[논문 리뷰] Structured Distributed Compressive Channel Estimation over Doubly Selective Channels

Qibo Qin, Lin Gui외 3명|arXiv (Cornell University)|2020. 04. 23.

Sparse and Compressive Sensing Techniques참고 문헌 30인용 수 20

한 줄 요약

이 논문은 이중 선택성 OFDM 시스템에서 공동 다중 기호 채널 추정을 위한 구조적 분산 압축 센싱(SDCS) 방식을 제안한다. 복소 지수 기반 확장 모델과 맞춤형 패ilot 패턴을 통해 시간적 상관관계와 지연 도메인의 희박성(스패arsity)을 활용함으로써, 더 적은 수의 패일롯을 사용하여 채널 계수를 정확하게 복원할 수 있으며, 기존 방법에 비해 향상된 추정 정확도와 스펙트럼 효율성을 달성한다.

ABSTRACT

For an orthogonal frequency-division multiplexing (OFDM) system over a doubly selective (DS) channel, a large number of pilot subcarriers are needed to estimate the numerous channel parameters, resulting in low spectral efficiency. In this paper, by exploiting temporal correlation of practical wireless channels, we propose a highly efficient structured distributed compressive sensing (SDCS) based joint multi-symbol channel estimation scheme. Specifically, by using the complex exponential basis expansion model (CE-BEM) and exploiting the sparsity in the delay domain within multiple OFDM symbols, we turn to estimate jointly sparse CE-BEM coefficient vectors rather than numerous channel taps. Then a sparse pilot pattern within multiple OFDM symbols is designed to obtain an ICI-free structure and transform the channel estimation problem into a joint-block-sparse model. Next, a novel block-based simultaneous orthogonal matching pursuit (BSOMP) algorithm is proposed to jointly recover coefficient vectors accurately. Finally, to reduce the CE-BEM modeling error, we carry out smoothing treatments of already estimated channel taps via piecewise linear approximation.Simulation results demonstrate that the proposed channel estimation scheme can achieve higher estimation accuracy than conventional schemes, although with a smaller number of pilot subcarriers.

연구 동기 및 목표

• 이중 선택성(DS) 채널에서 과도하게 많은 패일롯 서브채널을 사용함으로써 발생하는 낮은 스펙트럼 효율성 문제를 해결하기 위해.
• 다중 OFDM 기호에 걸쳐 시간적 상관관계와 지연 도메인의 희박성을 활용하여 채널 추정 정확도를 향상시키기 위해.
• 다중 기호에 걸쳐 희박한 채널 계수를 공동으로 복원할 수 있는 구조적 분산 압축 센싱(SDCS) 프레임워크를 개발하기 위해.
• 채널 터프의 추정 오차를 줄이기 위해 추정 터프의 조각별 선형 스무딩을 통해 기저 확장 모델의 모델링 오차를 감소시키기 위해.
• 기존의 단일 기호 또는 비구조적 압축 센싱 방법에 비해 더 높은 추정 정확도와 스펙트럼 효율성을 달성하기 위해.

제안 방법

• 시간이 변화하는 이중 선택성 채널을 복소 지수 기반 확장 모델(CE-BEM)을 사용하여 다중 OFDM 기호에 걸친 시간 변화를 표현한다.
• ICI를 유발하지 않는 구조를 만들고 다중 기호에 걸친 공동-블록-희박한 표현을 가능하게 하기 위해 다중 기호에 걸쳐 희박한 패일롯 패턴을 설계한다.
• 지연 도메인의 희박성과 시간적 상관관계를 활용하여 채널 추정 문제를 공동-블록-희박한 모델로 변환한다.
• 구조화된 모델에서 계수 벡터를 공동으로 복원하기 위해 블록 기반 동시 수직 매칭 퇴적법(BSOMP) 알고리즘을 제안한다.
• 추정된 채널 터프의 모델링 오차를 줄이기 위해 조각별 선형 근사법을 적용한다.
• 패일롯 서브채널 선택 행렬과 블록 단위 신호 재구성 기반의 수학적 공식을 유도하여 공동 추정 문제를 구조화된 시스템 모델로 분리한다.

실험 결과

연구 질문

• RQ1 구조적 분산 압축 센싱을 이용한 공동 다중 기호 채널 추정은 이중 선택성 OFDM 시스템에서 스펙트럼 효율성을 향상시킬 수 있는가?
• RQ2 단일 기호 방법에 비해 다중 OFDM 기호에 걸쳐 시간적 상관관계와 지연 도메인의 희박성을 활용할 경우, 추정 정확도는 어떻게 향상되는가?
• RQ3 어떤 패일롯 패턴 설계가 이중 선택성 채널에서 ICI를 유발하지 않으며 공동-블록-희박한 구조를 만들 수 있는가?
• RQ4 제안된 BSOMP 알고리즘이 기존의 CS 및 DCS 방법에 비해 추정 정확도와 패일롯 오버헤드 측면에서 얼마나 뛰어나게 성능을 발휘하는가?
• RQ5 조각별 선형 스무딩은 CE-BEM 근사에 기인한 모델링 오차를 얼마나 효과적으로 줄이는가?

주요 결과

• 제안된 SDCS 기반 방식은 공동 다중 기호 채널 모델을 추적할 때 기존의 CS 및 DCS 기반 방법보다 더 높은 추정 정확도를 달성한다.
• 기존의 LS 또는 MMSE 방법에서 사용하는 패일롯 서브채널의 10%만으로도 제안된 방법이 NMSE 측면에서 동일하거나 더 뛰어난 성능을 내는 것으로 확인되었다.
• SNR 20 dB에서 BER = 10^-2일 때, 공동 다중 기호 방식은 단일 기호 방식보다 약 1 dB의 SNR 이득을 기록하였다.
• 코딩된 BER 성능에서 제안된 방식은 완벽한 채널 지식이 있는 이상적인 경우로부터 약 0.2 dB 뿐 떨어져 있었다.
• 고속 도플러 이동도인 500 km/h에서도 높은 정확도를 유지하여 실생활 차량 환경에서의 강인함을 입증하였다.
• 시뮬레이션 결과는 구조적 패일롯 설계, BSOMP 복원, 조각별 선형 스무딩의 조합이 추정 오차와 모델링 왜곡을 크게 감소시킨다는 것을 확인하였다.