[논문 리뷰] Estimating Doubly-Selective Channels for Hybrid mmWave Massive MIMO Systems: A Doubly-Sparse Approach

Shijian Gao, Xiang Cheng외 1명|arXiv (Cornell University)|2019. 12. 18.

Millimeter-Wave Propagation and Modeling참고 문헌 25인용 수 4

한 줄 요약

이 논문은 이중 희소성(beam-space sparsity 및 delay-domain sparsity)을 동시에 이용하는 하이브리드 mmWave 대량 MIMO 시스템을 위한 이중 희소 채널 추정 프레임워크를 제안한다. 이중 단계 훈련 설계를 통해 주파수 및 시간 선택성(도플러 효과) 환경에서도 강인한 성능을 달성하며, 기준 방법 대비 훈련 오버헤드를 20% 감소시키고 메모리 사용량을 99.9% 줄였다. 고속 이동 환경에서도 높은 정확도를 유지한다.

ABSTRACT

In mmWave massive multiple-input multiple-output (mMIMO) systems, hybrid digital/analog beamforming has been recognized as an economic means to overcome the severe mmWave propagation loss. To facilitate beamforming for mmWace mMIMO, there is a great urgency to acquire accurate channel state information. To this end, a novel doubly-sparse approach is proposed to estimate doubly-selective mmWave channels under hybrid mMIMO. Via the judiciously designed training pattern, the well-known beamspace sparsity along with the under-investigated delay-domain sparsity that mmWave channels exhibit can be jointly exploited to assist channel estimation. Thanks to our careful two-stage (random-probing and steering-probing) design, the proposed channel estimator possesses strong robustness against the double (frequency and time) selectivity whilst enjoying the benefits brought by the exploitation of double sparsity. Compared with existing alternatives, our proposed channel estimator not only proves to be more general, but also largely reduces the training overhead, storage demand as well as computational complexity.

연구 동기 및 목표

• 제한된 RF 체인을 가진 하이브리드 mmWave 대량 MIMO 시스템에서 정확한 채널 상태 정보(Channel State Information, CSI) 확보의 과제를 해결한다.
• 기존 방법들이 동시에 beam-space 및 delay-domain 희소성을 활용하지 못하는 한계를 극복한다.
• 이동 환경에서 도플러 이동으로 인한 주파수 및 시간 선택성에 강건한 채널 추정기를 개발한다.
• 광대역 mmWave 시스템에서 훈련 오버헤드, 저장 요구량, 계산 복잡도를 최소화한다.
• 5G 및 그 이상의 시스템에서 실시간 구현에 적합한 일반적이고 효율적이며 실용적인 솔루션을 제공한다.

제안 방법

• 랜덤 프로빙을 통한 활성 채널 터널 식별과 범프로빙을 통한 각도 지원 정밀화를 위한 이중 단계 훈련 패tern 설계.
• 에너지 검출을 활용해 지연 도메인에서 효과적인 채널 터널을 식별함으로써 광대역 채널의 희소 표현 가능하게 한다.
• 고도로 도플러에 민감한 환경에서 각도 지원 복구 성능을 향상시키기 위해 기저 매칭 및 잔차 업데이트를 동적으로 조정하는 적응형 OMP 알고리즘(A-BOMP)을 제안.
• 추정된 각도 지원 기반의 범프로빙 전략을 구현하여 낮은 훈련 오버헤드로 경로 이득과 도플러 이동을 동시에 추정한다.
• 압축 측정 이론을 활용해 beam-space 및 delay-domain 희소성을 동시에 이용함으로써 필요 훈련 기호 수를 감소시킨다.
• 시간에 따라 변화하는 채널 환경에서 정확도를 유지하기 위해 추정 과정에 도플러 보정 기법을 통합한다.

실험 결과

연구 질문

• RQ1 어떻게 beam-space 희소성과 delay-domain 희소성을 동시에 이용하여 하이브리드 mmWave 대량 MIMO 시스템의 채널 추정 성능을 향상시킬 수 있는가?
• RQ2 어떤 훈련 패턴 설계가 도플러 이동으로 인한 주파수 및 시간 선택성 환경에서도 강인한 추정을 가능하게 하는가?
• RQ3 제안된 A-BOMP 알고리즘이 고속 이동 환경에서 기존 OMP 또는 DPC-BOMP 대비 각도 지원 복구 성능을 어떻게 향상시키는가?
• RQ4 기존의 LS 및 BSA 기반 추정기 대비 제안된 이중 희소 접근법은 훈련 오버헤드 및 계산 복잡도를 얼마나 줄이는가?
• RQ5 본 방법의 성능는 아날로그 프레이징 이격기(APS)의 해상도와 RF 체인 수에 얼마나 민감한가?

주요 결과

• 제안된 이중 희소 접근법(DSA)은 고 SNR 조건에서 기준 BSA 대비 훈련 오버헤드를 20% 감소시켜 뚜렷한 효율성 향상을 보였다.
• DSA는 BSA의 18GB에서 9MB로 메모리 사용량을 99.9% 감소시켰으며, 이는 200×4096 크기의 훨씬 작은 센싱 행렬 크기 덕분이었다.
• 모든 SNR 영역에서 DSA는 BSA 및 LS 추정기보다 NMSE 성능이 뛰어나며, 중간에서 고 SNR 영역에서 특히 두드러진 성능 격차를 보였다.
• A-BOMP 알고리즘은 사전 정의된 반복 수 조건에서도 이상 기준(K=4)에 가까운 NMSE 성능을 달성하여 강인성과 효율성을 입증했다.
• 전파 경로 수(P=3에서 P=6) 변화에 관계없이 낮은 NMSE 저하를 유지함으로써 경로 수 변화에 민감하지 않음을 보였다.
• APS 해상도를 1비트에서 2비트로 증가시킬 경우 NMSE가 크게 향상되었지만, 3~5비트로 추가로 증가시켜도 성능 향상은 극히 미미(0.5dB 이내)하여 세밀한 해상도에 민감하지 않음을 확인했다.