[論文レビュー] Optimal Stochastic Coordinated Beamforming for Wireless Cooperative Networks with CSI Uncertainty

Yuanming Shi, Jun Zhang+1 more|arXiv (Cornell University)|Dec 2, 2013

Advanced MIMO Systems Optimization参考文献 48被引用数 4

ひとこと要約

本稿は、CSIの不確実性下での無線協調ネットワークにおける最適な確率的連携ビームフォーミングを実現する、新しい確率的DCプログラミングアルゴリズムを提案する。連合確率制約を差分凸（DC）制約に再定式化することで、凸問題に対してはグローバル最適解を達成し、非凸問題に対しても局所最適解を提供する。これにより、従来の手法が部分的最適で妥当な解しか得られなかった分野において、性能ベンチマークを提供する。

ABSTRACT

Transmit optimization and resource allocation for wireless cooperative networks with channel state information (CSI) uncertainty are important but challenging problems in terms of both the uncertainty modeling and performance op- timization. In this paper, we establish a generic stochastic coordinated beamforming (SCB) framework that provides flex- ibility in the channel uncertainty modeling, while guaranteeing optimality in the transmission strategies. We adopt a general stochastic model for the CSI uncertainty, which is applicable for various practical scenarios. The SCB problem turns out to be a joint chance constrained program (JCCP) and is known to be highly intractable. In contrast to all the previous algo- rithms for JCCP that can only find feasible but sub-optimal solutions, we propose a novel stochastic DC (difference-of-convex) programming algorithm with optimality guarantee, which can serve as the benchmark for evaluating heuristic and sub-optimal algorithms. The key observation is that the highly intractable probability constraint can be equivalently reformulated as a DC constraint. This further enables efficient algorithms to achieve optimality. Simulation results will illustrate the convergence, conservativeness, stability and performance gains of the proposed algorithm.

研究の動機と目的

• 不完全なチャネル状態情報（CSI）を伴う無線協調ネットワークにおける送信パワー最小化の課題に対処すること。
• 連合確率制約付きプログラム（JCCP）に対して、妥当ではあるが部分的最適な解しか得られない既存のアルゴリズムの限界を克服すること。
• 一般の確率的CSI不確実性モデルに適応可能な、最適性を保証するビームフォーミング戦略のフレームワークを構築すること。
• 実用的な無線ネットワークにおけるヒューリスティック法や部分的最適法の評価のための性能ベンチマークを提供すること。
• 楕円型誤差集合やガウス分布といった制限的な仮定を設けずに、CSI不確実性の柔軟なモデル化を可能にすること。

提案手法

• 一般の確率的CSI不確実性下で、連携ビームフォーミング問題を連合確率制約付きプログラム（JCCP）として定式化する。
• 確率的QoS制約を等価な差分凸（DC）制約に再定式化することで、最適性を保つ最適化を可能にする。
• 逐次凸近似を活用して、再定式化された問題を効率的に解く確率的DCプログラミングアルゴリズムを提案する。
• モンテカルロサンプリングを用いて確率的計画における期待値を近似し、KKT点への収束を保証する。
• 凸性下ではグローバル最適解、それ以外では局所最適解への収束を可能にするペナルティベースの再定式化を導入する。
• サンプル平均近似（SAA）とSAA推定子の一様収束を用いて、理論的収束保証を確立する。

実験結果

リサーチクエスチョン

• RQ1 非凸問題において、CSI不確実性下での連携ビームフォーミングに対してグローバル最適解が達成可能か？
• RQ2 確率的QoS要件に起因する連合確率制約は、どのように再定式化されれば最適性を保つアルゴリズムを可能にするか？
• RQ3 実用的な無線ネットワークにおいて、提案された最適アルゴリズムと従来の部分的最適ヒューリスティック法との間の性能ギャップはどの程度か？
• RQ4 特定の分布や誤差構造を仮定せずに、一般のCSI不確実性モデルをどのように処理できるか？
• RQ5 サンプリングに基づく近似において、理論的保証のもとでアルゴリズムがKKT点に収束するか？

主な発見

• 提案された確率的DCプログラミングアルゴリズムは、連携ビームフォーミング問題の凸インスタンスに対してグローバル最適解を達成する。
• 非凸問題に対しては、局所最適解に収束し、かつそれまで存在しなかった理論的最適性保証を提供する。
• シナリオアプローチやベルンシュタイン近似といった従来の手法とは異なり、妥当ではあるが部分的最適な解しか得られない。
• シミュレーション結果は、収束性、安定性、およびロバスト最適化手法に比べて保守的でない性能を示している。
• 再定式化されたDCプログラムにおける変数κは、大多数の実用的シナリオでゼロに収束する。これは最適解における確率的制約のタイトネスを示している。
• 理論的分析により、サンプル平均近似（SAA）推定子がサンプルサイズが増加するに従い、確率1で真の値に一様収束することが確認された。