[論文レビュー] PCA-based Antenna Impedance Estimation in Rayleigh Fading Channels

Shaohan Wu, Brian L. Hughes|arXiv (Cornell University)|Jun 20, 2020

Advanced MIMO Systems Optimization参考文献 26被引用数 5

ひとこと要約

本稿では、MISOのレイノルズ状態のフェージング回線において、訓練シーケンスと受信機負荷スイッチングを用いて、リアルタイムでのアンテナインピーダンス推定を実現する主成分に基づく手法を提案する。速やかなフェージング下では閉形式の最尤推定器を導出し、相関のあるフェージングに対してはスカラ型最適化手法を用いることで、迅速かつ高精度なインピーダンス推定が可能となり、不整合な受信機ではスルーレット容量が最大100%向上する。

ABSTRACT

Impedance matching between receive antenna and front-end significantly impacts channel capacity in wireless channels. To implement capacity-optimal matching, the receiver must know the antenna impedance. But oftentimes this impedance varies with loading conditions in the antenna near-field. To mitigate this variation, several authors have proposed antenna impedance estimation techniques. However, the optimality of these techniques remains unclear. In this paper, we consider antenna impedance estimation at MISO receivers over correlated Rayleigh fading channels. We derive in closed-form the optimal ML estimator under i.i.d. fading and then show it can be found via a scalar optimization in generally correlated fading channels. Numerical results suggest a computationally efficient, principal-components approach that estimates antenna impedance in real-time for all Rayleigh fading channels. Furthermore, ergodic capacity can be significantly boosted at originally poorly matched receivers with adaptive matching using our proposed approach.

研究の動機と目的

• 近接フィールド負荷による時間変動するアンテナインピーダンスが無線システムの受信機容量を低下させるという課題に対処する。
• 計算的に高価な経験的容量探索に依存しない、直接的でデータ効率の良い受信機アンテナインピーダンス推定手法を開発する。
• MISOシステムにおける既存の訓練シーケンスとパイロット記号を活用して、リアルタイムで容量最適化インピーダンスマッチングを実現する。
• 多様なフェージング条件下でCramér-Rao下界に近い理論的裏付けと計算効率の高い推定器を提供する。

提案手法

• パスゲインをネイビスパrameterとみなして、チャネルパスゲインと受信機インピーダンスの同時推定問題としてアンテナインピーダンス推定問題を定式化する。
• i.i.d. レイノルズフェージング下での閉形式最尤（ML）推定器を、標本共分散行列の最大固有値に対応する固有ベクトルに基づいて導出する。
• 時間的相関のあるフェージングに対しては、ML推定器がスカラ型最適化により得られることを示し、計算複雑度を低減する。
• 相関のあるフェージングに対しては、計算効率が良く、ML性能に近いモーメント法（MM）推定器を提案する。
• 推定されたインピーダンスを最小分散誤差（MMSE）チャネル推定器に統合し、全体のシステム性能を向上させる。
• 訓練シーケンスと同期された受信機負荷スイッチングを用いて、チャネルとインピーダンスの同時推定に必要な観測値を収集する。

実験結果

リサーチクエスチョン

• RQ1 i.i.d. フェージングを想定するMISOのレイノルズフェージング回線において、アンテナインピーダンスの閉形式最尤推定器を導出可能か？
• RQ2 一般に相関のあるフェージング回線においてML推定器をどのように適合させられるか。また、その適合に伴う計算複雑度はいかほどか？
• RQ3 有限サンプルおよび相関のあるフェージング条件下で、ML推定器とCramér-Rao下界（CRB）との性能ギャップはどの程度か？
• RQ4 提案手法によるインピーダンス推定は、元々不整合な受信機におけるスルーレット容量をどの程度向上させるか？
• RQ5 計算効率の良い主成分に基づくアルゴリズムは、リアルタイム実装を可能にし、近似的に最適性能を達成できるか？

主な発見

• ML推定器は近似的に最適性能を達成し、すべてのSNRおよびシステム構成においてMM推定器の平均二乗誤差（RMSE）がCRBから数dB未満の差で収束する。
• L=10の訓練パケットを用いた4アンテナ系において、低SNRではMM推定器のRMSEがCRBの0.3%以内に収束し、SNRが上昇するに従いギャップは消失する。
• CRBから1dBのギャップを達成するには、空間的および／または時間的分散の4度の多様性が必要であるという経験則が得られた。
• 実際の応用では、特に相関のあるフェージング下ではML推定器がMM推定器に比べて顕著な性能向上を示さないため、MM推定器は優れた性能-複雑度トレードオフを提供する。
• 元来5dBおよび3dBの電力損失を被っていた受信機において、MM推定器を用いたインピーダンス補償により、低SNRではほぼ100%（2倍）のスルーレット容量向上が達成され、高SNRでは約20%の向上が得られる。
• 提案手法により、主成分アプローチを用いてリアルタイムでのインピーダンス推定が可能となり、追加のハードウェアを要せず、不整合な受信機の容量を顕著に向上させることができる。