[논문 리뷰] Cooperative access networks: Optimum fronthaul quantization in distributed Massive MIMO and cloud RAN

Alister G. Burr, Manijeh Bashar외 1명|arXiv (Cornell University)|2018. 05. 25.

Advanced MIMO Systems Optimization참고 문헌 11인용 수 22

한 줄 요약

이 논문은 분산 Massive MIMO 및 클라우드 RAN 시스템을 위한 최적의 프론트홀링 양자화 전략을 제안하여, 제한된 프론트홀링 대역폭으로 인한 업링크 속도 저하를 최소화한다. 버스탕크 분해법과 채널 및 데이터의 동시 최소평균제곱오차(MMSE) 추정을 조합함으로써 최적의 양자화 노이즈 공분산에 대한 닫힌 형태의 표현식을 유도하여, 프론트홀링 제약 조건 하에서 스펙트럼 효율을 크게 향상시킨다.

ABSTRACT

We consider cooperative radio access network architectures, especially distributed massive MIMO and Cloud RAN, considering their similarities and differences. We address in particular the major challenge posed to both by the implementation of a high capacity fronthaul network to link the distributed access points to the central processing unit, and consider the effect on uplink performance of quantization of received signals in order to limit fronthaul load. We use the Bussgang decomposition along with a new approach to MMSE estimation of both channel and data to provide the basis of our analysis.

연구 동기 및 목표

• 협업 무선 액세스 네트워크에서 고용량 프론트홀링 요구사항의 과제를 해결하기 위해.
• 분산 Massive MIMO 및 클라우드 RAN 아키텍처에서 신호 양자화가 업링크 성능에 미치는 영향을 분석하기 위해.
• 프론트홀링 대역폭 제약 조건 하에서 속도 저하를 최소화하는 최적의 양자화 전략을 유도하기 위해.
• 분산 Massive MIMO와 클라우드 RAN의 구조적 유사점과 차이점을 부각시켜 통합 분석을 가능하게 하기 위해.
• 시스템 설계를 위한 실용적이고 정보이론적으로 타당한 양자화 프레임워크를 개발하기 위해.

제안 방법

• 양자화 노이즈를 입력 신호의 선형 함수와 상관관계가 없는 왜곡으로 모델링하기 위해 버스탕크 분해법을 활용한다.
• 중앙 처리 장치에서 채널 상태 정보와 사용자 데이터를 동시에 추정하기 위해 공동 MMSE 추정을 적용한다.
• 데이터 검출에서 평균제곱오차를 최소화하는 최적의 양자화 노이즈 공분산 행렬을 유도한다.
• 다수의 분산 액세스 포인트와 중심 처리 장치를 포함한 업링크 전송 시나리오를 고려한다.
• 각 액세스 포인트에서 레이일레이 페이딩과 독립적인 가우시안 가우시안 잡음을 고려한 신호 모델을 사용한다.
• 총 프론트홀링 대역폭 제약 조건 하에서 최적의 프론트홀링 양자화 전략에 대한 닫힌 형태의 표현식을 유도한다.

실험 결과

연구 질문

• RQ1 분산 Massive MIMO 및 클라우드 RAN에서 스펙트럼 효율 손실을 최소화하기 위해 업링크 신호를 어떻게 최적으로 양자화할 수 있는가?
• RQ2 채널과 데이터의 공동 MMSE 추정은 별도 추정에 비해 성능을 어떻게 향상시키는가?
• RQ3 프론트홀링 대역폭 제약이 협업 액세스 네트워크의 업링크 속도 성능에 어떤 영향을 미치는가?
• RQ4 양자화 효율 측면에서 분산 Massive MIMO와 클라우드 RAN의 설계 원칙은 어떻게 비교되는가?
• RQ5 두 아키텍처 모두에 걸쳐 최적의 프론트홀링 양자화를 위한 통합 분석 프레임워크를 개발할 수 있는가?

주요 결과

• 제안된 방법은 최적의 양자화 노이즈 공분산 행렬에 대한 닫힌 형태의 표현식을 도출하여 정밀한 시스템 설계를 가능하게 한다.
• 채널과 데이터의 공동 MMSE 추정은 별도 추정보다 성능이 뛰어나며, 저SNR 영역에서 오차 평면을 감소시킨다.
• 유도된 양자화 전략은 특히 엄격한 프론트홀링 대역폭 제약 조건 하에서 스펙트럼 효율을 크게 향상시킨다.
• 최적의 양자화가 적용될 경우 분산 Massive MIMO와 클라우드 RAN 간의 성능 격차가 줄어들어 설계의 유사성을 부각시킨다.
• 시뮬레이션 결과는 제안된 방식이 프론트홀링 제약 조건 하에서 이론적 에르고딕 합산 용량에 가까이 접근함을 확인한다.
• 이 방법은 프론트홀링 부하와 업링크 속도 사이의 실용적 트레이드오프를 제공하여 협업 네트워크의 확장 가능한 구현을 가능하게 한다.