[논문 리뷰] Precoding via Approximate Message Passing with Instantaneous Signal Constraints

Ali Bereyhi, Mohammad Ali Sedaghat외 1명|arXiv (Cornell University)|2018. 01. 08.

Advanced MIMO Systems Optimization참고 문헌 13인용 수 8

한 줄 요약

이 논문은 일반화된 최소 제곱 오차(GLSE) 선형화 문제를 해결하기 위해 일반화된 근사 메시지 전달(GAMP)을 활용하는 저복잡도 조정 알고리즘인 GLSE-GAMP을 제안한다. 이 알고리즘은 피크 대 평균 전력비(PAPR) 제한 및 전송 안테나 선택과 같은 순간 신호 제약 조건을 고려하면서도, 중간 크기의 MIMO 시스템에서도 점점 더 가까운 점점적 GLSE 기준선 성능을 달성한다.

ABSTRACT

This paper proposes a low complexity precoding algorithm based on the recently proposed Generalized Least Square Error (GLSE) scheme with generic penalty and support. The algorithm iteratively constructs the transmit vector via Approximate Message Passing (AMP). Using the asymptotic decoupling property of GLSE precoders, we derive closed form fixed point equations to tune the parameters in the proposed algorithm for a general set of instantaneous signal constraints. The tuning strategy is then utilized to construct transmit vectors with restricted peak-to-average power ratios and to efficiently select a subset of transmit antennas. The numerical investigations show that the proposed algorithm tracks the large-system performance of GLSE precoders even for a moderate number of antennas.

연구 동기 및 목표

• 비볼록 제약 조건이 존재하는 거대 MIMO 시스템에서 일반화된 최소 제곱 오차(GLSE) 조정기의 높은 계산 복잡도를 해결한다.
• 높은 PAPR와 전체 어레이 전송으로 인한 고비용 RF 및 전력 증폭기 비효율성 등의 실용적 제약 조건을 극복한다.
• 실제 신호 제약 조건 하에서 최적 GLSE 조정기 성능에 가까운 성능을 유지하면서도 저복잡도 반복 조정 알고리즘을 개발한다.
• 성능 저하 없이 효율적인 전송 안테나 선택 및 PAPR 제어를 가능하게 한다.
• 복제 이론에서 유도된 점점적 고정점 방정식을 활용해 GLSE-GAMP 파라미터의 튜닝 전략을 제공한다.

제안 방법

• 일반적인 페널티 함수와 지지 집합을 갖는 GLSE 최적화 문제를 반복적으로 해결하기 위해 일반화된 근사 메시지 전달(GAMP) 알고리즘을 적응시킨다.
• GLSE 조정기의 점점적 분리 성질을 이용해 알고리즘 파라미터 튜닝을 위한 닫힌 형태의 고정점 방정식을 유도한다.
• 복제 방법 결과를 기반으로 한 튜닝 전략을 수립하여 평균 전력 $P$, 활성 안테나 비율 $\eta$, PAPR 제약 조건 간의 관계를 설정한다.
• 파라미터화된 고정점 방정식을 도입하여 $\xi$, $\lambda$, $\mu$, $\theta$를 포함하여 전력 제어 및 제약 조건 충족을 동시에 최적화한다.
• 튜닝된 GLSE-GAMP 알고리즘을 두 가지 실용적 시나리오에 적용한다: PAPR 제한 전송 및 전송 안테나 선택.
• 표준 GAMP이 발산할 수 있는 불량 조건의 채널 행렬에 대해 VAMP 알고리즘을 잠재적 대안으로 활용한다.

실험 결과

연구 질문

• RQ1 GLSE-GAMP는 비볼록 제약 조건이 존재하는 유한 크기의 MIMO 시스템에서 점점적 GLSE 조정기 성능에 가까운 성능을 달성할 수 있는가?
• RQ2 PAPR 및 안테나 선택 제약 조건 하에서 GLSE-GAMP 알고리즘의 파라미터는 어떻게 튜닝되어야 하며, 이는 GLSE의 대규모 시스템 성능을 정확히 따라갈 수 있는가?
• RQ3 GLSE-GAMP 알고리즘은 왜곡을 낮추고 높은 스펙트럼 효율성을 유지하면서 PAPR를 얼마나 효과적으로 감소시킬 수 있는가?
• RQ4 복제 방법 결과를 기반으로 한 제안된 튜닝 전략은 실용적인 MIMO 구성에서 정확한 파라미터 설정을 제공하는가?
• RQ5 GLSE-GAMP는 불량 조건의 채널 행렬로 확장 가능한가? 만약 가능하다면 VAMP는 수렴성을 어떻게 향상시키는가?

주요 결과

• GLSE-GAMP 조정기는 $N=64$개 안테나와 $T=20$회의 반복 조건에서도 점점적 GLSE 기준선 성능을 거의 정확히 따라잡는다.
• PAPR 제한 전송의 경우, PAPR = 3 dB 조건에서 GLSE-GAMP 조정기는 제약 조건이 없는 GLSE 사례와 1 dB 내외의 왜곡 차이를 보이며, 성능 손실가 최소화됨을 시사한다.
• PAPR가 5 dB로 증가하면 GLSE-GAMP 성능은 제약 조건이 없는 GLSE 사례와 거의 구분되지 않으며, 이는 거의 없는 비율 손실을 동반한 효과적인 PAPR 제어를 의미한다.
• 고정점 방정식을 기반으로 한 튜닝 전략은 평균 전력 $P$와 활성 안테나 비율 $\eta$에 필요한 파라미터를 정확히 예측하여 신뢰할 수 있는 구현을 가능하게 한다.
• GLSE-GAMP 알고리즘은 다양한 로드 인자 $\alpha^{-1} = N/K$ 조건에서도 일관된 성능을 유지하며, 시스템 로드 변화에 대한 강건성을 보여준다.
• GLSE-GAMP 접근법은 PAPR를 효과적으로 제어함으로써 저효율, 저다이나믹 레인지 전력 증폭기를 사용할 수 있게 하여, 거대 MIMO 시스템의 RF 비용을 크게 감소시킨다.