[논문 리뷰] Super-Resolution Blind Channel-and-Signal Estimation for Massive MIMO with Arbitrary Array Geometry.

Hang Liu, Xiaojun Yuan외 1명|arXiv (Cornell University)|2018. 10. 02.

Blind Source Separation Techniques인용 수 5

한 줄 요약

이 논문은 슈퍼해상도 샘플링 격자와 숨겨진 마르코프 지지도를 활용하여 각도 도메인 채널 희소성 모델링을 통해 대규모 MIMO 시스템의 슈퍼해상도 블라인드 추정 방법을 제안한다. 변분 추론과 기대값 최대화를 사용하여, 특히 비균일한 어레이 기하구조에서 상태최적 기법보다 낮은 추정 오차를 기록하는 채널과 사용자 신호를 동시 추정한다.

ABSTRACT

In this paper, we study blind channel-and-signal estimation by exploiting the burst-sparse structure of angular-domain propagation channels in massive MIMO systems. The state-of-the-art approach utilizes the structured channel sparsity by sampling the angular-domain channel representation with a uniform angle-sampling grid, a.k.a. virtual channel representation. However, this approach is only applicable to uniform linear arrays and may cause a substantial performance loss due to the mismatch between the virtual representation and the true angle-information. To tackle these challenges, we propose a channel sparsity representation with a super-resolution sampling grid and a hidden Markovian support. Based on that, we develop a novel variational inference based blind estimation algorithm to estimate the channel and the user signals simultaneously, with emphasis on the adoption of the expectation-maximization method to learn the angle-information. Furthermore, we demonstrate the low-complexity implementation of our algorithm, making use of factor graph and message passing principles to compute the marginal posteriors. Numerical results show that our proposed method significantly reduces the estimation error compared to the state-of-the-art approach under various settings, which verifies the efficiency and robustness of our method.

연구 동기 및 목표

• 비균일 선형 어레이에서 가상 채널 표현 불일치로 인한 성능 저하를 해결한다.
• 대규모 MIMO 시스템에서 진정한 각도 정보를 포착하는 데 한계가 있는 균일한 각도 샘플링 격지의 문제를 극복한다.
• 어레이 기하구조나 채널 구조에 대한 사전 지식 없이 채널과 사용자 신호를 블라인드로 동시 추정할 수 있도록 한다.
• 요소 그래프와 메시지 전달을 활용하여 실용적 구현에 적합한 저복잡도 알고리즘을 개발한다.
• 다양한 어레이 기하구조와 전파 조건에서 강인하고 정확한 추정을 달성한다.

제안 방법

• 균일한 가상 격자에 비해 실제 채널 터널의 각도 분포를 더 잘 포착할 수 있도록 슈퍼해상도 샘플링 격자를 도입한다.
• 공간 상관관계와 구조를 활용하기 위해 각도 도메인 채널 희소성에 숨겨진 마르코프 지지도 모델링한다.
• 후행 확률 최대화를 통해 채널과 사용자 신호를 동시 추정하는 변분 추론 기반 알고리즘을 개발한다.
• 데이터로부터 기저의 각도 지지도를 반복적으로 학습하기 위해 기대값 최대화 방법을 적용한다.
• 요소 그래프 표현과 메시지 전달을 활용하여 근사 후행 확률을 효율적으로 계산한다.
• 희소성과 마르코프 구조를 활용하여 계산 복잡도를 감소시키면서도 높은 정확도를 유지한다.

실험 결과

연구 질문

• RQ1 슈퍼해상도 샘플링 격자는 블라인드 대규모 MIMO 채널 추정에서 각도 해상도와 추정 정확도를 향상시킬 수 있는가?
• RQ2 숨겨진 마르코프 지지도 모델은 각도 도메인 채널 희소성의 공간 상관관계 표현을 어떻게 향상시키는가?
• RQ3 비균일한 어레이 기하구조에서 제안된 변분 추론 및 기대값 최대화 기반 방법은 기존 균일 격지 접근법보다 어느 정도 우수한가?
• RQ4 제안된 알고리즘은 높은 추정 정확도를 유지하면서도 저복잡도 구현이 가능한가?
• RQ5 이 방법은 다양한 어레이 기하구조와 전파 시나리오에서 얼마나 강인한가?

주요 결과

• 모든 테스트된 어레이 기하구조에서 최신 기술에 비해 유의미하게 낮은 추정 오차를 기록한다.
• 슈퍼해상도 샘플링 격자는 비균일 어레이에서의 불일치 손실을 줄이기 위해 실제 각도 구조를 효과적으로 포착한다.
• 숨겨진 마르코프 지지도는 각도 도메인에서 공간 상관관계를 활용함으로써 모델링 정확도를 향상시킨다.
• 변분 추론과 기대값 최대화 기반 프레임워크는 사전 지식 없이도 강인한 채널 및 신호 동시 추정을 가능하게 한다.
• 요소 그래프와 메시지 전달 구현은 저복잡도를 보장하여 실용적 구현을 가능하게 한다.
• 수치 결과는 다양한 전파 및 어레이 구성 조건 하에서 방법의 강인성과 효율성을 확인한다.