[论文解读] Over-the-Air Computation in MIMO Multi-Access Channels: Beamforming and Channel Feedback.

Guangxu Zhu, Li Chen+1 more|arXiv (Cornell University)|Mar 29, 2018

Distributed Sensor Networks and Detection Algorithms参考文献 38被引用 9

一句话总结

该论文提出了一种用于MIMO多址信道中多用途空中计算（AirComp）的波束成形与信道反馈技术，利用微分几何求解NP难的和均方误差（sum-MSE）最小化问题。该解被证明是格拉斯曼流形上的加权质心，建立了AirComp多播的对偶性，从而实现波束成形在多播场景中的高效迁移。

ABSTRACT

To support future IoT networks with dense sensor connectivity, a technique called over-the-air-computation (AirComp) was recently developed which enables a data-fusion 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 a data-fusion to receive the beamformer from distributed sensor transmissions of designed signals that are functions of local channel-state-information.

研究动机与目标

• 为下一代多天线物联网传感器网络中的高效多用途空中计算（AirComp）提供支持。
• 解决多用途AirComp中接收波束成形设计的NP难和均方误差（sum-MSE）最小化问题。
• 设计一种高效的信道反馈机制，使数据融合中心能够从分布式传感器报告中估计波束成形器。
• 建立AirComp波束成形与多播波束成形之间的理论对偶性，实现解决方案的跨应用。
• 基于格拉斯曼流形上的微分几何，提供一种几何基础坚实且计算上可行的解决方案。

提出的方法

• 在紧致的传输功率约束下，将多用途AirComp的接收波束成形优化建模为和均方误差（sum-MSE）最小化问题。
• 应用微分几何求解松弛化问题，识别出最优波束成形器为格拉斯曼流形上各信道子空间点的加权质心。
• 将每个传感器的信道矩阵表示为格拉斯曼流形上的一个点，波束成形权重由这些子空间的几何结构导出。
• 利用格拉斯曼流形质心解建立AirComp与多播波束成形之间的对偶性，将解迁移至经典多播波束成形问题。
• 设计一种高效的信道反馈协议，使传感器传输源自本地信道状态信息的信号，以使数据融合中心重建波束成形器。
• 在传感器端使用结构化训练序列，使融合中心可通过信道逆推或最小二乘估计方法估计波束成形器。

实验结果

研究问题

• RQ1 如何在MIMO多址信道中对多用途空中计算进行波束成形优化，以在功率约束下最小化和均方误差（sum-MSE）？
• RQ2 多用途AirComp中的NP难波束成形问题能否转化为格拉斯曼流形上的可解几何优化问题？
• RQ3 AirComp波束成形与多播波束成形之间的结构性关系是什么？该对偶性是否可用于简化计算？
• RQ4 如何设计高效的信道反馈机制，以使数据融合中心能够从分布式传感器报告中估计波束成形器？
• RQ5 格拉斯曼流形的哪些几何特性支撑了多用途AirComp中最优波束成形器的形成？

主要发现

• 多用途AirComp的最优接收波束成形器是表示各传感器信道子空间的格拉斯曼流形点的加权质心。
• 波束成形问题在形式上等价于经典多播波束成形问题，从而建立了AirComp与多播之间的对偶性。
• 格拉斯曼流形质心解为多播波束成形提供了一种闭式解、几何基础坚实的替代方案，避免了计算密集的半定松弛化方法。
• 所提出的信道反馈技术使数据融合中心能够利用传感器发送的分布式、信道状态信息依赖的训练信号来估计波束成形器。
• 通过利用信道子空间的内在几何结构，该解在功率约束下实现了和均方误差（sum-MSE）的最小化。
• 对偶性使得格拉斯曼流形波束成形解可直接应用于多播波束成形，从而绕过了迭代半定松弛化的需要。