[論文レビュー] Optimal Non-coherent Data Detection for Massive SIMO Wireless Systems with General Constellations: A Polynomial Complexity Solution

Haider Ali Jasim Alshamary, Fahim Anjum+3 more|arXiv (Cornell University)|Jul 8, 2015

Advanced MIMO Systems Optimization参考文献 13被引用数 4

ひとこと要約

本稿では、定常および非定常モード変調を含む巨大SIMOシステムにおける最適で多項式時間計算量の最大尤度（ML）非coherentデータ検出アルゴリズムを提案する。低ランク二次形式の効率的最適化と構造的探索空間の活用により、受信アンテナ数に対して線形、コherenecetimeに対して多項式の計算量で近最適性能を達成し、従来手法に比べて最大5 dBのSNR利得を実現する。

ABSTRACT

Massive MIMO systems can greatly increase spectral and energy efficiency over traditional MIMO systems by exploiting large antenna arrays. However, increasing the number of antennas at the base station (BS) makes the uplink non-coherent data detection very challenging in massive MIMO systems. In this paper we consider the joint maximum likelihood (ML) channel estimation and data detection problem for massive SIMO (single input multiple output) wireless systems, which is a special case of wireless systems with large antenna arrays. We propose exact ML non-coherent data detection algorithms for both constant-modulus and nonconstant-modulus constellations, with a low expected complexity. Despite the large number of unknown channel coefficients for massive SIMO systems, we show that the expected computational complexity of these algorithms is linear in the number of receive antennas and polynomial in channel coherence time. Simulation results show the performance gains (up to 5 dB improvement) of the optimal non-coherent data detection with a low computational complexity.

研究の動機と目的

• 受信アンテナ数が多数である巨大SIMOシステムにおける、同時的なチャネル推定と非coherentデータ検出の課題に取り組む。
• 時間変動する非coherentチャネルを有する巨大MIMOシステムにおける全探索ML検出の高コストな計算量を克服する。
• 定常および非定常モード変調の両方に対応する、効率的かつスケーラブルな正確なML検出アルゴリズムを開発する。
• パイロット記号に依存しない同時ML推定と検出を可能にすることで、パイロット汚染の影響を排除する。
• 受信アンテナ数およびチャネルコherenecetimeに対して多項式時間の複雑さスケーリングを達成する。

提案手法

• 信号およびチャネルパラメータに関する二次形式の制約付き最適化として、同時最大尤度（ML）検出問題を定式化する。
• 低ランク二次形式の効率的最大化に関する最近の進展を活用し、多項式時間の複雑さを達成する。
• 信号の信号点配置およびチャネル統計を活用して、全探索を回避する構造的探索空間を設計する。
• 球体デコードの原則を変更した形で応用し、探索を信号空間の部分集合に制限することで複雑さを低減する。
• 期待計算量の閉形式表現を導出する。その結果、受信アンテナ数に対して線形依存性を示す。
• 本アルゴリズムが定常モード（例：BPSK, QPSK）および非定常モード変調（例：QAM）の両方をサポートすることを保証する。

実験結果

リサーチクエスチョン

• RQ1 巨大SIMOシステムにおいて、多項式時間の複雑さで正確なML非coherent検出が達成可能か？
• RQ2 提案手法は定常および非定常モード変調の両方において最適性能を維持するか？
• RQ3 受信アンテナ数およびコherenecetimeに対して、計算量のスケーリング特性はいかなるものか？
• RQ4 パイロットに基づくチャネル推定を避けることで、アルゴリズムはパイロット汚染を緩和できるか？
• RQ5 提案手法の性能は、近似的または従来の非coherent検出手法と比較してどのように差異を示すか？

主な発見

• 提案アルゴリズムは、受信アンテナ数に対して線形に増加する計算量で、最適な非coherent検出性能を達成する。
• 期待計算量はチャネルコherenecetimeに対して多項式的であるため、巨大MIMOシステムにおける実用的導入が可能である。
• シミュレーション結果から、従来の非coherent検出手法に比べて最大5 dBのSNR向上が確認された。
• 本手法は定常および非定常モード変調の両方をサポートしており、従来の定常モード信号に限られた先行研究を拡張する。
• パイロット記号の必要性を排除することで、同時ML推定と検出を実現し、パイロット汚染を回避する。
• 理論的解析により、受信アンテナ数の増加に対しても期待計算量が有界かつスケーラブルであることが確認された。