[논문 리뷰] Cell-Free Massive MIMO: Uniformly Great Service For Everyone

Hien Quoc Ngo, Alexei Ashikhmin외 3명|arXiv (Cornell University)|2015. 05. 11.

Advanced MIMO Systems Optimization참고 문헌 11인용 수 26

한 줄 요약

이 논문은 셀리스 매크로 MIMO를 제안하며, 이는 다수의 접근점(AP)이 켤레 기저형 전송과 상향링크 피LOT 훈련을 사용하여 공동으로 사용자를 서비스하는 분산형 다운링크 시스템이다. 이는 달성 가능한 속도에 대한 폐쇄형 표현식을 유도하고, 모든 사용자에게 균일한 높은 서비스 품질을 보장하는 최소-최대 전력 제어 알고리즘을 설계한다. 이로 인해 소셀 시스템 대비 약 20배 높은 95% 확률 사용자 대역폭을 달성하며, 그림자 낙폭 상관관계에 대한 강건성도 향상된다.

ABSTRACT

We consider the downlink of Cell-Free Massive MIMO systems, where a very large number of distributed access points (APs) simultaneously serve a much smaller number of users. Each AP uses local channel estimates obtained from received uplink pilots and applies conjugate beamforming to transmit data to the users. We derive a closed-form expression for the achievable rate. This expression enables us to design an optimal max-min power control scheme that gives equal quality of service to all users. We further compare the performance of the Cell-Free Massive MIMO system to that of a conventional small-cell network and show that the throughput of the Cell-Free system is much more concentrated around its median compared to that of the small-cell system. The Cell-Free Massive MIMO system can provide an almost $20-$fold increase in 95%-likely per-user throughput, compared with the small-cell system. Furthermore, Cell-Free systems are more robust to shadow fading correlation than small-cell systems.

연구 동기 및 목표

• 셀 경계가 없는 분산형 다운링크 매크로 MIMO 시스템을 설계하여 모든 사용자에게 균일한 서비스 품질을 제공한다.
• 대규모 분산 AP 구현에서 채널 추정 오차와 피LOT 오염 문제를 해결한다.
• 각 AP의 전력 제약 조건 하에 최소 사용자 속도를 최대화하는 전력 제어 전략을 개발한다.
• 실제 흐리게 퍼지는 조건에서 기존 소셀 네트워크와의 성능을 비교한다.
• 특히 농도가 높고 무작위로 배치된 네트워크에서 그림자 낙폭 상관관계에 대한 시스템의 강건성을 평가한다.

제안 방법

• 피LOT 오염, 채널 추정 오차, 유한한 AP 수를 고려한 셀리스 매크로 MIMO의 달성 가능한 다운링크 속도에 대한 폐쇄형 표현식을 유도한다.
• 무작위 및 근사치 할당 두 가지 피LOT 할당 전략을 제안하며, 근사치 할당이 간섭을 최소화하고 스펙트럼 효율성을 향상시킨다는 것을 입증한다.
• 각 AP의 전력 제약 조건 하에 사용자 속도를 균일하게 만드는 최소-최대 전력 제어 알고리즘을 제안하며, 이는 준볼록 최적화 문제로 공식화된다.
• 공간적 감쇠가 거리 기반으로 되는 수정된 상관관계 모델을 사용해 그림자 낙폭을 모델링하며, AP 측과 사용자 측의 상관관계를 모두 고려한다.
• 상향링크 훈련과 다운링크 데이터 전송을 사용하는 TDD 운영 방식을 사용하며, 각 AP는 피LOT 시퀀스를 사용해 자신의 CSI를 추정한다.
• 로컬로 추정된 CSI를 사용해 AP에서 켤레 기저형 전송을 구현함으로써 완전히 분산되고 확장 가능한 운영을 가능하게 한다.

실험 결과

연구 질문

• RQ1 무작위 배치와 채널 추정 오차가 존재하는 상황에서도 셀리스 매크로 MIMO가 모든 사용자에게 균일하게 높고 공정한 서비스 품질을 달성할 수 있는가?
• RQ2 소셀 시스템과 비교할 때 셀리스 매크로 MIMO의 성능은 사용자 대역폭과 공정성 측면에서 어떻게 다른가?
• RQ3 그림자 낙폭 상관관계는 시스템 성능을 얼마나 떨어뜨리며, 이에 대해 셀리스 매크로 MIMO는 소셀 시스템보다 얼마나 우수한가?
• RQ4 피LOT 할당 전략(무작위 대비 근사치)은 시스템 스펙트럼 효율성과 사용자 공정성에 어떤 영향을 미치는가?
• RQ5 최소-최대 전력 제어 전략은 분산 시스템에서 각 AP의 전력 제약 조건 하에 사용자 속도를 효과적으로 균일하게 조절할 수 있는가?

주요 결과

• 동일한 조건에서 셀리스 매크로 MIMO의 95% 확률 사용자 대역폭은 기존 소셀 시스템 대비 약 20배 높으며, 약 15 Mbps에 이를 뿐만 아니라 소셀 시스템의 0.85 Mbps보다 높다.
• 셀리스 시스템은 중앙값 주변에 대역폭 분포가 더 집중되어 있어, 소셀 시스템에 비해 공정성과 신뢰성이 높다는 것을 보여준다.
• 그림자 낙폭 상관관계는 소셀 시스템에서 95% 확률 대역폭을 4배 감소시키지만, 셀리스 시스템에서는 2배에 그치며, 더 뛰어난 강건성을 입증한다.
• 근사치 피LOT 할당 전략은 피LOT 오염을 최소화하고 스펙트럼 효율성을 향상시켜 무작위 할당 전략보다 성능이 뛰어나다.
• 제안된 최소-최대 전력 제어 알고리즘이 네트워크 전반에서 사용자 속도를 균일하게 조절하여, 각 AP의 전력 제약 조건 하에서도 균일한 높은 서비스 품질을 달성한다.
• 폐쇄형 달성 가능한 속도 표현식은 채널 추정 오차와 비직교 피LOT를 포함한 실제 조건에서 시스템 성능을 정확히 반영한다.