MU) transmission based on non-orthogonal multiple access (NOMA), the advanced receiver strategy is required to cancel the inter-user interference, e.g., successive interference cancellation (SIC). The SIC process can be applicable only when information about the co-scheduled signal is known at the user terminal (UT) side. In particular, the UT should know whether the received signal is OMA or NOMA, whether SIC is required or not, and which modulation orders and power ratios have been used for the superposed UTs, before decoding the signal. An efficient network, e.g., vehicular network, requires that the UTs blindly classify the received signal and apply a matching receiver strategy to reduce the high-layer signaling overhead which is essential for high-mobility vehicular networks. In this paper, we first analyze the performance impact of errors in NOMA signal classification and address ensuing receiver challenges in practical MU usage cases. In order to reduce the blind signal classification error rate, we propose transmission schemes that rotate data symbols or pilots to a specific phase according to the transmitted signal format. In the case of pilot rotation, a new signal classification algorithm is also proposed. The performance improvements by the proposed methods are verified by intensive simulation results.

研究の動機と目的

• ユーザー多重形式、変調方式、パワー割り当ての明示的伝送が必要なため、NOMAシステムにおける高層部シグナリングオーバーヘッドを解消すること。
• スペクトル、時間、エネルギー資源が限られた高動的移動体通信環境において、明示的シグナリングへの依存度を低減すること。
• データおよびパイロットシンボルの位相回転により、暗黙のシグナリングを可能にすることで、NOMAのブレイン信号分類精度を向上させること。
• OMA/NOMA、ユーザー種別、変調形式の誤分類による逐次干渉キャンセレーション（SIC）の性能損失を最小限に抑えること。

提案手法

• NOMA多重形式に関する暗黙の情報を埋め込むために、データシンボルの位相回転技術を提案。
• パイロット再利用に基づく手法を導入し、パイロットシンボルに位相回転を適用することで、NOMAとOMAの区別および共時割り当てユーザーの特定を支援する。
• 受信信号からの推定位相を用いて、明示的シグナリングなしに信号タイプ（OMA対NOMA）、ユーザー種別（近端対遠端UT）、変調方式を分類する。
• 段階的ブレイン分類プロセスを採用：OMA/NOMA分類、ユーザー種別分類、変調方式分類の順で実行。分類情報により逐次干渉キャンセレーション（SIC）を有効化。
• 統計的特徴と信号構造を活用し、低SNRおよび高動的環境下での分類のロバスト性を向上。
• ワード誤り率（WER）、変調方式分類（MC）誤り率、ユーザー容量を指標に、最大尤度分類（MLC）およびジェイン支援方式と比較して性能を評価。

実験結果

リサーチクエスチョン

• RQ1 リソース制限のある車両通信ネットワークにおいて、NOMAシステムのブレイン信号分類をどのように改善すれば、高層部シグナリングへの依存度を低減できるか？
• RQ2 OMA/NOMA、近端/遠端ユーザー、変調方式の誤分類が、NOMAシステムの容量および誤り性能に与える影響は何か？
• RQ3 データおよびパイロットシンボルの位相回転により、追加のシグナリングなしに多重形式情報が暗黙的に伝達可能か？
• RQ4 従来のMLCおよびジェイン支援方式と比較して、提案手法の分類精度、WER、スペクトル効率はどのように異なるか？
• RQ5 位相回転に基づくブレイン分類をNOMAで採用した場合、SNRおよび容量の向上はどの程度達成可能か？

主な発見

• 提案手法である位相回転に基づく分類（PRC）は、従来のMLCおよびMLC-PRMと比較して、ワード誤り率（WER）性能で1 dB以上のSNR利得を達成する。
• PRCは、特に高SNR領域において、WERおよびユーザー容量でジェインに近いパフォーマンスを達成し、理想のジェイン支援方式とほとんど差がない。
• 低SNR領域では、PRCはMLCおよびMLC-PRMと比較して分類精度が顕著に優れており、特に近端/遠端ユーザー種別の区別および変調方式の識別において顕著な優位性を示す。
• PRCのMC誤り率は、MLCおよびMLC-PRMと比較して顕著に低く、特に15 dB SNR付近（分類誤りが性能を支配する領域）で顕著な改善が見られる。
• PRCを用いることで、分類誤りに起因する容量劣化が最小限に抑えられ、特にCase 3（高動的状況）において、ジェイン方式とほとんど差がない。
• 提案手法により、変調方式、パワー比、ユーザー種別の明示的シグナリングの必要性が排除され、車両通信ネットワークにおけるスペクトル効率およびエネルギー効率が向上する。