[논문 리뷰] Detection and Estimation Algorithms in Massive MIMO Systems

Rodrigo C. de Lamare, Neto, R. Sampaio|arXiv (Cornell University)|2014. 08. 21.

Advanced Wireless Communication Techniques참고 문헌 87인용 수 4

한 줄 요약

이 논문은 상향 링크 셀룰러 네트워크에서 대규모 MIMO 시스템을 위한 저복잡도 검출 및 추정 알고리즘을 제안하며, 중심화된(ACS) 및 분산 안테나 시스템(DAS)에 초점을 맞춘다. 감소된 랭크 추정 기법인 JIDF-RLS가 표준 RLS보다 훨씬 적은 피LOT 기반 심벌을 사용함에도 불구하고 거의 최적의 성능를 달성함을 보여주며, 이는 훈련 오버헤드를 줄이고 낮은 BER을 유지하는 데 기여한다.

ABSTRACT

This book chapter reviews signal detection and parameter estimation techniques for multiuser multiple-antenna wireless systems with a very large number of antennas, known as massive multi-input multi-output (MIMO) systems. We consider both centralized antenna systems (CAS) and distributed antenna systems (DAS) architectures in which a large number of antenna elements are employed and focus on the uplink of a mobile cellular system. In particular, we focus on receive processing techniques that include signal detection and parameter estimation problems and discuss the specific needs of massive MIMO systems. Simulation results illustrate the performance of detection and estimation algorithms under several scenarios of interest. Key problems are discussed and future trends in massive MIMO systems are pointed out.

연구 동기 및 목표

• 안테나 수가 대규모 배열로 증가함에 따라 기존 MIMO 검출 및 추정 알고리즘의 높은 계산 복잡도 문제를 해결한다.
• 성능을 유지하면서 더 적은 훈련 심벌을 사용하는 저랭크 및 희박성 인식 알고리즘 개발을 통해 채널 추정에서의 피LOT 오버헤드를 줄인다.
• 감소된 피드백 및 지연을 통해 저비용의 반복적 검출 및 디코딩을 가능하게 하여 대규모 MIMO의 시스템 확장성과 에너지 효율성을 향상시킨다.
• 피LOT 오염, I/Q 불균형 및 이웃셀 간 간섭과 같은 주요 손상 요인을 고급 신호 처리 기법을 통해 완화한다.
• 향후 5G 네트워크에서 대규모 MIMO의 실용적 구현을 가능하게 하기 위해 확장 가능하고 저지연 검출 및 추정 전략을 제안한다.

제안 방법

• 다중 사용자 대규모 MIMO 시스템에서 성능을 향상시키기 위해 검출기와 디코더 간에 로그-가능도 비율(LLR) 교환을 수행하는 반복적 검출 및 디코딩(IDD) 기법을 제안한다.
• 저차원 부분공간을 사용하여 전체 랭크 채널 행렬을 근사하는 감소된 랭크 추정 알고리즘—Krylov-RLS, JIO-RLS, JIDF-RLS—를 적용하여 계산 부담을 감소시킨다.
• 고정된 랭크 D를 사용하여 복잡도를 제한하는 감소된 랭크 RLS 알고리즘을 적용하여 수신 필터를 효율적으로 추정한다.
• DAS 구성에서 수렴성 향상과 피LOT 오버헤드 감소를 위해 보간기를 활용한 공동 반복적 검출 및 피드백(JIDF) 프레임워크를 도입한다.
• SNR, 사용자 수, 어레이 구성 등 다양한 채널 모델과 시스템 파라미터에서의 성능를 분석한다.
• BER 및 평균 제곱 오차(MSE)를 성능 지표로 사용하여 표준 RLS와 감소된 랭크 변종을 비교한다.

실험 결과

연구 질문

• RQ1 감소된 랭크 추정 알고리즘이 표준 RLS보다 훨씬 적은 피LOT 심벌을 사용함에도 불구하고 대규모 MIMO 시스템에서 거의 최적의 검출 성능를 달성할 수 있는가?
• RQ2 반복적 검출 및 디코딩(IDD) 기법은 제한된 피드백 조건에서 대규모 MIMO 상향 링크 시스템의 BER 성능를 어떻게 향상시키는가?
• RQ3 피LOT 오염은 채널 추정에 어떤 영향을 미치며, 블라인드 또는 감소된 랭크 알고리즘이 이 영향을 완화할 수 있는가?
• RQ4 신호 처리 기법은 대규모 안테나 어레이를 갖춘 대규모 MIMO 시스템에서 계산 복잡도와 피드백 오버헤드를 어떻게 줄일 수 있는가?
• RQ5 다셀 및 분산 안테나 시스템(DAS) 환경에서 저복잡도 검출 알고리즘의 성능 한계는 무엇인가?

주요 결과

• JIDF-RLS 알고리즘은 모든 감소된 랭크 방법 중에서 가장 우수한 BER 성능를 기록하며, Krylov-RLS, JIO-RLS 및 표준 RLS를 모두 능가한다.
• 감소된 랭크 알고리즘인 JIDF-RLS는 표준 RLS와 유사한 성능를 달성하면서도 피LOT 심벌의 일부분만으로도 충분하며, 이는 훈련 오버헤드를 크게 줄이는 데 기여한다.
• 감소된 랭크 알고리즘의 BER 수렴 성능는 수신 심벌 수가 증가할수록 향상되며, JIDF-RLS는 가장 빠른 수렴 속도를 보인다.
• 기지국과 사용자 장치에 각각 64개 및 32개의 안테나를 갖는 DAS 구성에서 32명의 사용자가 존재할 경우, JIDF-RLS는 D=5 및 I=3 보간기 파라미터 설정에서 거의-MMSE 성능를 달성한다.
• 표준 RLS 알고리즘은 긴 훈련 시퀀스가 필요로 할 때에만 MMSE 경계에 수렴하지만, 감소된 랭크 방법는 공분산 행렬의 구조와 선택된 랭크 D에 따라 더 높은 MSE 값으로 수렴할 수 있다.
• 시뮬레이션 결과는 감소된 랭크 기법이 실용적 구현에 적합하며, 대규모 MIMO 시스템에서 성능와 피LOT 오버헤드 사이의 확장 가능한 트레이드오프를 제공함을 확인한다.