[論文レビュー] Fast Uplink Grant-Free NOMA with Sinusoidal Spreading Sequences

Shah Mahdi Hasan, Kaushik Mahata+1 more|arXiv (Cornell University)|Oct 1, 2020

Advanced Wireless Communication Technologies参考文献 28被引用数 5

ひとこと要約

本稿では、大量の機械間通信（mMTC）における上行リンク指向のグラントフリーNOMAにおいて、活性ユーザー検出を周波数推定問題に変換する正弦波スプライシングシーケンスを提案する。バーデルモンド構造を活用することで、イテレーティブでない低複雑性のアルゴリズム（例えばESPRITやroot-MUSIC）の適用が可能となり、ユーザーのスパarsity、チャネル統計、活性確率に関する事前知識を必要としない状態でも、最先端のEPおよびCS-MUD手法を上回る性能を達成する。

ABSTRACT

Uplink (UL) dominated sporadic transmission and stringent latency requirement of massive machine type communication (mMTC) forces researchers to abandon complicated grant-acknowledgment based legacy networks. UL grant-free non-orthogonal multiple access (NOMA) provides an array of features which can be harnessed to efficiently solve the problem of massive random connectivity and latency. Because of the inherent sparsity in user activity pattern in mMTC, the trend of existing literature specifically revolves around compressive sensing based multi user detection (CS-MUD) and Bayesian framework paradigm which employs either random or Zadoff-Chu spreading sequences for non-orthogonal multiple access. In this work, we propose sinusoidal code as candidate spreading sequences. We show that, sinusoidal codes allow some non-iterative algorithms to be employed in context of active user detection, channel estimation and data detection in a UL grant-free mMTC system. This relaxes the requirement of several impractical assumptions considered in the state-of-art algorithms with added advantages of performance guarantees and lower computational cost. Extensive simulation results validate the performance potential of sinusoidal codes in realistic mMTC environments.

研究の動機と目的

• 上行リンク優位でスパarselyなmMTCネットワークにおけるグラントベースシステムの高遅延および信号オーバーヘッドを解消する。
• ユーザーのスパarsity、チャネル統計、活性確率に関する事前仮定を必要とする既存の圧縮センシングおよびベイズ手法の限界を克服する。
• グラントフリーNOMAにおける活性ユーザー検出、チャネル推定、データ検出のための低複雑性で高精度な検出・推定フレームワークを開発する。
• 信号構造を活用可能なスプライシングシーケンスを設計することで、イテレーティブでない計算的に効率的なアルゴリズムの実現を可能にする。

提案手法

• 正弦波スプライシングシーケンスを用いて信号モデルにバーデルモンド構造を導入し、ESPRIT や root-MUSIC などの古典的サブスペース法の適用を可能にする。
• スパarsity や活性確率に関する事前知識なしに、ユーザー数を推定するために情報量基準（AICc、BIC、WIC）を適用する。
• サブスペース構造を活用して、既知の信号スタビングを用いて精度を向上させる、連合的なチャネル推定とデータ検出を実現する。
• 必要に応じて、ESPRIT推定値を初期値として変数プロジェクション法を初期化し、高干渉または高ノイズ環境下での性能を精緻化する。
• SNRが低いために信頼性の低いユーザーを特定するためのしきい値ベースの意思決定ルールを開発する。
• フレーム単位の信号処理を用いて、複数フレームにわたるデータをコherentlyに統合し、推定および検出におけるノイズの影響を最小限に抑える。

実験結果

リサーチクエスチョン

• RQ1 正弦波スプライシングシーケンスは、ユーザーのスパarsity やチャネル統計に関する事前仮定なしに、グラントフリーmMTCにおける非イテレーティブで低複雑性の活性ユーザー検出アルゴリズムを可能にするか？
• RQ2 ESPRITおよびESPR-VPNの性能は、最先端のEPおよびCS-MUD手法と比較して、検出精度および計算コストの面でどのように異なるか？
• RQ3 提案手法は、ユーザー活性確率、送信電力、ユーザー数の変動に対してどの程度の性能を維持できるか？
• RQ4 提案フレームワークにおいて、信号スタビングの知識を活用することで、連合的なチャネル推定とデータ検出の性能は向上するか？
• RQ5 活性ユーザー間の角周波数間隔が、ESPRITベース検出の性能に与える影響は何か？

主な発見

• 提案手法は、全テスト設定において、MDR、NSER、RMSEのすべての指標で最先端のEPアルゴリズムを上回り、特に低SNRおよび高活性度状況で顕著な向上を示す。
• 20 dBmの送信電力および $ p_a = 0.1 $ の条件下で、$ M $ が32から112に増加しても、提案手法はRMSEが0.1未満を維持する一方、EPの性能は著しく劣化する。
• $ M = 64 $ の場合、0 dBmの送信電力でも、UEの6%しか信頼性の低いユーザーとして分類されない。これは、低SNR環境下でも高いロバストネスを示している。
• EPに比べて提案手法の計算コストは著しく低く、$ N $（全UE数）が増加するに従い、平均CPU時間がはるかにゆっくりと増加する。
• $ p_a \rightarrow 0.2 $ の高活性度領域では、ESPR-VPNがESPRITに比べてわずかに性能向上を示し、特にMDRおよびNSERの面で顕著であるが、計算コストはわずかに増加する。
• 情報基準によるスパarsity推定を用いることで、$ M $、送信電力、$ p_a $ の変動に対してもロバストである。$ p_a $ が0.1を超えて増加しても、性能劣化は最小限に抑えられる。