[論文レビュー] New Beam Tracking Technique for Millimeter Wave-band Communications

Jisu Bae, Sun Hong Lim+2 more|arXiv (Cornell University)|Feb 1, 2017

Millimeter-Wave Propagation and Modeling参考文献 12被引用数 31

ひとこと要約

本稿では、移動環境における送信端末の角度（AoD）の時間的連続性を活用することで、トレーニングオーバーヘッドを低減するミリ波通信向けのビームトラッキング手法を提案する。事前のAoD推定値に基づき、最適に選択された2つのトレーニングビームのみを用いることで、AoD推定のCramer-Rao下界（CRLB）を最小化し、16倍少ないトレーニングオーバーヘッドでフルビームサイクリングと同等の性能を達成する。

ABSTRACT

In this paper, we propose an efficient beam tracking method for mobility scenario in mmWave-band communications. When the position of the mobile changes in mobility scenario, the base-station needs to perform beam training frequently to track the time-varying channel, thereby spending significant resources for training beams. In order to reduce the training overhead, we propose a new beam training approach called "beam tracking" which exploits the continuous nature of time varying angle of departure (AoD) for beam selection. We show that transmission of only two training beams is enough to track the time-varying AoD at good accuracy. We derive the optimal selection of beam pair which minimizes Cramer-Rao Lower Bound (CRLB) for AoD estimation averaged over statistical distribution of the AoD. Our numerical results demonstrate that the proposed beam tracking scheme produces better AoD estimation than the conventional beam training protocol with less training overhead.

研究の動機と目的

• 移動型ミリ波システムにおける頻繁なビームトレーニングが引き起こす高オーバーヘッドを解消すること。
• ビームトレーニングにおけるリソース消費を低減しつつ、正確なチャネル状態推定を維持すること。
• AoDの滑らかな時間的変動を活用して、効率的なビーム選択を実現すること。
• 2つのトレーニングビームのみを用いて、AoD推定の誤差分散（CRLBを介して）を最小化すること。
• 従来のビームサイクリングおよび固定ビーム方式を上回る実用的なビームトラッキング戦略を開発すること。

提案手法

• AoDを、過去のAoD推定値に基づくガウス型遷移モデルを有するマルコフ過程としてモデル化する。
• 事前知識としての過去のAoDを前提に、AoD推定誤差のCramer-Rao下界（CRLB）を最小化する問題としてビーム選択を定式化する。
• AoD変化の統計的分布を用いて最適なビームペア選択を導出し、推定分散を最小化する。
• 192個の均等に配置されたビームと192個の広いビームを含むビームコードブックを採用し、角度分解能と耐障害性を向上させる。
• 多径環境では、圧縮センシング（例：OMP）を用いた個別径路追跡または統合推定への拡張を実施する。
• フィードバック遅延および事前AoDの推定誤差を考慮して、反復的リファイニングを適用する。

実験結果

リサーチクエスチョン

• RQ1 2つのトレーニングビームのみを用いたビームトラッキング方式は、フルビームサイクリングと同等のAoD推定性能を達成できるか？
• RQ2 AoDの時間相関を考慮した下で、推定誤差分散を最小化する最適なビームペアはどのように選択できるか？
• RQ3 移動度（すなわち、AoD変化速度）は、提案手法の性能にどのような影響を及えるか？
• RQ4 固定ビーム方式および従来のビームサイクリング方式と比較して、提案手法はトレーニングオーバーヘッドおよび推定精度の点でどのように差をつけるか？
• RQ5 クラスタリングされたまたは明確に分離された径路を有する多径ミリ波チャネルに対しても、本手法を拡張可能か？

主な発見

• 提案手法は、2つのトレーニングビームのみを用いても、従来のビームサイクリングと同等のAoD推定精度を達成し、トレーニングオーバーヘッドを94%削減した。
• SNR = 10 dB および σp = 0.05 の条件下で、提案手法は真値に近い推定誤差を示し、ビームサイクリングおよび固定ビーム方式を上回った。
• 全SNR範囲にわたり、従来のビームサイクリング方式に対して顕著な性能向上を示したが、角度グリッド量子化に起因する正規化MSEの床が存在した。
• 高移動度（σp = 0.1）の状況でも、固定ビームおよびビームサイクリング方式を上回る性能を示し、急速なAoD変化に対して高い耐性を示した。
• CRLBに基づくビーム選択戦略は、ヒューリスティックなビーム配置よりも顕著な性能向上をもたらし、提案設計の最適性を裏付けた。
• 多径環境への拡張は可能であった：明確に分離された径路では、各径路ごとの個別追跡が有効であった。クラスタリングされた径路では、圧縮センシングによる統合推定が、最小限の性能損失で性能を維持した。