[論文レビュー] Sum-Rate Maximizing Cell Association via Dual-Connectivity

Minho Kim, Sang Yeob Jung+1 more|arXiv (Cornell University)|May 12, 2015

Advanced MIMO Systems Optimization参考文献 4被引用数 3

ひとこと要約

本稿は、周波数帯が異なる複数の小規模基地局（SBS）と1つのメガ基地局（MBS）を備えた異種セルラーネットワーク（HCNs）において、チャネル状態と干渉状況に基づいてユーザーに1Aまたは3Cのデュアルコネクティビティ（DC）プロファイルを知的に割り当てることで、合計スループットを最大化する、劣化したデュアルコネクティビティ（DC）プロファイル割り当てアルゴリズムを提案する。このアルゴリズムは、プロファイルの特性を活用して妥当解候補の空間を縮小し、ブルートフォース探索に比べて最大10^6倍低い計算量で最適解の97％の合計スループットを達成する。特に20ユーザー（UE）までのネットワークにおいて顕著な効果を示す。

ABSTRACT

This paper proposes a dual-connectivity (DC) profile allocation algorithm, in which a central macro base station (MBS) is underlaid with randomly scattered small base stations (SBSs), operating on different carrier frequencies. We introduce two dual-connectivity profiles and the differences among them. We utilize the characteristics of dual-connectivity profiles and their applying scenarios to reduce feasible combination set to consider. Algorithm analysis and numerical results verify that our proposed algorithm achieve the optimal algorithm's performance within 5 \% gap with quite low complexity up to $10^6$ times.

研究の動機と目的

• 異種セルラーネットワーク（HCNs）におけるデュアルコネクティビティ（DC）を活用した際のネットワーク容量の最大化と、計算複雑性の最小化という課題に取り組む。
• 最適DCプロファイル割り当てのNP困難性を、プロファイル固有の制約を用いて妥当解候補空間を縮小することで克服する。
• 最適解に非常に近い合計スループット性能を達成しつつ、著しく低い計算複雑性を持つ準最適アルゴリズムを設計する。
• 現実的な展開シナリオ下で、DC対応HCNsにおける合計スループット性能と計算コストのトレードオフを評価する。

提案手法

• 1つのメガ基地局（MBS）と複数の小規模基地局（SBS）が異なる周波数帯で動作する二段階構造のHCNをモデル化する。
• 2種類のDCプロファイルを定義する：1A（UEはSBSからのユーザー平面のみ受信）と3C（UEはMBSおよびSBSの両方からユーザー平面を同時に受信）。それぞれの干渉特性とスループット特性の違いを活用する。
• 合計スループットの向上が期待できる組み合わせを優先的に評価する、グリーディで反復的な探索戦略を採用する。
• 1Aと3Cプロファイルが干渉とスペクトル効率に与える影響のパターンが異なることを利用し、全組み合わせの全列挙を回避することで探索空間を縮小する。
• 路損とノイズのパワースペクトル密度に基づくSINR式を用いて合計スループットを計算し、スループットの算出にはシャノン容量式を適用する。
• 計算複雑性を制御するため、各イテレーションで考慮するプロファイル組み合わせ数を制限することで、全探索の指数的コスト$K \cdot 3^K$を回避する。

実験結果

リサーチクエスチョン

• RQ1 計算複雑性を最小限に抑えることにより、異種セルラーネットワークにおける合計スループットを最大化するDCプロファイル割り当ての最適化手法は何か？
• RQ2 スペクトル効率と干渉管理という観点から、1Aプロファイルと3Cプロファイルの性能と計算複雑性のトレードオフはどのようなものか？
• RQ3 準最適アルゴリズムは、解候補空間を扱いやすいサイズにまで縮小しつつ、最適解に非常に近い合計スループット性能を達成できるか？
• RQ4 ブルートフォース最適探索と比較して、ユーザー数の増加に伴う本提案アルゴリズムのスケーラビリティはいかがなものか？
• RQ5 UEの配置状況とSBSの密度は、プロファイル割り当て戦略の有効性にどのような影響を及えるか？

主な発見

• 提案アルゴリズムは最適解の97％の合計スループットを達成し、全探索最適解と比較して性能差が5％未満である。
• 提案アルゴリズムの計算複雑性はブルートフォース最適アルゴリズムと比較して10^6倍以上低く抑えられ、特に20UEまでのネットワークにおいて顕著である。
• 3Cプロファイルのみ、または1Aプロファイルのみを採用する方式では、UE密度の増加に伴い性能向上が見られず、トラヒック変動への適応性が低いことが示された。
• 「最も近い基地局に割り当てる」アルゴリズム（「Stronger」アルゴリズム）は、提案アルゴリズムの容量の約70％にとどまり、知的なプロファイル選択の利点が明確に示された。
• UE数の増加に対しても提案アルゴリズムは高い性能を維持し、20UEまででスループット計算処理数が10^4未満に保たれている。
• 提案アルゴリズムと全探索との間の計算複雑性の差は、UE数が16を超えると指数関数的に拡大し、10^6倍を超えることが確認され、スケーラビリティの優位性が裏付けられた。