[論文レビュー] Constellation Design for Robust Interference Mitigation

Athanasios T. Papadopoulos, Thrassos K. Oikonomou+5 more|arXiv (Cornell University)|Feb 11, 2026

Wireless Signal Modulation Classification被引用数 0

ひとこと要約

論文は Nakagami-m 干渉を伴う単一搬送波系の最大尤然-Gaussian位相近似 (ML-G) 検出器を開発し、エネルギー制約下で誤判定確率を最小化する干渉対応の星座設計を提案する。

ABSTRACT

This paper investigates symbol detection for single-carrier communication systems operating in the presence of additive interference with Nakagami-m statistics. Such interference departs from the assumptions underlying conventional detection methods based on Gaussian noise models and leads to detection mismatch that fundamentally affects symbol-level performance. In particular, the presence of random interference amplitude and non-uniform phase alters the structure of the optimal decision regions and renders standard Euclidean distance-based detectors suboptimal. To address this challenge, we develop the maximum-likelihood Gaussian-phase approximate (ML-G) detector, a low-complexity detection rule that accurately approximates maximum-likelihood detection while remaining suitable for practical implementation. The proposed detector explicitly incorporates the statistical properties of the interference and induces decision regions that differ significantly from those arising under conventional metrics. Building on the ML-G framework, we further investigate constellation design under interference-aware detection and formulate an optimization problem that seeks symbol placements that minimize the symbol error probability subject to an average energy constraint. The resulting constellations are obtained numerically and adapt to the interference environment, exhibiting non-standard and asymmetric structures as interference strength increases. Simulation results demonstrate clear symbol error probability gains over established benchmark schemes across a range of interference conditions, particularly in scenarios with dominant additive interference.

研究の動機と目的

• 干渉がガウス雑音から逸脱し、振幅と位相のランダム性を持つ場合の堅牢な検出を動機づける。
• 干渉統計を decision regions に組み込んだ扱いやすい近似 ML 検出器を導出する。
• 複雑平面上の決定境界を干渉がどのように再形成するかを特徴づける。
• エネルギー制約下で SEP を最小化する星座設計問題を定式化し解く。
• さまざまな干渉条件でベンチマークを上回る性能向上を示す。

提案手法

• 受信信号を Nakagami-m 干渉包絡と位相、加法性ガウス雑音 (AWGN) とモデル化する。
• 干渉分布の尤度を平均化し、位相をガウスモーメントマッチングで近似して ML-G 検出指標を導出する。
• 残留振幅 r と位相 ϕ に依存する収束級数 S(r, ϕ) として決定指標を表現する。
• Rayleigh 干渉 (m=1) に対して検出器がユークリッド距離検出へ縮約することを証明する。
• 干渉とともに非一様な決定領域が生じ、干渉の影響で歪む様子を分析する。
• 平均エネルギー制約の下で SEP を最小化する星座最適化問題を定式化し、グローバル探索と局所微調整で解く。

実験結果

リサーチクエスチョン

• RQ1 Nakagami-m 干渉（振幅がランダムで位相が非一様）に対して最適なシンボル決定領域はどのように変化するか？
• RQ2 干渉統計を組み込んだ扱いやすい ML ベース検出器は、構造化干渉下で従来の検出器より性能を上回るか？
• RQ3 ML-G 検出規則とエネルギー制約を考慮したとき、SEP を最小化する星座はどのように設計すべきか？
• RQ4 干渉強度の変化に伴い決定領域と星座幾何はどう動くか？
• RQ5 特殊な干渉対応星座設計は、さまざまな干渉領域で一貫した SEP 増益をもたらすか？

主な発見

• ML-G 検出器は干渉の振幅と位相の結合統計を捉える扱いやすい近似 ML ルールを提供する。
• 干渉が増加すると決定領域は非一様かつ非対称となり、標準のユークリッド境界から逸脱する。
• Rayleigh 干渉 (m=1) の場合、 ML-G は従来のユークリッド距離検出へ縮約し、整合性を検証する。
• ML-G の下で最適化された星座は干渉環境に適応し、高干渉では不規則な形状、適度な SINR では構造化された形を示す場合がある。
• シミュレーション結果は、特に加法干渉が支配的な条件下で、CAI およびユークリッドベースの基準に対して ML-G の SEP 増益を示す。
• 高SNR で信号と干渉力が同程度の場合、干渉対応星座設計の恩恵が大きく、いくつかのケースで星座次数が増すほど利得が増加する。