[論文レビュー] Channel Vector Subspace Estimation from Low-Dimensional Projections

Saeid Haghighatshoar, Giuseppe Caire|arXiv (Cornell University)|Sep 24, 2015

Advanced MIMO Systems Optimization参考文献 31被引用数 10

ひとこと要約

本稿では、巨大MIMOシステムにおいて、全次元のチャネル共分散行列 $ \mathbf{S} $ の完全な知識が得られない状況下でも、近似的に最適な性能を達成する、新しい素因数分解サンプリングに基づくアルゴリズムを提案する。この手法により、$ m = O(2\sqrt{M}) $ 個の低次元投影からのみ、$ p $ 次元の主要なチャネル部分空間を推定可能であり、ハイブリッドデジタル・アナログビームフォーミングの実装を効率化する。特に、ジョイントスパティアルディビジョンとマルチプレクシング（JSDM）において、ハードウェアの複雑さを低減しながら、高いスペクトル効率と低いトレーニングオーバーヘッドを維持できる。

ABSTRACT

Massive MIMO is a variant of multiuser MIMO where the number of base-station antennas $M$ is very large (typically 100), and generally much larger than the number of spatially multiplexed data streams (typically 10). Unfortunately, the front-end A/D conversion necessary to drive hundreds of antennas, with a signal bandwidth of the order of 10 to 100 MHz, requires very large sampling bit-rate and power consumption. In order to reduce such implementation requirements, Hybrid Digital-Analog architectures have been proposed. In particular, our work in this paper is motivated by one of such schemes named Joint Spatial Division and Multiplexing (JSDM), where the downlink precoder (resp., uplink linear receiver) is split into the product of a baseband linear projection (digital) and an RF reconfigurable beamforming network (analog), such that only a reduced number $m \ll M$ of A/D converters and RF modulation/demodulation chains is needed. In JSDM, users are grouped according to the similarity of their channel dominant subspaces, and these groups are separated by the analog beamforming stage, where the multiplexing gain in each group is achieved using the digital precoder. Therefore, it is apparent that extracting the channel subspace information of the $M$-dim channel vectors from snapshots of $m$-dim projections, with $m \ll M$, plays a fundamental role in JSDM implementation. In this paper, we develop novel efficient algorithms that require sampling only $m = O(2\sqrt{M})$ specific array elements according to a coprime sampling scheme, and for a given $p \ll M$, return a $p$-dim beamformer that has a performance comparable with the best p-dim beamformer that can be designed from the full knowledge of the exact channel covariance matrix. We assess the performance of our proposed estimators both analytically and empirically via numerical simulations.

研究の動機と目的

• 数百ものA/DコンバータとRFチェーンを必要とするため、巨大MIMOシステムにおける高いハードウェア複雑度の課題に対処すること。
• 特にジョイントスパティアルディビジョンとマルチプレクシング（JSDM）を対象として、ハイブリッドデジタル・アナログ（HDA）アーキテクチャにおける効率的なチャネル部分空間推定を可能にすること。
• 全次元のチャネルベクトル $ M $ 個のうち、$ m < M $ 個の投影からのみ、主な $ p $ 次元の信号部分空間を低オーバーヘッドで推定する手法を開発すること。
• 制限されたサンプリングにもかかわらず、チャネル共分散行列 $ \mathbf{S} $ を完全に把握した理想的なビームフォーマーと同等の性能に近い結果を達成すること。
• 時間的・周波数選択的 fading 環境下でも、高い多重子乗率とスペクトル効率を維持しながら、トレーニングオーバーヘッドとサンプリングレートを最小限に抑えること。

提案手法

• 全 $ M $ 要素のアレイから、$ m = O(2\sqrt{M}) $ 個の特定のアレイ素子を選択する素因数分解サンプリング方式を提案する。
• 基地局がランダムな投影行列 $ \mathbf{B} $ を介して、$ M $ 次元のチャネルベクトルの $ m $ 次元の投影を受信する低次元観測モデルを用いる。
• 投影データから信号部分空間を回復するための、近似的最尤推定（AML）問題を定式化する。
• 正定値性を保証するため、共分散行列 $ \widetilde{\mathbf{S}} $ と双対変数 $ \mathbf{W} $ を同時に推定する半定値計画（SDP）により、部分空間推定問題を解く。
• SDPにおけるシュール補完条件を活用し、逆共分散推定の安定性を保証する制約を強制する。
• トレースおよびスペクトルノルムの不等式を用いて、部分空間推定誤差の理論的境界を導出。$ T \to \infty $ のとき、推定部分空間が真の部分空間に収束することを示す。

実験結果

リサーチクエスチョン

• RQ1 巨大MIMOチャネルの主な $ p $ 次元の信号部分空間は、$ m = O(2\sqrt{M}) $ 個の低次元投影からのみ、正確に推定可能か？
• RQ2 提案手法による部分空間推定器の性能は、チャネル共分散行列を完全に把握した最適ビームフォーマーと比較してどの程度か？
• RQ3 JSDMベースの巨大MIMOシステムで、近似的に最適な性能を達成するために必要な最小の投影数 $ m $ はいくつか？
• RQ4 推定誤差は、トレーニングシンボル数 $ T $、信号対雑音比（SNR）、およびシステム次元 $ M $ と $ p $ に対してどのようにスケーリングされるか？
• RQ5 Coherence time $ D $ が小さい高速 fading や mmWave チャネル環境下でも、本手法は高いスペクトル効率と多重子乗率を維持できるか？

主な発見

• 提案手法は、最適ビームフォーマーの性能から $ 1 - \frac{4\sqrt{2p}\xi}{\eta_p\sqrt{T}}(1 + \frac{1}{{\mathsf{snr}}}) $ の範囲内に収束する部分空間推定性能を達成し、$ \Gamma_p \in [0,1] $ は部分空間整合度を表す指標である。
• 本手法は、全デジタルビームフォーミングと比較して、A/DコンバータおよびRFチェーンの必要数を著しく削減するため、$ m = O(2\sqrt{M}) $ 個の投影で十分である。
• 数値的シミュレーションにより、提案推定器がJSDMシステムでほぼ理想の性能を達成しており、チャネル共分散行列が完全に既知である場合とほぼ同一の結果を示すことが確認された。
• 理論的解析により、推定誤差が $ O(1/\sqrt{T}) $ のオーダーで減少することが確認され、その境界は $ p $、$ \xi $、$ \eta_p $、およびSNRに依存する。
• チャネル相関に対してもロバストであり、大きなドップラー拡散と短いコherence timeを示すmmWave帯域でも高い性能を維持できる。
• SDPに基づく推定器は正定値性と安定性を保証し、近似的最尤基準のもとで解が解析的に最適であることが保証されている。