[논문 리뷰] Low-Complexity Massive MIMO Subspace Estimation and Tracking from Low-Dimensional Projections

Saeid Haghighatshoar, Giuseppe Caire|arXiv (Cornell University)|2016. 08. 08.

Direction-of-Arrival Estimation Techniques인용 수 4

한 줄 요약

이 논문은 채널 벡터의 저차원 투영을 이용하여 대량의 MIMO 시스템에서 부분공간 추정 및 추적을 위한 저복잡도 알고리즘을 제안한다. 근사 최대우도(AML) 준정방행렬 프로그래밍을 대각행렬 위의 볼록 최적화 문제로 재구성함으로써, 상당히 감소된 계산 비용으로 near-optimal 성능를 달성하여 실시간으로 동적인 채널 부분공간 변화를 실용적인 대량 MIMO 구현 환경에서 추적할 수 있다.

ABSTRACT

Massive MIMO is a variant of multiuser MIMO, where the number of antennas $M$ at the base-station is large, and generally much larger than the number of spatially multiplexed data streams to/from the users. It has been observed that in many realistic propagation scenarios as well as in spatially correlated channel models used in standardizations, although the user channel vectors have a very high-dim $M$, they lie on low-dim subspaces due to their limited angular spread. This low-dim subspace structure remains stable across many coherence blocks and can be exploited in several ways to improve the system performance. A main challenge, however, is to estimate this signal subspace from samples of users' channel vectors as fast and efficiently as possible. In a recent work, we addressed this problem and proposed a very effective novel algorithm referred to as Approximate Maximum-Likelihood (AML), which was formulated as a semi-definite program (SDP). In this paper, we address two problems left open in our previous work: computational complexity and tracking. The algorithm proposed in this paper is reminiscent of Multiple Measurement Vectors (MMV) problem in Compressed Sensing and is proved to be equivalent to the AML Algorithm for sufficiently dense angular grids. It has also a very low computational complexity and is able to track sharp transitions in the channel statistics very quickly. Although mainly motivated by massive MIMO applications, our proposed algorithm is of independent interest in other related subspace estimation applications. We assess the estimation/tracking performance of our proposed algorithm empirically via numerical simulations, especially in practically relevant situations where a direct implementation of the SDP would be infeasible in real-time. We also compare the performance of our algorithm with other related subspace estimation algorithms in the literature.

연구 동기 및 목표

• 이전 연구에서 대량 MIMO 시스템의 부분공간 추정에 있어 준정방행렬 프로그래밍(SDP)을 사용할 경우 발생하는 높은 계산 복잡도 문제를 해결하기 위해.
• 저차원 채널 벡터 투영에서 저랭크 신호 부분공간을 실시간으로, 저복잡도로 추정할 수 있도록 하기 위해.
• 특히 부분공간 구조의 급격한 전이가 발생하는 경우에도 시간에 따라 변화하는 채널 통계를 추적할 수 있도록 AML 알고리즘을 확장하기 위해.
• 2차원 직사각형 격자와 같은 일반적인 어레이 구성에 대해 효율적인 수치적 구현을 제공하기 위해.
• 계산 자원 제약으로 인해 직접 SDP 구현이 실시간 운영에 비현실적인 상황에서도 실용적인 타당성을 입증하기 위해.

제안 방법

• 기존 AML SDP를 밀도 있는 각도 그리드에 대한 전력 분포를 나타내는 대각행렬 위의 볼록 최적화 문제로 재구성한다.
• 신호 공분산을 나타내는 대각행렬 P를 사용한 매개변수화를 도입하여 최적화 문제를 다음과 같이 표현한다: min_{P∈D₊} tr((ḠPḠᴴ + Iₘ)⁻¹Ĉₓ) + tr(P).
• 문제를 볼록 프로그램으로 표현하기 위해 슈어 여부 조건(Schur complement condition)을 활용함으로써 전체 SDP 해법을 피한다.
• 세밀한 각도 그리드 상의 조향 벡터 사전을 통한 신호 공분산 행렬의 저랭크 근사화를 수행한다.
• 시간에 따라 변화하는 샘플링 연산자를 지원하여 적응적이고 동적인 부분공간 추적을 가능하게 한다.
• 반복적 볼록 최적화를 통해 해를 계산하며, 대규모 MIMO 시스템에 대해 복잡도가 확장 가능하다.

실험 결과

연구 질문

• RQ1 계산 비용이 높은 AML SDP 수식을, 대량 MIMO의 부분공간 추정에서 near-optimal 성능를 유지하면서도 저복잡도 볼록 최적화로 대체할 수 있는가?
• RQ2 제안된 방법은 시간에 따라 부분공간 구조가 급격히 변화하는 경우에 얼마나 효과적으로 추적할 수 있는가?
• RQ3 고정된 투영 대비 시간에 따라 변화하는 투영 연산자를 사용할 경우 부분공간 추정에서 성능 향상은 어느 정도인가?
• RQ4 M ≫ K 조건을 만족하는 대규모 MIMO 시스템에서 알고리즘의 계산 복잡도와 추정 정확도는 어떻게 확장되는가?
• RQ5 제한된 RF 체인과 저차원 투영 등의 실용적 제약 조건 하에서도 알고리즘이 정확도를 얼마나 유지하는가?

주요 결과

• 제안된 알고리즘은 상당히 감소된 계산 복잡도로도 원래 AML SDP와 유사한 부분공간 추정 성능를 달성한다.
• 알고리즘은 실시간 부분공간 추적을 가능하게 하며, 채널 통계의 급격한 전이 이후 빠르게 새로운 부분공간 상태에 수렴한다.
• 직접 SDP 구현이 실시간 운영에 비현실적인 상황에서도 알고리즘이 높은 정확도를 유지한다.
• 특히 신호 대 잡음비(SNR)가 낮고, 각도 분산이 제한된 저랭크 채널 환경에서 성능 향상이 두드러진다.
• 2차원 직사각형 격자와 같은 다양한 어레이 구성에서 알고리즘이 강건하고 확장 가능하며, 효율적인 수치적 구현이 가능하다.