[논문 리뷰] User Activity Detection and Channel Estimation for Grant-Free Random Access in LEO Satellite-Enabled Internet-of-Things

Zhaoji Zhang, Ying Li외 5명|arXiv (Cornell University)|2020. 05. 20.

IoT Networks and Protocols참고 문헌 36인용 수 4

한 줄 요약

이 논문은 저궤도 위성 기반 사물인터넷(IoT) 네트워크에서 할당 없이 무선 액세스(GF-RA)를 위한 동시 사용자 활성화 검출(UAD) 및 채널 추정(CE)을 위한 기대치 최대화(EM)를 통한 베르누이-리시안 메시지 전달(BR-MP-EM) 알고리즘을 제안한다. 이 방법은 메시지 전달과 EM 기반 초모수 업데이트를 반복적으로 적용하여 활성화 및 채널 추정을 정밀하게 개선함으로써 고도로 낮은 지연과 높은 강인성을 달성하며, 심각한 채널 품질 저하 조건에서도 높은 정확도를 확보한다.

ABSTRACT

With recent advances on the dense low-earth orbit (LEO) constellation, LEO satellite network has become one promising solution to providing global coverage for Internet-of-Things (IoT) services. Confronted with the sporadic transmission from randomly activated IoT devices, we consider the random access (RA) mechanism, and propose a grant-free RA (GF-RA) scheme to reduce the access delay to the mobile LEO satellites. A Bernoulli-Rician message passing with expectation maximization (BR-MP-EM) algorithm is proposed for this terrestrial-satellite GF-RA system to address the user activity detection (UAD) and channel estimation (CE) problem. This BR-MP-EM algorithm is divided into two stages. In the inner iterations, the Bernoulli messages and Rician messages are updated for the joint UAD and CE problem. Based on the output of the inner iterations, the expectation maximization (EM) method is employed in the outer iterations to update the hyper-parameters related to the channel impairments. Finally, simulation results show the UAD and CE accuracy of the proposed BR-MP-EM algorithm, as well as the robustness against the channel impairments.

연구 동기 및 목표

• 저궤도 위성 네트워크에서 대량의 IoT 기기로부터 발생하는 갑작스럽고 무작위적인 액세스로 인한 높은 지연과 제한된 피드백 문제를 해결하기 위해.
• LEO 위성-IoT 시스템에서 할당 없이 무선 액세스(GF-RA)를 가능하게 하여 액세스 지연과 신호 처리 오버헤드를 감소시키기 위해.
• 레이일라이히 및 리시안 페이딩에 더해 위상 및 진폭 품질 저하가 존재하는 조건에서 활성 사용자를 동시 검출하고 채널을 추정하기 위해.
• 사전 지식 없이도 알려지지 않은 채널 품질 저하에 적응 가능한 강인하고 반복적인 알고리즘을 개발하기 위해.

제안 방법

• 이중 단계 BR-MP-EM 알고리즘을 제안: 내부 반복에서는 동시 UAD 및 CE를 위한 베르누이-리시안 메시지 전달을 수행하고, 외부 반복에서는 기대치 최대화(EM)를 사용해 초모수를 정밀화한다.
• 요소 그래프 상의 메시지 전달을 이용해 사용자 활성화 및 채널 상태의 사후 추정치를 계산하며, 리시안 페이딩 및 레이일라이히 산란 성분을 통합한다.
• 외부 반복에서 EM 업데이트를 적용해 알려지지 않은 채널 품질 저하 매개변수, 예를 들어 진폭 이득 $ h_r $ 및 위상 이득 $ \theta_\delta $를 반복적인 우도 최대화 기반으로 추정한다.
• 품질 저하가 직렬성 성분에만 영향을 주는 경우를 고려해 메시지 업데이트 규칙을 수정하며, 시간에 따라 변하는 분산 대신 일정한 $ v^{\text{ray}}_k $ 를 사용한다.
• 가중 평균을 통한 복소 채널 추정치를 이용해 $ \hat{h}_r $ 및 $ \hat{\phi}_\delta $ 의 폐쇄형 해를 유도하며, 올바른 해의 분지 선택을 통해 물리적 일관성을 확보한다.
• 혼합 직렬성(LoS) 및 비직렬성(NLoS) 성분이 존재하는 실제 LEO 위성-IoT 채널 모델 기반 시뮬레이션 결과를 통해 알고리즘을 검증한다.

실험 결과

연구 질문

• RQ1 LEO 위성 기반 IoT를 위한 할당 없이 무선 액세스 체계에서 사용자 활성화 검출 및 채널 추정을 어떻게 동시 최적화할 수 있는가?
• RQ2 채널 품질 저하(진폭 및 위상)가 알려지지 않은 상태에서 직렬성(LoS) 및 비직렬성(NLoS) 성분에 모두 영향을 주는 경우, UAD 및 CE의 성능 한계는 무엇인가?
• RQ3 EM 기반 초모수 학습을 통한 메시지 전달이 실제 LEO 위성 채널 조건에서 강인하고 정확한 추정을 달성할 수 있는가?
• RQ4 다양한 신호 대 잡음비(SNR) 및 채널 품질 저하 수준에서 제안된 BR-MP-EM 알고리즘이 기존 방법 대비 UAD 및 CE 정확도에서 어떤 성능 차이를 보이는가?

주요 결과

• 제안된 BR-MP-EM 알고리즘은 높은 사용자 활성화 검출 정확도를 달성하여, 고도로 간섭이 심한 저SNR 환경에서도 활성 사용자를 정확히 식별한다.
• 채널 추정 정확도가 크게 향상되었으며, 알고리즘이 $ h_r $ 및 $ \phi_\delta $ 와 같은 채널 품질 저하의 핵심 매개변수에 대해 정확한 추정치로 수렴함을 보였다.
• 알려지지 않은 채널 품질 저하에 대해 강인한 성능을 유지를 하며, 실제 $ h_r $ 및 $ \phi_\delta $ 의 값이 사전에 알려지지 않은 상태에서도 높은 성능 유지를 보였다.
• 시뮬레이션 결과, 혼합 LoS 및 NLoS 전파 조건에서 BR-MP-EM 알고리즘이 기존 방법보다 UAD 및 CE 모두에서 뛰어난 성능을 보였다.
• 품질 저하가 직렬성 성분에만 영향을 주는 경우, 수정된 알고리즘은 $ \hat{h}_r $ 및 $ \hat{\phi}_\delta $ 에 대해 폐쇄형 해를 도출하여 계산 효율성을 향상시켰다.
• 해의 물리적 해석을 통해 복소수 해의 두 가지 가능한 분지 중에서 올바른 해를 선택할 수 있었으며, 이는 채널 추정치의 기대 위상 정렬 조건에 기반한다.