大規模MIMOにおける統計的チャネルフィンガープリント構築：統一テンソル学習フレームワーク

Abstract

チャネル・フィンガープリント（CF）は、大規模MIMO（multiple-input multiple-output）通信システムにおけるチャネル状態情報（CSI）の獲得を促進するための重要な実現要因と考えられている。本研究では、各潜在的な位置に統計的CSI（sCSI）を保存する、という新しいタイプのCFを調査する。これは統計的CF（sCF）と呼ばれる。具体的には、sCSI、すなわちチャネル空間共分散行列（CSCM）と、チャネル電力角度スペクトル（CPAS）の関係を明らかにする。この基礎に基づき、sCFの統一的なテンソル表現を構築し、さらにCSCMの固有値分解とPASとの相関を活用することで、その次元を一層削減する。測定コスト、プライバシー、セキュリティによって課される実務上の制約を考慮し、本研究では3つの代表的なシナリオに焦点を当て、それらを一様にテンソル復元タスクとして定式化する。そのために、LPWTNetと呼ばれる、統一テンソルベースの学習アーキテクチャを提案する。このアーキテクチャは、従来のエンコーダ・デコーダ構造に代わる、閉形式のラプラシアン・ピラミッド（LP）分解および再構築の枠組みを組み込み、sCFの多スケール周波数サブバンド特性を捉えつつ効率的な推論を可能にする。さらに、高周波のsCF成分をレベルごとの調整によって適応的に洗練するための共有マスク学習戦略を導入する。過剰なパラメータ化を避けつつより大きな受容野を実現するために、ウェーブレット変換（WT）に基づく小さなカーネルの畳み込みメカニズムも提案する。これは、sCFの異なる周波数成分間で畳み込みをデカップリングし、特徴抽出の効率を高める。広範な実験の結果、提案手法は、複数のsCF構築シナリオにおいて、最先端のベースラインと比較して、競争力のある復元精度と計算効率を提供することが示された。