[論文レビュー] Compressive sensing based differential channel feedback for massive MIMO

Wenqian Shen, Linglong Dai+3 more|arXiv (Cornell University)|Jul 16, 2015

Advanced MIMO Systems Optimization参考文献 7被引用数 3

ひとこと要約

この論文は、時間相関を活用して元のCIRよりも強いスパarsityを持つ微分チャネルインパulse応答（CIR）を生成する、マス・MIMOシステム向けの圧縮センシング（CS）ベースの差分フィードバック方式を提案する。この微分CIRを低い圧縮比で圧縮することで、直接的なCSベースのフィードバックと比較して、約20%のフィードバックオーバーヘッド削減を実現しながら、同等の正規化平均二乗誤差（NMSE）性能を維持する。

ABSTRACT

Massive multiple-input multiple-output (MIMO) is becoming a key technology for future 5G wireless communications. Channel feedback for massive MIMO is challenging due to the substantially increased dimension of MIMO channel matrix. In this letter, we propose a compressive sensing (CS) based differential channel feedback scheme to reduce the feedback overhead. Specifically, the temporal correlation of time-varying channels is exploited to generate the differential channel impulse response (CIR) between two CIRs in neighboring time slots, which enjoys a much stronger sparsity than the original sparse CIRs. Thus, the base station can recover the differential CIR from the highly compressed differential CIR under the framework of CS theory. Simulations show that the proposed scheme reduces the feedback overhead by about 20\% compared with the direct CS-based scheme.

研究の動機と目的

• MIMOチャネル行列の次元が大きいために生じる高いフィードバックオーバーヘッドの課題に対処すること。
• 高次元かつ時間変動するチャネルにおいて、従来のコードブックベースおよび直接CSベースのフィードバック方式の限界を克服すること。
• 時間変動するMIMOチャネルにおける時間相関を活用してスパarsityを向上させ、フィードバック要件を低減すること。
• 低オーバーヘッドで信頼性の高い送信側チャネル状態情報（CSIT）を実現する差分フィードバックフレームワークの開発

提案手法

• 時間変動するMIMOチャネルを、時間とともに変化するサポートおよびアモニチュードベクトルを持つスパースCIRとしてモデル化する。
• 連続する2つの時間スロット間のCIRの差分をとることで、元のCIRよりも顕著に強いスパarsityを示す微分CIRを生成する。
• ランダムなガウスセンシング行列を用いて、微分CIRに圧縮センシング（CS）を適用し、圧縮測定からの復元を可能にする。
• 基地局での信号復元に、ロバストで低複雑度なサブスペースプルーフ（SP）アルゴリズムを用いる。
• CIR復元における誤差伝搬を防ぐために、P時間スロットごとに定期的に再初期化を実装する。
• サポートの時間的進化を1次マルコフ過程、アモニチュードの時間的進化を自己回帰モデルで特徴付ける。

実験結果

リサーチクエスチョン

• RQ1 時間変動するMIMOチャネルにおける時間相関を活用することで、元のCIRよりもより圧縮しやすい微分CIRを生成できるか？
• RQ2 元のCIRではなく微分CIRを圧縮することで、マス・MIMOシステムにおけるフィードバックオーバーヘッドが顕著に削減されるか？
• RQ3 同じ圧縮比のもとで、提案された差分CSフィードバック方式は、直接CSベースのフィードバックと比較してNMSE性能およびフィードバックオーバーヘッドの点で優れているか？
• RQ4 誤差伝搬はCIR復元にどのような影響を及ぼし、差分フィードバックフレームワークではどのようにしてこれを軽減できるか？

主な発見

• 隣接する時間スロット間で生成された微分CIRは、元のCIRよりも顕著に強いスパarsityを示し、より効率的な圧縮が可能になる。
• 提案された方式は、直接CSベースのフィードバックと比較して、約20%のフィードバックオーバーヘッド削減を達成しながら、同等のNMSE性能を維持する。
• 圧縮比25%の条件下で、提案方式は圧縮比45%の直接CSベースのフィードバックと同等のNMSE性能を達成する。
• フィードバックオーバーヘッドが不足する状況下では、直接CSベースの方式は許容可能なNMSEを維持できなくなるが、提案方式は依然として有効である。
• 圧縮比45%の条件下で、提案方式は直接CSベースの方式に対して4 dBのSNRゲインを示し、優れたロバスト性を示す。
• P時間スロットごとの定期的再初期化は、誤差伝搬を効果的に防止し、長期的なフィードバック精度を維持する。