[論文レビュー] MIMO Over-the-Air Computation for High-Mobility Multi-Modal Sensing

Guangxu Zhu, Kaibin Huang|arXiv (Cornell University)|Mar 29, 2018

Indoor and Outdoor Localization Technologies参考文献 38被引用数 5

ひとこと要約

本稿では、高動的移動環境におけるマルチモードセンシングを実現するため、MIMO AirComp（MIMO-AirComp）を提案する。空間多重化された複数の関数（例：温度の平均、汚染度、湿度）を、グラスマン多様体に基づく等化器によって合計平均二乗誤差（sum mean-squared error）を最小化することで実現する。この解法は、チャネル部分空間の重み付き重心として導出され、AirCompとマルチキャストの双対性を確立し、直交フィードバックチャネルを必要としない効率的なチャネルフィードバックを可能にする。

ABSTRACT

In future Internet-of-Things networks, sensors or even access points can be mounted on ground/aerial vehicles for smart-city surveillance or environment monitoring. To support the high-mobility sensing with low network latency, a technique called over-the-air-computation (AirComp) was recently developed which enables an access-point to receive a desired function of sensing-data from concurrent-transmissions by exploiting the superposition property of a multi-access-channel. This work aims at further developing AirComp for next-generation multi-antenna multi-modal sensor networks. Specifically, we design beamforming and channel-feedback techniques for multi-function AirComp. Given the objective of minimizing sum-mean-squared-error of computed functions, the optimization of receive-beamforming for multi-function AirComp is a NP-hard problem. The approximate problem based on tightening transmission-power constraints, however, is shown to be solvable using differential-geometry. The solution is proved to be the weighted-centroid of points on a Grassmann-manifold, where each point represents the subspace spanned by the channel matrix of a sensor. As a by-product, the beamforming problem is found to have the same form as the classic problem of multicast-beamforming, establishing the AirComp-multicasting-duality. Its significance lies in making the said Grassmannian-centroid solution transferable to the latter problem which otherwise is solved using the computation-intensive semidefinite-relaxation-technique. Last, building on the AirComp-beamforming solution, an efficient channel-feedback technique is designed for an access-point to receive the beamformer from distributed sensor transmissions of designed signals that are functions of local channel-state-information.

研究の動機と目的

• 従来の直交アクセス方式が過剰な遅延を引き起こす高動的移動型IoTセンサーネットワークにおける超高速データ集約の課題に対処すること。
• MIMO-AirCompを用いて、複数のセンシング関数（例：幾何平均、平均化）を複数アンテナを備えたセンサーネットワークで空間多重化可能にする。
• グラスマン多様体上での閉形式等化器を用いることで、空間多重性を活用し、AirCompにおける合計平均二乗誤差を最小化すること。
• 局所的なCSIに基づく関数的符号化信号を用いて、直交フィードバックチャネルが不適切な高密度センサーネットワークにおいて、同時に複数のセンサーからのフィードバックを実現する効率的なチャネルフィードバック手法を設計すること。

提案手法

• 各センサーのチャネル係数行列に対応する部分空間の重み付き重心を求める問題として定式化することにより、近似的に最適なMIMO-AirComp等化器を導出する。
• 微分幾何学的手法を用いて最適化問題を解き、空間多重性の下で合計平均二乗誤差を最小化する等化器が最適であることを証明する。
• MIMO-AirComp等化問題とマルチキャストビームフォーミング問題が同じ数学的形を持つことを示し、AirCompとマルチキャストの双対性を確立する。
• センサーが局所的なCSIから関数的に導出された信号を送信することで、直交フィードバックチャネルを必要とせず、同時に複数のセンサーからのフィードバックを可能にするフィードバック技術を設計する。
• 制約なし問題の解を基に最適等化器を導出し、その解は本質的に直交性制約を満たしていることを示す。
• グローバル最小化点が、チャネル統計から導出される正定値行列Gの主固有ベクトルに一致することを証明する。

実験結果

リサーチクエスチョン

• RQ1 高動的マルチモードセンサーネットワークにおいて、MIMO-AirCompはどのようにして複数のセンシング関数の空間多重化を実現できるか？
• RQ2 空間多重性を考慮した場合に、MIMO-AirCompにおける合計平均二乗誤差を最小化する最適等化器の構造は何か？
• RQ3 MIMO-AirComp等化問題は、既存のビームフォーミング問題と関連づけることができるか？もしそうであれば、この関係性はどのように新しい解決策を可能にするか？
• RQ4 高密度センサー環境において直交フィードバックチャネルが不適切な場合、MIMO-AirCompで効率的なフィードバックをどのように実現できるか？
• RQ5 最適等化器の数学的構造は何か？また、閉形式でどのように計算できるか？

主な発見

• 最適MIMO-AirComp等化器は、グラスマン多様体上の部分空間の重み付き重心として導出され、正定値行列Gの主固有ベクトルに一致する。
• 同じ空間多重性制約下で、他のいかなる等化器よりも低い合計平均二乗誤差を達成する。
• AirCompとマルチキャストの双対性が形式的に確立され、MIMO-AirComp等化問題が数学的にマルチキャストビームフォーミング問題と同等であることが示された。
• グラスマン多様体上の重心解は、より計算コストの高い半定値緩和法の代替として、マルチキャストビームフォーミング問題へも適用可能である。
• 提案されたフィードバック方式により、局所的なCSIに基づく関数的符号化信号を用いて、複数のセンサーからの同時フィードバックが可能となり、直交フィードバックチャネルの必要性が排除された。
• 制約なし問題の解が、直交性制約を満たす非自明な停留点を提供することを示し、最適等化器が制約付き問題に対しても実行可能であることを確認した。