[論文レビュー] Channel Estimation for Extremely Large-Scale Massive MIMO: Far-Field, Near-Field, or Hybrid-Field?

Xiuhong Wei, Linglong Dai|arXiv (Cornell University)|Sep 16, 2021

Millimeter-Wave Propagation and Modeling参考文献 8被引用数 5

ひとこと要約

本稿では、極めて大規模なマッスィブMIMO（XL-MIMO）向けに、遠方フィールドと近接フィールドのパス成分を統合的にモデル化するハイブリッドフィールドチャネル推定方式を提案する。遠方フィールドパスには角度ドメインのスパarsityを、近接フィールドパスには極座標ドメインのスパarsityを活用し、低パイロットオーバヘッドでハイブリッドフィールドチャネル特性を高精度に捉えることで、従来の遠方フィールドおよび近接フィールド手法に比べ優れたNMSE性能を達成する。

ABSTRACT

Extremely large-scale massive MIMO (XL-MIMO) is a promising technique for future 6G communications.However, existing far-field or near-field channel model mismatches the hybrid-field channel feature in the practical XL-MIMO system.Thus,existing far-field and near-field channel estimation schemes cannot be directly used to accurately estimate the hybrid-field XL-MIMO channel. To solve this problem, we propose an efficient hybrid-field channel estimation scheme by accurately modeling the XL-MIMO channel.Specifically,we firstly reveal the hybrid-field channel feature of the XL-MIMO channel, where different scatters may be in far-field or near-field region.Then, we propose a hybrid-field channel model to capture this feature, which contains both the far-field and near-field path components. Finally, we propose a hybrid-field channel estimation scheme, where the far-field and near-field path components are respectively estimated. Simulation results show that the proposed scheme performs better than existing schemes.

研究の動機と目的

• 既存のチャネルモデルがすべての散乱体を遠方フィールドまたは近接フィールド領域に分類するが、XL-MIMOシステムにおける現実のハイブリッドフィールド状態を反映していないという不一致を是正すること。
• 遠方フィールドおよび近接フィールドのパス成分を組み合わせることで、遠くの散乱体と近い散乱体が共存する状況を正確にモデル化すること。
• 両者のスパarsity構造の相違を活かし、遠方フィールドと近接フィールドの成分を別々に推定する低パイロットオーバヘッドのチャネル推定方式を開発すること。
• 同じパイロットオーバヘッド条件下で、提案手法が従来の遠方フィールドおよび近接フィールド推定手法を上回ることを実証すること。

提案手法

• 遠方フィールドおよび近接フィールドのパス成分を含むハイブリッドフィールドチャネルモデルを提案。調整可能なパラメータγにより各成分の割合を制御可能。
• 2段階の直交マッチング Pursuit（HF-OMP）アルゴリズムを採用：第1段階ではDFTに基づく変換行列を用いて角度ドメインで遠方フィールド成分を推定し、第2段階では角度-距離同時変換行列を用いて極座標ドメインで近接フィールド成分を推定。
• 圧縮センシング（CS）技術を適用し、角度ドメインおよび極座標ドメインにおけるスパarsityを活用することで、必要なパイロットオーバヘッドを低減。
• 両ステージの推定結果を統合し、角度ドメインにおける遠方フィールドスパースベクトルと極座標ドメインにおける近接フィールドスパースベクトルを組み合わせて、完全なチャネルを再構築。
• 調整可能なパラメータγを用いて推定プロセスを制御可能。γ=1またはγ=0のとき、それぞれ古典的な遠方フィールドまたは近接フィールドOMPアルゴリズムに還元可能。
• 計算複雑度をO(NM(γL)³) + O(SM((1−γ)L)³) + O(NS)として解析し、システムパラメータに応じたスケーラビリティを示した。

Figure 1: The near-field region and the far-field region [ 6 ] .

実験結果

リサーチクエスチョン

• RQ1 遠方フィールドおよび近接フィールドの散乱体が共存する状況が、XL-MIMOシステムにおけるチャネル推定精度にどのように影響を与えるか？
• RQ2 統一されたチャネル推定フレームワークは、遠方フィールドおよび近接フィールド成分を同時に効果的にモデル化・推定できるか？
• RQ3 同じパイロットオーバヘッド条件下で、ハイブリッドフィールド推定方式は、純粋な遠方フィールドまたは近接フィールドアプローチに比べてどの程度の性能向上を達成できるか？
• RQ4 調整可能なパラメータγが、混合伝搬環境における推定精度およびシステム性能にどのように影響を与えるか？

主な発見

• 同じパイロットオーバヘッドM=256の下で、提案手法は遠方フィールドOMPおよび近接フィールドOMP手法よりも低い正規化平均二乗誤差（NMSE）を達成した。
• γ=0.5のとき、全SNRレベルにおいて両基準手法を上回り、混合伝搬環境におけるロバストネスを示した。
• γ=1（純粋な遠方フィールド）のとき、提案手法は遠方フィールドOMP手法と同一のNMSE性能を達成し、従来手法の一般化であることを確認した。
• γ=0（純粋な近接フィールド）のとき、提案手法は近接フィールドOMP手法と同一のNMSE性能を達成し、特殊ケースへの整合性を検証した。
• NMSE性能は調整可能なパラメータγに敏感であり、ハイブリッド環境ではγ≈0.5で最適な性能が得られた。
• 計算複雑度は解析的に導出され、システム次元に応じて効率的にスケーリングされることを示し、実用的導入を支持した。

Figure 2: The hybrid-field communication environment for XL-MIMO.