[논문 리뷰] On Time-of-Arrival Estimation in NB-IoT Systems

Sha Hu, Xuhong Li외 1명|arXiv (Cornell University)|2017. 11. 10.

Indoor and Outdoor Localization Technologies참고 문헌 8인용 수 3

한 줄 요약

이 논문은 NB-IoT 시스템을 위한 SAGE 기반의 도착 시간(ToA) 추정 알고리즘을 제안하며, 정규화된 자기상관 및 교차상관 지표를 사용하여 다중 경로 지연과 채널 감도를 동시에 추정한다. 이 알고리즘은 이전에 검출된 경로로부터의 간섭을 억제하면서 반복적으로 추정치를 개선함으로써, 저 SNR 조건에서도 강인한 ToA 추정을 달성한다.

ABSTRACT

We consider time-of-arrival (ToA) estimation of a first arrival-path for a device working in narrowband Internet-of-Things (NB-IoT) systems. Due to a limited 180 KHz bandwidth used in NB-IoT, the time-domain auto-correlation function (ACF) of transmitted NB positioning reference signal (NPRS) has a wide main lobe. Without considering that, the performance of ToA estimation can be degraded for two reasons. Firstly, under multiple-path channel environments, the NPRS corresponding to different received paths are superimposed on each other, and so are the cross-correlations corresponding to them. Secondly, the measured peak-to-average-power-ratio (PAPR) used for detecting the presence of NPRS is inaccurate. Therefore, in this paper we propose a space-alternating generalized expectation-maximization (SAGE) based method to jointly estimate the number of channel taps, the channel coefficients and the corresponding delays in NB-IoT systems, with considering the imperfect ACF of NPRS. Such a proposed method only uses the time-domain cross-correlations between the received signal and the transmitted NPRS, and has a low complexity. We show through simulations that, the ToA estimation of the proposed method performs close to the maximum likelihood (ML) estimation for a single-path channel, and significantly outperforms a traditional ToA estimator that uses signal-to-noise (SNR) or power thresholds based estimation.

연구 동기 및 목표

• 다중 경로 전파로 인해 성능이 저하되는 NB-IoT 시스템에서 도착 시간 추정 정확도를 향상시키기 위해.
• 저복잡도의 NB-IoT 수신기 설계에서 저 SNR 조건에서 동시 지연 및 감도 추정 문제를 해결하기 위해.
• 이미 추정된 다중 경로 성분으로부터 간섭을 억제함으로써 경로 검출을 향상시키는 반복 알고리즘을 개발하기 위해.
• 사전 지식이 없을 경우 경로 지연과 채널 이득에 대한 강인한 초기 추정치를 제공하기 위해.

제안 방법

• 초기 지연 추정치는 교차상관 R[d]의 크기를 정렬하고, 가장 큰 L개의 값을 선택하여 초기 경로 지연 d̃ℓ로 형성한다.
• 알고리즘은 정규화된 자기상관 γ(d)를 사용하여 채널 인과적 응답을 모델링하고, 검출된 경로로부터의 간섭을 억제한다.
• 각 SAGE 반복 단계에서 잔여 상관 R̃[d]는 이전에 검출된 경로의 기여도를 추정된 감도 h̃ℓ를 사용하여 빼어 갱신된다.
• 감도 추정치는 국소 윈도우 내에서 상관 기반 평균화 과정을 거친 후, 노이즈 수준을 고려한 스케일링을 통해 오차를 감소시킨다.
• 노이즈 분산 추정치 σ̃²는 잔여 상관의 평균 전력으로부터 계산되어 감도 정규화를 안내한다.
• 알고리즘은 수렴할 때까지 경로 지연과 감도를 반복적으로 갱신하며, 각 경로의 갱신은 순차적으로 수행된다.

실험 결과

연구 질문

• RQ1 제한된 훈련 시퀀스를 가진 NB-IoT 시스템에서 동시 도착 시간 및 채널 감도 추정을 어떻게 향상시킬 수 있는가?
• RQ2 저 SNR 환경에서 강한 다중 경로 성분으로 인한 간섭이 ToA 추정 정확도에 미치는 영향은 무엇인가?
• RQ3 SAGE 유사 업데이트를 사용한 반복적 간섭 제거는 비반복적 방법에 비해 지연 추정 성능을 향상시킬 수 있는가?
• RQ4 사전 지식이 없을 경우 교차상관 및 자기상관 지표의 사용이 초기 및 개선된 경로 추정치 형성에 얼마나 효과적인가?
• RQ5 노이즈 분산 추정치는 반복적인 ToA 개선 과정에서 감도 추정치의 안정성 확보에 어떤 역할을 하는가?

주요 결과

• 알고리즘은 교차상관 R[d]의 크기 중 가장 큰 L개의 값을 선택하여 정확한 초기 경로 지연 추정치를 확보함으로써 반복의 신뢰할 수 있는 기반을 마련한다.
• 반복적 개선은 이전에 검출된 경로로부터의 간섭을 억제함으로써 지연 및 감도 추정치의 정확도를 크게 향상시킨다.
• 노이즈 분산 추정치 σ̃²는 잔여 상관 전력으로부터 계산되어 감도 추정치의 정규화에 사용되며, 저 SNR 조건에서의 오차를 감소시킨다.
• 감도 추정 단계는 피크 주변의 대칭 윈도우 내에서 국소 평균화 과정을 거쳐 노이즈에 대한 강인성을 향상시킨다.
• 최종 감도 추정치는 추정된 노이즈 전력과 신호 전력에 따라 달라지는 보정 계수를 통해 추가로 개선되어 정확도가 향상된다.
• 알고리즘은 M회의 반복을 통해 수렴하며, 각 경로는 순차적으로 갱신되어 지연과 감도의 안정적이고 정확한 추정을 보장한다.