[論文レビュー] Power Allocation for Massive MIMO-based, Fronthaul-constrained Cloud RAN Systems

Jobin Francis, Gerhard Fettweis|arXiv (Cornell University)|Oct 10, 2018

Advanced MIMO Systems Optimization参考文献 25被引用数 4

ひとこと要約

本稿では、フロントハール制約付きの大規模MIMOベースのクラウド無線アクセスネットワーク（Cloud RAN）システムにおける電力割当フレームワークを提案し、重み付き和レート（WSR）とエネルギー効率（EE）を最大化することを目的としている。フロントハール容量制約下で、ユーザレートの新たなタイトな局所的バウンディングを用いた逐次凸近似（SCA）を用いることで、元の非凸問題の凸近似を可能にし、ベースラインおよび既存のアルゴリズムと比較して優れた性能を達成した。

ABSTRACT

Cloud radio access network (C-RAN) and massive multiple-input-multiple-output (MIMO) are two key enabling technologies to meet the diverse and stringent requirements of the 5G use cases. In a C-RAN system with massive MIMO, fronthaul is often the bottleneck due to its finite capacity and transmit precoding is moved to the remote radio head to reduce the capacity requirements on fronthaul. For such a system, we optimize the power allocated to the users to maximize first the weighted sum rate and then the energy efficiency (EE) while explicitly incorporating the capacity constraints on fronthaul. We consider two different fronthaul constraints, which model capacity constraints on different parts of the fronthaul network. We develop successive convex approximation algorithms that achieve a stationary point of these non-convex problems. To this end, we first present novel, locally tight bounds for the user rate expression. They are used to obtain convex approximations of the original non-convex problems, which are then solved by solving their dual problems. In EE maximization, we also employ the Dinkelbach algorithm to handle the fractional form of the objective function. Numerical results show that the proposed algorithms significantly improve the network performance compared to a case with no power control and achieves a better performance than an existing algorithm.

研究の動機と目的

• 大規模MIMOベースのクラウドRANシステムにおけるフロントハール容量の制限が引き起こす性能ボトルネックを解決すること。
• 明示的なフロントハール容量制約下で、重み付き和レート（WSR）とエネルギー効率（EE）を最大化すること。
• 電力制御のための機能分割を考慮した実用的な電力割当戦略を構築すること。特に、プリコーディング処理をRRUに移動させることでフロントハール負荷を低減することを目的とする。
• 凸近似技術を用いて、非凸最適化問題の停留点への収束を保証すること。
• 現実的なフロントハール制約下で、スペクトル効率およびエネルギー効率の両面において、既存の電力制御方式を上回る性能を達成すること。

提案手法

• フロントハール制約下での非凸WSRおよびEE最大化問題を解くために、逐次凸近似（SCA）フレームワークを提案する。
• 元の非凸問題の凸近似を可能にするために、ユーザレート式に対する新たな局所的タイトな上界および下界を導入する。
• 変数変換およびレート関数の凹性・凸性の性質に基づく一次近似を用いて、サロゲート関数を構築する。
• EE目的関数の分数形を扱うために、Dinkelbachアルゴリズムを適用する。
• 凸化された部分問題の双対問題を、KKT条件および電力とラグランジュ乗数の反復更新を用いて解く。
• 二段階アプローチを採用する：まず、SCAを用いたWSR最大化；次に、レート式の下界を用いたDinkelbach法によるEE最大化。

実験結果

リサーチクエスチョン

• RQ1 フロントハール容量制約下で、大規模MIMOベースのクラウドRANシステムにおける電力割当を最適化し、重み付き和レートを最大化する方法は何か？
• RQ2 例えば、各セルごとの制約と全体の制約といった異なるフロントハール容量制約が、システム性能および電力割当戦略に与える影響は何か？
• RQ3 タイトな局所的バウンディングを用いた逐次凸近似は、非凸WSRおよびEE最適化問題において停留点への収束を達成できるか？
• RQ4 提案された電力割当方式は、電力制御のないベースライン方式および既存のアルゴリズムと比較して、性能面でどのように優れているか？
• RQ5 フロントハール制約下で、提案手法はエネルギー効率をどの程度向上させつつ、高いスペクトル効率を維持できるか？

主な発見

• 提案されたSCAベースの電力割当アルゴリズムは、電力制御のないベースラインと比較して、重み付き和レートおよびエネルギー効率の両面で顕著な性能向上を達成した。
• SCAの理論的収束性により、非凸最適化問題の停留点への収束が保証された。
• 数値結果から、特にタイトなフロントハール制約下で、既存のアルゴリズムと比較して本手法がWSRおよびEEの両面で優れた性能を示した。
• ユーザレート式に対する局所的タイトなバウンディングの使用により、効果的な凸近似が可能となり、非凸問題の実用的かつ効率的な解法が実現された。
• DinkelbachアルゴリズムはEE目的関数の分数形を効果的に処理でき、エネルギー効率の効率的かつ高い最大化を可能にした。
• 本手法は、電力が割り当てられていないユーザーが実質的にスケジューリング対象外となることから、電力制御を通じて協調スケジューリングを間接的に実現している。