[논문 리뷰] On the capacity achieving covariance matrix for Rician MIMO channels: an asymptotic approach

Julien Dumont, Walid Hachem외 3명|HAL (Le Centre pour la Communication Scientifique Directe)|2007. 10. 22.

Advanced MIMO Systems Optimization참고 문헌 25인용 수 7

한 줄 요약

이 논문은 폐쇄형 해가 존재하지 않는 상관관계가 있는 Rician MIMO 채널에 대해 용량을 달성하는 입력 공분산 행렬을 구하는 점근적 접근법을 제안한다. 대규모 랜덤 행렬 이론을 활용하여, 안테나 수가 무한해지는 대역폭 한계에서의 평균 상호정보량을 근사함으로써, 계산적으로 효율적인 반복 알고리즘을 도출한다. 이 알고리즘은 최적의 공분산 행렬로 수렴하며, 중간 크기의 안테나 어레이에서도 직접 최적화 결과와 일치한다.

ABSTRACT

The capacity-achieving input covariance matrices for coherent block-fading correlated MIMO Rician channels are determined. In this case, no closed-form expressions for the eigenvectors of the optimum input covariance matrix are available. An approximation of the average mutual information is evaluated in this paper in the asymptotic regime where the number of transmit and receive antennas converge to $+\infty$. New results related to the accuracy of the corresponding large system approximation are provided. An attractive optimization algorithm of this approximation is proposed and we establish that it yields an effective way to compute the capacity achieving covariance matrix for the average mutual information. Finally, numerical simulation results show that, even for a moderate number of transmit and receive antennas, the new approach provides the same results as direct maximization approaches of the average mutual information, while being much more computationally attractive.

연구 동기 및 목표

• 상관관계가 있는 Rician MIMO 채널에서 용량을 달성하는 입력 공분산 행렬의 고유벡터에 대한 폐쇄형 해의 부재를 해결하기 위해.
• 평균 상호정보량의 몬테카를로 기반 수치 최적화에 대한 계산 효율성이 뛰어난 대체 방법을 개발하기 위해.
• 상관관계가 있는 Rician fading MIMO 채널에서 상호정보량의 대규모 시스템 근사의 정확성과 수렴 성질을 확립하기 위해.
• 점근적 상호정보량 근사를 최적화하는 새로운 반복 알고리즘을 제안하여 공분산 행렬 계산을 위한 실용적인 방법을 제공하기 위해.
• 점근적 근사에서 유도된 해가 점차적으로 진정한 평균 용량을 달성함을 증명하기 위해.

제안 방법

• 대규모 랜덤 행렬 이론을 활용하여, 상관관계가 있는 Rician MIMO 채널의 평균 상호정보량에 대해 대규모 시스템 한계에서 결정론적이고 폐쇄형의 근사를 유도한다.
• 수신 및 송신 안테나 수가 같은 비율로 무한해질 때, [17]에서 제안한 점근적 근사를 적용하여 상호정보량을 모델링한다.
• 비선형 방정식 두 개의 연립해를 구하고 표준 워터필링 전력 할당을 번갈아 수행하는 반복 최적화 알고리즘을 개발한다.
• 약한 조건 하에서 알고리즘이 최적의 공분산 행렬로 수렴함을 보장하며, 최적성에 대한 이론적 보장을 제공한다.
• 이론적 경계와 직접 몬테카를로 최적화와의 수치적 비교를 통해 점근적 근사의 정확성을 검증한다.
• 이전의 Rayleigh 채널 연구(예: [44])를 선로 시각 및 상관관계 성분을 포함하는 더 복잡한 Rician 케이스로 확장한다.

실험 결과

연구 질문

• RQ1 상관관계가 있는 Rician MIMO 채널에서 평균 상호정보량의 대규모 시스템 근사를 실용적인 최적화에 충분한 정확도로 도출할 수 있는가?
• RQ2 제안된 점근적 근사는 용량을 달성하는 입력 공분산 행렬을 계산하기 위한 계산적으로 다룰 수 있고 수렴성이 보장된 알고리즘을 도출하는가?
• RQ3 특히 중간 크기의 MIMO 시스템에서, 점근적 근사는 정확한 상호정보량의 직접 수치 최대화에 비해 얼마나 정확한가?
• RQ4 점근적 근사를 기반으로 한 반복 알고리즘이 진정한 용량을 달성하는 공분산 행렬로 수렴할 수 있으며, 어떤 조건에서 그러한 수렴이 이루어지는가?
• RQ5 점근적 상호정보량을 최적화하여 유도된 해가 채널의 진정한 평균 용량을 점차적으로 달성하는가?

주요 결과

• 제안된 평균 상호정보량의 점근적 근사는 중간 크기의 안테나 수에서도 매우 정확하며, 직접 수치 최대화 결과와 거의 일치한다.
• 점근적 근사를 기반으로 한 반복 알고리즘은 수렴하는 한 항상 최적의 입력 공분산 행렬로 수렴하며, 강력한 이론적 근거를 지닌다.
• 몬테카를로 기반 직접 최적화에 비해 계산적으로 훨씬 효율적이며, 고비용 시뮬레이션에 의존한다.
• 점근적 상호정보량을 최적화하여 도출된 해는 점차적으로 진정한 평균 용량을 달성함을 입증하며, 이는 접근법의 타당성을 뒷받침한다.
• 이 방법은 [44]에서 제안한 Rayleigh 채널 워터필링 방법을 Rician 케이스로 일반화하여 선로 시각 및 상관관계 있는 fading 성분을 모두 통합한다.
• 수치 결과는 점근적 방법이 직접 최적화와 동일한 용량을 달성하는 공분산 행렬을 도출하지만, 훨씬 더 짧은 시간에 수행됨을 확인한다.