[논문 리뷰] SNR Estimation in Maximum Likelihood Decoded Spatial Multiplexing

Oded Redlich, Дорон Эзри외 1명|ArXiv.org|2009. 09. 07.

Advanced MIMO Systems Optimization참고 문헌 14인용 수 4

한 줄 요약

이 논문은 최대우도(ML) 복호화된 공간 multiplexing MIMO 시스템을 위한 저복잡도 신호대노이즈비(SNR) 추정 방법을 제안한다. 이는 각 스트림의 오류 확률 근사치를 활용하며, ML 복호기 자체를 활용함으로써 거의 영향을 주지 않는 오버헤드로 정확한 후처리 SNR 추정을 가능하게 한다. 성능은 유니언 바운드와 1 dB 이내이며, QPSK 기반 추정기 하나로 16QAM 및 64QAM을 포함한 모든 변조 방식에 적용 가능하다.

ABSTRACT

Link adaptation is a crucial part of many modern communications systems, allowing the system to adapt the transmission and reception strategies to changes in channel conditions. One of the fundamental components of the link adaptation mechanism is signal to noise ratio (SNR) estimation, measuring the instantaneous (mostly post processing) SNR at the receiver. That is, the SNR at the decoder input, which is an important metric for the prediction of decoder performance. In linearly decoded MIMO, which is the common MIMO decoding strategy, the post processing SNR is well defined. However, this is not the case in optimal maximum likelihood (ML) decoding applied to spatial multiplexing (SM). This gap is interesting since ML decoded SM is gaining ever growing interest in recent research and practice due to the rapid increase in computation power, and available near optimal low complexity schemes. In this paper we close the gap and provide SNR estimation schemes for ML decoded SM, which are based on various approximations of the "per stream" error probability. The proposed methods are applicable for both horizonal and vertical decoding. Moreover, we propose a very low complexity implementation for the SNR estimation mechanism employing the ML decoder itself with negligible overhead.

연구 동기 및 목표

• 최대우도(ML) 복호화된 공간 multiplexing MIMO 시스템에서 신뢰할 수 있는 후처리 SNR 추정의 부재를 해결하기 위해.
• 수평 구조 및 수직 구조 양쪽에 적용 가능한 SNR 추정 방법을 개발하기 위해.
• 거의 영향을 주지 않는 오버헤드로 ML 복호기를 활용한 저복잡도 SNR 추정을 실현하기 위해.
• QPSK 기반 추정기가 16QAM 및 64QAM를 포함한 모든 변조 방식에서 잘 작동함을 입증함으로써 변조 독립성을 확보하기 위해.
• UL/DL SDMA 시스템의 링크 적응을 지원하기 위해 스트림별 SNR 추정을 가능하게 하기 위해.

제안 방법

• 각 스트림 오류 확률의 근사치를 기반으로 한 SNR 추정을 제안: 전합 근사 및 최대로그 근사.
• 추가 계산 없이 ML 복호기 출력을 활용해 오류 확률 추정치를 계산함으로써, 낮은 오버헤드의 구현을 가능하게 한다.
• SNR 추정 정확도의 이론적 기준을 도출하기 위해 유니언 바운드 근사를 적용한다.
• 변조 방식에 맞는 스케일링 인자(예: 16QAM에 10, 64QAM에 42)를 사용해 오류 확률 모델의 역수를 통해 각 스트림의 SNR 추정치를 유도한다.
• 단일 SNR 피드백을 지원하기 위해 스트림별 SNR의 로그 평균인 수직 SNR을 도입한다.
• 완벽한 채널 상태 정보를 가정한 몬테카를로 시뮬레이션을 통해 QPSK, 16QAM, 64QAM 변조 방식에서 방법을 검증한다.

실험 결과

연구 질문

• RQ1 표준 정의가 없는 최대우도(ML) 복호화된 공간 multiplexing MIMO 시스템에서 후처리 SNR는 어떻게 추정할 수 있는가?
• RQ2 ML 복호기 출력만을 사용해 거의 영향을 주지 않는 오버헤드로 저복잡도 SNR 추정을 수행할 수 있는 방법은 무엇인가?
• RQ3 QPSK 기반 SNR 추정기는 16QAM 및 64QAM과 같은 고차원 변조 방식에서도 충분한 정확도를 제공할 수 있는가?
• RQ4 근사된 SNR 추정 방법의 성능는 유니언 바운드 및 용량 기반 SNR와 비교해 어떻게 되는가?
• RQ5 스트림별 SNR 추정은 SDMA 시스템의 링크 적응에 어떤 영향을 미치는가?

주요 결과

• 제안된 SNR 추정 방법은 약 1 dB의 표준편차를 달성하며, 유니언 바운드 성능과 1 dB 이내로 매우 유사하다.
• 전합 근사치에 비해 최대로그 근사치는 성능 저하가 거의 없으며, 거의 동일한 오류 분포를 보인다.
• QPSK 기반 SNR 추정기는 16QAM에서 약 2 dB의 표준편차를 보이며, 16QAM 전용 추정기와 비교해 약간의 성능 손실만을 보인다.
• 스트림별 SNR의 평균을 기반으로 한 수직 SNR는 약 1 dB의 표준편차를 보이며, 오류 표준편차 측면에서 용량 기반 SNR보다 뛰어난 성능을 보인다.
• 평균 오차 보정 후 스트림별 SNR 추정 오차 분포는 0을 중심으로 대칭적이며, 낮은 편향을 나타낸다.
• 이 방법은 모든 변조 방식에 걸쳐 단일 통합 SNR 추정 메커니즘을 가능하게 하여 구현 복잡도를 크게 감소시킨다.