[論文レビュー] Quantization Design and Channel Estimation for Massive MIMO Systems with One-Bit ADCs

Feiyu Wang, Jun Fang+2 more|arXiv (Cornell University)|Apr 16, 2017

Advanced MIMO Systems Optimization参考文献 23被引用数 6

ひとこと要約

本稿では、重度の量子化歪みに起因する効率的なチャネル推定を可能にするために、1ビット massive MIMO システムにおける適応的およびランダム量子化方式を提案する。チャネル統計に基づいて量子化しきい値を最適化することで、提案手法は理想の無量子化状態と比較して推定誤差をπ/2の要因以内に抑えることができ、訓練オーバーヘッドを顕著に削減し、1ユーザーあたり約5シンボルのパイロットでほぼ完璧なCSI性能を実現する。

ABSTRACT

We consider the problem of channel estimation for uplink multiuser massive MIMO systems, where, in order to significantly reduce the hardware cost and power consumption, one-bit analog-to-digital converters (ADCs) are used at the base station (BS) to quantize the received signal. Channel estimation for one-bit massive MIMO systems is challenging due to the severe distortion caused by the coarse quantization. It was shown in previous studies that an extremely long training sequence is required to attain an acceptable performance. In this paper, we study the problem of optimal one-bit quantization design for channel estimation in one-bit massive MIMO systems. Our analysis reveals that, if the quantization thresholds are optimally devised, using one-bit ADCs can achieve an estimation error close to (with an increase by a factor of $π/2$) that of an ideal estimator which has access to the unquantized data. The optimal quantization thresholds, however, are dependent on the unknown channel parameters. To cope with this difficulty, we propose an adaptive quantization (AQ) approach in which the thresholds are adaptively adjusted in a way such that the thresholds converge to the optimal thresholds, and a random quantization (RQ) scheme which randomly generate a set of nonidentical thresholds based on some statistical prior knowledge of the channel. Simulation results show that, our proposed AQ and RQ schemes, owing to their wisely devised thresholds, present a significant performance improvement over the conventional fixed quantization scheme that uses a fixed (typically zero) threshold, and meanwhile achieve a substantial training overhead reduction for channel estimation. In particular, even with a moderate number of pilot symbols (about 5 times the number of users), the AQ scheme can provide an achievable rate close to that of the perfect channel state information (CSI) case.

研究の動機と目的

• 1ビットADCに起因する深刻な歪みが生じる massive MIMO システムにおけるチャネル推定の課題に対処すること。
• 従来の固定しきい値量子化方式が要請する極めて長い訓練シーケンスを短縮すること。
• チャネルパラメータが未知である状況下でも推定誤差を最小化するようにしきい値を設計すること。
• 最小限のパイロットオーバーヘッドで高いスペクトル効率および実現可能レートを達成し、完璧なCSIに近い性能を実現すること。
• 統計的事前知識を用いて最適なしきい値に収束する実用的で適応的かつランダムな量子化戦略を開発すること。

提案手法

• チャネル推定に基づいて段階的にしきい値を調整し、最適値に収束する適応的量子化（AQ）方式を提案する。
• チャネルの統計的事前知識を用いて同一でないしきい値を生成するランダム量子化（RQ）方式を導入する。
• 1ビット量子化システムにおけるCramér-Rao下界（CRB）を導出し、推定精度の理論的限界を確立する。
• 最大尤度（ML）推定を用いて1ビット量子化下でのチャネル推定問題をモデル化する。
• フィッシャー情報行列の逆行列のトレースを最小化するように量子化行列Aを最適化し、効率的な推定を保証する。
• 理論的境界を確立し、最適な1ビット量子化が、理想の無量子化状態と比較して推定誤差をπ/2の要因以内に抑えることができることを示す。

実験結果

リサーチクエスチョン

• RQ1 1ビット量子化は、理想の無量子化システムと同等の推定精度を達成できるか？
• RQ2 完全なチャネル知識が得られない状況下で、チャネル推定誤差を最小化するようにしきい値を設計する方法は何か？
• RQ3 1ビット massive MIMO システムにおいて、推定精度を損なわずに訓練オーバーヘッドを顕著に削減できるか？
• RQ4 1ビット量子化下でのチャネル推定の理論的性能限界は何か？
• RQ5 適応的およびランダム量子化方式は、固定しきい値方式と比較して、訓練オーバーヘッドおよび推定精度の点でどのように差がつくか？

主な発見

• 最適な1ビット量子化しきい値は、理想の無量子化推定器と比較して推定誤差をπ/2の要因以内に抑えることができる。
• 適応的量子化（AQ）方式は最適なしきい値に収束し、1ユーザーあたり約5シンボルのパイロットで完璧なCSIと同等の実現可能レートを達成する。
• 統計的事前知識に基づくランダム量子化（RQ）方式は、従来の固定しきい値量子化を顕著に上回る性能を発揮する。
• AQおよびRQ方式の両方とも、従来手法と比較して訓練オーバーヘッドを顕著に削減し、ユーザー数の50倍に達する訓練シーケンスを要する従来手法と比較して顕著な改善を示す。
• 理論的分析により、最適な1ビット量子化下での最小推定誤差が、理想推定器の誤差のπ/2倍以内に制限されることを確認した。
• 提案手法は中程度のパイロットオーバーヘッドでも近似的に最適な性能を達成しており、1ビット massive MIMO システムにおける実用的妥当性を示している。