[論文レビュー] A Primer on Cellular Network Analysis Using Stochastic Geometry

Jeffrey G. Andrews, Abhishek Gupta+1 more|arXiv (Cornell University)|Apr 12, 2016

Advanced MIMO Systems Optimization参考文献 53被引用数 178

ひとこと要約

このチュートリアルはポアソン点過程を用いてセルラーネットワークをモデル化し、確率的幾何学を用いてダウンリンク、アップリンク、およびマルチティアHetNetのSINRカバレッジ確率を導出します。閉形式表現または半閉形式表現を提供し、実用的な妥当性について述べます。

ABSTRACT

This tutorial is intended as an accessible but rigorous first reference for someone interested in learning how to model and analyze cellular network performance using stochastic geometry. In particular, we focus on computing the signal-to-interference-plus-noise ratio (SINR) distribution, which can be characterized by the coverage probability (the SINR CCDF) or the outage probability (its CDF). We model base stations (BSs) in the network as a realization of a homogeneous Poisson point process of density $λ$, and compute the SINR for three main cases: the downlink, uplink, and finally the multi-tier downlink, which is characterized by having $k$ tiers of BSs each with a unique density $λ_i$ and transmit power $p_i$. These three baseline results have been extensively extended to many different scenarios, and we conclude with a brief summary of some of those extensions.

研究の動機と目的

• セルラーネットワークの性能を解析的に扱う枠組みとして確率的幾何学の利用を動機づける。
• PPPベースの基地局配置の下でSINR分布指標、特にカバレッジ確率を導出する。
• 現実的な配置を捉えるためにアップリンクとマルチティアヘテロネットワークへ基礎モデルを拡張する。
• 実務的な洞察と設計の指針を得るための特別ケース分析を提供する。
• 実世界の基地局レイアウトとの検証と、より規則的な配置との関係を論じる。

提案手法

• 基地局を密度 λ の一様ポアソン点過程としてモデル化する。
• 最も近い基地局距離の条件付き解析を通じて、典型的な移動体利用者におけるSINRとカバレッジ確率 p_c(τ, λ, α) を導出する。
• フェーディングおよびパス搇失（α>2）の影響を含む、PPPのPGFLとラプラス変換によって干渉を特徴付ける。
• p_c(τ, λ, α) の閉形式積分表現を得て、特別なケース（ノイズ制限/干渉制限； α=4）で簡略化する。
• パワー制御を考慮したアップリンクへの Framework の拡張と、階層固有パラメータ（λ_i, p_i, τ_i）を持つk階層HetNetへの拡張を行う。
• 実世界のネットワークレイアウトとの検証と、現実の正規化されたSINRシフトを用いたPPP結果との関連を議論する。

実験結果

リサーチクエスチョン

• RQ1 PPPベースの基地局配置の下で、典型的なユーザのSINR分布はどうなるか。
• RQ2 最も近い基地局距離は、ダウンリンクにおける干渉とカバレッジ確率にどのような影響を与えるか。
• RQ3 パワー制御を含むアップリンクやマルチティアHetNetへPPPフレームワークをどう拡張できるか。
• RQ4 特別ケースの簡便化によって、π閉形式の洞察が得られる条件（例：α=4、干渉制限/ノイズ制限のいずれか）とは。
• RQ5 PPPベースの結果は実世界のセル配置とどれだけ一致するか、実用的設計洞察のためにどのように校正できるか。

主な発見

• ダウンリンク用のPPP基地局を用いた解析により、カバレッジ確率の表現を導出でき、τ、λ、α、SNRに依存する。
• 最近接BS距離は pdf f_R(r)=2πλ r e^{-πλ r^2} を持つレイ分布に従う。
• 干渉のラプラス変換はPPPのPGFLを用いて表現でき、カバレッジ確率の半閉形式を得ることができる。
• 特別ケースとして、閉形式の干渉制限α=4の表現 p_c(τ, λ, 4)=1/(1+√τ arctan√τ) や、単純なノイズ制限の変種 p_c(τ, λ, α)=1/(1+ρ(τ, α)) が得られる。
• α=4 でノイズが存在する場合、ほぼ閉形式に近い表現が Q関数を含んでおり、p_c(τ, λ, 4)= (π^{3/2} λ / sqrt(τ/SNR)) exp((λπ κ(τ))^2/(4τ/SNR)) Q(λπ κ(τ)/sqrt(2τ/SNR))。
• PPPモデルは実際の配置に対する有用な境界/代理として機能し、グリッドベース予測とPPPベース予測の間に位置するカバレッジがあり、レイアウトを揃えるための通常の横方向SINRシフトが1–3 dB程度ある。