[論文レビュー] Increased Capacity per Unit-Cost by Oversampling

Tobias Koch, Amos Lapidoth|arXiv (Cornell University)|Aug 31, 2010

Blind Source Separation Techniques参考文献 9被引用数 10

ひとこと要約

本稿は、任意の相関係数をもつ3変量ゼロ平均ガウス分布ベクトルの補累積分布関数（CCDF）の漸近展開を導出する。2変量CCDFの展開とQ関数のテイラー級数近似を活用することで、Aの2次項までを含む閉形式の式が得られ、誤差項が有界であるため、相関した fading チャネルにおける高SNR領域での容量解析が高精度で可能になる。

ABSTRACT

It is demonstrated that doubling the sampling rate recovers some of the loss in capacity incurred on the bandlimited Gaussian channel with a one-bit output quantizer.

研究の動機と目的

• 相関係数が任意の3変量ゼロ平均ガウス分布のCCDFの漸近展開を導出すること。
• 相関したfadingを有するマルチアンテナまたはマルチユーザー系におけるアウトージェ確率または誤り率をモデル化すること。
• 情報理論的容量解析に用いるために明示的な誤差境界を有する数学的に厳密な近似を提供すること。
• 2変量CCDFの既存結果を、条件付き密度分解および級数展開技術を用いて3変量の場合に拡張すること。

提案手法

• 相関行列Kを有する連続ガウス確率密度関数を用いて、シフトされた直方体領域上での積分の和として3変量CCDFを表現する。
• 周辺分布および条件付き密度を用いて2変量CCDFを分解する：ϕ₀,ₖ(x,y) = ϕ₀,₁(x) ⋅ ϕ_{ϱx,1−ϱ²}(y)。
• Q関数の原点まわりのテイラー級数展開を用いて、尾部積分項を近似する。
• 相関係数の逆正弦関数を含む既知の2変量直方体確率の結果を用いる。
• 逆正弦関数を用いたα, β, γおよび相関係数を含む2次補正項を導出する。
• 誤差項Δ(A, α, β, γ)を、A, |α|, |β|, |γ|の関数として単調かつ有界な関数η(A, |α|, |β|, |γ|)を用いて有界化し、収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 A, α, β, γが大きい場合に、3変量ゼロ平均ガウス分布ベクトルのCCDFをどのように漸近展開できるか。
• RQ2 相関ガウス変数のCCDF展開における2次補正項の構造は何か。
• RQ3 相関構造（ϱ₁₂, ϱ₁₃, ϱ₂₃）は、CCDFの漸近的挙動にどのように影響を与えるか。
• RQ4 有限なすべてのA, α, β, γに対して、漸近展開の誤差を一様に有界にできるか。
• RQ5 Q関数のテイラー展開は、CCDFにおける高次項を導出するために果たす役割は何か。

主な発見

• 3変量CCDFの主要項は 1/8 + (1/4π)(arcsin(ϱ₁₂) + arcsin(ϱ₁₃) + arcsin(ϱ₂₃)) であり、ゼロ平均ガウス分布ベクトルの直方体確率を反映している。
• 1次補正項はAに比例し、部分相関係数の重み付き逆正弦関数を含む。具体的には A/2π × [α + β + γ]/4 および正規化された相関係数差を含む追加項である。
• 2次補正項は明示的に導出され、A²/2π に部分相関比の逆正弦関数の和を乗じた形で表され、相互相関の影響を捉えている。
• 誤差項Δ(A, α, β, γ) の絶対値は A² × η(A, |α|, |β|, |γ|) で有界であり、ηはすべての有限入力に対して単調かつ有界である。
• 誤差を良好に制御する有界関数ηを用いることで、本手法は高SNR領域で高い精度を達成する。
• 条件付き密度分解およびQ関数の級数展開を用いて、既知の2変量結果を3変量の場合に一般化している。