[论文解读] A Coded Compressed Sensing Scheme for Uncoordinated Multiple Access

Vamsi K. Amalladinne, Jean‐François Chamberland+1 more|arXiv (Cornell University)|Sep 13, 2018

Sparse and Compressive Sensing Techniques被引用 14

一句话总结

该论文提出了一种用于大规模物联网网络中非协调多址接入的编码压缩感知（CCS）方案，其中用户通过系统线性码添加冗余后以子块形式传输数据。采用分而治之的方法，压缩感知恢复子块（顺序可能错乱），并利用基于树的算法以亚线性计算复杂度重构原始消息，实现低误码率和在各种扩展尺度下的近优性能。

ABSTRACT

This article introduces a novel communication scheme, termed coded compressed sensing, for unsourced multiple-access communication. The proposed divide-and-conquer approach leverages recent advances in compressed sensing and forward error correction to produce a novel uncoordinated access paradigm, along with a computationally efficient decoding algorithm. Within this framework, every active device partitions its data into several sub-blocks and, subsequently, adds redundancy using a systematic linear block code. Compressed sensing techniques are then employed to recover sub-blocks up to a permutation of their order, and the original messages are obtained by stitching fragments together using a tree-based algorithm. The error probability and computational complexity of this access paradigm are characterized. An optimization framework, which exploits the tradeoff between performance and computational complexity, is developed to assign parity-check bits to each sub-block. In addition, two emblematic parity bit allocation strategies are examined and their performances are analyzed in the limit as the number of active users and their corresponding payloads tend to infinity. The number of channel uses needed and the computational complexity associated with these allocation strategies are established for various scaling regimes. Numerical results demonstrate that coded compressed sensing outperforms other existing practical access strategies over a range of operational scenarios.

研究动机与目标

• 解决大规模物联网网络中用户无协调传输、基站必须在不识别源的情况下恢复消息的非协调、无源多址接入挑战。
• 通过将消息划分为子块，克服在高维设置下（例如 B ≈ 100 位）标准压缩感知计算不可行的问题。
• 设计一种计算高效的解码算法，结合压缩感知与基于树的重构方法，从顺序错乱的子块中恢复原始消息。
• 通过奇偶校验位分配的优化框架，表征误码性能与计算复杂度之间的权衡。
• 在活跃用户数趋于无穷的两种不同渐近尺度下，建立性能边界与复杂度扩展规律。

提出的方法

• 将每个用户的 B 位消息划分为 n−1 个 J 位的子块，并通过系统线性分块码添加冗余。
• 利用压缩感知从共享信道中恢复子块，每个子问题的信道使用数为 N_s = λK_aJ。
• 应用基于树的解码算法，通过奇偶校验位验证候选路径，重构原始消息顺序。
• 在子块间分配 P 个奇偶校验位，使每个非根子块获得 l_j = P/(n−1) 个比特，确保路径验证的区分能力。
• 使用涉及 2^{-l} 项的概率界建模树解码器中错误路径的期望数量，其中 l 为每个子块的奇偶校验比特数。
• 分析两种渐近尺度：(i) l ∝ log K_a 和 (ii) l ∝ K_a，为每种情况推导误码概率与计算复杂度的边界。

实验结果

研究问题

• RQ1 基于压缩感知的方法能否在大规模非协调用户场景下实现低复杂度、可靠的无源多址接入恢复？
• RQ2 当消息维度较大时（例如 2^B 种可能消息），如何实现消息重构的亚线性计算复杂度？
• RQ3 如何在子块间最优分配奇偶校验位，以平衡误码性能与解码复杂度？
• RQ4 在不同渐近尺度下，误码概率与计算复杂度如何随活跃用户数增长？
• RQ5 尽管压缩感知导致子块顺序错乱，基于树的重构算法能否可靠恢复原始消息顺序？

主要发现

• 当奇偶校验位分配满足在情形 (ii) 中 c_1 - 1 > 1/c_2，且在情形 (i) 中 (c_1c_2 - α)/(c_2 - 1) < c_1 - 1 时，树解码器中错误路径的期望数量 E[L_{n-1}] 随 K_a → ∞ 而衰减至零。
• 在情形 (i) 中，总信道使用数按 N = c_1c_2λK_a log₂K_a 缩放，且线性复杂度压缩感知求解器的子问题复杂度为 O(K_a^{c_1})。
• 在情形 (ii) 中，信道使用数按 N = c_1c_2λK_a² 缩放，且压缩感知复杂度为 O(K_a^{c_1+1}/log₂K_a)。
• 树解码器的期望计算复杂度在情形 (i) 中为 O(K_a log₂K_a)，在情形 (ii) 中为 O(K_a²)，两者在消息维度 2^B 下均为亚线性。
• 数值结果表明，编码压缩感知优于现有实用方案（包括 ALOHA 和 TIN），在 SNR 上最高可提升 20 dB，且距离信息论极限仅约 6 dB。
• 通过利用结构化冗余与分层重构算法，该方案在消息维度上实现了亚线性复杂度的可靠解码。