[論文レビュー] Detection and Estimation Algorithms in Massive MIMO Systems

Rodrigo C. de Lamare, Neto, R. Sampaio|arXiv (Cornell University)|Aug 21, 2014

Advanced Wireless Communication Techniques参考文献 87被引用数 4

ひとこと要約

本稿は、上行セルラー通信網におけるマスティブ MIMO システムの低複雑性検出および推定アルゴリズムを提案する。主に集中型（CAS）および分散型アンテナシステム（DAS）に焦点を当て、JIDF-RLS などの低ランク推定技術が、標準の RLS よりもはるかに少ないパイロットシンボルで近似的最適性能を達成できることを示している。これにより、トレーニングオーバーヘッドを低減しつつ、低 BER を維持できる。

ABSTRACT

This book chapter reviews signal detection and parameter estimation techniques for multiuser multiple-antenna wireless systems with a very large number of antennas, known as massive multi-input multi-output (MIMO) systems. We consider both centralized antenna systems (CAS) and distributed antenna systems (DAS) architectures in which a large number of antenna elements are employed and focus on the uplink of a mobile cellular system. In particular, we focus on receive processing techniques that include signal detection and parameter estimation problems and discuss the specific needs of massive MIMO systems. Simulation results illustrate the performance of detection and estimation algorithms under several scenarios of interest. Key problems are discussed and future trends in massive MIMO systems are pointed out.

研究の動機と目的

• アンテナ数が巨大アレイにまで拡大するに伴い、従来の MIMO 検出および推定アルゴリズムの高い計算複雑性に対処する。
• 性能を維持しつつ、少ないトレーニングシンボルで推定可能な低ランクおよびスパarsityに配慮したアルゴリズムを開発することで、チャネル推定におけるパイロットオーバーヘッドを低減する。
• 低コストで反復的検出およびデコードを可能にすることで、フィードバックと遅延を低減し、マスティブ MIMO のスケーラビリティおよびエネルギー効率を向上させる。
• パイロット混信、I/Q 不整合、同頻セル干渉といった主な障害要因を、高度な信号処理技術によって軽減する。
• スケーラブルで低遅延な検出および推定戦略を提案することで、将来の 5G ネットワークにおけるマスティブ MIMO の実用的導入を可能にする。

提案手法

• マルチユーザーのマスティブ MIMO システムにおける性能向上を図るため、検出器とデコーダー間で対数尤度比（LLR）を交換する反復的検出およびデコード（IDD）を提案する。
• Krylov-RLS、JIO-RLS、JIDF-RLS などの低ランク推定アルゴリズムを適用し、フルランクのチャネル行列を低次元部分空間で近似することで、計算負荷を低減する。
• 固定ランク D を用いて複雑さを制限するため、ランク削減を施した再帰的最小二乗法（RLS）アルゴリズムを用いて受信フィルタを効率的に推定する。
• DAS 結合構成において収束性を向上させるとともにパイロットオーバーヘッドを低減するため、補間器を組み込んだ共同反復的検出およびフィードバック（JIDF）フレームワークを採用する。
• SINR、ユーザー数、アレイ構成などを含むさまざまなチャネルモデルおよびシステムパラメータを想定し、性能を分析する。
• 誤り率（BER）および平均二乗誤差（MSE）を性能指標として用い、標準 RLS と低ランクバージョンを比較する。

実験結果

リサーチクエスチョン

• RQ1 低ランク推定アルゴリズムは、標準 RLS よりもはるかに少ないパイロットシンボルで、マスティブ MIMO システムにおいて近似的最適な検出性能を達成できるか？
• RQ2 反復的検出およびデコード（IDD）方式は、フィードバック制限付きのマスティブ MIMO 上行システムにおいて、BER 性能をどのように向上させるか？
• RQ3 パイロット混信はチャネル推定にどのような影響を及ぼすか？また、ブランクまたは低ランクアルゴリズムはこの影響を軽減できるか？
• RQ4 信号処理技術により、大規模アンテナアレイを有するマスティブ MIMO システムにおける計算複雑性およびフィードバックオーバーヘッドをどのように低減できるか？
• RQ5 低複雑性検出アルゴリズムの性能限界は、マルチセルおよび分散型アンテナシステム（DAS）環境においてどのように評価されるか？

主な発見

• JIDF-RLS アルゴリズムは、すべての低ランク手法の中で最も優れた BER 性能を達成し、Krylov-RLS や JIO-RLS、標準 RLS を上回る。
• Krylov-RLS や JIDF-RLS などの低ランクアルゴリズムは、パイロットシンボルの数を大幅に削減しても、標準 RLS と同等の性能を達成でき、トレーニングオーバーヘッドを顕著に低減できる。
• 低ランクアルゴリズムの BER 収束性は、受信シンボル数の増加に伴い向上し、特に JIDF-RLS は最も速い収束速度を示す。
• 基地局が 64 銅、ユーザー端末が 32 銅、ユーザー数が 32 名の DAS 結合構成において、JIDF-RLS は D=5 および I=3 の補間器パラメータで、ほぼ MMSE 性能に近い性能を達成する。
• 標準 RLS アルゴリズムは、長大なトレーニングシーケンスが必要であり、MMSE 界に収束するが、低ランク手法は、共分散行列の構造や選択されたランク D に依存して、より高い MSE 値に収束する可能性がある。
• シミュレーション結果により、低ランク技術が実用的導入に適していることが確認され、マスティブ MIMO システムにおいて、性能とパイロットオーバーヘッドのスケーラブルなトレードオフが実現可能である。