[논문 리뷰] Channel Estimation for TDD/FDD Massive MIMO Systems with Channel Covariance Computing

Hongxiang Xie, Feifei Gao외 3명|arXiv (Cornell University)|2017. 10. 02.

Advanced MIMO Systems Optimization참고 문헌 29인용 수 5

한 줄 요약

이 논문은 TDD/FDD 마스터리 MIMO 시스템을 위한 새로운 채널 추정 방식을 제안하며, 단일 순간적인 업링크 채널 상태 정보(CSI)로부터 각도 및 전력 각도 스펙트럼(PAS) 추정을 이용해 업링크 및 다운링크 채널 공분산 행렬(CCM)을 재구성한다. 각도 및 PAS의 상호성 특성을 활용함으로써 추가적인 교육이 없이 정확한 CCM 재구성을 가능하게 하여, 다양한 어레이 기하구조와 PAS 분포에서 업링크 및 다운링크 채널 추정 정확도를 크게 향상시킨다. 수치 결과는 기존 방법들에 비해 뛰어난 성능을 보여준다.

ABSTRACT

In this paper, we propose a new channel estimation scheme for TDD/FDD massive MIMO systems by reconstructing uplink/downlink channel covariance matrices (CCMs) with the aid of array signal processing techniques. Specifically, the angle information and power angular spectrum (PAS) of each multi-path channel is extracted from the instantaneous uplink channel state information (CSI). Then, the uplink CCM is reconstructed and can be used to improve the uplink channel estimation without any additional training cost. In virtue of angle reciprocity as well as PAS reciprocity between uplink and downlink channels, the downlink CCM could also be inferred with a similar approach even for FDD massive MIMO systems. Then, the downlink instantaneous CSI can be obtained by training towards the dominant eigen-directions of each user. The proposed strategy is applicable for any kind of PAS distributions and array geometries. Numerical results are provided to demonstrate the superiority of the proposed methods over the existing ones.

연구 동기 및 목표

• FDD 마스터리 MIMO 시스템에서 높은 교육 오버헤드와 다운링크 CCM 확보의 비현실성 문제를 해결하기 위해.
• 장기적인 CCM 누적에 의존하거나 좁은 각도 분산 및 균일한 어레이를 가정하는 기존 CCM 재구성 방법의 한계를 극복하기 위해.
• 각도 및 PAS의 상호성 특성을 이용해 업링크 CCM으로부터 다운링크 CCM을 유추함으로써 FDD 시스템에서 정확한 다운링크 채널 추정을 가능하게 하기 위해.
• 임의의 어레이 기하구조와 PAS 분포에 적용 가능한 저복잡도이자 실용적인 채널 추정 프레임워크를 개발하기 위해.
• 재구성된 CCM을 활용해 빔포밍 및 교육 향상에 기여함으로써 교육 오버헤드를 감소시키고 정확도를 향상시키기 위해.

제안 방법

• 어레이 신호 처리 기법을 이용해 단일 순간적인 업링크 CSI 추정치로부터 다중 경로 성분의 각도 및 PAS 파rameter를 추출한다.
• 대규모 스케일 안테나 어레이의 구조를 활용하여 각도 및 PAS를 각도 도메인에 걸쳐 통합함으로써 업링크 CCM을 재구성한다.
• 업링크 및 다운링크 간의 각도 상호성 및 PAS 상호성을 이용해 추가적인 교육 없이 FDD 시스템에서 다운링크 CCM을 유추한다.
• 재구성된 CCM을 활용해 주로 주요 고유벡터에 집중된 피LOT 신호를 통해 업링크 교육을 향상시켜 효과적인 채널 차원을 감소시킨다.
• 실시간 각도 정보를 기반으로 한 동적 각도 분할 다중접속(ADMA) 사용자 스케줄링 전략을 적용하여 시스템 효율성을 향상시킨다.
• 제한된 수의 전개 기저 벡터(ν)를 통해 CCM의 저랭크 근사화를 수행하여 교육 오버헤드를 감소시키면서도 정확도를 유지한다.

실험 결과

연구 질문

• RQ1 장기 평균화 없이 단일 순간적인 업링크 CSI 추정치로부터 업링크 CCM을 정확하게 재구성할 수 있는가?
• RQ2 각도 및 PAS 상호성은 FDD 마스터리 MIMO 시스템에서 다운링크 CCM을 유추하는 데 얼마나 효과적으로 활용될 수 있는가?
• RQ3 제안된 CCM 재구성 방법은 기존의 압축 센싱 또는 빔포밍 기반 접근법에 비해 업링크 및 다운링크 채널 추정 정확도를 얼마나 향상시키는가?
• RQ4 각도 분산(AS)과 어레이 기하구조는 제안된 CCM 재구성 및 추정 방식의 성능에 어떤 영향을 미치는가?
• RQ5 ν(훈련 비드 수)가 작을 경우에도 이 방법이 최소한의 교육 오버헤드로 상당한 성능 향상을 달성할 수 있는가?

주요 결과

• 제안된 IC-pCCM 방법은 SBEM, CS, CF-iCCM, MC-iCCM 방법에 비해 특히 저SNR 조건 및 제한된 훈련 비드 수(ν=16)에서 업링크 MSE가 현저히 낮다.
• IC-pCCM를 통해 추정된 CCM을 활용한 MMSE 추정기의 다운링크 MSE 성능은 CF-iCCM 및 MC-iCCM에 비해 유의미하게 뛰어나며, 특히 각도 분산이 클 경우 더욱 두드러진다.
• 재구성된 CCM이 적은 고유벡터(ν=16)로도 더 많은 채널 전력을 포착할 수 있기 때문에 업링크 MSE의 오차 평면이 감소한다. 이는 잘라낸 추정에 의존하는 방법들보다 뛰어난 성능을 보인다.
• IC-pCCM의 MSE 곡선은 ν≈20에서 수평이 되지만, SBEM, CF-iCCM, MC-iCCM, CS는 유사한 성능를 달성하기 위해 ν≥32가 필요함을 보여주며, 교육 오버헤드가 낮음을 입증한다.
• 이 방법은 다양한 PAS 분포 및 어레이 기하구조에서 높은 정확도를 유지하여 그 일반성과 강건성을 확인한다.
• 실시간 각도 정보를 기반으로 한 동적 ADMA 스케줄링 전략은 사용자 간 공간 분리성을 활용하여 추가로 시스템 효율성을 향상시킨다.