[论文解读] Massive MIMO Unsourced Random Access

Alexander Fengler, Giuseppe Caire+2 more|arXiv (Cornell University)|Jan 3, 2019

Energy Harvesting in Wireless Networks参考文献 15被引用 74

一句话总结

将无源大规模随机接入扩展到具有非相干检测和非贝叶斯活动检测的超大规模MIMO基站，随着天线数量增加，实现可靠通信。

ABSTRACT

We consider an extension of the massive unsourced random access originally proposed by Polyanskiy to the case where the receiver has a very large number of antennas (a massive MIMO base station) and no channel state information is given to the receiver (fully non-coherent detection). Our coding approach borrows the concatenated coding idea from Amalladinne et. al., combined with a novel non-Bayesian `activity detection' algorithm for massive MIMO random access channels, that outperforms currently proposed Bayesian vector AMP (VAMP) schemes currently proposed for activity detection, and does not suffer from the numerical instabilities and requirement for accurate a priori statistics as VAMP. We show that the required transmit $E_b/N_0$ for reliable communication can be made arbitrarily small as the number of receiver antennas M grows sufficiently large.

研究动机与目标

• 在大量接收阵列和无先验CSI的条件下，激励物联网上的无源大规模接入。
• 为大规模MIMO下的非相干检测开发一种实用的编码方案（内码/外码）。
• 提出一种非贝叶斯活动检测算法，在该设置下优于贝叶斯VAMP。
• 证明随着天线数量的增加，单位比特传输能量 Es/N0 可以被任意减小。
• 为大规模部署提供一个可行、复杂度可控的解码框架。

提出的方法

• 采用受 Polyanskiy 启发的树码方法的级联外码/内码编码方案。
• 将内码建模为矩阵 A 的列的传输；通过 ML 活动检测来检测活跃列。
• 将每子时隙的活动模式视为一个稀疏非负向量 gamma，并进行非贝叶斯 ML 估计。
• 应用坐标下降的 ML 算法在不需要已知信道统计的条件下恢复 gamma。
• 将检测到的子消息序列传递给外部树型解码器以拼接出有效的消息序列。
• 基于向量 OR-MAC 解释推导外码速率约束，并分析 Eb/N0 相对于 M 的变化趋势。

实验结果

研究问题

• RQ1 在所有用户共享同一本码本的情况下，海量MIMO接收端的非相干检测能否可靠地识别活跃用户及其信息？
• RQ2 在所提方案下，单位比特的能量 Eb/N0 如何随接收天线数 M 变化而变化？
• RQ3 在无源大规模随机接入场景下，非贝叶斯活动检测器是否优于贝叶斯 VAMP，特别是在大 M 时？
• RQ4 在该通道中，促成可扩展性能的内码与外码设计权衡（码率、校验结构）有哪些？

主要发现

• 所提出的非贝叶斯活动检测算法随着 M 的增大呈现普遍提升，且避免了 VAMP 的不稳定性。
• 内码的 ML 检检测器能够准确恢复活动向量 gamma，其界限显示随着 M 增大在合适的缩放下误差趋于消失。
• 在给定合适的外码及奇偶约束下，随着接收天线数 M 的增加，单位比特能量可以被任意减小。
• 外部树解码器在跨越 L 个子时隙有效拼接子消息，利用奇偶位来裁剪无效路径。
• 仿真表明在海量MIMO无源接入设置中，相较于先前的贝叶斯方法有显著性能提升。
• 该方法将MIMO随机接入简化为外部码的随机 OR 通道，有助于可控解码。