[논문 리뷰] Optimal Non-coherent Data Detection for Massive SIMO Wireless Systems with General Constellations: A Polynomial Complexity Solution

Haider Ali Jasim Alshamary, Fahim Anjum외 3명|arXiv (Cornell University)|2015. 07. 08.

Advanced MIMO Systems Optimization참고 문헌 13인용 수 4

한 줄 요약

이 논문은 일정 및 비일정 진폭 조합을 모두 갖는 대규모 SIMO 시스템에 대해 최적의 다항식 복잡도 최대우도(ML) 비협응식 데이터 검출 알고리즘을 제안한다. 감소된 랭크 이차형식의 효율적 최적화와 구조화된 검색 공간을 활용함으로써, 수신 안테나 수에 대해 선형 복잡도, 코herence 시간에 대해 다항식 복잡도로 근사 최적 성능를 달성하며, 기존 방법 대비 최대 5 dB SNR 향상을 제공한다.

ABSTRACT

Massive MIMO systems can greatly increase spectral and energy efficiency over traditional MIMO systems by exploiting large antenna arrays. However, increasing the number of antennas at the base station (BS) makes the uplink non-coherent data detection very challenging in massive MIMO systems. In this paper we consider the joint maximum likelihood (ML) channel estimation and data detection problem for massive SIMO (single input multiple output) wireless systems, which is a special case of wireless systems with large antenna arrays. We propose exact ML non-coherent data detection algorithms for both constant-modulus and nonconstant-modulus constellations, with a low expected complexity. Despite the large number of unknown channel coefficients for massive SIMO systems, we show that the expected computational complexity of these algorithms is linear in the number of receive antennas and polynomial in channel coherence time. Simulation results show the performance gains (up to 5 dB improvement) of the optimal non-coherent data detection with a low computational complexity.

연구 동기 및 목표

• 수신 안테나 수가 많은 대규모 SIMO 시스템에서 시간 변화하는 비협응식 채널 조건 하에서 동시 채널 추정 및 비협응식 데이터 검출의 과제를 해결한다.
• 시간 변화하는 비협응식 채널을 갖는 대규모 MIMO 시스템에서 완전한 ML 검출의 높은 계산 복잡도 문제를 해결한다.
• 일정 및 비일정 진폭 조합 모두에 대해 효율적이고 확장 가능한 정확한 ML 검출 알고리즘을 개발한다.
• 파ilot 기반 추정에 의존하지 않고 동시 ML 추정 및 검출을 통해 파이лот 오염 영향을 제거한다.
• 수신 안테나 수와 채널 코herence 시간에 대해 다항식 시간 복잡도 스케일링을 달성한다.

제안 방법

• 신호 및 채널 파rameter에 대한 이차형식의 제약 최적화 문제로 동시 최대우도(ML) 검출 문제를 수식화한다.
• 최근에 개발된 감소된 랭크 이차형식의 효율적 최대화 기법을 활용하여 다항식 시간 복잡도를 달성한다.
• 신호 조합과 채널 통계를 활용하여 전체 검색을 피하는 구조화된 검색 공간을 설계한다.
• 구형 디코딩 원리를 수정하여 신호 공간의 부분 집합으로 검색 범위를 제한함으로써 복잡도를 감소시킨다.
• 기대 복잡도에 대한 폐쇄형 표현식을 유도하여 수신 안테나 수에 대해 선형 의존성을 보여준다.
• 기본 진폭(예: BPSK, QPSK) 및 비일정 진폭 조합(예: QAM) 모두를 지원하도록 알고리즘을 보장한다.

실험 결과

연구 질문

• RQ1 대규모 SIMO 시스템에서 다항식 복잡도로 정확한 ML 비협응식 검출이 가능할 수 있는가?
• RQ2 제안된 방법이 일정 및 비일정 진폭 조합 모두에서 최적 성능를 유지하는가?
• RQ3 수신 안테나 수와 코herence 시간에 따라 계산 복잡도의 스케일링 행동은 어떠한가?
• RQ4 파일럿 기반 채널 추정을 피하는 것으로 인해 알고리즘이 파이롯 오염을 완화할 수 있는가?
• RQ5 제안된 방법의 성능는 부분 최적 또는 기존 비협응식 검출 방법과 비교해 어떻게 되는가?

주요 결과

• 제안된 알고리즘은 수신 안테나 수에 대해 선형으로 증가하는 계산 복잡도로 최적의 비협응식 검출 성능를 달성한다.
• 기대 복잡도는 채널 코herence 시간에 대해 다항식으로 증가하여 대규모 MIMO 시스템에서 실용적인 구현이 가능하다.
• 시뮬레이션 결과는 기존 비협응식 검출 방법 대비 최대 5 dB의 SNR 향상을 보였다.
• 이 방법은 이전 연구에서 일정 진폭 신호에 국한되어 있었던 것을 넘어, 일정 및 비일정 진폭 조합 모두를 지원하여 기존 연구를 확장한다.
• 파일럿 기반 추정이 필요 없이 동시 ML 추정 및 검출을 통해 파일럿 오염을 제거한다.
• 이론적 분석을 통해 기대 복잡도가 수신 안테나 수가 증가함에 따라 유한하고 확장 가능함을 확인하였다.