[논문 리뷰] Maximum Entropy MIMO Wireless Channel Models

Maxime Guillaud, Mérouane Debbah외 1명|ArXiv.org|2006. 12. 20.

Advanced MIMO Systems Optimization참고 문헌 21인용 수 11

한 줄 요약

이 논문은 최대 엔트로피 원리에 따라 채널 에너지와 공간 상관관계의 불확실성을 반영하여 최대 엔트로피 MIMO 채널 모델을 유도한다. 엔트로피를 최대화하는 공분산 행렬의 분포가 위샤르트 분포임을 보여주며, 이는 프로베니우스 노름에만 의존하는 채널 확률밀도함수(pdf)를 이끌어내고, 고정된 파rameter를 가정하지 않음으로써 색채 페이딩과 상관관계를 반영한다. 이로 인해 i.i.d. 가우시안 모델보다 평균 상호정보량은 낮고 분산은 더 크다.

ABSTRACT

In this contribution, models of wireless channels are derived from the maximum entropy principle, for several cases where only limited information about the propagation environment is available. First, analytical models are derived for the cases where certain parameters (channel energy, average energy, spatial correlation matrix) are known deterministically. Frequently, these parameters are unknown (typically because the received energy or the spatial correlation varies with the user position), but still known to represent meaningful system characteristics. In these cases, analytical channel models are derived by assigning entropy-maximizing distributions to these parameters, and marginalizing them out. For the MIMO case with spatial correlation, we show that the distribution of the covariance matrices is conveniently handled through its eigenvalues. The entropy-maximizing distribution of the covariance matrix is shown to be a Wishart distribution. Furthermore, the corresponding probability density function of the channel matrix is shown to be described analytically by a function of the channel Frobenius norm. This technique can provide channel models incorporating the effect of shadow fading and spatial correlation between antennas without the need to assume explicit values for these parameters. The results are compared in terms of mutual information to the classical i.i.d. Gaussian model.

연구 동기 및 목표

• 채널 에너지와 공간 상관관계와 같은 전파 파rameter에 대한 제한된 지식 하에서 분석적 MIMO 채널 모델을 개발하기 위해.
• i.i.d. 가우시안 모델의 한계를 해결하기 위해 장기적 페이딩과 공간 상관관계를 忽略하는 것을 방지하기 위해.
• 불확실한 파rameter(예: 에너지, 상관관계 행렬)에 대해 엔트로피를 최대화하는 분포를 할당하고 이를 적분하여 일반화된 채널 모델링을 수행하기 위해.
• 랭크 결함이 있는 공분산 구조 하에서 채널 행렬의 프로베니우스 노름에만 의존하는 폐쇄형 확률밀도함수(pdf)를 유도하기 위해.
• 특히 아웃지 capacity와 분산 측면에서, 제안된 모델을 고전적 i.i.d. 가우시안 모델과 상호정보량 통계적으로 비교하기 위해.

제안 방법

• 평균 채널 전력 또는 공간 상관관계 행렬과 같은 알려진 제약 조건 하에서 MIMO 채널 원소의 결합분포를 유도하기 위해 최대 엔트로피 원리를 사용한다.
• 고정된 채널 에너지 또는 공간 상관관계 행렬을 조건으로 하여 엔트로피를 최대화하는 분포를 사용해 채널 행렬을 조건부로 모델링한다.
• 트레이스(에너지) 제약 조건 하에서 공분산 행렬에 대해 엔트로피를 최대화하는 분포로 위샤르트 분포를 적용한다.
• 채널 에너지, 상관관계 행렬의 고유값 등 알려지지 않은 파rameter를 엔트로피를 최대화하는 사전분포로 할당하고 이를 통합하여 제거한다.
• 등방성과 고유값 분해를 활용하여 채널 행렬의 프로베니우스 노름에 대한 함수로 최종 채널 pdf를 도출한다.
• 유니터리 불변성과 변환 기법을 사용하여 채널 벡터의 분포가 그 크기(노름)에만 의존함을 보이며, 이를 통해 간결한 해석적 형태를 도출한다.

실험 결과

연구 질문

• RQ1 채널 에너지 또는 공간 상관관계에 대한 부분적인 지식만 있을 경우 MIMO 채널 모델을 어떻게 구성할 수 있는가?
• RQ2 공간 상관관계 행렬이 알려져 있지 않지만 그 트레이스로 제약을 받을 경우, MIMO 채널 행렬의 엔트로피를 최대화하는 분포는 무엇인가?
• RQ3 랜덤 공간 상관관계와 색채 페이딩을 포함할 경우, i.i.d. 레이일리 페이딩과 비교해 상호정보량 분포에 어떤 영향을 미치는가?
• RQ4 랭크 결함이 있는 상관관계 하에서, 채널 행렬의 프로베니우스 노름에만 의존하는 폐쇄형 해석적 표현식을 유도할 수 있는가?
• RQ5 제안된 MaxEnt 모델과 고전적 i.i.d. 가우시안 모델 간의 상호정보량 성능 통계적 차이는 무엇인가?

주요 결과

• 트레이스 제약 조건 하에서 MIMO 채널 공분산 행렬의 엔트로피를 최대화하는 분포는 위샤르트 분포이다.
• 유도된 채널 행렬 확률밀도함수(pdf)는 채널 행렬의 프로베니우스 노름에만 의존하며, 이를 통해 간결한 해석적 형태를 확보할 수 있다.
• 랭크 결함이 있는 공분산 행렬의 경우, 채널 pdf는 노름에 대한 함수로 유도되며, 수정된 베셀 함수를 포함한 명시적 표현식을 가진다.
• 제안된 모델은 i.i.d. 가우시안 모델보다 상호정보량의 분산이 더 크며, 색채 페이딩의 영향을 반영한다.
• 평균 상호정보량은 i.i.d. 경우보다 낮으며, 상관관계가 용량을 감소시킨다는 알려진 효과와 일치한다.
• 특히 랭크가 낮은 상관관계 구조에서는, i.i.d. 모델에 비해 저항율이 낮은 아웃지 확률에서 아웃지 용량이 상당히 감소한다.