[論文レビュー] Structured Distributed Compressive Channel Estimation over Doubly Selective Channels

Qibo Qin, Lin Gui+3 more|arXiv (Cornell University)|Apr 23, 2020

Sparse and Compressive Sensing Techniques参考文献 30被引用数 20

ひとこと要約

本稿は、二重選択的（DS）OFDMシステムにおける連続する複数シンボルのチャネル推定のための構造的分散圧縮センシング（SDCS）方式を提案する。時間相関と遅延ドメインにおけるスパarsityを、複素指数関数的基底展開モデルと特化したパイロットパターンを用いて活用することで、パイロットを減らしつつもチャネル係数の高精度な復元を実現し、従来手法と比較して優れた推定精度とスペクトル効率を達成する。

ABSTRACT

For an orthogonal frequency-division multiplexing (OFDM) system over a doubly selective (DS) channel, a large number of pilot subcarriers are needed to estimate the numerous channel parameters, resulting in low spectral efficiency. In this paper, by exploiting temporal correlation of practical wireless channels, we propose a highly efficient structured distributed compressive sensing (SDCS) based joint multi-symbol channel estimation scheme. Specifically, by using the complex exponential basis expansion model (CE-BEM) and exploiting the sparsity in the delay domain within multiple OFDM symbols, we turn to estimate jointly sparse CE-BEM coefficient vectors rather than numerous channel taps. Then a sparse pilot pattern within multiple OFDM symbols is designed to obtain an ICI-free structure and transform the channel estimation problem into a joint-block-sparse model. Next, a novel block-based simultaneous orthogonal matching pursuit (BSOMP) algorithm is proposed to jointly recover coefficient vectors accurately. Finally, to reduce the CE-BEM modeling error, we carry out smoothing treatments of already estimated channel taps via piecewise linear approximation.Simulation results demonstrate that the proposed channel estimation scheme can achieve higher estimation accuracy than conventional schemes, although with a smaller number of pilot subcarriers.

研究の動機と目的

• 二重選択的（DS）チャネル上での OFDM システムにおける過剰なパイロットサブキャリアによるスペクトル効率の低さを是正すること。
• 複数の OFDM シンボルにわたる時間相関と遅延ドメインにおけるスパarsityを活用して、チャネル推定精度を向上させること。
• 複数シンボルにわたるスパースなチャネル係数を共同で回復可能な構造的分散圧縮センシング（SDCS）フレームワークを構築すること。
• 推定タップの分(piecewise)線形スムージングにより、基底展開モデルのモデル誤差を低減すること。
• 従来の単一シンボルまたは非構造的圧縮センシング手法と比較して、より高い推定精度とスペクトル効率を達成すること。

提案手法

• 時間変動する二重選択的チャネルを、複素指数関数的基底展開モデル（CE-BEM）を用いてモデル化し、複数の OFDM シンボルにわたる時間変動を表現する。
• 複数シンボルにわたるスパースなパイロットパターンを設計することで、ICIフリーな構造を実現し、チャネル係数の共同ブロックスパース表現を可能にする。
• 遅延ドメインにおけるスパarsityと時間相関を活用することで、チャネル推定問題を共同ブロックスパースモデルに変換する。
• 構造化モデルから係数ベクトルを共同で回復するためのブロックベース同時直交マッチング pursuit（BSOMP）アルゴリズムを提案する。
• 推定されたチャネルタップのモデル誤差を低減するため、分(piecewise)線形近似を適用する。
• パイロットサブキャリア選択行列とブロック単位の信号再構成を用いて、共同推定問題を構造化されたシステムモデルに分離する数学的定式化を導出する。

実験結果

リサーチクエスチョン

• RQ1 構造的分散圧縮センシングを用いた連続複数シンボルのチャネル推定は、二重選択的 OFDM システムにおけるスペクトル効率を向上させることができるか？
• RQ2 複数の OFDM シンボルにわたる時間相関と遅延ドメインにおけるスパarsityを活用することで、単一シンボル手法と比較して推定精度がどのように向上するか？
• RQ3 どのようなパイロットパターン設計が、DS チャネルにおける ICI フリーで共同ブロックスパース構造を実現し、効率的なチャネル推定を可能にするか？
• RQ4 提案された BSOMP アルゴリズムは、従来の CS や DCS 手法と比較して、推定精度とパイロットオーバーヘッドの面でどの程度優れているか？
• RQ5 分(piecewise)線形スムージングは、CE-BEM 近似によるモデル誤差をどの程度低減できるか？

主な発見

• 提案された SDCS を用いた方式は、従来の CS や DCS を用いた手法と比較して、連続複数シンボルのチャネルモデルを追跡する際、より高い推定精度を達成する。
• 従来の LS や MMSE 手法で使用されるパイロットサブキャリアの 10% のみで、NMSE の観点で同等または優れた性能を達成する。
• SNR 20 dB の条件下で、BER = 10^-2 のとき、単一シンボル方式と比較して、連続複数シンボル方式は約 1 dB の SNR 増加を達成する。
• 符号化された BER 性能において、提案方式は完璧なチャネル情報が得られた理想状態からわずか 0.2 dB の差にとどまる。
• 500 km/h の高いドップラー周波数でも高い精度を維持でき、実用的な車載環境におけるロバスト性を示す。
• シミュレーション結果から、構造的パイロット設計、BSOMP 回復、分(piecewise)線形スムージングの組み合わせが、推定誤差とモデル歪みを顕著に低減することが確認された。