[論文レビュー] Super-Resolution Blind Channel-and-Signal Estimation for Massive MIMO with Arbitrary Array Geometry.

Hang Liu, Xiaojun Yuan+1 more|arXiv (Cornell University)|Oct 2, 2018

Blind Source Separation Techniques被引用数 5

ひとこと要約

本稿では、スーパーレゾリューションサンプリンググリッドと隠れマルコフ型サポートを用いて、angular domain におけるチャネルのスパarsity をモデル化することで、マッシブ MIMO システムにおけるスーパーレゾリューションのブラインド推定手法を提案する。変分推論と期待値最大化を用い、従来の最先端手法と比較して推定誤差を低減するが、特に非一様アレイ構成下でも優れた性能を示す。

ABSTRACT

In this paper, we study blind channel-and-signal estimation by exploiting the burst-sparse structure of angular-domain propagation channels in massive MIMO systems. The state-of-the-art approach utilizes the structured channel sparsity by sampling the angular-domain channel representation with a uniform angle-sampling grid, a.k.a. virtual channel representation. However, this approach is only applicable to uniform linear arrays and may cause a substantial performance loss due to the mismatch between the virtual representation and the true angle-information. To tackle these challenges, we propose a channel sparsity representation with a super-resolution sampling grid and a hidden Markovian support. Based on that, we develop a novel variational inference based blind estimation algorithm to estimate the channel and the user signals simultaneously, with emphasis on the adoption of the expectation-maximization method to learn the angle-information. Furthermore, we demonstrate the low-complexity implementation of our algorithm, making use of factor graph and message passing principles to compute the marginal posteriors. Numerical results show that our proposed method significantly reduces the estimation error compared to the state-of-the-art approach under various settings, which verifies the efficiency and robustness of our method.

研究の動機と目的

• 非一様線形アレイにおけるバーチャルチャネル表現の不一致が引き起こす性能劣化を是正すること。
• マッシブ MIMO システムにおいて真のangular 情報を捉えることが困難な均一な角度サンプリンググリッドの限界を克服すること。
• アレイ構成やチャネル構造に関する事前知識がなくても、チャネルとユーザーシグナルのブラインド同時推定を可能にすること。
• 要因グラフとメッセージパッシングを用いて、実用的導入に適した低複雑度のアルゴリズムを開発すること。
• さまざまなアレイ構成および伝搬状態において、ロバストかつ高精度な推定を達成すること。

提案手法

• 均一なバーチャルグリッドと比較して、チャネルタップの真のangular 分布をよりよく捉えるために、スーパーレゾリューションサンプリンググリッドを導入する。
• 空間相関性と構造を活用するため、angular domain におけるチャネルスパarsity を隠れマルコフ型サポートでモデル化する。
• 後験分布の最大化により、チャネルとユーザーシグナルを同時に推定する、変分推論に基づくアルゴリズムを開発する。
• 期待値最大化法を適用し、データから潜在的な角度サポート構造を繰り返し学習する。
• 因子グラフ表現とメッセージパッシングを用いて、マージナル後験分布を効率的に計算する。
• スパarsity 性とマルコフ構造を活用することで、計算複雑度を低減しつつ高い精度を維持する。

実験結果

リサーチクエスチョン

• RQ1 スーパーレゾリューションサンプリンググリッドは、ブラインドマッシブ MIMO チャネル推定におけるangular 分辨能と推定精度を向上させることができるか？
• RQ2 隠れマルコフ型サポートモデルは、angular domain におけるチャネルスパarsity の空間相関性をどのように向上させるか？
• RQ3 提案された変分推論と EM に基づく手法は、非一様アレイ構成下で、従来の均一グリッド手法をどの程度上回るか？
• RQ4 提案されたアルゴリズムは、高精度を維持しながら低複雑度の実装が可能か？
• RQ5 本手法は、さまざまなアレイ構成および伝搬状況においてどの程度ロバストか？

主な発見

• 提案手法は、全テスト対象アレイ構成において、最先端の均一グリッド手法と比較して顕著に低い推定誤差を達成する。
• スーパーレゾリューションサンプリンググリッドは、真のangular 構造を効果的に捉えており、非一様アレイにおける不一致損失を低減する。
• 隠れマルコフ型サポートは、angular domain における空間相関性を活用することで、モデリング精度を向上させる。
• 変分推論と EM に基づくフレームワークにより、事前知識がなくてもロバストなチャネルとシグナルの同時推定が可能になる。
• 因子グラフとメッセージパッシングの実装により、計算複雑度が低く抑えられ、実用的導入が可能になる。
• 数値結果により、本手法のロバスト性と効率性が、多様な伝搬状態およびアレイ設定下で確認された。