Massive Connectivity with Compressive Sensing for Machine-Type Communications

Abstract

Massive machine-type communication (mMTC) has become one of the most important requirements for next generation (5G) communication systems with the advent of the Internet-of-Things (IoT). In the mMTC scenarios, grant-free non-orthogonal multiple access (NOMA) on the transmission side and compressive sensing-based multi-user detection (CS-MUD) on the reception side are promising because many users sporadically transmit small data packets at low rates. In this dissertation, we propose a novel CS-MUD algorithm for active user and data detection for the mMTC systems. The proposed scheme consists of a MAP-based active user detector (MAP-AUD) and a MAP-based data detector (MAP-DD). By exchanging extrinsic information between MAP-AUD and MAP-DD, the proposed algorithm improves the performance of the active user detection and the reliability of the data detection. In addition, we extend the proposed algorithm to exploit group sparsity. By jointly processing the multiple received data with common activity, the proposed algorithm demonstrates dramatically improved performance. We show by numerical experiments that the proposed algorithm achieves a substantial performance gain over existing algorithms.

사물 인터넷 (Internet of Things, IoT) 시대의 도래와 함께, 대규모 사물 통신(massive machine-type communications, mMTC)은 차세대 무선 통신 표준의 주요 요구 사항들 중의 하나가 되었다. 대규모 사물 통신 환경에서는 많은 수의 사물 기기(machine-type device)들이 대부분 비활성 상태로 데이터를 전송하지 않다가 가끔씩 활성 상태로 전환되어 작은 크기의 데이터를 전송한다. 그러므로, 기지국(base station, BS)으로부터의 스케쥴링을 기반으로 직교(orthogonal) 시간/주파수 자원을 할당받은 후 데이터 송수신이 이루어지는 기존의 통신 방식은, 실제 전송하려는 데이터 대비 많은 부가적인 제어 정보를 필요로 하고 또한 데이터의 지연을 유발시키므로 대규모 사물 통신에 적합하지 않다. 대신, 전송단에서는 스케쥴링 없이, 즉 기지국으로 부터의 승인 없이(grant-free), 비직교 자원에 다중 접속하고(non-orthogonal multiple access, NOMA), 수신단에서는 다중 사용자 검출(multi-user detection, MUD)을 이용하여 데이터의 충돌을 복조해 내는 방식이 대규모 사물 통신에 적합하다. 이 때, 사물 기기들이 전송하는 데이터의 희소 특성을 감안하면, 압축 센싱 기반의 다중 사용자 검출 방법(compressive sensing-based multi-user detection, CS-MUD)이 일반적인 다중 사용자 검출 방법보다 더 좋은 성능을 발휘할 수 있다.

본 논문에서는, 기존 방식보다 더 좋은 성능을 가진 새로운 압축 센싱 기반의 다중 사용자 검출 방법을 제안한다. 부연 설명하면, 가장 큰 사후 활성 확률을 가진 사용자를 찾고(maximum a posteriori probability-based active user detection, MAP-AUD), 역시 사후 확률 관점에서 가장 확률이 높은 데이터를 추정한다(maximum a posteriori probability-based data detection, MAP-DD). 이 때, MAP-AUD와 MAP-DD 블록은 서로 외재적 정보(extrinsic information)만을 주고 받는데, 이 외재적 정보는 상대방의 사전 정보가 되고, 이 사전 정보를 이용하여 다시 사후 확률 관점에서 최적의 해를 구한다. 이러한 반복 수행을 통해 각 블록은 검출의 정확도와 성능을 높여 나간다.

이 방법은 패킷 단위로 확장될 수 있다. 각각의 사물 기기들이 전송하려는 데이터는 여러개의 심볼로 구성된 패킷이며, 한 패킷 내의 각각의 심볼은 공통된 활성도를 가지게 된다. 여기서, 이 공통된 활성도를 이용하면, 활성 사물 기기와 이들의 전송 데이터 추정의 정확도를 높일 수 있다. 하지만, 이는 공동 최적화(joint optimization) 문제로 매우 복잡한 연산을 필요로 한다. 본 논문에서는, 패킷 내의 임의의 하나의 심볼에서 추정된 사물 기기의 활성도는 다른 심볼의 활성도를 추정하는데 사전 정보(a priori information)로 이용될 수 있다는 점에 착안하여, 복잡한 공동 최적화 문제를 비교적 연산량이 적은 부분 최적화(subproblem optimization) 문제로 단순화 시키고, 이들 간에 메시지 전달 (massage-passing) 기법을 통해 공동 최적화의 해에 근접한 해를 구하는 방법을 제안한다. 이 때, 부분 최적화 문제의 해법이 바로 앞에 설명한 MAP-AUD/MAP-DD 방법이다.

마지막으로, 모의 실험을 통해 제안하는 방법이 기존 방법과 비교했을 때 매우 크게 성능이 향상됨을 보였다. 특히, 제안하는 방법은 전체 사용자 수 대비 이용 가능한 자원이 적을 때일수록 더 큰 성능 향상이 있는데, 이는 차세대 무선 통신에서 사물 통신이 고려하는 단위 면적당 사물 기기의 수(10^6개/km^2)를 고려했을 때, 제안하는 방법이 대규모 사물 통신에 아주 효용성이 큼을 보여준다.