[論文レビュー] On the Capacity Achieving Transmit Covariance Matrices of MIMO Correlated Rician Channels: A Large System Approach

Julien Dumont, Philippe Loubaton+1 more|ArXiv.org|Mar 23, 2006

Advanced MIMO Systems Optimization参考文献 12被引用数 19

ひとこと要約

本稿では、相関 fading を有する MIMO Rician リンクにおいて、容量を達成する送信共分散行列を効率的に計算するための大規模システム近似を提案する。漸近的自由確率論を活用することで、相互情報量の取り扱いやすい近似を導出し、計算コストが著しく低いが性能に劣らない収束性に優れた反復的アルゴリズムの構築に成功した。

ABSTRACT

We determine the capacity-achieving input covariance matrices for coherent block-fading correlated MIMO Rician channels. In contrast with the Rayleigh and uncorrelated Rician cases, no closed-form expressions for the eigenvectors of the optimum input covariance matrix are available. Both the eigenvectors and eigenvalues have to be evaluated by using numerical techniques. As the corresponding optimization algorithms are not very attractive, we evaluate the limit of the average mutual information when the number of transmit and receive antennas converge to infinity at the same rate. If the channel is semi-correlated, we propose an attractive optimization algorithm of the large system approximant, and establish some convergence results. Simulation results show that our approach provide reliable results even for a quite moderate number of transmit and receive antennas.

研究の動機と目的

• 閉形式解が存在しない相関 MIMO Rician リンクにおける容量を達成する送信共分散行列を求める課題に対処すること。
• モンテカルロ法を用いた直接的な相互情報量最大化が計算的に非現実的であるという問題を克服すること。
• 中程度のアンテナアレイに対しても精度が高く、解析的に取り扱える大規模システム近似を、平均相互情報量に対して導出すること。
• 実用的な制約下で近似相互情報量を最適化する高速かつ収束性を有する反復的アルゴリズムを提案すること。
• 提案手法の精度と計算効率の面で、最先端の数値最適化手法と比較して妥当性を検証すること。

提案手法

• 最近の確率的行列理論の結果を活用し、MIMO Rician リンクにおける平均相互情報量の漸近的近似を導出する。
• 大規模システム極限（n, N → ∞ で同じ割合）を用いることで、相互情報量の式を単純化し、解析的取り扱いを可能にする。
• 漸近的相互情報量の最適化を、実現可能な入力共分散行列の集合上での厳密に凹関数問題として定式化する。
• 2つの非線形方程式の逐次解法と標準的なウォーターフィリング電力割り当てを交互に実行する反復的アルゴリズムを提案する。
• 弱い条件下でも理論的収束性を確立：収束する場合、漸近的相互情報量のグローバル最適解に収束する。
• モンテカルロベースの直接最大化との比較による数値シミュレーションを通じて、漸近的近似の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 相関 MIMO Rician リンクにおける相互情報量の、精度と計算効率の両立を満たす大規模システム近似を導出可能か？
• RQ2 提案された漸近的相互情報量最適化のための反復的アルゴリズムは、妥当な条件下で真の最適解に収束するか？
• RQ3 正確な相互情報量の直接数値最大化と比較して、漸近的アプローチの容量性能と計算コストの面での相違は何か？
• RQ4 中規模 MIMO システム（例：n=N=4,8）において、漸近的近似はどの程度の精度を維持するか？
• RQ5 実行時間の面で、バrier内点法などの既存の最適化手法を上回り、同等の精度を維持できるか？

主な発見

• 提案された相互情報量の大規模システム近似は、中程度のアンテナ数（n=N=4）に対しても極めて高い精度を示し、直接モンテカルロ最大化の結果と密接に一致する。
• 反復的アルゴリズムは弱い条件下でも最適入力共分散行列に収束し、数値実験により実用的にも収束することが強く示唆される。
• アルゴリズムの計算的優位性が顕著である：n=N=8 の場合、1イタレーションあたり約 0.07 秒で実行可能であるのに対し、Vu-Paulraj アルゴリズムは 138 秒を要する。
• 低 SNR かつ高相関（K=1, ρt=0.5, ρr=0.8）条件下では、提案手法が Vu-Paulraj アルゴリズムをわずかに上回り、収束性の優位性が示唆される。
• 直接最適化と同等の確率的容量を達成するが、計算コストは桁違いに低く抑えられ、リアルタイム応用に実用的である。
• 漸近的近似により、計算複雑度を著しく低減しつつ精度を損なわず、正確な相互情報量最大化の代用としての有効性が裏付けられる。