[論文レビュー] Estimating Doubly-Selective Channels for Hybrid mmWave Massive MIMO Systems: A Doubly-Sparse Approach

Shijian Gao, Xiang Cheng+1 more|arXiv (Cornell University)|Dec 18, 2019

Millimeter-Wave Propagation and Modeling参考文献 25被引用数 4

ひとこと要約

本稿では、2段階の訓練設計によりビームスペーススパarsityと遅延ドメインスパarsityを併用することで、ハイブリッドmmWave massive MIMOシステム向けに二重スパarsityなチャネル推定フレームワークを提案する。適応的OMP（A-BOMP）とビームフォーミングポーリングを活用することで、ドップラーによる周波数選択性と時間選択性の両方に対してロバストな性能を達成し、ベースライン手法と比較して訓練オーバーヘッドを20%削減、メモリ使用量を99.9%削減しながら、高移動度環境下でも高い精度を維持する。

ABSTRACT

In mmWave massive multiple-input multiple-output (mMIMO) systems, hybrid digital/analog beamforming has been recognized as an economic means to overcome the severe mmWave propagation loss. To facilitate beamforming for mmWace mMIMO, there is a great urgency to acquire accurate channel state information. To this end, a novel doubly-sparse approach is proposed to estimate doubly-selective mmWave channels under hybrid mMIMO. Via the judiciously designed training pattern, the well-known beamspace sparsity along with the under-investigated delay-domain sparsity that mmWave channels exhibit can be jointly exploited to assist channel estimation. Thanks to our careful two-stage (random-probing and steering-probing) design, the proposed channel estimator possesses strong robustness against the double (frequency and time) selectivity whilst enjoying the benefits brought by the exploitation of double sparsity. Compared with existing alternatives, our proposed channel estimator not only proves to be more general, but also largely reduces the training overhead, storage demand as well as computational complexity.

研究の動機と目的

• RFチェーン数が限られるハイブリッドmmWave massive MIMOシステムにおける正確なチャネル状態情報（CSI）取得の課題に対処すること。
• 従来の手法が同時にビームスペーススパarsityと遅延ドメインスパarsityを活用できないという限界を克服すること。
• 移動環境におけるドップラーによる周波数および時間選択性に強い、ロバストなチャネル推定器の開発。
• 広帯域mmWaveシステムにおける訓練オーバーヘッド、ストレージ要件、計算複雑度の最小化。
• 5G以降のシステムにおけるリアルタイム実装に適した一般的で効率的かつ実用的なソリューションの提供。

提案手法

• ランダムプローブによりアクティブなチャネルタップを特定し、ステアリングプローブによりビームフォーミングを用いて角度サポートを精緻化する2段階の訓練パターンを設計。
• エネルギー検出を用いて遅延ドメインにおける有効なチャネルタップを特定し、広帯域チャネルのスパース表現を可能にする。
• 高ドップラー下でも角度サポート回復を改善するために、ベースマッチングと残差更新を動的に調整する適応的OMPアルゴリズム（A-BOMP）を提案。
• 推定された角度サポートに基づくビームフォーミングポーリング戦略を実装し、訓練オーバーヘッドを低く抑えながらパス利得とドップラー周波数を同時に推定。
• 圧縮センシング理論を活用して、ビームスペースと遅延ドメインの両方のスパarsityを活用し、必要な訓練シンボル数を削減。
• 推定プロセスにドップラー補償を統合し、時間変動チャネルでも精度を維持する。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッドmmWave massive MIMOシステムにおいて、どのようにしてビームスペーススパarsityと遅延ドメインスパarsityを併用してチャネル推定を改善できるか？
• RQ2 ドップラーによる周波数選択性と時間選択性が生じる状況下でも、どのようにしてロバストな推定を実現できる訓練パターン設計が可能か？
• RQ3 提案手法のA-BOMPアルゴリズムは、高移動度環境下で従来のOMPやDPC-BOMPと比較して、角度サポート回復をどのように改善するか？
• RQ4 従来のLSおよびBSAベースの推定器と比較して、提案手法の二重スパarsityアプローチは訓練オーバーヘッドおよび計算複雑度をどの程度低減できるか？
• RQ5 本手法の性能は、アナログ位相シフタ（APS）の分解能およびRFチェーン数の変動に対してどの程度感受性を示すか？

主な発見

• 提案手法の二重スパarsityアプローチ（DSA）は、高SNR条件下でベースラインのBSAと比較して訓練オーバーヘッドを20%削減し、顕著な効率性向上を示した。
• DSAは、18GB（BSA）から9MBにメモリ使用量を削減し、99.9%の削減を達成した。これは、200×4096の非常に小さなセンシング行列サイズのおかげである。
• すべてのSNR領域において、NMSEの観点でDSAはBSAおよびLS推定器を上回り、特に中〜高SNR領域で顕著な性能差を示した。
• A-BOMPアルゴリズムは、事前に決定された反復回数であっても、理想のベンチマーク（K=4）に近いNMSE性能を達成し、ロバスト性と効率性を示した。
• 伝搬パス数（P=3からP=6）の変動に対しても、NMSE劣化が小さく抑えられ、パス数の変動に対して不感であった。
• APS分解能を1ビットから2ビットに引き上げることでNMSEが大幅に改善されたが、3〜5ビットへのさらなる向上は最小限（わずか0.5dBの改善）にとどまり、細かい分解能に対して不感であった。