[论文解读] Compressive sensing based differential channel feedback for massive MIMO

Wenqian Shen, Linglong Dai+3 more|arXiv (Cornell University)|Jul 16, 2015

Advanced MIMO Systems Optimization参考文献 7被引用 3

一句话总结

本文提出了一种基于压缩感知（CS）的差分信道反馈方案，用于大规模MIMO系统，通过利用时域相关性，生成比原始信道冲激响应（CIR）更具稀疏性的差分CIR。通过以更低的压缩比对这一差分CIR进行压缩，该方案相比直接基于CS的反馈，将反馈开销降低了约20%，同时保持了相近的归一化均方误差（NMSE）性能。

ABSTRACT

Massive multiple-input multiple-output (MIMO) is becoming a key technology for future 5G wireless communications. Channel feedback for massive MIMO is challenging due to the substantially increased dimension of MIMO channel matrix. In this letter, we propose a compressive sensing (CS) based differential channel feedback scheme to reduce the feedback overhead. Specifically, the temporal correlation of time-varying channels is exploited to generate the differential channel impulse response (CIR) between two CIRs in neighboring time slots, which enjoys a much stronger sparsity than the original sparse CIRs. Thus, the base station can recover the differential CIR from the highly compressed differential CIR under the framework of CS theory. Simulations show that the proposed scheme reduces the feedback overhead by about 20\% compared with the direct CS-based scheme.

研究动机与目标

• 解决由于MIMO信道矩阵维度较大而导致的大规模MIMO系统中反馈开销过高的挑战。
• 克服传统码本方案和直接基于CS的反馈方案在高维、时变信道中的局限性。
• 利用时变MIMO信道中的时域相关性，增强稀疏性并减少反馈需求。
• 开发一种差分反馈框架，实现在发射端可靠的信道状态信息（CSIT），同时降低开销。

提出的方法

• 将时变MIMO信道建模为支持向量和幅值向量随时间演变的稀疏CIR。
• 通过差分相邻时隙的CIR，生成两个连续时隙之间的差分CIR，其稀疏性显著强于原始CIR。
• 使用随机高斯感知矩阵对差分CIR应用压缩感知（CS），从而实现从压缩测量中恢复信号。
• 在基站采用子空间追踪（SP）算法，实现鲁棒且低复杂度的信号恢复。
• 每P个时隙进行一次周期性重初始化，以防止CIR恢复中的误差传播。
• 通过一阶马尔可夫过程描述支持向量的演化，通过自回归模型描述幅值向量的演化。

实验结果

研究问题

• RQ1 时变MIMO信道中的时域相关性是否可用于生成比原始CIR更具可压缩性的差分CIR？
• RQ2 与原始CIR相比，对差分CIR进行压缩是否能显著降低大规模MIMO系统的反馈开销？
• RQ3 在相同压缩比下，所提出的差分CS反馈方案与直接基于CS的反馈在NMSE性能和反馈开销方面如何比较？
• RQ4 误差传播对CIR恢复有何影响？在差分反馈框架中如何有效缓解该问题？

主要发现

• 相邻时隙之间生成的差分CIR相比原始CIR展现出显著更强的稀疏性，从而支持更高效的压缩。
• 所提出的方案相比直接基于CS的反馈，将反馈开销降低了约20%，同时实现了相近的NMSE性能。
• 在25%的压缩比下，所提出的方案实现了与直接基于CS的反馈在45%压缩比下相当的NMSE性能。
• 在反馈开销不足的场景下，直接基于CS的方案无法维持可接受的NMSE，而所提出的方案仍保持有效性。
• 在45%的压缩比下，所提出的方案相比直接基于CS的方案实现了4 dB的SNR增益，表现出更优的鲁棒性。
• 每P个时隙进行一次周期性重初始化，能有效防止误差传播，并维持长期反馈精度。