[논문 리뷰] Probabilistic Receiver Architecture Combining BP, MF, and EP for Multi-Signal Detection

Daniel J. Jakubisin, R. Michael Buehrer외 1명|arXiv (Cornell University)|2016. 04. 17.

Error Correcting Code Techniques참고 문헌 44인용 수 3

한 줄 요약

이 논문은 MIMO 및 다중 사용자 시스템에서 다중 신호 검출을 위해 신뢰도 전파(BP), 평균장(MF) 근사 및 기대 전파(EP)를 통합한 새로운 확률적 수신기 아키텍처를 제안한다. 인자 그래프를 구분된 하위그래프로 구조화함으로써, 다중 신호 검출을 위한 가우시안 BP, 채널 추정 및 관측을 위한 MF, 디모듈레이션을 위한 이산 BP로 나누어, 이산 및 연속 영역 간의 EP 기반 메시지 전달을 통해 이론적 근거와 낮은 복잡도를 확보하면서도 뛰어난 검출 성능을 달성한다.

ABSTRACT

Receiver algorithms which combine belief propagation (BP) with the mean field (MF) approximation are well-suited for inference of both continuous and discrete random variables. In wireless scenarios involving detection of multiple signals, the standard construction of the combined BP-MF framework includes the equalization or multi-user detection functions within the MF subgraph. In this paper, we show that the MF approximation is not particularly effective for multi-signal detection. We develop a new factor graph construction for application of the BP-MF framework to problems involving the detection of multiple signals. We then develop a low-complexity variant to the proposed construction in which Gaussian BP is applied to the equalization factors. In this case, the factor graph of the joint probability distribution is divided into three subgraphs: (i) a MF subgraph comprised of the observation factors and channel estimation, (ii) a Gaussian BP subgraph which is applied to multi-signal detection, and (iii) a discrete BP subgraph which is applied to demodulation and decoding. Expectation propagation is used to approximate discrete distributions with a Gaussian distribution and links the discrete BP and Gaussian BP subgraphs. The result is a probabilistic receiver architecture with strong theoretical justification which can be applied to multi-signal detection.

연구 동기 및 목표

• 신호 분리 작업에 대해 효과적이지 못한 MF 근사로 인해 표준 BP-MF 프레임워크의 다중 신호 검출 성능이 열 劣하는 문제를 해결하기 위해.
• 검출, 채널 추정, 디모듈레이션을 전용 하위그래프로 분리하여 개선된 추론을 위한 인자 그래프 구성 방법을 개발하기 위해.
• 등화 인자에 대해 가우시안 BP를 적용하여 계산 복잡도를 감소시키면서도 확률적 메시지 전달을 유지하기 위해.
• 이산 디모듈레이션과 연속적 검출 하위그래프 간의 메시지 교환을 가능하게 하기 위해 기대 전파(EP)를 통합하기 위해.
• 이론적으로 타당성이 있으며 MIMO 및 다중 사용자 검출에 적용 가능한 낮은 복잡도의 수신기 아키텍처를 제공하기 위해.

제안 방법

• 공통 확률 분포가 세 개의 하위그래프로 인수 분해된다: 다중 신호 검출을 위한 가우시안 BP 하위그래프, 관측 및 채널 추정을 위한 MF 하위그래프, 디모듈레이션 및 복호화를 위한 이산 BP 하위그래프.
• 이산 분포를 가우시안 분포로 근사하기 위해 기대 전파(EP)가 사용되며, 이는 이산 BP 하위그래프와 가우시안 BP 하위그래프 간의 메시지 전달을 가능하게 한다.
• MF 하위그래프에서 관측 요소로의 메시지는 채널 계수 추정치와 사전 정보로부터 유도된 후행 평균 및 분산을 사용하여 계산된다.
• 가우시안 BP 하위그래프는 채널 상태 정보와 수신 신호로부터 유도된 근사 충분통계량을 사용하여 전송 기호에 대한 후행 신뢰도를 계산한다.
• MF 하위그래프는 관측의 우도와 사전 분포를 기반으로 채널 계수로의 메시지를 계산하며, 공액 사전과 모멘트 매칭을 사용한다.
• 최종적으로, 하위그래프 간에 반복적인 메시지 전달이 가능하며, 영역 기반 자유 에너지 프레임워크에 의해 수렴이 보장된다.

실험 결과

연구 질문

• RQ1 BP-MF-EP 하이브리드 프레임워크는 표준 BP-MF 아키텍처보다 다중 신호 검출 작업에서 성능이 뛰어나게 될 수 있는가?
• RQ2 MF 근사는 특히 간섭 제한 상황에서 다중 신호 검출에 효과적인가?
• RQ3 검출, 채널 추정, 디모듈레이션을 분리하기 위해 인자 그래프를 어떻게 재구성할 수 있는가?
• RQ4 등화 인자에 대해 가우시안 BP를 적용할 경우 복잡도와 정확도에 어떤 영향을 미치는가?
• RQ5 기대 전파가 하이브리드 수신기 아키텍처에서 이산 및 연속 메시지 전달 간의 다리를 놓는 데 효과적인가?

주요 결과

• MF 근사는 신호 분리 모델에서 딱딱한 제약 조건을 처리하지 못함으로써 다중 신호 검출에 효과적이지 않다는 것이 입증되었다.
• 제안된 인자 그래프 분해 방법은 표준 BP-MF 프레임워크에 비해 검출 성능을 크게 향상시켰다.
• 등화 인자에 대해 가우시안 BP를 적용함으로써 계산 복잡도는 감소시키면서도 다중 신호 검출의 높은 정확도를 유지할 수 있었다.
• 기대 전파를 통해 이산 디모듈레이션 하위그래프와 연속적 검출 하위그래프 간의 정확하고 효율적인 메시지 교환을 실현하였다.
• 영역 기반 자유 에너지 최소화를 통한 이론적 근거가 제공되었으며, 이는 근사치의 정적점으로의 수렴을 보장한다.
• 수치 결과는 MIMO 및 다중 사용자 환경에서 특히 저 SNR 영역에서 개선된 비트 오류율(BER) 성능을 보여주었다.