[论文解读] Sensing Aided OTFS Channel Estimation for Massive MIMO Systems

Shuaifeng Jiang, Ahmed Alkhateeb|arXiv (Cornell University)|Sep 22, 2022

PAPR reduction in OFDM被引用 7

一句话总结

该论文提出了一种雷达感知辅助的信道估计算法框架，用于大规模MIMO-OTFS系统，利用雷达获取的时延、多普勒和波束波束方向（AoD）信息，以降低导频开销。通过将感知数据用于指导正交匹配追踪（OMP）稀疏恢复，该方法在导频开销减少50%且信噪比（SNR）降低4 dB的条件下，实现了与传统OMP相当的归一化均方误差（NMSE）性能。

ABSTRACT

Orthogonal time frequency space (OTFS) modulation has the potential to enable robust communications in highly-mobile scenarios. Estimating the channels for OTFS systems, however, is associated with high pilot signaling overhead that scales with the maximum delay and Doppler spreads. This becomes particularly challenging for massive MIMO systems where the overhead also scales with the number of antennas. An important observation however is that the delay, Doppler, and angle of departure/arrival information are directly related to the distance, velocity, and direction information of the mobile user and the various scatterers in the environment. With this motivation, we propose to leverage radar sensing to obtain this information about the mobile users and scatterers in the environment and leverage it to aid the OTFS channel estimation in massive MIMO systems. As one approach to realize our vision, this paper formulates the OTFS channel estimation problem in massive MIMO systems as a sparse recovery problem and utilizes the radar sensing information to determine the support (locations of the non-zero delay-Doppler taps). The proposed radar sensing aided sparse recovery algorithm is evaluated based on an accurate 3D ray-tracing framework with co-existing radar and communication data. The results show that the developed sensing-aided solution consistently outperforms the standard sparse recovery algorithms (that do not leverage radar sensing data) and leads to a significant reduction in the pilot overhead, which highlights a promising direction for OTFS based massive MIMO systems.

研究动机与目标

• 解决OTFS大规模MIMO系统中导频开销过高的问题，其开销随时延/多普勒扩展和天线数量而增加。
• 利用雷达感知提取移动用户和散射体的传播路径信息（时延、多普勒、AoD），以降低信道估计算法的开销。
• 开发一种利用雷达获取的支持信息改进OTFS信道估计算法性能的稀疏恢复算法。
• 在包含共存通信与雷达数据的真实3D射线追踪框架中评估所提方法。
• 与传统压缩感知方法相比，显著提升NMSE性能并降低导频开销。

提出的方法

• 将OTFS大规模MIMO信道估计算法建模为时延-多普勒域中的稀疏恢复问题。
• 在基站使用FMCW雷达信号检测并估计主要传播路径的时延、多普勒频移和AoD。
• 从雷达感知数据中提取信道的支持（非零抽头）以指导基于OMP的稀疏恢复过程。
• 将雷达获取的信道支持信息集成到正交匹配追踪（OMP）算法中，以提升收敛速度与准确性。
• 设计基于3D射线追踪的仿真框架，生成共存的通信与雷达数据，用于真实性能评估。
• 采用已知支持的最小二乘（LS）估计算法（即“上帝辅助”）作为性能上限，并与无雷达数据的传统OMP方法进行对比。

实验结果

研究问题

• RQ1 雷达感知获取的时延、多普勒和AoD信息是否能提升大规模MIMO系统中OTFS信道估计算法的准确性？
• RQ2 雷达辅助的支持估计在多大程度上可降低OTFS大规模MIMO系统中所需的导频开销？
• RQ3 在不同SNR水平下，感知辅助OMP算法与传统OMP在NMSE性能方面有何差异？
• RQ4 导频开销比例对所提感知辅助方法的NMSE性能有何影响？
• RQ5 在传统OMP性能下降的低SNR条件下，所提方法的鲁棒性如何？

主要发现

• 所提感知辅助OMP方法在与传统OMP相当的NMSE性能下，可实现4 dB的SNR降低，表明其在低信噪比环境下的鲁棒性显著提升。
• 在固定SNR为10 dB时，所提方法在导频开销比例（η）为0.15时即可达到与传统OMP（η = 0.3）相同的NMSE性能，表明导频开销降低了50%。
• 在低SNR条件下，所提方法与传统OMP之间的性能差距最为显著，表明雷达辅助支持估计能显著提升恢复精度。
• “上帝辅助”LS方法在已知完美支持信息下性能优于所有其他方法，表明雷达支持估计仍有优化空间。
• 所提方法在所有测试的SNR和导频开销水平下均持续优于传统OMP，验证了其在不牺牲精度的前提下有效降低开销的能力。
• 结果证实，雷达感知为信道稀疏性提供了有价值的先验知识，从而在OTFS大规模MIMO系统中实现更高效、更精确的稀疏恢复。