[논문 리뷰] MIMO Over-the-Air Computation for High-Mobility Multi-Modal Sensing

Guangxu Zhu, Kaibin Huang|arXiv (Cornell University)|2018. 03. 29.

Indoor and Outdoor Localization Technologies참고 문헌 38인용 수 5

한 줄 요약

이 논문은 고속 이동성 다중 모odal 센싱을 위한 MIMO 과공중 계산(MIMO-AirComp)을 제안하며, 그라스만 다양체 기반 등화기로 다중 기능(예: 온도 평균, 오염도, 습도)의 공간 다중화를 가능하게 한다. 이 등화기는 합산 평균 제곱 오차를 최소화하며, 채널 하위공간의 가중 중심으로 유도되며, AirComp-멀티캐스팅 이중성 관계를 수립하여 정규화된 피드백 채널 없이도 효율적인 채널 피드백을 가능하게 한다.

ABSTRACT

In future Internet-of-Things networks, sensors or even access points can be mounted on ground/aerial vehicles for smart-city surveillance or environment monitoring. To support the high-mobility sensing with low network latency, a technique called over-the-air-computation (AirComp) was recently developed which enables an access-point to receive a desired function of sensing-data from concurrent-transmissions by exploiting the superposition property of a multi-access-channel. This work aims at further developing AirComp for next-generation multi-antenna multi-modal sensor networks. Specifically, we design beamforming and channel-feedback techniques for multi-function AirComp. Given the objective of minimizing sum-mean-squared-error of computed functions, the optimization of receive-beamforming for multi-function AirComp is a NP-hard problem. The approximate problem based on tightening transmission-power constraints, however, is shown to be solvable using differential-geometry. The solution is proved to be the weighted-centroid of points on a Grassmann-manifold, where each point represents the subspace spanned by the channel matrix of a sensor. As a by-product, the beamforming problem is found to have the same form as the classic problem of multicast-beamforming, establishing the AirComp-multicasting-duality. Its significance lies in making the said Grassmannian-centroid solution transferable to the latter problem which otherwise is solved using the computation-intensive semidefinite-relaxation-technique. Last, building on the AirComp-beamforming solution, an efficient channel-feedback technique is designed for an access-point to receive the beamformer from distributed sensor transmissions of designed signals that are functions of local channel-state-information.

연구 동기 및 목표

• 기존의 정규화된 액세스 방식이 초과된 지연을 유발하는 고속 이동성 IoT 센서 네트워크에서 초고속 데이터 집계 문제를 해결하기 위해.
• 다중 안테나 센서 네트워크에서 MIMO-AirComp를 통해 다중 센싱 기능(예: 기하 평균, 평균 계산)의 공간 다중화를 가능하게 하기 위해.
• 그라스만 다양체 상의 폐쇄형 등화기를 통해 공간 다중성을 활용하여 AirComp에서 합산 평균 제곱 오차를 최소화하기 위해.
• 지역 채널 상태 정보(CSI) 기반의 기능적 코딩된 신호를 사용하여 동시에 여러 센서로부터 피드백을 가능하게 하는 효율적인 채널 피드백 기법을 설계하기 위해.

제안 방법

• 각 센서의 채널 계수 행렬에 해당하는 하위공간의 가중 중심을 찾는 문제로 문제를 정식화하여, 근사 최적의 MIMO-AirComp 등화기를 도출한다.
• 미분 기하학을 활용하여 최적화 문제를 해결하고, 공간 다중성 하에서 합산 평균 제곱 오차를 최소화하는 등화기가 됨을 증명한다.
• MIMO-AirComp 등화 문제와 멀티캐스트 beamforming 문제의 수학적 형태가 동일함을 보여줌으로써 AirComp-멀티캐스팅 이중성 관계를 수립한다.
• 센서들이 지역 CSI에서 기능적으로 유도된 신호를 전송함으로써 정규화된 피드백 채널 없이도 동시에 피드백을 가능하게 하는 피드백 기법을 설계한다.
• 제약 조건이 없는 문제의 해를 활용하여 최적의 등화기를 도출하며, 이는 본질적으로 정규화 조건을 만족한다.
• 전역 최소화점이 채널 통계에서 유도된 양의 정부호 행렬 G의 주성분 고유벡터와 일치함을 증명한다.

실험 결과

연구 질문

• RQ1 고속 이동성 다중 모달 센서 네트워크에서 MIMO-AirComp를 어떻게 설계하여 다중 센싱 기능의 공간 다중화를 지원할 수 있는가?
• RQ2 공간 다중성을 고려할 때 MIMO-AirComp에서 합산 평균 제곱 오차를 최소화하는 최적의 등화기 구조는 무엇인가?
• RQ3 MIMO-AirComp 등화 문제는 기존의 beamforming 문제와 관련이 있으며, 만약 그렇다면 이러한 관계는 어떻게 새로운 해법을 가능하게 하는가?
• RQ4 고밀도 센서 환경에서 정규화된 피드백 채널을 사용하기 어려운 상황에서 MIMO-AirComp에서 효율적인 피드백은 어떻게 달성할 수 있는가?
• RQ5 최적의 등화기의 수학적 구조는 무엇이며, 이를 폐쇄형으로 어떻게 계산할 수 있는가?

주요 결과

• 최적의 MIMO-AirComp 등화기는 그라스만 다양체 상의 하위공간 가중 중심으로 유도되며, 양의 정부호 행렬 G의 주성분 고유벡터와 대응된다.
• 동일한 공간 다중성 조건 하에서 다른 모든 등화기보다 낮은 합산 평균 제곱 오차를 달성한다.
• AirComp-멀티캐스팅 이중성 관계가 공식적으로 수립되었으며, MIMO-AirComp 등화 문제와 멀티캐스트 beamforming 문제 사이의 수학적 동치성을 입증한다.
• 그라스만 중심 해법은 멀티캐스트 beamforming 문제로도 이식 가능하며, 더 계산 비용이 큰 정수형 이완 방법에 대한 폐쇄형 대체 방법을 제공한다.
• 제안된 피드백 기법은 지역 CSI 기반의 기능적 코딩된 신호를 사용하여 여러 센서의 동시에 피드백을 가능하게 하며, 정규화된 피드백 채널이 필요 없음을 보여준다.
• 제약 조건이 없는 문제의 해는 비자명한 정류점이 되며, 정규화 조건을 만족함을 확인하여 최적의 등화기가 제약 조건이 있는 문제에 대해서도 타당함을 증명한다.