A Study on Sparsity-aware Communications

Abstract

The new wave of the technology revolution, named the fifth wireless systems, is changing our daily life dramatically. These days, unprecedented services and applications such as driverless vehicles and drone-based deliveries, smart cities and factories, remote medical diagnosis and surgery, and artificial intelligence-based personalized assistants are emerging. Communication mechanisms associated with these new applications and services are way different from traditional communications in terms of latency, energy efficiency, reliability, flexibility, and connection density. Since the current radio access mechanism cannot support these diverse services and applications, a new approach to deal with these relentless changes should be introduced.

This compressed sensing (CS) paradigm is very attractive alternative to the conventional information processing operations including sampling, sensing, compression, estimation, and detection. To apply the CS techniques to wireless communication systems, there are a number of things to know and also several issues to be considered. In the last decade, CS techniques have spread rapidly in many applications such as medical imaging, machine learning, radar detection, seismology, computer science, statistics, and many others. Also, various wireless communication applications exploiting the sparsity of a target signal have been studied. Notable examples include channel estimation, interference cancellation, angle estimation, spectrum sensing, and symbol detection. The distinct feature of this work, in contrast to the conventional approaches exploiting naturally acquired sparsity, is to exploit intentionally designed sparsity to improve the quality of the communication systems.

In the first part of the dissertation, we study the mapping data information into the sparse signal in downlink systems. We propose an approach, called sparse vector coding (SVC), suited for the short packet transmission. In SVC, since the data information is mapped to the position of sparse vector, whole data packet can be decoded by idenitifying nonzero positions of the sparse vector. From our simulations, we show that the packet error rate of SVC outperforms the conventional channel coding schemes at the URLLC regime. Moreover, we discuss the SVC transmission for the massive MTC access by overlapping multiple SVC-based packets into the same resources. Using the spare vector overlapping and multiuser CS decoding scheme, SVC-based transmission provides robustness against the co-channel interference and also provide comparable performance than other non-orthogonal multiple access (NOMA) schemes. By using the fact that SVC only identifies the support of sparse vector, we extend the SVC transmission without pilot transmission, called pilot-less SVC. Instead of using the support, we further exploit the magnitude of sparse vector for delivering additional information. This scheme is referred to as enhanced SVC. The key idea behind the proposed E-SVC transmission scheme is to transform the small information into a sparse vector and map the side-information into a magnitude of the sparse vector. Metaphorically, E-SVC can be thought as a standing a few poles to the empty table. As long as the number of poles is small enough and the measurements contains enough information to find out the marked cell positions, accurate recovery of E-SVC packet can be guaranteed.

In the second part of this dissertation, we turn our attention to make sparsification of the non-sparse signal, especially for the pilot transmission and channel estimation. Unlike the conventional scheme where the pilot signal is transmitted without modification, the pilot signals are sent after the beamforming in the proposed technique. This work is motivated by the observation that the pilot overhead must scale linearly with the number of taps in CIR vector and the number of transmit antennas so that the conventional pilot transmission is not an appropriate option for the IoT devices. Primary goal of the proposed scheme is to minimize the nonzero entries of a time-domain channel vector by the help of multiple antennas at the basestation. To do so, we apply the time-domain sparse precoding, where each precoded channel propagates via fewer tap than the original channel vector. The received channel vector of beamformed pilots can be jointly estimated by the sparse recovery algorithm.

