[논문 리뷰] Block Distributed Compressive Sensing Based Doubly Selective Channel Estimation and Pilot Design for Large-Scale MIMO Systems

Bo Gong, Lin Gui외 3명|arXiv (Cornell University)|2020. 04. 21.

Advanced MIMO Systems Optimization참고 문헌 31인용 수 13

한 줄 요약

이 논문은 대규모 MIMO 시스템을 위한 블록 분산 압축 센싱(BDCS)-기반 이중 선택성(DS) 채널 추정기와 블록 이산 스토하스틱 최적화(BDSO) 기반 파ilot 설계 알고리즘을 제안한다. BEM 계수와 안테나 쌍 간의 공통 스파arsity를 활용하여 파ilot 오버헤드를 감소시키면서도 높은 추정 정확도를 유지하며, 최적의 파ilot 배치 조건에서 고장 없음 상태에서 -25 dB의 정규화된 MSE를 달성한다.

ABSTRACT

The doubly selective (DS) channel estimation in the large-scale multiple-input multiple-output (MIMO) systems is a challenging problem due to the large number of the channel coefficients to be estimated, which requires unaffordable and prohibitive pilot overhead. In this paper, firstly we conduct the analysis about the common sparsity of the basis expansion model (BEM) coefficients among all the BEM orders and all the transmit-receive antenna pairs. Then a novel pilot pattern is proposed, which inserts the guard pilots to deal with the inter carrier interference (ICI) under the superimposed pilot pattern. Moreover, by exploiting the common sparsity of the BEM coefficients among different BEM orders and different antennas, we propose a block distributed compressive sensing (BDCS) based DS channel estimator for the large-scale MIMO systems. Its structured sparsity leads to the reduction of the pilot overhead under the premise of guaranteeing the accuracy of the estimation. Furthermore, taking consideration of the block structure, a pilot design algorithm referred to as block discrete stochastic optimization (BDSO) is proposed. It optimizes the pilot positions by reducing the coherence among different blocks of the measurement matrix. Besides, a linear smoothing method is extended to large-scale MIMO systems to improve the accuracy of the estimation. Simulation results verify the performance gains of our proposed estimator and the pilot design algorithm compared with the existing schemes.

연구 동기 및 목표

• 대규모 MIMO 시스템에서 이중 선택성(DS) 채널 추정의 높은 파ilot 오버헤드와 복잡도 문제를 해결한다.
• 다중 안테나와 BEM 계수 간의 공통 스파arsity를 활용하여 필요한 파ilot 오버헤드를 감소시킨다.
• 측정 행렬의 일관성(coherence)을 최소화하여 압축 센싱 복구 성능을 향상시키는 최적의 파ilot 패턴을 설계한다.
• 블록과 공통 스파arsity를 동시에 활용하는 구조화된 추정 프레임워크를 개발하여 정확도를 향상시킨다.
• 고도프레러(Doppler) 이동과 증가하는 안테나 수를 고려한 현실적인 조건에서 제안된 방법을 검증한다.

제안 방법

• 다중 안테나와 BEM 차수에 걸쳐 기저 전개 모델(Basis Expansion Model, BEM) 계수를 사용하여 DS 채널 추정 문제를 수식화한다.
• 안테나와 BEM 차수 간의 공동 스파arsity를 모델링하는 블록 분산 압축 센싱(BDCS) 프레임워크를 제안한다.
• 중첩된 파ilot 구조 하에서 부호 간 간섭(ICI)을 완화하기 위해 가드 파ilot를 포함한 새로운 파ilot 패턴을 도입한다.
• 측정 행렬 블록 간 상호 일관성(mutual coherence)을 최소화하여 파ilot 위치를 최적화하는 블록 이산 스토하스틱 최적화(BDSO) 알고리즘을 개발한다.
• 선형 스무딩 방법을 적용하여 고도프레러 환경에서 특히 추정 정확도를 향상시킨다.
• 블록과 공통 스파arsity를 동시에 이용하는 구조화된 복구 알고리즘(SOMP, SSP, BSOMP)을 사용하여 복원 성능을 향상시킨다.

실험 결과

연구 질문

• RQ1 BEM 계수와 다중 안테나 간의 공통 스파arsity를 활용하여 대규모 MIMO 시스템에서 파ilot 오버헤드를 줄일 수 있는가?
• RQ2 측정 행렬의 일관성을 최소화하고 압축 센싱 성능을 향상시키기 위해 파ilot 설계를 어떻게 최적화할 수 있는가?
• RQ3 안테나 수 증가와 도플러 스프레드 증가가 CS 기반 DS 채널 추정기의 추정 정확도에 미치는 영향은 무엇인가?
• RQ4 제안된 BDCS 프레임워크는 고속 이동 환경에서 기존의 LS 및 LMMSE 추정기와 비교해 어떻게 성능을 냅니다?
• RQ5 선형 스무딩 방법은 고도프레러 간섭이 높은 환경에서 BDCS 기반 추정기의 강인성과 정확도를 얼마나 향상시키는가?

주요 결과

• 제안된 BDSO 파ilot 설계는 상호 일관성(μ)을 0.1 이하로 낮추어 GA(≈0.6) 및 등간격 패턴보다 훨씬 우수한 복구 성능을 달성한다.
• BDSO 최적화 파ilot를 사용할 경우 BDCS 기반 추정기는 고장 없음 상태에서 -25 dB의 정규화된 MSE를 달성하며, LS 및 LCC 방법과는 달리 약 0 dB 수준에 머무르지 않는다.
• SOMP에 비해 블록과 공통 스파arsity를 동시에 활용하는 SSP 및 BSOMP 복구 알고리즘이 더 우수한 성능을 보이며, BSOMP-li가 가장 뛰어난 전체 정확도를 기록한다.
• 고정된 파ilot 오버헤드 조건에서 안테나 수가 증가할수록 성능은 저하되나, BDCS 프레임워크는 기존 방법 대비 뛰어난 강인성을 유지한다.
• 선형 스무딩 방법은 고도프레러 이동과 증가하는 채널 스파arsity 조건에서도 일관된 성능 향상을 제공한다.
• 채널 스파arsity(K)가 증가하거나 정규화된 도플러 이동률이 높아질수록 NMSE가 증가하지만, BSOMP와 스무딩을 적용한 BDCS 추정기는 기준 방법 대비 뛰어난 성능 유지를 유지한다.