[论文解读] Message Passing Based Structured Sparse Signal Recovery for Estimation of OTFS Channels with Fractional Doppler Shifts

Fei Liu, Zhengdao Yuan+3 more|arXiv (Cornell University)|Nov 30, 2020

PAPR reduction in OFDM参考文献 26被引用 5

一句话总结

该论文提出了一种基于消息传递的贝叶斯结构化稀疏信号恢复算法，用于估计具有分数多普勒偏移的正交时频空间（OTFS）信道，采用双正交和矩形波形。通过联合估计信道增益和分数多普勒偏移，而非直接估计完整的时延-多普勒信道矩阵，该方法在降低峰均功率比（PAPR）的同时显著提升了性能，相较于基于阈值的方法具有显著增益，且性能接近克拉美罗下界（Cramer-Rao lower bound）。

ABSTRACT

The orthogonal time frequency space (OTFS) modulation has emerged as a promising modulation scheme for high mobility wireless communications. To enable efficient OTFS detection in the delay-Doppler (DD) domain, the DD domain channels need to be acquired accurately. To achieve the low latency requirement in future wireless communications, the time duration of the OTFS block should be small, therefore fractional Doppler shifts have to be considered to avoid significant modelling errors due to the assumption of integer Doppler shifts. However, there lack investigations on the estimation of OTFS channels with fractional Doppler shifts in the literature. In this work, we develop a high performing channel estimator for OTFS with the bi-orthogonal waveform or the rectangular waveform. Instead of estimating the DD domain channel directly, we estimate the channel gains and (fractional) Doppler shifts that parameterize the DD domain channel. The estimation is formulated as a structured signal recovery problem with a Bayesian treatment. Based on a factor graph representation of the problem, an efficient message passing algorithm is developed to recover the structured sparse signal (thereby the OTFS channel). The Cramer-Rao Lower Bound (CRLB) for the estimation is developed and the effectiveness of the algorithm is demonstrated through simulations.

研究动机与目标

• 为解决现有研究中针对具有分数多普勒偏移的OTFS信道估计，特别是针对实际矩形波形的研究不足问题。
• 通过将信道建模为由增益和分数多普勒偏移参数化的结构化稀疏信号，而非直接估计完整的时延-多普勒矩阵，以提升估计精度。
• 通过使用多个导频符号而非单个导频符号，降低OTFS信号中的峰均功率比（PAPR）。
• 在因子图上开发一种贝叶斯消息传递算法，实现低复杂度的信道参数联合估计。
• 与克拉美罗下界（CRLB）及基准方法（包括基于阈值的估计和整数多普勒假设）进行性能评估。

提出的方法

• 将OTFS信道估计建模为结构化稀疏信号恢复问题，其中信道由增益和分数多普勒偏移参数化。
• 应用贝叶斯推断以建模信道增益与多普勒偏移的后验联合分布，实现概率性估计。
• 构建似然函数和先验分布的因子图表示，以在图模型上实现高效的消息传递。
• 推导出一种消息传递算法，通过局部计算迭代更新信道增益和分数多普勒偏移的估计值。
• 使用多个导频符号在保持高估计精度的同时降低PAPR，与单导频方法形成对比。
• 推导出该估计问题的克拉美罗下界（CRLB），用于性能基准评估，假设已知路径位置和路径数量。

实验结果

研究问题

• RQ1 与直接估计时延-多普勒矩阵相比，联合估计信道增益和分数多普勒偏移在提升OTFS信道估计精度方面有何优势？
• RQ2 使用多个导频符号相较于单个导频符号，在降低PAPR和提升估计精度方面有何性能增益？
• RQ3 所提出的消息传递算法在NMSE和BER性能方面与基于阈值的方法相比如何？
• RQ4 当实际存在分数多普勒偏移但被忽略时，系统BER的退化程度如何？
• RQ5 所提出的算法在多大程度上接近理论上的克拉美罗下界（CRLB）？

主要发现

• 所提出的基于消息传递的算法在NMSE性能上显著优于基于阈值的方法，即使后者仅估计时延-多普勒矩阵而未利用其结构化稀疏性。
• 使用10个导频符号而非1个导频符号，可将PAPR从18.76 dB降低至10.41 dB，同时保持几乎相同的NMSE性能。
• 所提算法的NMSE接近克拉美罗下界（CRLB），表明在给定假设下实现了近乎最优的估计性能。
• 使用所提估计器的BER性能非常接近完美信道状态信息（CSI）情况下的性能，尤其是在使用多个导频符号时表现更优。
• 忽略实际存在的分数多普勒偏移会导致严重的BER退化，证明在高速移动的OTFS系统中准确建模分数多普勒偏移的必要性。
• 随着路径数P的增加，该算法在BER性能上表现更优，表明更多信道抽头带来了更高的分集增益。