[论文解读] Multidimensional orthogonal matching pursuit: theory and application to high accuracy joint localization and communication at mmWave

Joan Palacios, Nuria González‐Prelcic+1 more|arXiv (Cornell University)|Aug 24, 2022

Indoor and Outdoor Localization Technologies被引用 9

一句话总结

本文提出多维正交匹配追踪（MOMP），一种低复杂度的稀疏恢复算法，通过在多个维度（如角度、延迟、多普勒）上独立使用较小的字典，实现毫米波频段的高精度联合定位与通信。MOMP 在传统 OMP 和 SWOMP 的基础上实现了更优的估计精度，将角度误差降低最多 50%，并在具有实际混合 MIMO 架构的三维毫米波场景中实现了亚米级定位精度。

ABSTRACT

Greedy approaches in general, and orthogonal matching pursuit in particular, are the most commonly used sparse recovery techniques in a wide range of applications. The complexity of these approaches is highly dependent on the size of the dictionary chosen to represent the sparse signal. When the dictionary has to be large to enable high accuracy reconstructions, greedy strategies might however incur in prohibitive complexity. In this paper, we propose first the formulation of a new type of sparse recovery problems where the sparse signal is represented by a set of independent and smaller dictionaries instead of a large single one. Then, we derive a low complexity multdimensional orthogonal matching pursuit (MOMP) strategy for sparse recovery with a multdimensional dictionary. The projection step is performed iteratively on every dimension of the dictionary while fixing all other dimensions to achieve high accuracy estimation at a reasonable complexity. Finally, we formulate the problem of high resolution time domain channel estimation at millimeter wave (mmWave) frequencies as a multidimensional sparse recovery problem that can be solved with MOMP. The channel estimates are later transformed into high accuracy user position estimates exploiting a new localization algorithm that leverages the particular geometry of indoor channels. Simulation results show the effectiveness of MOMP for high accuracy localization at millimeter wave frequencies when operating in realistic 3D scenarios, with practical MIMO architectures feasible at mmWave, and without resorting to perfect synchronization assumptions that simplify the problem.

研究动机与目标

• 解决在毫米波信道估计中使用大型单体字典时贪婪稀疏恢复带来的高计算复杂度问题。
• 通过利用毫米波信道的几何结构，实现高分辨率的联合定位与通信。
• 提出一种低复杂度的稀疏恢复方法，通过将字典分解为独立维度来保持高精度。
• 在无需完美同步或多个接入点的情况下实现精确用户定位。
• 在毫米波频段证明使用实际混合 MIMO 架构实现高精度定位的可行性。

提出的方法

• 将毫米波信道估计问题建模为使用独立字典表示出发角（AoD）、到达角（AoA）和延迟的多维稀疏恢复任务。
• 提出 MOMP，一种迭代贪婪算法，每次仅将残差投影到字典的一个维度上，其余维度保持固定，从而降低计算复杂度。
• 采用 Kronecker 积结构构建字典，以建模 AoA、AoD 和延迟之间的联合稀疏性，实现对毫米波信道响应的高效表示。
• 将该算法应用于时域信道估计，其中训练信号通过发射端和接收端扇区波束波形的 Kronecker 积构成。
• 通过一种新颖的定位算法将估计的信道参数转换为用户位置，该算法利用了室内毫米波传播环境中几何关系。
• 在用户设备中集成混合 MIMO 架构，结合波束成形与导频信号设计，以减少训练开销和复杂度。

实验结果

研究问题

• RQ1 多维稀疏恢复框架是否能在保持计算复杂度可控的前提下提升毫米波信道估计的估计精度？
• RQ2 在真实的三维毫米波传播条件下，MOMP 与传统 OMP 和 SWOMP 在角度和延迟估计精度方面有何差异？
• RQ3 仅使用单个接入点和毫米波信道估计输出，能在多大程度上实现高精度定位？
• RQ4 训练帧数量以及用户设备架构（模拟 vs. 混合 MIMO）对定位精度有何影响？
• RQ5 在低信噪比（SNR）和多径分量有限的非视 Line-of-Sight（NLoS）场景下，该算法性能如何？

主要发现

• 在所有信噪比（SNR）水平下，MOMP 相较于 SWOMP 和 OMP 将主径角度误差的中位数降低了约 50%，且在累积分布函数中表现出一致的性能优势。
• MOMP 的信道估计归一化均方误差（NMSE）比 SWOMP 低 5 dB，表明重建精度显著提升。
• MOMP 的次径延迟误差始终更低，其检测概率在测试范围内为 SWOMP 的两倍。
• 定位精度在发射功率从 -40 dBm 提升至 -10 dBm 时近似线性加倍，且在更高 SNR 下趋于饱和；而 SNR 低于 -20 dBm 时，每降低 10 dB，未检测到定位的概率增加约 20%。
• 用户设备采用混合 MIMO 架构时，其定位精度与模拟架构相当，但训练帧数仅为后者的 1/4（32 vs. 128），显著降低了训练开销。
• 该算法在无需完美同步或多个接入点的现实三维室内场景中仍保持高性能，验证了其在毫米波频段实现联合定位与通信的实用可行性。