論文要約：XL-MIMO における半グリッドレス変分ベイズチャネル推定：近距離場モデリングと推論

1. 背景と課題

第 6 世代（6G）通信では、超高速データレート、低遅延、広範囲カバレッジを実現するため、超大型アンテナアレイ（ELAA）と高周波帯域の採用が不可欠です。しかし、アンテナアレイの開口部が広くなり、キャリア周波数が高くなるにつれて、レイリー距離（近距離場と遠距離場の境界）が数百メートルに達し、多くの通信リンクが基地局の**近距離場（Near-Field）**で動作するようになります。

従来の遠距離場モデルでは平面波を仮定し、到着角（AoA）のみでチャネルを記述できますが、近距離場では球面波が伝搬し、位相がアンテナ素子ごとの伝搬距離に依存して変化します。このため、従来の角度ドメインに基づくチャネル推定（CE）アルゴリズムは不十分であり、以下のような課題が存在します。

• 既存手法の限界:
  • MUSIC などのサブスペース法: 高解像度を持つが、全探索による計算量が膨大であり、ランク不足を克服するためのサンプル数が必要。
  • コードブックベースの圧縮センシング（P-SOMP, P-SIGW など）: 極座標ドメインのスパース性を利用するが、コードブック設計に依存し、グリッド化による離散化誤差（グリッド・ミスマッチ）が発生する。また、ストレージオーバーヘッドとシステム遅延が増大する。
  • 深層学習（DL）: 大量の学習データが必要であり、学習環境と異なるシナリオでの性能劣化（一般化性の欠如）が懸念される。
• 既存 VB 法の課題: 既存の変分ベイズ（VB）法は、サブアレイ固有のスパース性などの事前知識を必要とし、計算コストが高い場合がある。また、散乱体の位置推定が困難で、高度な送受信機設計に応用しにくい。

2. 提案手法：半グリッドレス変分ベイズ（SG-VB）

本論文では、近距離場チャネル推定のための効率的な**半グリッドレス変分ベイズ（Semi-Gridless Variational Bayes: SG-VB）**アルゴリズムを提案します。

2.1 チャネルモデルの再定式化

均一線形アレイ（ULA）および均一平面アレイ（UPA）に対して、近距離場チャネルを到着方向（DoA）成分と距離成分に分離した新しい表現を導入しました。

• ULA の場合: 伝搬距離を Fresnel 近似し、位相項を角度成分（$\omega$）と距離成分（$s$）に分解します。
• UPA の場合: 同様に、方位角、仰角、距離の各成分を分離したベクトル表現を導出します。
  これにより、チャネルモデルを $y = \sum \nu_\ell \mathbf{a}(\omega_\ell) \odot \mathbf{c}(s_\ell) + \mathbf{n}$ のような形式で記述し、変分推論の対象を明確にします。

2.2 推論アルゴリズムの核心

変分ベイズ（VB）フレームワークを用いて、事後分布を近似する変分分布を導出します。

1. DoA 推定（グリッドレス）:
   • 離散グリッドに依存せず、**フォン・ミーゼス分布（von Mises distribution）**の混合モデルを用いて連続的な DoA を近似します。
   • これにより、グリッド・ミスマッチを排除し、閉形式（closed-form）での更新則を導出できます。
2. 距離推定（粗密グリッド探索）:
   • 距離成分に対しては、粗グリッド（Coarse Grid）から微細グリッド（Fine Grid）への探索戦略を採用します。
   • まず最大尤度基準で粗いグリッド上で初期値を求め、その後、ニュートン・ラプソン法を用いて反復的に距離推定値を微調整します。
3. 変分分布の導出:
   • 経路ゲイン、DoA、距離、ノイズ精度などのすべての潜在変数に対して、閉形式の変分分布を導出しました。これにより、効率的な反復更新が可能になります。

2.3 適用範囲

提案手法は、事前知識（サブアレイごとのスパース性など）を必要とせず、ULA と UPA の両方のアンテナ幾何構造に柔軟に対応します。

3. 主要な貢献

1. SG-VB アルゴリズムの開発: 近距離場チャネル推定のための新しい半グリッドレス手法を提案。DoA と距離を独立した潜在変数として扱うことで、任意のアンテナアレイ形状（ULA/UPA）で高精度な推定を実現。
2. フォン・ミーゼス分布と粗密探索の組み合わせ: DoA にはフォン・ミーゼス分布を用いたグリッドレス推定を、距離には粗密グリッド探索を適用し、両者の利点を統合。
3. 閉形式更新則の導出: すべての潜在変数に対する閉形式解を導出。これにより計算効率が向上し、散乱体の位置推定（送受信機設計への応用）が可能になりました。
4. 包括的な性能評価: MUSIC, P-SOMP, P-SIGW, SBL, LS などの既存手法との比較を通じて、正規化平均二乗誤差（NMSE）や平均二乗誤差（MSE）において優れた性能を実証。

4. 数値シミュレーション結果

ULA と UPA 両方の設定でシミュレーションを行い、以下の結果が得られました。

• チャネル再構成精度（NMSE）:
  • 提案する SG-VB は、高 SNR 領域において、MUSIC、P-SOMP、P-SIGW、SBL、LS をすべて上回り、Oracle LS（真の位置・角度が既知の場合の下限）に近い性能を示しました。
  • 低 SNR 域では P-SIGW と同等かやや劣る場合もありますが、高 SNR 域でグリッド化手法が飽和するのに対し、SG-VB は性能が向上し続けます。
• 距離推定精度:
  • ULA/UPA ともに、距離推定において提案手法は既存手法を上回る精度を達成しました。特に、3D-MUSIC は DoA 推定誤差が距離推定に伝播するため性能が劣るのに対し、SG-VB は安定した性能を示しました。
• 角度推定精度（MSE）:
  • 高 SNR 域において、SG-VB はグリッドベースの手法（P-SOMP など）を大幅に上回る精度（約 20 dB の利得）を示しました。これは、グリッドレスアプローチが離散化誤差を排除できるためです。
• 計算量:
  • 計算量は $O(L(N^2 + KN))$ であり、MUSIC（$O(N^3)$）や SBL（$O(N^3)$）と比較して効率的です。P-SOMP よりも計算量は高いですが、その分、推定精度が劇的に向上しています。

5. 意義と結論

本論文で提案した SG-VB アルゴリズムは、6G における超大型 MIMO（XL-MIMO）システムの近距離場チャネル推定問題に対する画期的な解決策です。

• 技術的意義: 従来の「グリッドベース」または「完全なデータ駆動型（DL）」のいずれでもない、統計的学習と物理モデルを融合したハイブリッドアプローチの有効性を示しました。
• 実用性: 事前知識を必要とせず、ULA/UPA 両方に適用可能であるため、実際の 6G システムへの展開が期待されます。
• 将来展望: 高精度な散乱体位置推定が可能となるため、ビームフォーミングや位置測位など、高度な送受信機設計への応用が期待されます。

結論として、SG-VB は近距離場チャネルの球面波特性を効果的に捉え、低計算コストで高精度な推定を実現する次世代チャネル推定手法として極めて重要です。