[論文レビュー] Joint Channel Estimation and Data Detection in Cell-Free Massive MU-MIMO Systems

Haochuan Song, Tom Goldstein+4 more|arXiv (Cornell University)|Apr 21, 2021

Advanced MIMO Systems Optimization参考文献 73被引用数 4

ひとこと要約

本稿では、数百台の端末設備（UE）を有するセルフリー大規模MU-MIMOシステムに対して、チャネルのスパarsityとQAM信号.constellationの有界性を活用してパイロットオーバーヘッドを低減する、共同チャネル推定とデータ検出（JED）アルゴリズムを提案する。スパarsityとQAMの有界性を考慮した緩和された最大後確信度問題に、インデックスの順列変換によるより良い初期化を組み合わせた前向き後向き分割法を適用することで、直交トレーニングに比べて著しく少ないパイロットで優れたスペクトル効率と信頼性を実現し、過負荷システムにおける短パケット通信を可能にする。

ABSTRACT

We propose a joint channel estimation and data detection (JED) algorithm for densely-populated cell-free massive multiuser (MU) multiple-input multiple-output (MIMO) systems, which reduces the channel training overhead caused by the presence of hundreds of simultaneously transmitting user equipments (UEs). Our algorithm iteratively solves a relaxed version of a maximum a-posteriori JED problem and simultaneously exploits the sparsity of cell-free massive MU-MIMO channels as well as the boundedness of QAM constellations. In order to improve the performance and convergence of the algorithm, we propose methods that permute the access point and UE indices to form so-called virtual cells, which leads to better initial solutions. We assess the performance of our algorithm in terms of root-mean-squared-symbol error, bit error rate, and mutual information, and we demonstrate that JED significantly reduces the pilot overhead compared to orthogonal training, which enables reliable communication with short packets to a large number of UEs.

研究の動機と目的

• 数百台のUEが時間周波数リソースを共有する過密化したセルフリー大規模MU-MIMOシステムにおける高いパイロットオーバーヘッドを解消すること。
• UE数がAPア净数に近づくかそれを超えると線形チャネル推定およびデータ検出手法の性能が著しく低下する問題を克服すること。
• パイロットオーバーヘッドを最小限に抑えつつ高いスペクトル効率を維持することで、短パケット通信を可能にする信頼性の高い通信を実現すること。
• チャネルスパarsityと信号constellationの有界性を併用して、チャネル推定とデータ検出を統合的に最適化する非線形JEDアルゴリズムを開発すること。
• APおよびUEインデックスの新しい順列戦略により仮想セルを形成し、初期解の質を向上させ、アルゴリズムの収束性と性能を向上させること。

提案手法

• チャネル行列のスパarsityとQAM.constellationの有界性を組み込んだ、緩和された最大後確信度（MAP）問題として、共同チャネル推定とデータ検出（JED）を定式化する。
• 前向き後向き分割法（FBS）を用いて、正則化項を介してデータ検出とチャネル推定のバランスを保ちながら、緩和されたMAP問題を繰り返し解く。
• APおよびUEインデックスの順列変換を用いた新しいインデックス順列戦略を導入し、仮想セルを形成することで初期解の質を向上させ、収束を加速する。
• 直交パイロット設計を避けることでトレーニングオーバーヘッドを低減し、過負荷システムにおけるスペクトル効率の損失を回避する。
• QAMシンボルが大きさの面で有界であるという事実を活用し、大きなチャネル推定値をペナルティ化する正則化項を組み込む。
• 2次チャネル統計情報の必要性を回避することで、中央集権的検出手法と同等のデータレートを維持し、フロントハル信号伝送を効率的に保つ。

実験結果

リサーチクエスチョン

• RQ1 大規模なUE数を有するセルフリー大規模MU-MIMOシステムにおいて、共同チャネル推定とデータ検出（JED）がパイロットオーバーヘッドを顕著に低減できるか。
• RQ2 UE数がAPア净数を超える状況において、JEDの符号誤り率とスペクトル効率は、従来の線形手法（例：L-MMSE）と比較してどのように異なるか。
• RQ3 APおよびUEインデックスの順列変換により形成される仮想セルの導入が、JEDアルゴリズムの収束性と精度にどの程度寄与するか。
• RQ4 非直交パイロットと限られたトレーニングリソースを用いても、JEDが低相互情報量損失と高い信頼性を維持できるか。
• RQ5 JEDは中央集権的検出と同等のフロントハルオーバーヘッドで実装可能か。追加の信号伝送コストを回避できるか。

主な発見

• JEDは直交トレーニングに比べてパイロットオーバーヘッドを顕著に低減し、数百台のUEを有するシステムにおいて、信頼性の高い短パケット通信を可能にする。
• 提案されたJEDアルゴリズムは、UE数がAPア净数を上回る過負荷状態においても、線形手法よりも低いルート平均二乗シンボル誤差（RMSSE）を達成する。
• JEDのビット誤り率（BER）性能は、従来の線形推定・検出手法に比べて顕著に優れており、特に高密度ユーザー環境下で顕著である。
• 相互情報量（MI）の結果から、非直交パイロットと限られたトレーニングリソースを用いても、JEDは高いスペクトル効率を維持していることが示された。
• インデックス順列による仮想セルの導入により初期解の質が向上し、繰り返しJED最適化における収束速度と最終的な性能が向上した。
• JEDは中央集権的検出と同等のフロントハル信号伝送負荷を維持しており、2次チャネル統計情報の知識を必要としないため、全体的なシステムオーバーヘッドが低減された。