[논문 리뷰] Evaluation of the Spatial Consistency Feature in the 3GPP GSCM Channel Model

Martin Kurras, Sida Dai외 2명|arXiv (Cornell University)|2018. 08. 10.

Advanced MIMO Systems Optimization참고 문헌 11인용 수 6

한 줄 요약

이 논문은 3GPP 기반의 임의적 채널 모델(GSCM)의 공간 일관성 기능을 평가한다. 이 기능은 공간적으로 분리된 사용자 간의 소규모 fading 파rameter 간 상관관계를 향상시킨다. 거리가 감소함에 따라 각도 매개변수(AoA, AoD)와 사용자 간 공분산 행렬이 수렴함을 보장하며, $d_\text{λ} \geq 15$ m일 경우 정규화된 지표 $d_{\text{CMD}}$가 1 m 거리에서 1에 수렴함을 확인하여, 5G MIMO 시스템에서 신뢰할 수 있는 사용자 클러스터링이 가능함을 입증한다.

ABSTRACT

Since the development of 4G networks, Multiple-Input Multiple-Output (MIMO) and later multiple-user MIMO became a mature part to increase the spectral efficiency of mobile communication networks. An essential part of simultaneous multiple-user communication is the grouping of users with complementing channel properties. With the introduction of Base Station (BS) with large amount of antenna ports, i.e. transceiver units, the focus in spatial precoding is moved from uniform to heterogeneous cell coverage with changing traffic demands throughout the cell and 3D beamforming. In order to deal with the increasing feedback requirement for Frequency-Division Duplex (FDD) systems, concepts for user clustering on second order statistics are suggested in both the scientific and standardization literature. Former 3rd Generation Partnership Project (3GPP) Geometry-based Stochastic Channel Model (GSCM) channel models lack the required spatial correlation of small-scale fading. Since the latest release of 3GPP Geometry-based Stochastic Channel Model this issue is claimed to be solved and hence our contribution is an evaluation of this spatial consistency feature.

연구 동기 및 목표

• 최신 3GPP GSCM에 도입된 공간 일관성 기능을 평가하여 사용자 간 소규모 fading의 상관관계를 향상시키는지 확인한다.
• 이전 버전의 GSCM에서 공간 상관관계가 부족하여 대규모 MIMO 및 협동 전송의 정확한 사용자 클러스터링이 어려웠던 문제를 해결한다.
• 공간 일관성 기능이 FDD 시스템에서 이차 통계 기반으로 일관된 사용자 그룹화를 가능하게 하는지 검증한다.
• 분산 거리 $d_\lambda$ 가 사용자 간 각도 및 공분산 유사성에 미치는 영향을 정량화한다.
• QuaDRiGa 채널 모델을 사용하여 JSDM 및 유사한 사용자 클러스터링 기법의 신뢰할 수 있는 성능 평가를 지원한다.

제안 방법

• QuaDRiGa 기반 GSCM을 사용하여 3D 도심 매크로 환경에서 한 사용자가 다른 사용자 쪽으로 이동하는 2사용자 시나리오를 시뮬레이션한다.
• MPC의 아즈임 각도 및 고도 각도(AoA)의 차이를 측정하기 위해 각도 거리 지표 $\Delta\phi$ 및 $\Delta\theta$ 를 활용한다.
• 경로 손실 및 LSPs에 따라 의존하는 채널 공분산 행렬 간 비교를 위해 현수거리 $d_C(\mathbf{R}_1, \mathbf{R}_2)$ 를 사용한다.
• 공분산 행렬 유사성 평가를 위해 정규화된 지표 $d_{\text{CMD}}$ 를 적용하며, 값은 0(수직)에서 1(동일) 사이를 범위로 한다.
• 사용자 간 공간 상관관계를 제어하기 위해 $d_\lambda$ 를 0에서 20 m까지 변화시킨다.
• 사용자 간 거리가 0 m로 감소함에 따라 각도 및 공분산 지표의 수렴 여부를 분석한다.

실험 결과

연구 질문

• RQ1 사용자 간 거리가 감소함에 따라 공간 일관성 기능이 두 사용자 간 각도 차이(AoA, AoD)에 미치는 영향은 어떠한가?
• RQ2 사용자 간 거리가 감소함에 따라 사용자 공분산 행렬 간 현수거리 $d_C$ 는 얼마나 감소하는가?
• RQ3 사용자가 가까워질수록 정규화된 $d_{\text{CMD}}$ 지표가 1에 수렴하는 정도는 어떠한가? 이때 $d_\lambda$ 는 어떤 역할을 하는가?
• RQ4 공간 일관성이 없는 경우($d_\lambda = 0$ m) 공분산 행렬 간 잔류 유사성은 어느 정도인가?
• RQ5 $d_{\text{CMD}}$ 는 JSDM 또는 유사 기법에서 사용자 클러스터링을 위한 신뢰할 수 있는 임계값 기반 기준으로 사용될 수 있는가?

주요 결과

• 사용자 간 거리 감소에 따라 각도 거리 $\Delta\phi$ 와 $\Delta\theta$ 가 감소하며, $d_\lambda = 5$ m에서 기울기 변화가 뚜렷하다.
• 사용자 간 거리 감소에 따라 현수거리 $d_C$ 는 0에 수렴하며, 약 5 m 거리에서 $d_\lambda = 20$ m일 경우 기울기 변화가 뚜렷하다.
• 정규화된 $d_{\text{CMD}}$ 지표는 $d_\lambda \geq 15$ m일 경우 약 1 m 거리에서 1에 수렴함을 확인하여 공분산 유사성이 매우 높음을 나타낸다.
• 조금이라도 $d_\lambda = 0$ m(공간 일관성이 없음)일 경우에도 $d_{\text{CMD}}$ 는 약 0.64에 포화되며, 이는 대규모 매개변수(K-팩터, 지연, 스프레드)의 상관관계 때문임을 확인하였다.
• $d_{\text{CMD}}$ 지표를 사용하면 대규모 매개변수에 영향을 받지 않는 클러스터링 임계값 설정이 가능하며, $d_\lambda \geq 15$ m일 경우 1 m 거리에서 $\epsilon_{\text{CMD}} = 0.95$ 를 달성할 수 있다.
• 공간 일관성 기능은 사용자 간 페이딩 상관관계를 일관되게 유지함으로써 FDD 대규모 MIMO 시스템에서 신뢰할 수 있는 사용자 클러스터링을 가능하게 한다.