[论文解读] Joint Channel Estimation and Data Detection in Cell-Free Massive MU-MIMO Systems

Haochuan Song, Tom Goldstein+4 more|arXiv (Cornell University)|Apr 21, 2021

Advanced MIMO Systems Optimization参考文献 73被引用 4

一句话总结

本文提出了一种针对拥有数百台用户设备（UE）的无蜂窝大规模MU-MIMO系统的联合信道估计与数据检测（JED）算法，通过利用信道稀疏性与QAM星座图有界性来降低 pilot 开销。通过在松弛的最大后验概率问题上采用前向-后向分裂法，并结合索引重排以获得更优的初始化，JED在显著减少 pilot 数量的前提下，实现了更高的频谱效率与可靠性，从而在用户过载系统中支持短包通信。

ABSTRACT

We propose a joint channel estimation and data detection (JED) algorithm for densely-populated cell-free massive multiuser (MU) multiple-input multiple-output (MIMO) systems, which reduces the channel training overhead caused by the presence of hundreds of simultaneously transmitting user equipments (UEs). Our algorithm iteratively solves a relaxed version of a maximum a-posteriori JED problem and simultaneously exploits the sparsity of cell-free massive MU-MIMO channels as well as the boundedness of QAM constellations. In order to improve the performance and convergence of the algorithm, we propose methods that permute the access point and UE indices to form so-called virtual cells, which leads to better initial solutions. We assess the performance of our algorithm in terms of root-mean-squared-symbol error, bit error rate, and mutual information, and we demonstrate that JED significantly reduces the pilot overhead compared to orthogonal training, which enables reliable communication with short packets to a large number of UEs.

研究动机与目标

• 解决在大量用户设备（UE）共享时频资源的密集型无蜂窝大规模MU-MIMO系统中导频开销过高的问题。
• 克服当用户设备数量接近或超过接入点（AP）天线数量时，线性信道估计与数据检测方法性能急剧下降的问题。
• 通过最小化导频开销并保持高 spectral efficiency，实现在短包通信场景下的可靠通信。
• 开发一种非线性JED算法，联合估计信道并检测数据，同时利用信道稀疏性与信号星座图有界性。
• 通过引入AP与UE索引的新型排列策略，构建虚拟小区，以提升算法收敛性与性能。

提出的方法

• 为联合信道估计与数据检测（JED）构建一个松弛的最大后验概率（MAP）问题，引入信道矩阵的稀疏性与QAM星座图的有界性。
• 采用前向-后向分裂法（FBS）迭代求解松弛的MAP问题，通过正则化平衡数据检测与信道估计。
• 提出一种AP与UE索引的新型排列策略，以构建虚拟小区，提升初始解质量并加速收敛。
• 采用非正交导频序列设计以降低训练开销，避免在用户过载系统中正交训练带来的频谱效率损失。
• 引入正则化项以惩罚过大的信道估计值，利用QAM符号幅度有界的事实。
• 通过保持与集中式检测方法相同的速率，确保 fronthaul 信令效率，且无需使用二阶信道统计特性。

实验结果

研究问题

• RQ1 在拥有大量用户设备的无蜂窝大规模MU-MIMO系统中，联合信道估计与数据检测（JED）是否能显著降低导频开销？
• RQ2 当用户设备数量超过AP天线数量时，JED在符号误码率与频谱效率方面相较于传统线性方法（如L-MMSE）表现如何？
• RQ3 通过AP与UE索引重排形成的虚拟小区在多大程度上提升了JED算法的收敛性与准确性？
• RQ4 在短包长度与非正交导频条件下，JED是否仍能保持低互信息损失与高可靠性？
• RQ5 JED能否实现与集中式检测相当的fronthaul开销，避免额外的信令成本？

主要发现

• 与正交训练相比，JED显著降低了导频开销，使拥有数百台UE的系统能够实现可靠的短包通信。
• 所提出的JED算法在根均方符号误差（RMSSE）方面优于线性方法，尤其在用户过载场景（即UE数量超过AP天线数）下表现更优。
• JED的比特误码率（BER）性能显著优于传统线性估计与检测方法，尤其在用户密度较高时优势明显。
• 互信息（MI）结果表明，即使在非正交导频与有限训练资源条件下，JED仍能保持高 spectral efficiency。
• 通过索引重排构建的虚拟小区提升了初始解质量，从而加快了迭代JED优化的收敛速度并提升了最终性能。
• JED将fronthaul信令负载维持在与集中式检测相当的水平，且无需使用二阶信道统计特性，从而降低了整体系统开销。