[論文レビュー] Compressive Sensing Techniques for Next-Generation Wireless Communications

Zhen Gao, Linglong Dai+4 more|arXiv (Cornell University)|Sep 6, 2017

Sparse and Compressive Sensing Techniques参考文献 13被引用数 8

ひとこと要約

本論文は、信号のスパarsityを活用することで、次世代無線ネットワークにおける高いオーバーヘッド、複雑さ、エネルギー消費を低減するための圧縮センシング（CS）技術を提案する。マッスィブMIMO、ミリ波通信、NOMA、および超密度ネットワークにおいて、サブ・ナイキストサンプリングを可能にすることで、CSはチャネル推定、フィードバック、トラフィック監視のオーバーヘッドを低減しつつ、信頼性の高い信号再構成を維持する。

ABSTRACT

A range of efficient wireless processes and enabling techniques are put under a magnifier glass in the quest for exploring different manifestations of correlated processes, where sub-Nyquist sampling may be invoked as an explicit benefit of having a sparse transform-domain representation. For example, wide-band next-generation systems require a high Nyquist-sampling rate, but the channel impulse response (CIR) will be very sparse at the high Nyquist frequency, given the low number of reflected propagation paths. This motivates the employment of compressive sensing based processing techniques for frugally exploiting both the limited radio resources and the network infrastructure as efficiently as possible. A diverse range of sophisticated compressed sampling techniques is surveyed and we conclude with a variety of promising research ideas related to large-scale antenna arrays, non-orthogonal multiple access (NOMA), and ultra-dense network (UDN) solutions, just to name a few.

研究の動機と目的

• 広帯域、多数のアンテナ、超密度展開による次世代無線システムにおけるサンプリング、処理、フィードバックの過大なオーバーヘッドを解消すること。
• チャネルインパulse応答、スペクトル占有度、トラフィック負荷における信号のスパarsityを活用することで、5Gにおけるナイキストサンプリングの限界を克服すること。
• スパarsityに配慮した圧縮センシングを用いることで、マッスィブMIMOおよびNOMAシステムにおけるチャネル推定および信号検出の複雑さを低減すること。
• 干渉パターンおよびトラフィック負荷行列におけるスパarsityを活用することで、超密度ネットワークにおけるフィードバックおよびエネルギー消費を最小限に抑えること。
• トラフィックの低ランクおよびスパースモデリングを用いて予測および動的リソース管理を実現することで、エネルギー効率の良いネットワーク運用を可能にすること。

提案手法

• サブ・ナイキストサンプルからスパースなチャネルインパulse応答（CIR）を再構成するための圧縮センシングを適用し、マッスィブMIMOシステムにおけるチャネルサウンディングのオーバーヘッドを低減する。
• マッスィブMIMOのビームフォーミングおよび非直交多アクセス（NOMA）のコードブック設計における空間ドメインにおけるスパarsityを活用して、検出の複雑さを低減する。
• ミリ波（mmWave）チャネル応答におけるスパarsityを活用し、フィードバックを削減した効率的なビームトレーニングおよびプリコーディングを実現する。
• スペクトル占有度およびUWB信号を周波数ドメインでスパースとしてモデル化することで、ハードウェアおよび電力コストを低減した広帯域センシングを可能にする。
• トラフィック負荷インジケータ行列に対して低ランクおよびスパarsityに配慮した圧縮センシングを適用し、サブ・ナイキスト再構成およびエネルギー効率の良いネットワーク管理を実現する。
• 分散型および集中型のCSフレームワークを用いて、超密度ネットワークにおける大規模なランダムアクセスおよび協調送信におけるフィードバックオーバーヘッドを最小限に抑える。

実験結果

リサーチクエスチョン

• RQ1 圧縮センシングを用いることで、チャネルインパulse応答におけるスパarsityを活用することで、マッスィブMIMOシステムにおけるチャネルサウンディングのオーバーヘッドをどのように低減できるか？
• RQ2 NOMAにおけるコードワードやmmWaveにおけるビームパターンなどの信号構造のスパarsityをどのように活用すれば、検出およびフィードバックの複雑さを低減できるか？
• RQ3 超密度ネットワークにおける干渉する基地局およびトラフィック負荷のスパarsityをどのように活用することで、干渉の低減およびフィードバックオーバーヘッドの最小化を実現できるか？
• RQ4 トラフィック負荷行列の低ランクモデリングにより、サブ・ナイキストサンプリングを用いて正確な再構成および予測が可能になるか？
• RQ5 特に複雑さ、信頼性、ハードウェア互換性の観点から、CSベースの技術を実用的な5Gシステムに統合するにあたり、主な課題は何か？

主な発見

• 圧縮センシングにより、従来のナイキストサンプリングと比較して、マッスィブMIMOシステムにおけるスパースなチャネルインパulse応答の信頼性の高い再構成が可能となり、チャネルサウンディングのオーバーヘッドが顕著に低減される。
• NOMAにおけるビームフォーミングおよび信号構造のスパarsityにより、高いスペクトル効率を維持しつつ、信号検出の複雑さが低減される。
• ミリ波通信において、CSベースのビームトレーニングにより、必要なパイロット信号数およびフィードバック量が削減され、スペクトル効率およびエネルギー効率が向上する。
• 低ランクおよび空間的・時間的圧縮センシングを用いたトラフィック負荷行列のサブ・ナイキストサンプリングにより、少ない測定数で正確なトラフィック予測が可能となり、フィードバックオーバーヘッドが低減される。
• 超密度ネットワークにおける干渉する基地局のスパarsityを活用することで、協調信号の伝送量が削減され、同セル干渉低減効率が向上する。
• CSベースのアプローチは、サンプリング、フィードバック、保存の要件を最小限に抑えることで、次世代無線ネットワークにおけるエネルギー消費および運用コストの低減に強く期待できる。