[논문 리뷰] Blind Signal Classification for Non-Orthogonal Multiple Access in Vehicular Networks

Minseok Choi, Daejung Yoon외 1명|arXiv (Cornell University)|2018. 07. 20.

Advanced Wireless Communication Technologies참고 문헌 40인용 수 4

한 줄 요약

이 논문은 고속 이동성의 차량 통신 네트워크에서 비직교 다중접근(NOMA)에 대한 단일 신호 분류 기반의 블라인드 신호 분류 기법을 제안한다. 이는 고계층 신호 전송 오버헤드를 줄이기 위한 것이다. 데이터 기호와 피LOT 기호의 위상 회전을 통해 명시적 신호 전송 없이도 정확한 OMA/NOMA, 사용자 유형(근거리/원거리), 변조 방식 분류가 가능하며, 이로 인해 1 dB 이상의 SNR 향상과 제네이 성능에 근접한 단어 오류율과 용량 성능을 달성한다.

ABSTRACT

For downlink multiple-user (MU) transmission based on non-orthogonal multiple access (NOMA), the advanced receiver strategy is required to cancel the inter-user interference, e.g., successive interference cancellation (SIC). The SIC process can be applicable only when information about the co-scheduled signal is known at the user terminal (UT) side. In particular, the UT should know whether the received signal is OMA or NOMA, whether SIC is required or not, and which modulation orders and power ratios have been used for the superposed UTs, before decoding the signal. An efficient network, e.g., vehicular network, requires that the UTs blindly classify the received signal and apply a matching receiver strategy to reduce the high-layer signaling overhead which is essential for high-mobility vehicular networks. In this paper, we first analyze the performance impact of errors in NOMA signal classification and address ensuing receiver challenges in practical MU usage cases. In order to reduce the blind signal classification error rate, we propose transmission schemes that rotate data symbols or pilots to a specific phase according to the transmitted signal format. In the case of pilot rotation, a new signal classification algorithm is also proposed. The performance improvements by the proposed methods are verified by intensive simulation results.

연구 동기 및 목표

• 사용자 다중접속 형식, 변조 방식, 전력 할당 정보를 명시적으로 전송해야 하는 요구로 인해 NOMA 시스템에서 고계층 신호 전송 오버헤드 문제가 발생하는 것을 해결한다.
• 스펙트럼, 시간, 에너지 자원이 제한된 고속 이동성 차량 통신 네트워크에서 명시적 신호 전송에 대한 의존도를 줄인다.
• 데이터 및 피LOT 기호의 위상 회전을 통해 암시적 신호 전송을 가능하게 하여 NOMA의 블라인드 신호 분류 정확도를 향상시킨다.
• OMA/NOMA, 사용자 유형, 변조 형식의 잘못된 분류로 인한 순차적 인터패턴 제거(SIC) 성능 손실을 최소화한다.

제안 방법

• NOMA 다중접속 형식에 대한 암묵적 정보를 통합하기 위해 데이터 기호의 위상 회전 기법을 제안하여 블라인드 분류를 지원한다.
• 피LOT 기반 재사용 기법을 도입하여 피LOT 기호에 위상 회전을 적용함으로써 NOMA와 OMA를 구분하고 동일 스케줄링 사용자를 식별하는 데 기여한다.
• 수신 신호에서 추정된 위상 정보를 활용하여 명시적 신호 전송 없이도 신호 유형(OMA 대비 NOMA), 사용자 유형(근거리 대비 원거리 사용자), 변조 방식을 분류한다.
• 다단계 블라인드 분류 프로세스를 적용한다: OMA/NOMA 분류, 사용자 유형 분류, 변조 분류 단계를 거치며, 분류된 정보를 바탕으로 순차적 인터패턴 제거(SIC)를 활성화한다.
• 통계적 특징과 신호 구조를 활용하여 저SNR 및 고속 이동 환경에서의 분류 정확도를 향상시킨다.
• 단어 오류율(WER), 변조 분류(MC) 오류율, 사용자 용량을 성능 평가 지표로 사용하여 최대우도분류(MLC) 및 제네이 보조 기법과 비교한다.

실험 결과

연구 질문

• RQ1 자원 제약이 있는 차량 통신 네트워크에서 고계층 신호 전송에 대한 의존도를 줄이기 위해 NOMA 시스템의 블라인드 신호 분류 성능을 어떻게 향상시킬 수 있는가?
• RQ2 OMA/NOMA, 근거리/원거리 사용자, 변조 형식의 잘못된 분류가 NOMA 시스템의 용량과 오류 성능에 미치는 영향는 어떠한가?
• RQ3 데이터 및 피LOT 기호의 위상 회전을 통해 암묵적으로 다중접속 형식 정보를 전달하여 추가 신호 전송 없이도 블라인드 분류를 가능하게 할 수 있는가?
• RQ4 기존의 MLC 및 제네이 보조 기법과 비교할 때 제안된 분류 방법은 분류 정확도, WER, 스펙트럼 효율성 측면에서 어떤 성능을 보이는가?
• RQ5 위상 회전 기반의 블라인드 분류 기법을 사용할 경우 NOMA에서 SNR 및 용량 측면에서 어떤 성능 향상이 달성될 수 있는가?

주요 결과

• 제안된 위상 회전 기반 분류(PRC)는 기존의 MLC 및 MLC-PRM 대비 단어 오류율(WER) 성능에서 1 dB 이상의 SNR 성능 향상을 달성한다.
• PRC는 고SNR 영역에서 WER 및 사용자 용량 측면에서 제네이 성능에 근접한 성능을 보이며, 이상적인 제네이 보조 기법과 거의 차이가 없이 성능을 유지한다.
• 저SNR 영역에서는 PRC가 MLC 및 MLC-PRM보다 분류 정확도에서 뚜렷한 우월성을 보이며, 특히 근거리/원거리 사용자 유형과 변조 방식을 구분하는 데 뛰어난 성능을 보인다.
• PRC의 MC 오류율은 MLC 및 MLC-PRM보다 상당히 낮으며, 특히 약 15 dB SNR에서 분류 오류가 성능에 지배적인 영향을 미치는 경우에 두드러진 성능 향상을 보인다.
• PRC를 사용할 경우 분류 오류로 인한 용량 저하가 최소화되어, 특히 고속 이동성 시나리오인 케이스 3에서 제네이 기법과 거의 손실이 없는 성능을 보인다.
• 제안된 방법은 변조 방식, 전력 비율, 사용자 유형 정보의 명시적 전송이 필요 없어지므로 시스템 오버헤드를 감소시키며, 차량 통신 네트워크의 스펙트럼 효율성 및 에너지 효율성을 향상시킨다.