[논문 리뷰] Massive MIMO Unsourced Random Access

Alexander Fengler, Giuseppe Caire외 2명|arXiv (Cornell University)|2019. 01. 03.

Energy Harvesting in Wireless Networks참고 문헌 15인용 수 74

한 줄 요약

비정보(non-coherent) 탐지와 비-베이지안 활동 탐지기를 갖춘 대규모 MIMO 기지국에 대해 소스 없는 대규모 무작위 접근을 확장하여 안테나 수가 증가함에 따라 신뢰할 수 있는 통신을 달성한다.

ABSTRACT

We consider an extension of the massive unsourced random access originally proposed by Polyanskiy to the case where the receiver has a very large number of antennas (a massive MIMO base station) and no channel state information is given to the receiver (fully non-coherent detection). Our coding approach borrows the concatenated coding idea from Amalladinne et. al., combined with a novel non-Bayesian `activity detection' algorithm for massive MIMO random access channels, that outperforms currently proposed Bayesian vector AMP (VAMP) schemes currently proposed for activity detection, and does not suffer from the numerical instabilities and requirement for accurate a priori statistics as VAMP. We show that the required transmit $E_b/N_0$ for reliable communication can be made arbitrarily small as the number of receiver antennas M grows sufficiently large.

연구 동기 및 목표

• 사전 CSI 없이 대규모 수신 어레이를 갖춘 IoT용 소스 없는 대규모 접근을 촉진한다.
• 대규모 MIMO 하에서 비상관 탐지를 위한 실용적인 코딩 스킴(inner/outer)을 개발한다.
• 이 설정에서 Bayesian VAMP를 능가하는 비-베이지안 활동 탐지 알고리즘을 제안한다.
• 안테나 수가 증가함에 따라 Es/N0(전송 에너지/비트)를 임의로 작게 만들 수 있음을 보인다.
• 대규모 배치를 위한 관리 가능한 복잡도의 실용적 디코딩 프레임워크를 제공한다.

제안 방법

• Polyanskiy와 트리 코드 접근 방식에서 영감을 받은 연결된(concatenated) outer/inner 코딩 스킴을 사용한다.
• 내부 코드를 행렬 A의 열을 전송하는 것으로 모델링하고; 활성 열은 ML 활동 탐지로 검출한다.
• 서브슬롯당 활성 패턴을 희소 음이 아닌 벡터 gamma로 간주하고 비-베이지안 ML 추정(estimating)을 수행한다.
• 알려진 채널 통계치를 필요로 하지 않으면서 gamma를 복구하기 위해 좌표 하강 ML 알고리즘을 적용한다.
• 검출된 서브메시지의 시퀀스를 외부 트리 디코더로 전달하여 유효한 메시지 시퀀스를 연결한다.
• 벡터 OR-MAC 해석에 기반한 외부 코드 비율 제약을 도출하고 M에 따른 Eb/N0 스케일링을 분석한다.

실험 결과

연구 질문

• RQ1 모든 사용자가 공통 코드북을 공유하는 상황에서 대규모 MIMO 수신기의 비상관 탐지가 활성 사용자와 그들의 메시지를 신뢰할 수 있게 식별할 수 있는가?
• RQ2 제안된 스킴에서 수신 안테나 수 M에 따라 필요한 Eb/N0가 어떻게 스케일링되는가?
• RQ3 특히 큰 M에서 이 소스 없는 대규모 무작위 접근 설정에서 비-베이지안 활동 탐지가 Bayesian VAMP를 능가하는가?
• RQ4 이 채널에서 확장 가능한 성능을 가능하게 하는 내부/외부 코드 설계의 트레이드오프(레이트, 패리티 프로파일)는 무엇인가?

주요 결과

• 제안된 비-베이지안 활동 탐지 알고리즘은 M이 증가함에 따라 일관되게 향상되며 VAMP 불안정을 피한다.
• 내부 ML 탐지기가 활성 벡터 gamma를 정확하게 복구하고 M이 증가함에 따라 오차가 사라진다는 경계가 나타난다(적절한 스케일링 하에서).
• 적절한 외부 코드 및 패리티 제약이 주어지면 수신 안테나 수 M이 증가함에 따라 비당 에너지(Eb/N0)가 임의로 작게 만들 수 있다.
• 외부 트리 디코더가 L 서브슬롯에 걸쳐 서브메시지를 효과적으로 연결하고 패리티 비트를 활용해 잘못된 경로를 제거한다.
• 시뮬레이션은 대규모 MIMO 소스 없는 접근 설정에서 기존의 베이지안 접근법에 비해 상당한 성능 향상을 나타낸다.
• 이 방법은 외부 코드에서 MIMO 무작위 접근을 임의의 OR-채널로 축소하여 디코딩을 더 다루기 쉽게 한다.