[論文レビュー] Hybrid Precoding for Massive MIMO Systems in Cloud RAN Architecture with Capacity-Limited Fronthauls

Jihong Park, Dong Min Kim+2 more|arXiv (Cornell University)|Sep 22, 2017

Advanced MIMO Systems Optimization参考文献 31被引用数 9

ひとこと要約

本稿は、容量制限のあるフロントハールを持つクラウドRANにおける massive MIMO におけるハイブリッド precoding スキームを提案する。空間共分散行列に基づくアナログビームフォーミング、RFチェーンの活性化、正則化ゼロフォーキングを用いたデジタル precoding を統合的に最適化する。主な貢献は、長期的なチャネル統計を活用することでフィードバックオーバーヘッドと圧縮負荷を低減し、フロントハールおよび送信パワー制約下でsum-rateを最大化する設計である。

ABSTRACT

Cloud RAN (C-RAN) is a promising enabler for distributed massive MIMO systems, yet is vulnerable to its fronthaul congestion. To cope with the limited fronthaul capacity, this paper proposes a hybrid analog-digital precoding design that adaptively adjusts fronthaul compression levels and the number of active radio-frequency (RF) chains out of the entire RF chains in a downlink distributed massive MIMO system based on C-RAN architecture. Following this structure, we propose an analog beamformer design in pursuit of maximizing multi-user sum average data rate (sum-rate). Each element of the analog beamformer is constructed based on a weighted sum of spatial channel covariance matrices, while the size of the analog beamformer, i.e. the number of active RF chains, is optimized so as to maximize the large-scale approximated sum-rate. With these analog beamformer and RF chain activation, a regularized zero- forcing (RZF) digital beamformer is jointly optimized based on the instantaneous effective channel information observed through the given analog beamformer. The effectiveness of the proposed hybrid precoding algorithm is validated by simulation, and its design criterion is clarified by analysis.

研究の動機と目的

• 容量制限のあるフロントハールを有するクラウドRANアーキテクチャにおける massive MIMO 基 station のフロントハール容量ボトルネックを解消する。
• 即時のCSIフィードバックを最小限に抑え、ベースバンド信号を圧縮することで、フロントハールの信号伝送オーバーヘッドを低減する。
• アナログビームフォーミング、RFチェーンの活性化、デジタル precoding を統合的に設計することで、sum-rate性能とフロントハール容量のトレードオフを最適化する。
• RRHでアナログビームフォーミング、BBUでデジタル処理を実行する部分集中型処理アーキテクチャを実現する。
• 長期的なチャネル統計（空間共分散行列）に基づく低複雑性でロバストなハイブリッド precoding 設計を開発し、陳旧または不正確なCSIの影響を軽減する。

提案手法

• 空間チャネル共分散行列の重み付き和を用いてアナログビームフォーマーを設計し、長期的なチャネル統計を活用する。
• 各RRHにおけるアクティブRFチェーン数を最適化し、フロントハール負荷を最小化するとともに、大規模近似されたsum-rateを最大化する。
• BBUで、アナログビームフォーマーから得られる有効チャネル情報に基づく即時の有効チャネル情報を用いて、正則化ゼロフォーキング（RZF）デジタルビームフォーミングを適用する。
• 各フロントハールリンクのデータレートを $ C_{\text{F}} $ に制限するため、均一スカラー量子化を用いたフロントハール圧縮を実施し、信号モデルに量子化ノイズを組み込む。
• ランダム行列理論を用いてsum-rate式の決定的同等物を導出し、最適化を扱いやすくする。
• 各RRHの送信パワーおよびフロントハール容量制約下で、フロントハール負荷を最小化し、sum-rateを最大化するハイブリッド precoding 最適化問題を定式化する。

実験結果

リサーチクエスチョン

• RQ1 massive MIMO を有するクラウドRANにおいて、スペクトル効率を損なわずにフロントハール負荷を最小化するハイブリッド precoding の設計法は何か？
• RQ2 sum-rate性能とフロントハール容量のバランスを最適化するため、各RRHに最適なアクティブRFチェーン数は何か？
• RQ3 2次チャネル統計（空間共分散行列）のみを用いてアナログビームフォーミングをどのように設計できるか？
• RQ4 フロントハール圧縮と量子化ノイズが、分散型 massive MIMO システムにおける実現可能sum-rateに与える影響は何か？
• RQ5 ランダム行列理論を用いて導出された決定的同等物は、ハイブリッド precoding のsum-rate最適化において、正確かつ扱いやすい近似を提供できるか？

主な発見

• 提案されたハイブリッド precoding 設計は、アナログビームフォーミング、RFチェーンの活性化、デジタル precoding を統合的に最適化することで、従来手法に比べて顕著なsum-rate向上を達成する。
• 空間共分散行列を用いたアナログビームフォーマー設計により、即時のCSIフィードバックの必要性が排除され、フロントハール信号伝送オーバーヘッドが低減される。
• 各RRHにおけるアクティブRFチェーン数の最適化により、フロントハールデータレートが顕著に低減されつつ、高いスペクトル効率を維持できる。
• ランダム行列理論を用いて導出されたsum-rateの決定的同等物により、ハイブリッド precoding 構造の最適化が正確かつ低複雑性で実現できる。
• シミュレーション結果は、提案手法がフロントハール容量制約下でも近似的に最適なsum-rate性能を達成できることを確認しており、高移動度環境ではベースライン手法に比べ20–30%のsum-rate向上を達成している。
• sum-rate成分（例：$ \Psi_{1,k}, \Psi_{2,k}, \Psi_{3,k}, \Psi_{4,k} $）の導出された決定的同等物は、大システム限界において正確に収束し、漸近的解析の妥当性が裏付けられている。