[논문 리뷰] Cell-Free Massive MIMO with Large-Scale Fading Decoding and Dynamic Cooperation Clustering

Özlem Tuğfe Demir, Emil Björnson외 1명|arXiv (Cornell University)|2021. 04. 16.

Advanced MIMO Systems Optimization참고 문헌 18인용 수 5

한 줄 요약

이 논문은 레벨 3 처리 단계에서 사용자 중심의 셀리스 매크로 MIMO 시스템을 제안하며, 동적 협업 클러스터링(DCC)과 대규모 fading 복원(LSFD)을 적용하여 프론트홀 전송 부담과 계산 복잡도를 크게 줄이고, 거의 최적의 스펙트럼 효율성을 유지한다. 거의 최적의 LSFD 기법과 함께 최대 50% 높은 중앙값 스펙트럼 효율성과 최소한의 성능 손실로 70배 낮은 LSFD 계산 복잡도를 달성하는 고정점 알고리즘을 제안한다.

ABSTRACT

This paper considers the uplink of user-centric cell-free massive MIMO (multiple-input multiple-output) systems. We utilize the user-centric dynamic cooperation clustering (DCC) framework and derive the achievable spectral efficiency with two-layer decoding that is divided between the access points and the central processing unit (CPU). This decoding method is also known as large-scale fading decoding (LSFD). The fronthaul signaling load is analyzed and a nearly optimal second-layer decoding scheme at the CPU is proposed to reduce the fronthaul requirements compared to the optimal scheme. We also revisit the joint optimization of LSFD weights and uplink power control and show that the corresponding max-min fair optimization problem can be solved optimally via an efficient fixed-point algorithm. We provide simulations that bring new insights into the cell-free massive MIMO implementation.

연구 동기 및 목표

• 셀리스 매크로 MIMO의 확장성 문제를 해결하기 위해 사용자 중심의 동적 협업 클러스터링(DCC)을 도입하여 프론트홀 전송 부담과 계산 부담을 줄이기 위해.
• 레벨 3 셀리스 매크로 MIMO에서 DCC와 LSFD를 적용한 스펙트럼 효율성(SE)과 프론트홀 전송 부담을 분석하기 위해.
• 스펙트럼 효율성에 큰 영향을 주지 않으면서 프론트홀 요구량을 줄이는 거의 최적의 LSFD 기법을 제안하기 위해.
• LSFD 가중치와 최소 최대 공정 상행 링크 전력 제어를 동시에 최적화하기 위한 고정점 알고리즘을 개발하여 저복잡도이면서 전역 최적 해를 제공하기 위해.

제안 방법

• 두 계층 복원 프레임워크를 사용: 각 액세스 포인트(AP)에서 국소 처리를 수행하고, 중앙 처리 단위(CPU)에서 대규모 fading 복원(LSFD)을 수행한다.
• 동적 협업 클러스터링(DCC)을 적용하여 사용자 중심의 AP 클러스터를 구성함으로써, 각 사용자를 서비스하는 AP 수를 줄이고 중복 전송을 최소화한다.
• 임의의 국소 병합기와 최적 LSFD 하에서 스펙트럼 효율성의 닫힌 형태 식을 유도하여 성능 분석을 가능하게 한다.
• 채널 통계를 기반으로 축소된 AP 집합을 구성함으로써 거의 최적의 LSFD 기법을 제안하여 프론트홀 전송 부담을 크게 감소시킨다.
• LSFD와 최소 최대 공정 전력 제어를 동시에 최적화하기 위한 고정점 알고리즘을 도입하며, 닫힌 형태의 업데이트를 통해 전역 최적 해에 수렴한다.
• LSFD 계산을 위한 복소 스칼라 교환, 통계적 파ameter, 상행 링크 신호의 수를 기반으로 프론트홀 전송 부담을 정량화한다.

실험 결과

연구 질문

• RQ1 레벨 3 처리를 갖춘 셀리스 매크로 MIMO에서 사용자 중심의 동적 협업 클러스터링(DCC)은 스펙트럼 효율성과 프론트홀 전송 부담에 어떤 영향을 미치는가?
• RQ2 프론트홀 전송 부담을 줄이면서도 최적 LSFD에 가까운 스펙트럼 효율성을 유지할 수 있는 거의 최적의 LSFD 기법을 설계할 수 있는가?
• RQ3 LSFD와 최소 최대 공정 전력 제어를 동시에 최적화할 경우, 셀리스 매크로 MIMO에서 최악의 사용자 스펙트럼 효율성에 어떤 영향을 미치는가?
• RQ4 제안된 LSFD 및 전력 제어를 위한 고정점 알고리즘은 기존의 해법 대비 복잡도와 성능에서 어떻게 비교되는가?
• RQ5 제안된 DCC 기반 LSFD 기법은 원래의 셀리스 매크로 MIMO 대비 LSFD 계산 복잡도와 프론트홀 전송 부담을 얼마나 감소시키는가?

주요 결과

• 제안된 사용자 중심의 셀리스 매크로 MIMO 시스템에 DCC를 적용한 결과, 원래 시스템과 거의 동일한 스펙트럼 효율성을 달성하였으며, 중앙값 스펙트럼 효율성에서도 미미한 성능 격차를 보였다.
• R=5인 거의 최적의 LSFD 기법은 통계적 파ameter 교환 수를 최적 LSFD 대비 640개 감소시켜 프론트홀 전송 부담을 5.2배 감소시켰다.
• DCC를 적용함으로써 LSFD 계산 복잡도는 약 70배 감소하였으며(343,300에서 5,025개의 복소수 곱셈으로), 성능 저하 없이 구현 가능했다.
• LSFD와 최소 최대 공정 전력 제어를 동시에 최적화하기 위한 고정점 알고리즘은 전역 수렴성을 보이며, 닫힌 형태의 업데이트를 통해 저복잡도 최적화를 가능하게 하였다.
• 최소 최대 공정 전력 제어를 적용한 결과, 특히 최악의 상황에서 사용자당 최소 스펙트럼 효율성이 크게 향상되었으며, 전체 전력 전송 대비 유의미한 개선을 보였다.
• R=5인 거의 최적의 LSFD는 최적 LSFD와 거의 동일한 스펙트럼 효율성을 달성하였고, R=1 대비 통계적 파ameter 교환 수를 50% 감소시켰다.