Cooperative Uplink Channel Estimation in User-Centric Cell-free Massive MIMO Communication Networks

Résumé Technique : Estimation de canal de liaison montante coopérative dans les réseaux de communication Massive MIMO sans cellule et centrés sur l'utilisateur

Énoncé du problème
Les réseaux Massive MIMO sans cellule (Cell-free massive MIMO - CFmMIMO) visent à fournir une qualité de service uniforme en distribuant des points d'accès (AP) à travers une zone de couverture, éliminant ainsi le concept de cellules dédiées propre aux réseaux cellulaires traditionnels. Dans les variantes centrées sur l'utilisateur, chaque équipement utilisateur (UE) est servi par un groupe dynamique d'AP présentant les meilleures conditions de canal. Une condition préalable critique pour ces réseaux est une estimation précise du canal de la liaison montante (Channel Estimation - CE).

Les approches de CE existantes, souvent dérivées des systèmes mMIMO cellulaires, supposent généralement un évanouissement de Rayleigh et des canaux non corrélés entre des AP distants. Cependant, dans les réseaux CFmMIMO centrés sur l'utilisateur, les distances plus courtes entre les AP et les UE augmentent la probabilité de composantes de ligne de visée (Line-of-Sight - LoS), menant à des modèles de canal de type Rician. Cette corrélation entre les canaux motive la coopération entre les AP pour améliorer les performances d'estimation.

Les solutions actuelles sont confrontées à un arbitrage :

1. CE Locale : Effectuée indépendamment dans chaque AP. Elle est efficace sur le plan computationnel mais ignore les corrélations entre AP, ce qui entraîne des performances sous-optimales.
2. CE Centralisée : Les AP d'un groupe envoient des signaux bruts non compressés à une unité de traitement centralisé (CPU). Bien qu'optimale, elle impose une surcharge de communication de liaison descendante (fronthaul) prohibitive.
3. Méthodes Coopératives Existantes : Certaines approches partagent des signaux compressés mais ne sont pas optimales, ne parvenant pas à atteindre les performances de l'approche centralisée, ou nécessitent des procédures itératives qui sont intensives en termes de calcul.

Méthodologie
L'article propose une approche de CE de liaison montante coopérative basée sur l'algorithme iDANSE (iteration-less Distributed Adaptive Node-Specific Signal Estimation). La méthodologie adapte le cadre iDANSE, initialement conçu pour les réseaux de capteurs, au contexte du CFmMIMO.

• Modèle de Signal : Le système modélise le signal reçu à un AP comme une combinaison d'une composante « globale » (signaux LoS corrélés provenant des UE partagés au sein du groupe) et d'une composante « locale » (évanouissement NLoS non corrélé et bruit).
• Mécanisme de Coopération : Au lieu de partager des signaux bruts de dimension $N$, les AP d'un groupe partagent des signaux fusionnés. Chaque AP applique un filtre de fusion local pour extraire les composantes de signal global corrélées et transmet uniquement ces signaux compressés aux autres AP du groupe.
• Estimation Optimale : La méthode proposée dérive des filtres de fusion et des estimateurs MMSE optimaux de manière non itérative. En utilisant les matrices de corrélation des signaux pilotes reçus et des signaux étalés, l'algorithme atteint la même performance d'erreur quadratique moyenne (MSE) que l'approche centralisée (où toutes les données brutes sont partagées), mais avec une bande passante de communication considérablement réduite.
• Gestion des Pilotes : L'approche utilise une méthode d'estimation de corrélation pilotée par les données où les pilotes sont assignés aléatoirement aux UE dans chaque bloc de cohérence. Cela élimine le besoin d'une optimisation complexe de l'assignation des pilotes ou de techniques de décontamination des pilotes.

Contributions Clés

1. CE Coopérative Optimale : L'article introduit un schéma de CE coopératif qui est théoriquement équivalent à l'approche MMSE centralisée. Il atteint cette optimalité en une seule étape (non itérative) une fois que les matrices de corrélation sont connues.
2. Réduction de la Surcharge : En partageant des signaux fusionnés plutôt que des signaux bruts non compressés, la méthode réduit drastiquement la surcharge de communication de la liaison descendante par rapport à la CE centralisée.
3. Adaptation au Canal de Rician : L'approche exploite explicitement le modèle de canal de Rician (LoS + NLoS) inhérent au CFmMIMO centré sur l'utilisateur, utilisant la corrélation des composantes LoS pour piloter la coopération.
4. Assignation de Pilotes Robuste : L'approche fonctionne efficacement avec des assignations de pilotes aléatoires, supprimant la charge computationnelle de l'ordonnancement et de la décontamination des pilotes.

Résultats
Des expériences numériques ont été menées dans un scénario comprenant 130 AP et un nombre variable d'UE (100–300) et d'antennes par AP (2–10). L'approche proposée a été comparée à la CE locale, la CE centralisée et une approche « PK-centralisée » (qui utilise la connaissance préalable de la structure de corrélation du canal).

• Taux de Convergence : L'approche coopérative proposée converge nettement plus rapidement que l'approche de CE centralisée. Cela est dû à l'estimation de matrices de corrélation plus petites dans le schéma coopératif par rapport aux grandes matrices requises dans le cas centralisé.
• Précision : La méthode proposée atteint une précision de CE équivalente à l'approche centralisée et surpasse significativement l'approche de CE locale (montrant une amélioration d'environ 5 dB de la perte MMSE dans les scénarios testés).
• Scalabilité : L'avantage de performance sur l'approche centralisée est maintenu ou renforcé à mesure que le nombre d'antennes par AP augmente, grâce à la réduction de la dimensionnalité des matrices de corrélation impliquées dans l'estimation.
• Robustesse : L'approche maintient des performances supérieures à travers différents niveaux de SNR et densités d'UE.

Signification
L'article affirme que l'approche proposée offre une solution pratique pour les réseaux CFmMIMO scalables et centrés sur l'utilisateur. En atteignant la performance d'un système centralisé sans la surcharge de communication associée, elle s'attaque à un goulot d'étranglement majeur du déploiement des réseaux sans cellule. La nature non itérative de l'algorithme garantit une faible complexité de calcul, ce qui le rend adapté aux environnements dynamiques où les UE se déplacent rapidement et où les statistiques de canal changent fréquemment. La capacité de fonctionner avec des assignations de pilotes aléatoires simplifie davantage la gestion du réseau, supprimant le besoin de mécanismes complexes de coordination des pilotes.