[论文解读] Coded Compressed Sensing with Successive Cancellation List Decoding for Unsourced Random Access with Massive MIMO

Vamsi K. Amalladinne, Jean‐François Chamberland+1 more|arXiv (Cornell University)|May 5, 2021

Indoor and Outdoor Localization Technologies参考文献 18被引用 11

一句话总结

本文提出了一种增强型连续取消列表检测（SCLD）方案，用于大规模MIMO系统中的无源随机接入，结合编码压缩感知与来自树解码器的动态反馈，以减少活动检测算法的搜索空间。该方法在保持目标性能水平的同时，将100个活跃用户所需的基站天线数量减少了23%，并提升了误码性能和计算效率。

ABSTRACT

Unsourced random access (URA) is an increasingly popular communication paradigm attuned to machine driven data transfers in extit{Internet-of-Things} (IoT) networks. In a typical URA setting, a small subset of active devices within a very large population wish to transmit short messages to a central base station. Originally defined for base stations equipped with a single antenna, the URA paradigm has recently been extended to practical scenarios involving base stations with a massive number of antennas by Fengler et al. The proposed concatenated coding scheme therein utilizes a non-Bayesian sparse recovery algorithm coupled with the tree code introduced by Amalladinne et al. in the context of coded compressed sensing. Currently, the existing MIMO implementation uses these two components in isolation. This article introduces an enhanced successive cancellation list decoding style scheme that facilitates dynamic interactions between the sparse recovery algorithm and the tree decoder. This modification can reduce the search space of the AD algorithm drastically; and it results in significant improvements both in terms of error performance and computational complexity. Simulation results reveal that, for a system with 100 active users, the proposed decoder reduces the number of required antennas at the base station by 23\% to achieve a performance akin to the scheme by Fengler et al.

研究动机与目标

• 为解决大量非协调设备在大规模物联网网络中进行突发性、短包传输时的高效上行链路接入挑战。
• 提升大规模MIMO系统中无源随机接入的误码性能与计算复杂度。
• 通过实现树解码器与活动检测算法之间的动态交互，弥合编码压缩感知与大规模MIMO之间的差距。
• 在保持目标性能水平的前提下，减少基站所需接收天线的数量。

提出的方法

• 提出一种改进的SCLD框架，使外部树解码器能够向内部活动检测（AD）算法反馈信息。
• 利用树解码器生成用户身份的候选列表，用于在每个信道块中修剪AD算法的搜索空间。
• 通过限制到由过去解码决策导出的有效列子集，对压缩感知矩阵实施列剪枝。
• 采用基于协方差匹配的活动检测算法，在剪枝后的搜索空间中运行，以提高检测精度。
• 采用子块间奇偶校验位的级联编码方案，使接收端能够实现消息的无歧义解码。
• 在稀疏恢复算法与树解码器之间建立连续取消循环，实现用户身份估计的迭代优化。

实验结果

研究问题

• RQ1 树解码器与活动检测算法之间的动态交互是否能减少编码压缩感知在无源随机接入中的搜索空间？
• RQ2 所提出的SCLD方案与现有大规模MIMO无源随机接入方案相比，在误码性能与计算复杂度方面表现如何？
• RQ3 在保持目标性能的前提下，所需接收天线数量最多可减少多少？
• RQ4 带有剪枝的列表解码对系统误码地板与收敛行为有何影响？
• RQ5 在低用户活动水平下，该方案是否仍能保持低复杂度？

主要发现

• 对于100个活跃用户，所提出的SCLD方案将实现相同误码性能所需的基站天线数量减少了23%，相比Fengler等人提出的基准方案。
• 与文献[16]中的原始算法相比，该方案在低信噪比（SNR）和低天线配置下均表现出显著的误码性能增益。
• 在低活动率场景下，计算复杂度最高可降低40%，且随着活跃用户数的减少，复杂度增益进一步提升。
• 当用户数量较低时，该方案与文献[16]中原始算法的平均运行时间比降至0.3以下，表明显著的加速效果。
• 树解码器与AD算法的集成实现了对搜索空间的有效剪枝，将候选列数量从$2^{v_ au}$减少至$2^{w_ au}| ilde{ ho}_ au|$，显著降低。
• 该方案在25至150个活跃用户范围内均表现出稳健性能，且在性能与复杂度方面保持一致的增益。