[논문 리뷰] Iterative Channel Estimation Using LSE and Sparse Message Passing for MmWave MIMO Systems

Chongwen Huang, Lei Liu외 2명|arXiv (Cornell University)|2016. 11. 17.

Advanced MIMO Systems Optimization참고 문헌 60인용 수 7

한 줄 요약

이 논문은 mmWave MIMO 시스템을 위한 반복적 채널 추정 알고리즘을 제안하며, 채널의 희박성 특성을 활용하기 위해 최소 제곱 추정(LSE)과 희박 메시지 전파(SMP)를 결합한다. SMP를 통해 반복적으로 비영 채널 터널의 위치를 탐지하고, LSE를 통해 진폭을 추정함으로써, 오직 다섯 번의 터보 반복만으로도 Cramér-Rao 하한(CRLB)에 가까운 성능을 달성하며, 저SNR 및 매우 희박한 채널 조건에서 기존의 희박 추정기법보다 뛰어난 성능을 보인다.

ABSTRACT

We propose an iterative channel estimation algorithm based on the Least Square Estimation (LSE) and Sparse Message Passing (SMP) algorithm for the Millimeter Wave (mmWave) MIMO systems. The channel coefficients of the mmWave MIMO are approximately modeled as a Bernoulli-Gaussian distribution and the channel matrix is sparse with only a few non-zero entries. By leveraging the advantage of sparseness, we propose an algorithm that iteratively detects the exact locations and values of non-zero entries of the sparse channel matrix. At each iteration, the locations are detected by the SMP, and values are estimated with the LSE. We also analyze the Cramér-Rao Lower Bound (CLRB), and show that the proposed algorithm is a minimum variance unbiased estimator under the assumption that we have the partial priori knowledge of the channel. Furthermore, we employ the Gaussian approximation for message densities under density evolution to simplify the analysis of the algorithm, which provides a simple method to predict the performance of the proposed algorithm. Numerical experiments show that the proposed algorithm has much better performance than the existing sparse estimators, especially when the channel is sparse. In addition, our proposed algorithm converges to the CRLB of the genie-aided estimation of sparse channels with only five turbo iterations.

연구 동기 및 목표

• 하이브리드 아날로그/디지털 아키텍처와 희박한 채널 특성으로 인해 기존의 MIMO 추정 방법이 mmWave 시스템에 부적합한 점을 고려하여, 채널의 희박성을 활용해 효율적인 추정을 수행함으로써 mmWave MIMO 시스템의 높은 경로 손실 문제를 해결한다.
• 채널 분포에 대한 완전한 사전 지식이 필요하지 않은, 저복잡도의 반복적 알고리즘을 설계하여, 비영 채널 터널의 위치와 진폭을 동시에 추정한다.
• 부분적인 사전 지식이 있는 상황에서 최소 분산 무편향 추정기(minimum variance unbiased estimation)를 달성할 수 있음을 입증한다.
• 밀도 진동(density evolution) 기반의 가우시안 근사 기법을 활용해 알고리즘 분석 및 설계를 위한 성능 예측 프레임워크를 제공한다.

제안 방법

• mmWave MIMO 채널을 베르누이-가우시안 분포를 가진 희박 신호로 모델링하며, 비영 성분이 몇 개에 불과하다.
• 반복적 프레임워크를 적용: 각 반복 단계에서 SMP는 희박 지지집합(비영 터널의 위치)을 탐지하고, LSE는 해당 터널의 진폭을 추정한다.
• 희박성 패턴을 개선하고 추정 정확도를 향상시키기 위해 기대치 최대화(EM) 알고리즘을 적용한다.
• 메시지 전파 동역학을 단순화하고 알고리즘 성능 예측을 가능하게 하기 위해 밀도 진동에서 가우시안 근사를 활용한다.
• 베이지안 추론과 모멘트 매칭을 사용해 메시지 분산 및 평균 추정의 폐쇄형 업데이트 식을 유도한다.
• LSE 및 LSE-SMP의 Cramér-Rao 하한(CRLB)을 분석하여, 제안된 방법이 게이니-보조(CRLB)에 가까운 성능를 달성함을 보여준다.

실험 결과

연구 질문

• RQ1 반복적 LSE와 SMP가 mmWave MIMO 시스템에서 채널의 희박성을 공동으로 활용하여 추정 정확도를 향상시킬 수 있는가?
• RQ2 제안된 LSE-SMP 알고리즘의 성능는 기존의 희박 추정기법과 비교해 MSE 및 수렴 속도 측면에서 어떻게 다른가?
• RQ3 알고리즘이 희박 채널 추정의 Cramér-Rao 하한(CRLB)에 얼마나 가까이 접근하는가?
• RQ4 부분적인 사전 지식이 추정기의 분산과 편향에 어떤 영향을 미치며, 알고리즘이 여전히 최소 분산 무편향 추정기로 유지되는가?
• RQ5 밀도 진동 기반의 가우시안 근사는 반복적 LSE-SMP 알고리즘의 성능 예측에 정확하고 실용적인 방법을 제공할 수 있는가?

주요 결과

• 제안된 LSE-SMP 알고리즘은 근사 최적 성능를 달성하며, 단 다섯 번의 터보 반복만으로도 게이니-보조 희박 채널 추정의 Cramér-Rao 하한(CRLB)에 도달한다.
• 특히 저신호대노이즈비(SNR) 및 매우 희박한 채널 조건에서 기존의 희박 추정기법보다 뚜렷이 뛰어난 성능를 보인다.
• 이론적 분석을 통해 LSE-SMP 추정기는 부분적인 채널 희박성 구조 사전 지식이 있을 경우 최소 분산 무편향 추정기임을 확인하였다.
• 밀도 진동에서의 가우시안 근사는 반복 알고리즘의 정확한 성능 예측과 계산 효율성을 동시에 가능하게 하였다.
• LSE-SMP 알고리즘의 CRLB($\mathbf{CRLB_{LSE-SMP}}$)는 표준 LSE($\mathbf{CRLB_{LSE}}$)보다 엄격히 낮으며, 희박성 특성을 활용하는 것이 유리함을 입증하였다.
• 수치 결과는 다양한 희박성 수준과 SNR 영역에서 알고리즘이 뛰어난 강건성과 실용성을 유지함을 검증하였으며, mmWave MIMO 시스템에 대한 실용적 타당성을 확인하였다.