DIP による残留干渉およびノイズ除去とDNN によるスケーリング係数学習を用いたBPアルゴリズムによるMassive MIMO 検出法

摘要

5G 無線通信システムのキー技術として，Massive MIMO(Multipl-Input Multiple-Ouput) が注目されている．基地局側で空間多重した受信信号を分離・検出するための手法として，確率伝搬(BP : Belief Propagation) アルゴリズムに基づく信号検出法(BP 検出) が注目されている[1]．BP 検出は，各シンボルの対数尤度比(LLR : Log-Likelihood Ratio) をメッセージとして交換・更新することで，準最適な検出特性を示す．BP 検出では，各反復において伝搬メッセージからシンボルレプリカを生成し，受信信号の干渉成分を除去することでLLR を更新するが，残留干渉，およびノイズの影響により伝搬メッセージに誤りが発生する．さらに，MIMO 通信路に含まれる多数のループにより，BP の収束特性，および検出特性が劣化するという問題がある．本稿ではDIP (Deep Image Prior) を用いて，BP検出における干渉除去後の受信信号の残留干渉，およびノイズを低減する手法を提案する．また，DIP を適用したBP 検出において，干渉・ノイズ成分の分散のスケーリング係数を学習することで，伝搬メッセージの信頼度を向上することを考える．提案法では，残留干渉，およびノイズの影響を低減し，干渉・ノイズ成分の分散のスケーリング係数を学習することで，従来法と比べBER 特性を改善することを計算機シミュレーションによって示す．