[论文解读] Localization Efficiency in Massive MIMO Systems

Masoud Arash, Hamed Mirghasemi+2 more|arXiv (Cornell University)|Mar 17, 2020

Indoor and Outdoor Localization Technologies参考文献 35被引用 7

一句话总结

该论文提出了一种用于多用户大规模MIMO系统中到达角（AoA）估计的确定性Cramér-Rao下界（CRLB），在信道系数在各天线间独立同分布（i.i.d.）且存在多径分量的条件下，基于随机矩阵理论推导得出。该研究提出了一种最小化CRLB的天线选择策略，并定义了一个综合性能与能耗的定位效率（LE）度量指标，表明在最优天线选择下，LE最高可提升220%。

ABSTRACT

In the next generation of wireless systems, Massive MIMO offers high angular resolution for localization. By virtue of large number of antennas, the Angle of Arrival (AoA) of User Terminals (UTs) can be estimated with high accuracy. According to Dense Multipath Component (DMC) channel model, local scatters around UTs can create different multipath signals for each antenna at the Base Station (BS). We obtain a deterministic form for the Cramer-Rao Lower Bound (CRLB) in a multi-user scenario when the contribution of the multipath signals is considered. We do this when the multipath signals are independent and identically distributed (i.i.d) with arbitrary distribution. Then, we redefine a localization efficiency function for a multi-user scenario and numerically optimize it with respect to (w.r.t) the number of antennas. We prove when only a subset of the available antennas is used, CRLB can be minimized w.r.t which set of antennas is used. Then, an antenna selection strategy that minimizes CRLB is proposed. As a benchmark, we apply the proposed antenna selection scheme to the MUltiple SIgnal Classification (MUSIC) algorithm and study its efficiency. Numerical results validate the accuracy of our analysis and show significant improvement in efficiency when the proposed antenna selection strategy is employed.

研究动机与目标

• 填补在存在多径信号且信道系数在天线间独立同分布时，多用户大规模MIMO系统中CRLB分析的空白。
• 克服先前研究中假设信道完全相关或依赖分布的CRLB度量所导致的局限性。
• 在密集多径分量（DMC）模型下，推导出考虑多径贡献的、确定性的闭式CRLB表达式。
• 提出一种改进的定位效率（LE）度量，纳入能耗因素，实现性能与成本之间的权衡分析。
• 提出并评估一种最优天线选择策略，以最小化CRLB并最大化给定活动天线数量下的LE。

提出的方法

• 基于随机矩阵理论（RMT），在各天线间多径分量独立同分布的假设下，推导多用户大规模MIMO系统中AoA估计的确定性CRLB。
• 将定位效率（LE）函数定义为定位精度增益与能耗之比，结合全面的能耗模型。
• 针对所选天线数量，对LE函数进行数值优化，识别出能最大化效率的最优天线数量。
• 提出一种基于空间分布与信道相关性特性的天线选择策略，通过选择子集天线以最小化CRLB。
• 通过数值仿真和蒙特卡洛分析验证理论CRLB的收敛性，评估所提选择方案下MUSIC算法的性能。
• 对比两种天线选择策略的性能：选择前一组天线与选择空间上最远（相距最远）的天线，证明后者具有显著优势。

实验结果

研究问题

• RQ1 i.i.d.多径分量的存在如何影响多用户大规模MIMO系统中AoA估计的CRLB？
• RQ2 当考虑多径信号且信道系数在天线间独立同分布时，能否推导出AoA估计的确定性闭式CRLB？
• RQ3 在考虑能耗的前提下，为最大化定位效率（LE），应选择多少根天线为最优？
• RQ4 天线选择如何影响多用户大规模MIMO定位中的CRLB与LE？
• RQ5 所提出的天线选择策略是否在LE提升与CRLB最小化方面优于传统方案（如选择前几根天线）？

主要发现

• 在DMC模型下，即使天线数量适中，i.i.d.多径分量的存在也使AoA估计的CRLB收敛至确定性的闭式表达式。
• 所提出的定位效率（LE）度量揭示了其与活动天线数量之间存在非单调关系，由于能耗权衡存在一个最优天线数量，可使LE最大化。
• 基于空间分离（选择最远天线组）的天线选择策略，相比选择前一组天线，显著降低了CRLB并提高了LE，某些场景下LE提升高达220%。
• 随着用户数K的增加，使LE最大化的最优天线数量迅速减少，并在某一点后趋于饱和，此后继续增加天线反而降低效率。
• 在所有测试配置下，最远天线选择策略的CRLB始终低于前组天线选择策略，证实其优越性。
• MUSIC算法的蒙特卡洛仿真结果表明，即使忽略多径贡献，所提天线选择策略仍能提升LE，验证了其鲁棒性与实际适用性。