[论文解读] Joint User Identification, Channel Estimation, and Signal Detection for Grant-Free NOMA

Shuchao Jiang, Xiaojun Yuan+3 more|arXiv (Cornell University)|Jan 12, 2020

Advanced Wireless Communication Technologies参考文献 39被引用 4

一句话总结

本文提出了一种用于大规模机器类型通信中无调度非正交多址接入（NOMA）的联合用户识别、信道估计与信号检测（JUICESD）算法。通过利用近似消息传递（AMP）和一种新型旋转不变高斯混合（RIGM）模型，JUICESD-RIGM算法在显著降低复杂度的同时实现了接近最优的性能，其有效性通过状态演化分析和数值结果得到验证，性能优于现有方法。

ABSTRACT

For massive machine-type communications, centralized control may incur a prohibitively high overhead. Grant-free non-orthogonal multiple access (NOMA) provides possible solutions, yet poses new challenges for efficient receiver design. In this paper, we develop a joint user identification, channel estimation, and signal detection (JUICESD) algorithm. We divide the whole detection scheme into two modules: slot-wise multi-user detection (SMD) and combined signal and channel estimation (CSCE). SMD is designed to decouple the transmissions of different users by leveraging the approximate message passing (AMP) algorithms, and CSCE is designed to deal with the nonlinear coupling of activity state, channel coefficient and transmit signal of each user separately. To address the problem that the exact calculation of the messages exchanged within CSCE and between the two modules is complicated due to phase ambiguity issues, this paper proposes a rotationally invariant Gaussian mixture (RIGM) model, and develops an efficient JUICESD-RIGM algorithm. JUICESD-RIGM achieves a performance close to JUICESD with a much lower complexity. Capitalizing on the feature of RIGM, we further analyze the performance of JUICESD-RIGM with state evolution techniques. Numerical results demonstrate that the proposed algorithms achieve a significant performance improvement over the existing alternatives, and the derived state evolution method predicts the system performance accurately.

研究动机与目标

• 为解决传统无调度多址接入在大规模机器类型通信（mMTC）中高信令开销的问题。
• 在无调度NOMA中联合解决用户活动检测、信道估计与信号检测，这些任务相互依赖且由于相位模糊性而具有挑战性。
• 在稀疏信号恢复的短包mMTC系统中，降低计算复杂度的同时保持高检测精度。
• 基于状态演化方法，开发一种理论基础坚实的性能预测方法。
• 实现面向具有大规模连接和低时延要求的mMTC系统的高效接收机设计。

提出的方法

• 该算法将检测过程分解为两个模块：使用近似消息传递（AMP）进行时隙内多用户检测（SMD），以解耦用户信号。
• 联合信号与信道估计（CSCE）模块处理用户活动、信道系数与传输信号之间的非线性耦合。
• 引入一种旋转不变高斯混合（RIGM）模型，以简化消息传递并缓解迭代检测中的相位模糊性问题。
• JUICESD-RIGM算法通过基于RIGM先验的消息传递，迭代更新用户活动、信道估计与数据符号。
• 推导出状态演化技术，以解析方式预测JUICESD-RIGM的性能，从而实现精确的系统设计与优化。
• 该算法设计为低复杂度运行，其复杂度随系统参数（如用户数和时隙数）呈有利趋势增长。

实验结果

研究问题

• RQ1 在无调度NOMA中，能否以低计算复杂度高效实现联合用户识别、信道估计与信号检测？
• RQ2 在NOMA的稀疏信号恢复中，如何有效建模并缓解消息传递中的相位模糊性？
• RQ3 RIGM模型在联合检测中在多大程度上提升了消息传递的精度与效率？
• RQ4 状态演化能否准确预测所提出的JUICESD-RIGM算法在实际mMTC场景中的性能？
• RQ5 与现有最先进的接收机（包括具备理想信息的LMMSE）相比，JUICESD-RIGM在性能与复杂度方面表现如何？

主要发现

• JUICESD-RIGM在显著降低复杂度的同时，实现了接近最优JUICESD算法的性能，使其适用于大规模物联网部署。
• 所提出的状态演化分析能准确预测系统性能，其预测结果与仿真结果高度吻合。
• 数值结果表明，JUICESD-RIGM优于现有算法，包括使用理想用户活动信息的LMMSE。
• 该算法在低信噪比（SNR）和高复用场景下相较于传统方法表现出显著性能增益。
• JUICESD-RIGM的主要计算复杂度为O(KT²|S|)，此外包含消息传递与估计的附加项，使其在大规模系统中具备可扩展性。
• RIGM模型有效捕捉了相位模糊信号中的旋转不变性，从而实现了鲁棒且精确的联合估计。