[논문 리뷰] Fast Uplink Grant-Free NOMA with Sinusoidal Spreading Sequences

Shah Mahdi Hasan, Kaushik Mahata외 1명|arXiv (Cornell University)|2020. 10. 01.

Advanced Wireless Communication Technologies참고 문헌 28인용 수 5

한 줄 요약

이 논문은 대량의 기계간 통신(mMTC)에서 업링크 지배적인 그랜트 프리 NOMA에 대해 사인파 확산 시퀀스를 제안하며, 활성 사용자 검출 문제를 주파수 추정 문제로 전환한다. 바르드몬드 구조를 활용함으로써, 반복이 필요 없고 복잡도가 낮은 알고리즘 예를 들어 ESPRIT 및 root-MUSIC를 적용할 수 있게 되어, 사용자 희박성, 채널 통계 또는 활성 확률에 대한 사전 지식이 필요 없이 최신의 EP 및 CS-MUD 방법보다 뛰어난 성능을 달성한다.

ABSTRACT

Uplink (UL) dominated sporadic transmission and stringent latency requirement of massive machine type communication (mMTC) forces researchers to abandon complicated grant-acknowledgment based legacy networks. UL grant-free non-orthogonal multiple access (NOMA) provides an array of features which can be harnessed to efficiently solve the problem of massive random connectivity and latency. Because of the inherent sparsity in user activity pattern in mMTC, the trend of existing literature specifically revolves around compressive sensing based multi user detection (CS-MUD) and Bayesian framework paradigm which employs either random or Zadoff-Chu spreading sequences for non-orthogonal multiple access. In this work, we propose sinusoidal code as candidate spreading sequences. We show that, sinusoidal codes allow some non-iterative algorithms to be employed in context of active user detection, channel estimation and data detection in a UL grant-free mMTC system. This relaxes the requirement of several impractical assumptions considered in the state-of-art algorithms with added advantages of performance guarantees and lower computational cost. Extensive simulation results validate the performance potential of sinusoidal codes in realistic mMTC environments.

연구 동기 및 목표

• 업링크 지배적인 불규칙한 mMTC 네트워크에서 그랜트 기반 시스템의 높은 지연과 신호 처리 오버헤드를 해결한다.
• 사용자 희박성, 채널 통계 또는 활성 확률에 대한 사전 가정이 필요한 기존의 압축 측정 및 베이지안 방법의 한계를 극복한다.
• 그랜트 프리 NOMA에서 활성 사용자 검출, 채널 추정 및 데이터 검출을 위한 저복잡도, 고성능 검출 및 추정 프레임워크를 개발한다.
• 사용 가능한 신호 구조를 활용하기 위해 확산 시퀀스를 설계함으로써, 반복이 없는 계산적으로 효율적인 알고리즘을 가능하게 한다.

제안 방법

• 신호 모델에 바르드몬드 구조를 유도하기 위해 사인파 확산 시퀀스를 사용함으로써, 고전적 부분공간 방법인 ESPRIT 및 root-MUSIC의 적용을 가능하게 한다.
• 사전 지식 없이도 희박성 또는 활성 확률을 알 수 없을 때도 사용자 수를 추정하기 위해 정보 기준(예: AICc, BIC, WIC)을 적용한다.
• 기본적으로 알려진 신호 변조 방식을 활용하여 부분공간 구조를 이용해 공동 채널 추정 및 데이터 검출을 향상시킨다.
• 필요에 따라 ESPRIT 추정치로 Variable Projection 알고리즘을 초기화하여 고간섭 또는 고노이즈 환경에서 성능을 개선할 수 있다.
• 신호 대 잡음비(SNR)가 낮아 데이터 검출이 신뢰할 수 없는 사용자들을 식별하기 위해 임계값 기반 결정 규칙을 개발한다.
• 프레임 단위 신호 처리를 통해 프레임 간 신호를 일관성 있게 통합함으로써 추정 및 검출에 대한 노이즈 영향을 최소화한다.

실험 결과

연구 질문

• RQ1 사인파 확산 시퀀스를 통해 사용자 희박성 또는 채널 통계에 대한 사전 가정 없이도 그랜트 프리 mMTC에서 반복이 없고 복잡도가 낮은 알고리즘을 통한 활성 사용자 검출이 가능한가?
• RQ2 ESPRIT 및 ESP-VPN의 성능은 최신의 EP 및 CS-MUD 방법에 비해 검출 정확도와 계산 비용 측면에서 어떻게 비교되는가?
• RQ3 사용자 활성 확률, 전송 전력, 사용자 수가 변할 경우 제안된 방법의 성능가 어떻게 유지되는가?
• RQ4 제안된 프레임워크에서 신호 변조 방식의 지식을 활용하면 공동 채널 추정 및 데이터 검출 성능이 향상될 수 있는가?
• RQ5 활성 사용자 간의 각도 주파수 간격이 ESPRIT 기반 검출 성능에 미치는 영향은 어떠한가?

주요 결과

• 제안된 방법은 모든 테스트 설정에서 최신의 EP 알고리즘보다 MDR, NSER 및 RMSE 모든 지표에서 뛰어난 성능을 보이며, 저SNR 및 고활성 환경에서 뚜렷한 성능 향상을 보인다.
• 20 dBm 전송 전력과 $ p_a = 0.1 $ 조건에서, $ M $가 32에서 112로 증가함에 따라 제안된 방법은 RMSE가 0.1 이하로 낮게 유지되는 반면, EP의 성능는 심각하게 악화된다.
• $ M = 64 $일 때, 0 dBm 전송 전력에서 약 6%의 UE만 신뢰할 수 없는 사용자로 분류되며, 이는 저SNR 환경에서도 뛰어난 강건성을 보임을 시사한다.
• EP보다 제안된 방법의 계산 비용이 현저히 낮으며, 총 UE 수 $ N $ 증가에 따라 평균 CPU 시간이 훨씬 느리게 증가한다.
• 고 $ p_a ightarrow 0.2 $ 조건에서 ESP-VPN은 ESPRIT에 비해 다소 향상된 성능(특히 MDR 및 NSER 측면에서)을 제공하지만, 약간 더 높은 계산 비용을 수반한다.
• 정보 기준을 통한 희박성 추정을 통해 $ M $, 전송 전력, $ p_a $의 변화에 대해 강건하며, $ p_a $가 0.1을 초과해도 성능 저하가 최소한이 된다.