[论文解读] A Coupled Compressive Sensing Scheme for Uncoordinated Multiple Access.

Vamsi K. Amalladinne, Avinash Vem+3 more|arXiv (Cornell University)|Sep 13, 2018

Sparse and Compressive Sensing Techniques参考文献 26被引用 55

一句话总结

本文提出了一种新型的编码压缩感知方案，这是一种非协作式多址接入方案，结合了压缩感知与前向纠错编码技术，实现了高效且低复杂度的解码。通过将数据划分为子块，利用系统线性分块码添加冗余，并采用基于树的重构算法，该方案在各种工作场景下均实现了低误码率，优于现有策略。

ABSTRACT

This article introduces a novel communication scheme, termed coded compressed sensing, for unsourced multiple-access communication. The proposed divide-and-conquer approach leverages recent advances in compressed sensing and forward error correction to produce a novel uncoordinated access paradigm, along with a computationally efficient decoding algorithm. Within this framework, every active device partitions its data into several sub-blocks and, subsequently, adds redundancy using a systematic linear block code. Compressed sensing techniques are then employed to recover sub-blocks up to a permutation of their order, and the original messages are obtained by stitching fragments together using a tree-based algorithm. The error probability and computational complexity of this access paradigm are characterized. An optimization framework, which exploits the tradeoff between performance and computational complexity, is developed to assign parity-check bits to each sub-block. In addition, two emblematic parity bit allocation strategies are examined and their performances are analyzed in the limit as the number of active users and their corresponding payloads tend to infinity. The number of channel uses needed and the computational complexity associated with these allocation strategies are established for various scaling regimes. Numerical results demonstrate that coded compressed sensing outperforms other existing practical access strategies over a range of operational scenarios.

研究动机与目标

• 解决大规模机器类通信中设备无事先协调传输所面临的非协作多址接入挑战。
• 在保持低误码概率的同时降低解码计算复杂度，适用于无源随机接入场景。
• 设计一种实用的通信框架，利用压缩感知与前向纠错编码的最新进展。
• 优化子块间的校验位分配，以平衡性能与复杂度。
• 表征在大量活跃用户和数据负载下的方案扩展行为。

提出的方法

• 将每个活跃设备的数据划分为多个子块，以支持局部化的压缩感知恢复。
• 应用系统线性分块码向每个子块添加冗余，增强对恢复错误的鲁棒性。
• 采用压缩感知技术恢复子块（允许其顺序发生置换），以降低维度和复杂度。
• 采用基于树的算法，通过正确排序并拼接恢复的子块片段，重构原始信息。
• 构建一个优化框架，根据性能-复杂度权衡，将校验位分配给子块。
• 在活跃用户数和数据负载趋于无穷大的渐近情形下，分析两种典型校验位分配策略。

实验结果

研究问题

• RQ1 如何联合设计压缩感知与前向纠错编码，以实现低解码复杂度的高效非协作多址接入？
• RQ2 该框架中误码性能与计算复杂度之间的基本权衡是什么？如何实现优化？
• RQ3 不同的校验位分配策略如何影响大规模系统中所需的信道使用数和计算复杂度？
• RQ4 当活跃用户数和数据负载趋于无穷大时，误码概率和复杂度的渐近扩展规律是什么？
• RQ5 所提出的方案是否能在多种工作场景下优于现有实用的接入策略？

主要发现

• 所提出的编码压缩感知方案在各种工作场景下，其误码率均低于现有实用接入策略。
• 优化框架通过智能地将校验位分配给子块，实现了性能与计算复杂度之间的有效权衡。
• 两种典型校验位分配策略在渐近情形下表现出良好的扩展性，其信道使用量和复杂度需求已明确表征。
• 基于树的重构算法通过正确排序压缩感知恢复的子块，成功重构出原始信息。
• 数值结果证实了该方案在实际场景中的鲁棒性与优越性，尤其在高用户负载下表现突出。
• 该框架在保持低计算复杂度的同时，实现了无源随机接入环境中可靠通信。