[論文レビュー] Spatial Diversity in Molecular Communications

Martin Damrath, H. Birkan Yilmaz+2 more|ArXiv.org|Jul 24, 2017

Molecular Communication and Nanonetworks参考文献 28被引用数 6

ひとこと要約

本稿は、2×2多重入力多重出力（MIMO）拡散型分子通信（DBMC）システムにおける空間的ダイバーシティ技術を調査する。送信側でアラムーティ型および繰返しMIMO符号化を提案し、受信側で選択ダイバーシティ、等利得結合（EGC）、最大比結合を含む結合戦略を検討する。主な発見は、繰返しMIMOとEGCおよび最大尤度系列推定（MLSE）を組み合わせることで、SISOシステムと比較して誤りビットレート（BER）が約10倍改善され、空間的ダイバーシティゲインが顕著に得られることである。一方、チャネル係数の不一致のため、アラムーティ型符号化は実用的な性能向上をもたらさない。

ABSTRACT

In this work, spatial diversity techniques in the area of multiple-input multiple-output (MIMO) diffusion-based molecular communications (DBMC) are investigated. For transmitter-side spatial coding, Alamouti-type coding and repetition MIMO coding are proposed and analyzed. At the receiver-side, selection diversity, equal-gain combining, and maximum-ratio combining are studied as combining strategies. Throughout the numerical analysis, a symmetrical $2 imes 2$ MIMO-DBMC system is assumed. Furthermore, a trained artificial neural network is utilized to acquire the channel impulse responses. The numerical analysis demonstrates that it is possible to achieve a diversity gain in molecular communications. In addition, it is shown that for MIMO-DBMC systems repetition MIMO coding is superior to Alamouti-type coding.

研究の動機と目的

• MIMO拡散型分子通信（DBMC）システムにおける空間的ダイバーシティ技術の調査。
• 信頼性向上を目的とした送信側符号化方式（アラムーティ型符号化および繰返しMIMO符号化）の評価。
• 受信側結合戦略（選択ダイバーシティ、等利得結合（EGC）、最大比結合）の分析。
• さまざまなシステムパラメータ下でのビット誤りレート（BER）シミュレーションを通じたダイバーシティゲインの定量的評価。
• 訓練済みの人工ニューラルネットワーク（ANN）を用いたチャネルインパulse応答の検証。

提案手法

• ドリフトなしの3次元均一な流体媒質における対称的2×2 MIMO-DBMCシステムをモデル化。
• 複雑な拡散伝搬をモデル化するため、訓練済みの人工ニューラルネットワーク（ANN）を用いてチャネルインパulse応答を推定。
• 空間的ダイバーシティの向上を目的とした送信側符号化として、アラムーティ型符号化および繰返しMIMO符号化を実装。
• 受信側の結合戦略として、選択ダイバーシティ、EGC、最大比結合を用い、空間的ダイバーシティを活用。
• 固定しきい値検出（FTD）、適応しきい値検出（ATD）、最大尤度系列推定（MLSE）の検出アルゴリズムを2×2 MIMO環境に適合。
• 分子数、シンボル期間、伝送距離、アンテナ間隔、拡散係数の変動するさまざまなシステムパラメータ下でBER性能を評価。

実験結果

リサーチクエスチョン

• RQ1 空間的ダイバーシティ技術は、MIMO拡散型分子通信システムでダイバーシティゲインを達成できるか？
• RQ2 アラムーティ型符号化と繰返しMIMO符号化という異なる送信側符号化方式は、BER性能においてどのように比較されるか？
• RQ3 受信側結合戦略（選択ダイバーシティ、EGC、最大比結合）は、システムの信頼性にどのような影響を及えるか？
• RQ4 拡散係数、アンテナ間隔などの主要なシステムパラメータは、達成可能なダイバーシティゲインにどのように影響するか？
• RQ5 ISIが顕著なMIMO-DBMC環境では、MLSEがFTDおよびATDを上回る性能を示すか？

主な発見

• 繰返しMIMO符号化に加え、等利得結合（EGC）と最大尤度系列推定（MLSE）を組み合わせることで、SISOシステムと比較してBERが約10倍改善され、空間的ダイバーシティゲインが得られる。
• アラムーティ型符号化は、平均化された係数と実際の係数との不一致のため、MLSEを用いても実用的なダイバーシティゲインを提供しない。
• 分子数の増加、シンボル期間の延長、伝送距離の短縮、拡散係数の上昇に伴い、BER性能が顕著に向上する。
• アンテナ間隔（a）を増加させることで、リンク間干渉（ILI）が低減し、すべてのMIMO方式でBER性能が向上する。
• 送信アンテナと受信アンテナを可能な限り近接させた場合に、最も優れたBER性能が得られ、これはダイバーシティゲインに最適な空間相関を示している。
• アダプティブしきい値検出（ATD）を含むいかなる検出方式でも、アラムーティ型符号化では顕著な空間的ダイバーシティゲインが観察されない。