[論文レビュー] Spatial Intercell Interference Cancellation with CSI Training and Feedback

Jun Zhang, Jeffrey G. Andrews+1 more|arXiv (Cornell University)|May 21, 2011

Advanced MIMO Systems Optimization参考文献 32被引用数 5

ひとこと要約

この論文は、現実のチャネル状態情報（CSI）取得制約を考慮した実用的なセル間干渉キャンセレーション（ICIC）方式を提案する。パイロットパワーとフィードバックリソースの割り当てをアナログおよびデジタルフィードバックの両方で共同最適化することで、低レートフィードバックおよび標準的なトレーニングでも、スペクトル効率を顕著に向上させ、干渉制限系をノイズ制限系に変換する。

ABSTRACT

We investigate intercell interference cancellation (ICIC) with a practical downlink training and uplink channel state information (CSI) feedback model. The average downlink throughput for such a 2-cell network is derived. The user location has a strong effect on the signal-to-interference ratio (SIR) and the channel estimation error. This motivates adaptively switching between traditional (single-cell) beamforming and ICIC at low signal-to-noise ratio (SNR) where ICIC is preferred only with low SIR and accurate channel estimation, and the use of ICIC with optimized training and feedback at high SNR. For a given channel coherence time and fixed training and feedback overheads, we develop optimal data vs. pilot power allocation for CSI training as well as optimal feedback resource allocation to feed back CSI of different channels. Both analog and finite-rate digital feedback are considered. With analog feedback, the training power optimization provides a more significant performance gain than feedback optimization; while conversely for digital feedback, performance is more sensitive to the feedback bit allocation than the training power optimization. We show that even with low-rate feedback and standard training, ICIC can transform an interference-limited cellular network into a noise-limited one.

研究の動機と目的

• 理論的マルチセル処理と実世界の展開との間の性能ギャップを、実用的なCSIトレーニングおよびフィードバックオーバーヘッドをモデル化することで解消すること。
• 2セルダウンリンクネットワークにおけるICICを想定した状況下で、ユーザーの位置がSIRおよびチャネル推定誤差に与える影響を分析すること。
• 固定されたコherenct timeおよびオーバーヘッド制約下で、下り行ぎ度を最大化するための最適なパワーおよびフィードバックリソース割り当て戦略を開発すること。
• アナログおよびデジタルフィードバックにおけるトレーニングパワー最適化とフィードバックビット割り当ての相対的利得を比較すること。
• ICICに最適化されたトレーニングおよびフィードバックを適用することで、干渉制限系のセルラー網がノイズ制限系に変換可能であることを示すこと。

提案手法

• 実用的なCSIトレーニングおよびフィードバックを想定した2セルネットワークにおける平均下り行ぎ度を導出。チャネル推定誤差およびフィードバック量子化をモデル化する。
• アナログおよびデジタルフィードバックの両方におけるデータ対パイロットパワー比およびフィードバックリソース割り当てを最適化する統一フレームワークを提案する。
• 確率的幾何学およびカイ二乗近似を用いて、不完全なCSI下での信号および干渉電力のモデル化を行い、推定誤差および量子化誤差を考慮する。
• 大規模システム解析および漸近的近似を適用し、異なるフィードバックタイプにおける実現可能レートの閉形式表現を導出する。
• SNRおよびチャネル品質に基づいて、スイッチング戦略を用いて単一セルビームフォーミングとICICの間を切り替えるユーザー位置に配慮した戦略を導入する。
• 凸最適化を用いて最適なトレーニングおよびフィードバック設定を導出し、最適なトレーニングパワーおよびフィードバックビット割り当ての解析的条件を提示する。

実験結果

リサーチクエスチョン

• RQ1 2セルICICシステムにおけるユーザーの位置は、SIRおよびチャネル推定誤差にどのように影響するか？
• RQ2 固定されたコherenct timeおよびオーバーヘッド下で、CSIトレーニングにおけるデータパワーとパイロットパワーの最適なトレードオフは何か？
• RQ3 異なるチャネル間でフィードバックリソースをどのように割り当てれば、システムスルーレートを最大化できるか？
• RQ4 アナログフィードバックとデジタルフィードバックの両方において、トレーニングパワー最適化とフィードバックビット割り当ての相対的性能向上は何か？
• RQ5 低レートフィードバックおよび標準的トレーニングを用いたICICによって、干渉制限系のネットワークがノイズ制限系に変換可能か？

主な発見

• 最適化されたトレーニングおよびフィードバックを用いたICICは、低レートフィードバックおよび標準的トレーニングでも、干渉制限系のセルラー網をノイズ制限系に変換可能である。
• アナログフィードバックでは、トレーニングパワー最適化がフィードバックビット割り当てよりも顕著な性能向上をもたらすが、逆にデジタルフィードバックでは、性能はフィードバックビット割り当てにより敏感であり、トレーニングパワーに比べて影響を受ける。
• 低SNRでは、SIRが低くかつチャネル推定が正確な場合に限り、ICICが好ましい。それ以外の場合は、単一セルビームフォーミングが優れている。
• 高SNRでは、最適化されたトレーニングおよびフィードバックを用いたICICは、従来の手法に比べて顕著なスペクトル効率の向上を達成する。
• 最適なトレーニングパワー割り当ては、ユーザーの位置、コherenct time、フィードバックオーバーヘッドの関数として導出され、閉形式の式が提示されている。
• 量子化および推定誤差に起因する残存干渉は、カイ二乗分布の和としてモデル化され、正確なレート解析が可能となった。