[논문 리뷰] Maximum Likelihood Algorithms for Joint Estimation of Synchronization Impairments and Channel in MIMO-OFDM System

Renu Jose, K.V.S. Hari|arXiv (Cornell University)|2012. 10. 19.

Advanced Wireless Communication Techniques참고 문헌 19인용 수 5

한 줄 요약

이 논문은 MIMO-OFDM 시스템에서 이동 주파수 오프셋(CFO), 샘플링 주파수 오프셋(SFO), 심볼 타이밍 오차(STE), 채널 인パulse 응답을 동시 추정하기 위한 최대우도(ML) 알고리즘을 제안한다. 다차원 최적화를 이차원 및 일차원 격자 탐색으로 줄임으로써, ML 알고리즘은 최소 복잡도로 Cramér-Rao 하한(CRLB)에 근접한 성능를 달성하며, 단계별 또는 별도 추정 방법보다 뛰어난 성능를 보인다.

ABSTRACT

Maximum Likelihood (ML) algorithms, for the joint estimation of synchronization impairments and channel in Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing (MIMO-OFDM) system, are investigated in this work. A system model that takes into account the effects of carrier frequency offset, sampling frequency offset, symbol timing error, and channel impulse response is formulated. Cramér-Rao Lower Bounds for the estimation of continuous parameters are derived, which show the coupling effect among different impairments and the significance of the joint estimation. We propose an ML algorithm for the estimation of synchronization impairments and channel together, using grid search method. To reduce the complexity of the joint grid search in ML algorithm, a Modified ML (MML) algorithm with multiple one-dimensional searches is also proposed. Further, a Stage-wise ML (SML) algorithm using existing algorithms, which estimate fewer number of parameters, is also proposed. Performance of the estimation algorithms is studied through numerical simulations and it is found that the proposed ML and MML algorithms exhibit better performance than SML algorithm.

연구 동기 및 목표

• MIMO-OFDM 시스템에서 다중 동기화 오차(CFO, SFO, STE)와 채널의 결합된 추정 문제를 해결한다.
• 오차와 채널을 별도 또는 단계별로 추정함으로써 발생하는 성능 저하를 완화한다.
• 이론적 한계를 정량화하고 오차 간의 결합 효과를 드러내기 위해 Cramér-Rao 하한(CRLB)을 유도한다.
• 모든 파라미터를 동시에 추정하면서 성능 손실가 최소화된 저복잡도 ML 기반 알고리즘을 개발한다.
• 모의 실험을 통해 공동 ML, 수정된 ML(MML), 단계별 ML(SML) 알고리즘의 성능을 평가하고 비교한다.

제안 방법

• CFO, SFO, STE 및 주파수 선택성 fading 채널을 포함하는 종합적인 MIMO-OFDM 시스템 모델을 수립한다.
• 연속적 파라미터에 대한 Cramér-Rao 하한(CRLB)을 유도하여 이론적 성능 한계를 설정하고, 오차 간의 결합 효과를 분석한다.
• CFO 및 SFO에 대한 이차원 격자 탐색을 수행한 후, STE에 대한 일차원 탐색을 수행하는 공동 ML 추정 알고리즘을 제안한다.
• 다차원 격자 탐색을 다수의 일차원 탐색으로 대체하여 계산 복잡도를 감소시키는 수정된 ML(MML) 알고리즘을 도입한다.
• 기존의 단일 파라미터 추정 방법을 빌딩 블록으로 사용하여 비교를 위한 단계별 ML(SML) 알고리즘을 설계한다.
• 모든 알고리즘의 성능 평가를 위해 MSE 및 타이밍 실패 확률(Ptf)을 성능 지표로 사용하는 몬테카를로 시뮬레이션을 실시한다.

실험 결과

연구 질문

• RQ1 MIMO-OFDM 시스템에서 CFO, SFO, STE는 채널 인파ulse 응답 추정 과정에서 어떻게 상호 연관되는가?
• RQ2 MIMO-OFDM에서 CFO, SFO, STE 및 채널의 공동 추정에 대한 이론적 성능 한계(CRLB)는 무엇인가?
• RQ3 분리 또는 단계별 추정과 비교해 복잡도를 감소시키면서도 근사 최적 성능를 달성할 수 있는 공동 ML 추정기의 성능는 어떠한가?
• RQ4 MSE 및 타이밍 실패 측면에서 제안된 ML 및 MML 알고리즘의 성능는 SML 알고리즘과 비교해 어떠한가?
• RQ5 MIMO-OFDM 시스템에서 동기화 오차를 忽시할 경우 채널 추정 정확도에 어떤 영향을 미치는가?

주요 결과

• ML 알고리즘은 이론적 성능에 근접한 성능를 보이며, SFO 및 CFO에 대한 MSE가 각각 약 1.25 dB 및 0.75 dB의 SNR 저하를 보이며 그에 상응하는 CRLB를 거의 정확히 따라간다.
• 수정된 ML(MML) 알고리즘은 전체 ML 알고리즘에 비해 성능 저하가 미미하여, 복잡도 감소에 효과적이면서도 성능 손실가 최소화된 것으로 나타났다.
• 단계별 ML(SML) 알고리즘은 3 dB 이상의 성능 저하를 보이며, 특히 25 dB SNR에서 CFO 및 SFO 추정에서 오차 바닥이 나타나는 경향이 있다.
• STE를 忽시할 경우 채널 추정에서 4 dB의 성능 저하가 발생함(ML(θ=0) 대 전체 ML), 이는 상호 연관 효과를 명확히 보여준다.
• SML의 타이밍 실패 확률(Ptf)은 저 SNR에서 ML 및 MML에 비해 뚜렷이 높으며, 이는 그들의 낮은 강인성을 확인한다.
• CRLB 분석을 통해 오차들이 상호 연관되어 있음을 확인하였으며, 이는 별도 또는 순차적 추정이 아닌 공동 추정이 필요함을 정당화한다.