[论文解读] Fast Uplink Grant-Free NOMA with Sinusoidal Spreading Sequences

Shah Mahdi Hasan, Kaushik Mahata+1 more|arXiv (Cornell University)|Oct 1, 2020

Advanced Wireless Communication Technologies参考文献 28被引用 5

一句话总结

本文提出正弦调制扩频序列用于免授权大规模机器类型通信（mMTC）中的上行链路非正交多址接入（NOMA），将活动用户检测转化为频谱估计问题。通过利用Vandermonde结构，该方法支持非迭代、低复杂度算法（如ESPRIT和root-MUSIC），在无需用户稀疏性、信道统计特性或激活概率先验知识的前提下，性能优于最先进的EP和CS-MUD方法。

ABSTRACT

Uplink (UL) dominated sporadic transmission and stringent latency requirement of massive machine type communication (mMTC) forces researchers to abandon complicated grant-acknowledgment based legacy networks. UL grant-free non-orthogonal multiple access (NOMA) provides an array of features which can be harnessed to efficiently solve the problem of massive random connectivity and latency. Because of the inherent sparsity in user activity pattern in mMTC, the trend of existing literature specifically revolves around compressive sensing based multi user detection (CS-MUD) and Bayesian framework paradigm which employs either random or Zadoff-Chu spreading sequences for non-orthogonal multiple access. In this work, we propose sinusoidal code as candidate spreading sequences. We show that, sinusoidal codes allow some non-iterative algorithms to be employed in context of active user detection, channel estimation and data detection in a UL grant-free mMTC system. This relaxes the requirement of several impractical assumptions considered in the state-of-art algorithms with added advantages of performance guarantees and lower computational cost. Extensive simulation results validate the performance potential of sinusoidal codes in realistic mMTC environments.

研究动机与目标

• 解决上行链路主导、用户随机接入的mMTC网络中授权机制带来的高时延与信令开销问题。
• 克服现有压缩感知与贝叶斯方法对用户稀疏性、信道统计特性或激活概率的先验假设限制。
• 为免授权NOMA中的活动用户检测、信道估计与数据检测，构建低复杂度、高性能的检测与估计框架。
• 通过设计具备可利用信号结构的扩频序列，实现非迭代、计算高效的算法。

提出的方法

• 使用正弦调制扩频序列在信号模型中引入Vandermonde结构，从而支持经典子空间方法（如ESPRIT和root-MUSIC）的应用。
• 应用信息准则（AICc、BIC、WIC）估计活动用户数量，无需用户稀疏性或激活概率的先验知识。
• 通过利用已知信号星座图，利用子空间结构实现联合信道估计与数据检测，提升精度。
• 可选地，使用ESPRIT估计结果初始化Variable Projection算法，以在高干扰或高噪声场景下进一步提升性能。
• 设计基于阈值的判决规则，识别低信噪比下无法可靠检测数据的不可靠用户。
• 采用帧内信号处理方法，实现跨帧相干合并，最大限度降低噪声对估计与检测的影响。

实验结果

研究问题

• RQ1 正弦调制扩频序列是否能在无需用户稀疏性或信道统计特性先验知识的前提下，实现免授权mMTC中活动用户检测的非迭代、低复杂度算法？
• RQ2 在检测精度与计算成本方面，ESPRIT与ESPRIT-VPN相较于最先进的EP与CS-MUD方法表现如何？
• RQ3 在用户激活概率、发射功率与用户数量变化时，所提方法的性能退化程度如何？
• RQ4 在所提框架中，通过利用信号星座图知识，能否改善联合信道估计与数据检测的性能？
• RQ5 活动用户间角频率间隔对基于ESPRIT的检测性能有何影响？

主要发现

• 在所有测试配置下，所提方法在MDR、NSER与RMSE各项指标上均优于最先进的EP算法，尤其在低信噪比与高活动场景下优势显著。
• 在20 dBm发射功率与$ p_a = 0.1 $条件下，当$ M $从32增至112时，所提方法仍能保持低RMSE（低于0.1），而EP性能显著下降。
• 在$ M = 64 $时，仅6%的UE在0 dBm发射功率下被判定为不可靠，表明其在低信噪比环境下的鲁棒性。
• 所提方法的计算成本显著低于EP：平均CPU时间随总用户数$ N $增长更缓慢。
• 在$ p_a \rightarrow 0.2 $的高激活概率下，ESP-VPN相较ESPRIT有轻微性能提升，尤其在MDR与NSER指标上，但计算开销略有增加。
• 由于采用信息准则进行稀疏性估计，该方法对$ M $、发射功率与$ p_a $的变化具有鲁棒性，即使$ p_a $超过0.1，性能也仅出现轻微下降。