[論文レビュー] GDoF of the K user Symmetric MISO BC: Bridging the Gap between Finite Precision and Perfect CSIT

Arash Gholami Davoodi, Syed A. Jafar|arXiv (Cornell University)|Feb 6, 2016

Advanced Wireless Communication Techniques参考文献 12被引用数 9

ひとこと要約

本稿は、チャネル利得の多様性（$\alpha$）とチャネル不確実性（$\beta$）の両方の影響を受けるKユーザー対称MISOブロードキャストチャネルにおける和GDoFを特徴づけ、GDoFが$(\alpha - \beta) + K(1 - (\alpha - \beta))$であることを示している。主な洞察は、有効チャネル品質が、CSITなし（GDoF = 1/次元）の部分$(\alpha - \beta)$と、完全なCSITがある（GDoF = K/次元）部分$1 - (\alpha - \beta)$に分割され、影響を及ぼすのは$\alpha - \beta$の差値のみであるということである。

ABSTRACT

We characterize the sum GDoF of the $K $ user symmetric MISO BC where the direct channels have strengths $\sim SNR$, cross channels have strengths $\sim SNR^{\alpha}$, and the channel estimation error terms have strengths $\sim SNR^{-\beta}$. This is a step towards the ultimate goal of unifying recent advances which focus exclusively on either the diversity of channel strengths ($\alpha$) or the channel uncertainty ($\beta$) aspect, and bridging the gap between the divergent extremes studied thus far where 1) cross-channels are either assumed to be as strong as direct channels ($\alpha=1$, as in DoF studies) or so weak (small $\alpha$) that they can be optimally treated as noise (TIN); or 2) where channel knowledge is assumed to be either absent $(\beta=0)$ or essentially perfect (large $\beta$). Restricting $\alpha\in[0,1]$ and without loss of generality $\beta\in[0,\alpha]$, it is shown that the $K$ user symmetric MISO BC has $(\alpha-\beta)+K(1-(\alpha-\beta))$ GDoF. A useful interpretation is that the power levels effectively split into a fraction $(\alpha-\beta)$ where CSIT is essentially absent (GDoF $=1$ per power level dimension), and the remaining $1-(\alpha-\beta)$ fraction where CSIT is essentially perfect (GDoF $=K$ per power level dimension). For $K=2$ users with arbitrary $\beta_{kl}$ parameters, the GDoF are shown to be $2-\alpha+\min_{k,l} \beta_{kl}$. Remarkably, the roles of $\alpha$ and $\beta$ counter each other on equal terms so that only their difference matters.

研究の動機と目的

• MISOブロードキャストチャネルにおけるチャネル利得の多様性（$\alpha$）とチャネル不確実性（$\beta$）の分析を統一すること。
• 相互接続チャネルが強い（$\alpha=1$）か、ノイズとして扱われる（$\alpha \to 0$）という極端なモデル、およびCSITが存在しない（$\beta=0$）か完全である（$\beta \to \infty$）という極端な状況の間のギャップを埋めること。
• 一般の$\alpha \in [0,1]$および$\beta \in [0,\alpha]$における和GDoFを特徴づけることにより、現実的でハイブリッドな状況を捉えること。
• GDoFは$\alpha$と$\beta$の個別値ではなく、差$\alpha - \beta$にのみ依存することを明らかにすること。

提案手法

• 直接チャネルを$\sim \text{SNR}$、クロスチャネルを$\sim \text{SNR}^\alpha$、推定誤差を$\sim \text{SNR}^{-\beta}$とするKユーザー対称MISO BCをモデル化する。
• GDoFフレームワークを用いて、$\alpha$と$\beta$の両方の影響を受ける和自由度を分析する。
• 信号空間を2つの有効領域に分解する：CSIT品質が低い領域（$\alpha - \beta$）と、CSIT品質が高い領域（$1 - (\alpha - \beta)$）。
• 各領域のGDoF利得を反映した重み付き和として、和GDoFを導出する：$(\alpha - \beta) \cdot 1 + (1 - (\alpha - \beta)) \cdot K$。
• K=2の場合、非対称な$\beta_{kl}$に対しても分析を拡張し、GDoF = $2 - \alpha + \min_{k,l} \beta_{kl}$を示す。
• パワー制御と干渉整合技術を用いて、導出されたGDoFを達成し、有効CSIT品質の分割を活用する。

実験結果

リサーチクエスチョン

• RQ1 チャネル利得の多様性（$\alpha$）とチャネル不確実性（$\beta$）が両方存在するKユーザー対称MISO BCにおいて、和GDoFはどのようにスケーリングするか？
• RQ2 GDoFを決定づけるチャネル利得と推定精度の間の有効なトレードオフは何か？
• RQ3 GDoFは$\alpha - \beta$の関数としてのみ表現可能であり、$\alpha$と$\beta$が互いに相殺するという事実を示せるか？
• RQ4 特にK=2の場合に、$\beta_{kl}$がユーザー対ごとに異なる場合、GDoFの式はどのように変化するか？
• RQ5 システム性能は$\alpha$と$\beta$の絶対値に依存するのではなく、その差にのみ依存するか？

主な発見

• Kユーザー対称MISO BCの和GDoFは、$\alpha \in [0,1]$および$\beta \in [0,\alpha]$において正確に$(\alpha - \beta) + K(1 - (\alpha - \beta))$に等しい。
• 有効チャネル空間は2つの部分に分割される：CSITが実質的に欠落している部分（$\alpha - \beta$）ではGDoF = 1/次元、CSITが実質的に完全な部分（$1 - (\alpha - \beta)$）ではGDoF = K/次元。
• K=2ユーザーの場合、GDoFは$2 - \alpha + \min_{k,l} \beta_{kl}$で与えられ、最悪の$\beta_{kl}$が支配的であることが示された。
• $\alpha$と$\beta$の役割は、その影響において対称的である：GDoFに影響するのは$\alpha - \beta$の差値のみで、個別の値ではない。
• この結果は、根本的な双対性を示している：$\alpha$（強いクロスチャネル）を増加させることと、$\beta$（悪いCSIT）を増加させることは互いに相殺し合い、等しい変化に対してGDoFは不変のままである。