5세대 무선통신 시스템의 새로운 기술 혁신은 무인 차량 및 항공기, 스마트 도시 및 공장, 원격 의료 진단 및 수술, 인공 지능 기반 맟춤형 지원과 같은 전례 없는 서비스 및 응용프로그램으로 부상하고 있다. 이러한 새로운 애플리케이션 및 서비스와 관련된 통신 방식은 대기 시간, 에너지 효율성, 신뢰성, 유연성 및 연결 밀도 측면에서 기존 통신과 매우 다르다. 현재의 무선 액세스 방식을 비롯한 종래의 접근법은 이러한 요구 사항을 만족할 수 없기 때문에 최근에 sparse processing과 같은 새로운 접근 방법이 연구되고 있다. 이 새로운 접근 방법은 표본 추출, 감지, 압축, 평가 및 탐지를 포함한 기존의 정보 처리에 대한 효율적인 대체기술로 활용되고 있다. 지난 10년 동안 compressed sensing (CS)기법은 의료영상, 기계학습, 탐지, 컴퓨터 과학, 통계 및 기타 여러 분야에서 빠르게 확산되었다. 또한, 신호의 희소성(sparsity)를 이용하는 CS 기법은 다양한 무선 통신이 연구되었다. 주목할만한 예로는 채널 추정, 간섭 제거, 각도 추정, 및 스펙트럼 감지가 있으며 현재까지 연구는 주어진 신호가 가지고 있는 본래의 희소성에 주목하였으나 본 논문에서는 기존의 접근 방법과 달리 인위적으로 설계된 희소성을 이용하여 통신 시스템의 성능을 향상시키는 방법을 제안한다.

우선 본 논문은 다운링크 전송에서 희소 신호 매핑을 통한 데이터 전송 방법을 제안하며 짧은 패킷 (short packet) 전송에 적합한 CS 접근법을 활용하는 기술을 제안한다. 제안하는 기술인 희소벡터코딩 (sparse vector coding, SVC)은 데이터 정보가 인공적인 희소벡터의 nonzero element의 위치에 매핑하여 전송된 데이터 패킷은 희소벡터의 0이 아닌 위치를 식별함으로 원신호 복원이 가능하다. 분석과 시뮬레이션을 통해 제안하는 SVC 기법의 패킷 오류률은 ultra-reliable and low latency communications (URLLC) 서비스를 지원을 위해 사용되는 채널코딩방식보다 우수한 성능을 보여준다. 또한, 본 논문은 SVC기술을 다음의 세가지 영역으로 확장하였다. 첫째로, 여러 개의 SVC 기반 패킷을 동일한 자원에 겹치게 전송함으로 상향링크에서 대규모 전송을 지원하는 방법을 제안한다. 중첩된 희소벡터를 다중사용자 CS 디코딩 방식을 사용하여 채널 간섭에 강인한 성능을 제공하고 비직교 다중 접속 (NOMA) 방식과 유사한 성능을 제공한다. 둘째로, SVC 기술이 희소 벡터의 support만을 식별한다는 사실을 이용하여 파일럿 전송이 필요없는 pilotless-SVC 전송 방법을 제안한다. 채널 정보가 없는 경우에도 희소 벡터의 support의 크기는 채널의 크기에 비례하기 때문에 pilot없이 복원이 가능하다. 셋째로, 희소벡터의 support의 크기에 추가 정보를 전송함으로 복원 성능을 향상 시키는 enhanced SVC (E-SVC)를 제안한다. 제안된 E-SVC 전송 방식의 핵심 아디디어는 짧은 패킷을 전송되는 정보를 희소 벡터로 변환하고 정보 복원을 보조하는 추가 정보를 희소 벡터의 크기 (magnitude)로 매핑하는 것이다. 마지막으로, SVC 기술을 파일럿 전송에 활용하는 방법을 제안한다. 특히, 채널 추정을 위해 채널 임펄스 응답의 신호를 희소화하는 프리코딩 기법을 제안한다. 파일럿 신호을 프로코딩 없이 전송되는 기존의 방식과 달리, 제안된 기술에서는 파일럿 신호를 빔포밍하여 전송한다. 제안된 기법은 기지국에서 다중 안테나를 활용하여 채널 응답의 0이 아닌 요소를 최소화하는 시간 영역 희소 프리코딩을 적용하였다. 이를 통해 더 적확한 채널 추정을 가능하며 더 적은 파일럿 오버헤드로 채널 추정이 가능하다.