[논문 리뷰] Efficient Beam Training and Channel Estimation for Millimeter Wave Communications Under Mobility

Sun Hong Lim, Jisu Bae Sunwoo Kim외 3명|arXiv (Cornell University)|2018. 04. 21.

Millimeter-Wave Propagation and Modeling참고 문헌 30인용 수 7

한 줄 요약

이 논문은 고속 이동성 사용자를 고려한 mmWave 통신 환경에서 전용 비드 트레이닝 및 채널 추정 프레임워크를 제안한다. 고속 이동성 사용자를 위한 트레이닝 비드를 최적화하여 오버헤드를 감소시킨다. 확률적 채널 지식과 그레디티 스퍼스 추정 알고리즘을 활용함으로써, 기존 방법에 비해 훨씬 적은 트레이닝 자원으로 낮은 채널 추정 오차를 달성한다.

ABSTRACT

In this paper, we propose an efficient beam training technique for millimeter-wave (mmWave) communications. When some mobile users are under high mobility, the beam training should be performed frequently to ensure the accurate acquisition of the channel state information. In order to reduce the resource overhead caused by frequent beam training, we introduce a dedicated beam training strategy which sends the training beams separately to a specific high mobility user (called a target user) without changing the periodicity of the conventional beam training. The dedicated beam training requires small amount of resources since the training beams can be optimized for the target user. In order to satisfy the performance requirement with low training overhead, we propose the optimal training beam selection strategy which finds the best beamforming vectors yielding the lowest channel estimation error based on the target user's probabilistic channel information. Such dedicated beam training is combined with the greedy channel estimation algorithm that accounts for sparse characteristics and temporal dynamics of the target user's channel. Our numerical evaluation demonstrates that the proposed scheme can maintain good channel estimation performance with significantly less training overhead compared to the conventional beam training protocols.

연구 동기 및 목표

• 고속 이동성 사용자가 빈번한 비드 트레이닝이 필요한 경우 mmWave 시스템에서 높은 트레이닝 오버헤드 문제를 해결한다.
• 모든 사용자가 아닌 고속 이동성 사용자에게만 집중함으로써 자원 소비를 줄인다.
• 이동성으로 인한 빠른 채널 변화에도 정확한 채널 상태 정보(CSI) 확보를 유지를 한다.
• 시간에 따라 변화하는, 희박한 mmWave 채널에 특화된 저오버헤드, 고성능 채널 추정 알고리즘을 개발한다.

제안 방법

• 기존의 주기적 비드 순환 방식과 분리하여 고속 이동성 사용자에게만 트레이닝 비드를 전송하는 전용 비드 트레이닝 전략을 도입한다.
• 목표 사용자의 확률적 채널 상태 정보를 활용해 추정 오차를 최소화하는 최적의 비드 선택 알고리즘을 설계한다.
• 다중 트레이닝 주기 동안 mmWave 채널의 시간적 상관성과 희박성을 활용하는 그레디티 스퍼스 채널 추정 알고리즘을 적용한다.
• 다중 측정 벡터(MMV) 프레임워크를 사용해 다수의 비드 트레이닝 인스턴스를 동시에 처리함으로써 추정 정확도를 향상시킨다.
• 비드 포밍 벡터 최적화와 시간 동적 모델링을 통합하여 이동성 조건 하에서의 추적 성능을 향상시킨다.
• 압축 감지 원리를 적용해 도착각(AoA) 및 출발각(AoD) 성분을 효율적으로 복원한다.

실험 결과

연구 질문

• RQ1 채널 추정 정확도를 훼손하지 않으면서 mmWave 시스템에서 고속 이동성 사용자를 위한 비드 트레이닝 오버헤드를 어떻게 최소화할 수 있는가?
• RQ2 트레이닝 자원이 제한되고 사용자 이동성이 높을 경우 추정 오차를 최소화하는 비드 선택 전략은 무엇인가?
• RQ3 채널의 시간적 상관성을 얼마나 잘 활용할 수 있을까? 이는 트레이닝 오버헤드를 줄이면서 추정 성능을 향상시키는 데 기여하는가?
• RQ4 제안된 방법은 기존의 비드 트레이닝 및 최신 기술 수준의 비드 트래킹 알고리즘과 비교해 추정 오차와 자원 사용 측면에서 어떻게 성능을 발휘하는가?

주요 결과

• 모든 SNR 범위에서 OMP보다 낮은 정규화된 평균 제곱오차(NMSE)를 달성하며, 저SNR 영역에서 시간적 상관성을 활용함으로써 성능 격차가 더 크게 나타난다.
• 그레디티 스퍼스 추정 알고리즘이 후행 비드 트레이닝 주기에서 유도된 다중 측정 벡터를 공동 처리함으로써 기준 방법보다 뛰어난 성능을 발휘한다.
• 전용 비드 트레이닝 프로토콜이 고속 이동성 사용자에 대해 높은 추정 정확도를 유지하면서도 트레이닝 오버헤드를 크게 감소시킨다.
• 제안된 방법은 추정 정확도 및 자원 효율성 측면에서 최신 기술 수준의 비드 트래킹 알고리즘 [35, 33]보다 뛰어난 성능을 발휘한다.
• 크래머-라오 하한(CRLB) 유도 결과는 가정된 채널 모델 하에서 제안된 추정 프레임워크의 이론적 최적성을 확인한다.
• 수치적 평가 결과, 제안된 접근법은 기존 프로토콜 대비 상당히 감소된 트레이닝 자원 소비로도 양호한 채널 추정 성능을 유지함을 입증한다.