[論文レビュー] Channel Estimation in Massive MIMO Systems

David Neumann, Michael Joham+1 more|arXiv (Cornell University)|Mar 30, 2015

Advanced MIMO Systems Optimization参考文献 27被引用数 33

ひとこと要約

本稿では、上行リンク訓練行列の特異値分解（SVD）を用いた盲目的部分空間射影と、最小二乗法（LS）訓練に基づく推定を組み合わせることで、パイロット混信を効果的に抑制する、マス・MIMOシステム向けの新規な準ブラインドチャネル推定手法を提案する。LS推定値を、強い干渉ユーザーに対応する特異ベクトルを除外するように重み付けされた、適切に選択された特異ベクトルの部分空間に射影することにより、従来の線形および盲目的手法に比べて著しく推定精度が向上する。

ABSTRACT

We introduce novel blind and semi-blind channel estimation methods for cellular time-division duplexing systems with a large number of antennas at each base station. The methods are based on the maximum a-posteriori principle given a prior for the distribution of the channel vectors and the received signals from the uplink training and data phases. Contrary to the state-of-the-art massive MIMO channel estimators which either perform linear estimation based on the pilot symbols or rely on a blind principle, the proposed semi-blind method efficiently suppresses most of the interference caused by pilot-contamination. The simulative analysis illustrates that the semi-blind estimator outperforms state- of-the-art linear and non-linear approaches to the massive MIMO channel estimation problem.

研究の動機と目的

• TDDベースのマス・MIMOシステムにおけるパイロット混信という、スペクトル効率とシステム容量を制限する重要な課題に取り組む。
• セル間でパイロットを再利用することによる残存干渉のため、従来の線形推定器（例：LSやMMSE）が直面する限界を克服する。
• 完全なCSIフィードバックを必要とせず、干渉およびノイズに対してロバストな状態を維持しながら、訓練データを組み込んだ盲的な推定を改善する。
• チャネル共分散構造とユーザー固有のチャネル品質を活用したヒューリスティックな射影戦略を開発し、強い干渉ユーザーを抑制する。
• 完全なCSIフィードバックや複雑な調整を必要とせず、最先端の線形および非線形手法よりも優れた推定精度を達成する。

提案手法

• チャネルおよび信号分布への事前分布を仮定したもとで、最大後験確率（MAP）の原則に従い、上行リンク訓練パイロットおよびデータ信号を統合してチャネルベクトルを推定する。
• 受信訓練行列Yの特異値分解（SVD）を実行し、主要なチャネル部分空間を表す左特異ベクトルを抽出する。
• 射影に基づく精緻化を適用：LS推定値を、YのR個の主要な特異ベクトルが張る部分空間に射影する。
• 強い干渉ユーザーに関連する特異ベクトルを特定的に抑制するために、射影に使用する対角重み行列λ_ikを導入し、幾何平均に基づく距離基準を用いる。
• λ_ikにおけるヒューリスティックな重み付けにより、目的ユーザーのチャネル方向よりも干渉ユーザーの方向に近い特異ベクトルは射影部分空間に含めないようにする。
• 最終的な推定値は、h_PR^PASP = U_{1:R} diag(λ_ik) U_{1:R}^H h_LSとして計算され、LSデータとブラインド部分空間情報が統合される。

実験結果

リサーチクエスチョン

• RQ1 マス・MIMOシステムにおいて、従来の線形または盲的な推定器に比べて、準ブラインドチャネル推定手法がパイロット混信をより効果的に低減できるか。
• RQ2 完全なCSIフィードバックを必要とせずに、チャネル共分散行列の構造を活用してチャネル推定精度を向上させることは可能か。
• RQ3 LS推定値を射影する部分空間を最適に選択する方法は何か。その際、干渉を抑制しつつ、目的のチャネル方向を保持する必要がある。
• RQ4 推定誤差およびスペクトル効率の観点から、提案手法は最先端の線形および非線形チャネル推定器と比較してどの程度優れているか。
• RQ5 ユーザーのチャネル品質に基づく特異ベクトルのヒューリスティックな重み付けが、強い干渉ユーザーに対するロバスト性をどの程度向上させるか。

主な発見

• 提案された準ブラインド推定器は、最先端の線形および非線形チャネル推定手法に比べ、推定精度において優れている。
• LS推定値を重み付き特異ベクトル部分空間に射影することにより、パイロット混信による干渉の大部分が効果的に抑制される。
• 幾何平均によるチャネル品質に基づくヒューリスティックな重み付けにより、強い干渉ユーザーに対応する特異ベクトルが射影部分空間から除外される。
• 特に高干渉環境下では、標準的なLS推定および盲的な推定に比べて推定誤差が顕著に低減される。
• 性能向上の要因は、強い干渉ユーザーの効果的抑制と、目的のチャネルベクトル方向の保持に起因する。
• 干渉ユーザーのチャネルゲインが類似している場合でも、本手法はロバスト性を維持するが、目的ユーザーと非常に類似した遅延フェージング係数を持つ干渉ユーザーが存在する場合には性能が劣化する。