[논문 리뷰] Blind Multi-user Detection for Autonomous Grant-free High-Overloading MA without Reference Signal

Zhifeng Yuan, Yuzhou Hu외 2명|arXiv (Cornell University)|2017. 12. 07.

Advanced Wireless Communication Technologies참고 문헌 15인용 수 5

한 줄 요약

이 논문은 대규모 기계유형 통신에서 자율적이고 승인 없이 고과부하 비직교 다중접속(NOMA)을 위한 블라인드 다중사용자 검출(MUD) 프레임워크를 제안한다. 코드워드 수준의 순차적 인터패런스 제거(CL-SIC)를 사용하며, 블라인드 활성화 검출, 별도의 신호 기반 블라인드 균형화, 그리고 성공적으로 디코딩된 코드워드만을 사용한 블라인드 채널 추정을 수행하여 기준 신호나 사전 사용자 정보 없이도 신뢰할 수 있는 MUD를 구현한다.

ABSTRACT

In this paper, a novel blind multi-user detection(MUD) framework for autonomous grant-free high-overloading non-orthogonal multiple access is introduced in detail aimed at fulfilling the requirements of fifth-generation massive Machine Type Communications. From the perspective of the transmitter side, pros and cons regarding diverse types of emerging grant-free transmission, particularly autonomous grant-free, are elaborated and presented in a comparative manner. In the receiver end,code word-level successive interference cancellation (CL-SIC) is revealed as the main framework to perform MUD. In addition, underpinning state-of-art blind ideas such as blind activation detection taking advantage of the statistical metric of the aggregate signals, blind equalization based on the constellation's simple geometric character of low order modulation symbols, and blind channel estimation employing solely the successfully decoded code words are explained.

연구 동기 및 목표

• 저지연, 저오버헤드 랜덤 액세스가 요구되는 5G 네트워크에서의 대규모 기계유형 통신(mMTC) 도전 과제를 해결한다.
• 사전 예약된 승인 없이 동시에 여러 사용자가 전송하는 고과부하 NOMA 환경에서 자율적 승인 없음 전송을 가능하게 한다.
• 기준 신호나 활성 사용자 또는 채널 상태에 대한 사전 지식 없이도 작동하는 블라인드 다중사용자 검출 프레임워크를 개발한다.
• 고스펙트럼 효율성과 저신호 오버헤드 조건 하에서 신뢰할 수 있는 사용자 검출 및 디코딩을 달성한다.
• 완전 자율 운영을 지원하기 위해 활성화 검출, 균형화, 채널 추정을 위한 블라인드 기법을 통합한다.

제안 방법

• 다중 사용자를 반복적으로 디코딩하기 위해 핵심 MUD 프레임워크로 코드워드 수준의 순차적 인터패런스 제거(CL-SIC)를 채택한다.
• 파일럿 시퀀스 없이도 활성 사용자 그룹을 식별하기 위해 집합 수신 신호의 통계적 지표를 사용한 블라인드 활성화 검출을 구현한다.
• 저순위 변조 성질(예: QPSK)의 기하학적 구조를 기반으로 한 블라인드 균형화를 적용하여 심볼 수준의 채널 영향을 추정한다.
• 이전 검출 단계에서 성공적으로 디코딩된 코드워드만을 사용하여 블라인드 채널 추정을 수행하여 채널 상태 정보를 정밀하게 개선한다.
• 모든 블라인드 구성 요소를 통합된 수신기 프레임워크로 통합하여 학습 시퀀스나 피드백 없이도 자율적으로 작동한다.
• 활성 사용자의 희박성과 비직교 다중접속의 구조를 활용하여 고사용자 부하 조건 하에서도 검출 성능을 향상시킨다.

실험 결과

연구 질문

• RQ1 기준 신호나 사용자 스케줄링 없이도 고과부하 승인 없이 NOMA에서 다중사용자 검출을 어떻게 달성할 수 있는가?
• RQ2 파일럿이나 학습 기반 심볼이 없을 경우 어떤 블라인드 기법이 활성 사용자와 채널을 안정적으로 검출하고 추정할 수 있는가?
• RQ3 저순위 변조 시스템에서 별도의 신호 기반 균형화에 기하학적 구조를 효과적으로 활용할 수 있는가?
• RQ4 블라인드 활성화 검출, 균형화, 채널 추정의 통합이 자율적 mMTC에서 시스템 성능을 어떻게 향상시키는가?
• RQ5 완전히 블라인드 MUD 프레임워크는 고과부하 환경에서 어떤 신뢰성과 스펙트럼 효율성을 달성할 수 있는가?

주요 결과

• 제안된 블라인드 MUD 프레임워크는 기준 신호나 사용자 사전 할당 없이도 고과부하 NOMA에서 안정적인 다중사용자 검출을 달성한다.
• 집합 수신 신호의 통계적 지표를 기반으로 한 블라인드 활성화 검출이 높은 정확도로 활성 사용자 그룹을 성공적으로 식별한다.
• 저순위 변조 성질의 기하학적 구조를 활용한 블라인드 균형화가 정확한 심볼 수준의 채널 추정을 제공한다.
• 이전 단계에서 디코딩된 코드워드만을 사용한 블라인드 채널 추정을 통해 채널 상태 정보를 반복적으로 개선하여 검출 신뢰도를 향상시킨다.
• CL-SIC와 블라인드 구성 요소의 통합은 자율 작동을 가능하게 하여 신호 오버헤드를 감소시키고 대규모 연결을 지원한다.
• 이 프레임워크는 5G 기계유형 통신에서 일반적인 고사용자 밀도 환경에서의 실현 가능성과 강건성을 입증한다.