[논문 리뷰] Deploying Dense Networks for Maximal Energy Efficiency: Small Cells Meet Massive MIMO

Emil Björnson, Luca Sanguinetti외 1명|arXiv (Cornell University)|2015. 05. 05.

Advanced MIMO Systems Optimization참고 문헌 33인용 수 9

한 줄 요약

이 논문은 스토하스틱 기하학을 사용하여 초고밀도 셀룰러 네트워크에서 에너지 효율성(EE)을 최적화하기 위한 분석 프레임워크를 제안한다. 기지국(BS) 밀도, 전송 전력, 안테나 수, 셀당 사용자 장비 수, 파ilot 재사용을 동시에 최적화함으로써, 대규모 MIMO와 소셀을 활용하여 간섭을 억제하고 사용자당 에너지 비용을 감소시켜 최대 EE를 달성한다. EE 향상은 고밀도 BS 환경에서 포화 상태에 도달한다.

ABSTRACT

How would a cellular network designed for maximal energy efficiency look like? To answer this fundamental question, tools from stochastic geometry are used in this paper to model future cellular networks and obtain a new lower bound on the average uplink spectral efficiency. This enables us to formulate a tractable uplink energy efficiency (EE) maximization problem and solve it analytically with respect to the density of base stations (BSs), the transmit power levels, the number of BS antennas and users per cell, and the pilot reuse factor. The closed-form expressions obtained from this general EE maximization framework provide valuable insights on the interplay between the optimization variables, hardware characteristics, and propagation environment. Small cells are proved to give high EE, but the EE improvement saturates quickly with the BS density. Interestingly, the maximal EE is achieved by also equipping the BSs with multiple antennas and operate in a "massive MIMO" fashion, where the array gain from coherent detection mitigates interference and the multiplexing of many users reduces the energy cost per user.

연구 동기 및 목표

• 증가하는 데이터 트래픽 수요에 대비하여 최대 에너지 효율성을 달성하는 셀룰러 네트워크 설계의 근본적 과제를 해결하기 위해.
• 초고밀도 네트워크를 소셀과 대규모 MIMO로 모델링하고 스토하스틱 기하학을 적용하여 분석 가능한 EE 표현식을 유도하기 위해.
• 에너지 효율성(EE)을 극대화하기 위해 기지국(BS) 밀도, 전송 전력, 안테나 수, 셀당 사용자 수, 파ilot 재사용을 동시에 최적화하기 위해.
• 하드웨어 특성, 전파 조건, 최적화 변수 간의 상호작용을 정량화하여 고효율 EE를 달성하기 위한 원리를 규명하기 위해.
• 에너지 효율적인 5G 네트워크의 실용적 구현을 위한 분석적 지침을 제공하기 위해.

제안 방법

• 셀룰러 네트워크에서 기지국(BS)의 무작위 공간 분포를 모델링하기 위해 포아송 점 프로세스(PPP)를 사용한다.
• 스토하스틱 기하학을 적용하여 업링크 스펙트럼 효율성의 하한을 유도함으로써 분석 가능한 에너지 효율성(EE) 최적화를 가능하게 한다.
• 기지국 밀도, 전송 전력, 안테나 수, 셀당 사용자 수, 파ilot 재사용 계수에 대해 최적화함으로써 EE에 대한 닫힌 형태의 표현식을 도출한다.
• PPP 프레임워크 내에서 일반적인 사용자 할당 모델과 일반성 원리를 활용하여 업링크 간섭과 채널 추정 오차를 모델링한다.
• 복잡한 랜덤 거리에 대한 기대값을 평가하기 위해 지배 수렴 정리와 모멘트 계산을 활용한다.
• 횔더 부등식과 기하 확률을 활용하여 간섭 항을 바ounds하고 EE에 대한 날카운 분석적 한계를 도출한다.

실험 결과

연구 질문

• RQ1 소셀 배치에서 기지국(BS) 밀도가 증가함에 따라 셀룰러 네트워크의 에너지 효율성(EE)은 어떻게 변화하는가?
• RQ2 대규모 MIMO를 소셀과 함께 사용할 경우, EE를 극대화하기 위해 각 기지국에 필요한 안테나 수는 얼마인가?
• RQ3 셀당 사용자 수와 파ilot 재사용 계수는 밀도 높은 네트워크에서 달성 가능한 EE에 어떤 영향을 미치는가?
• RQ4 초고밀도 배치에서 전통적 MIMO에 비해 대규모 MIMO는 사용자당 에너지 비용을 얼마나 감소시키는가?
• RQ5 소셀의 EE 향상은 기지국 밀도 증가에 따라 포화 상태에 도달하는가? 만약 그렇다면 그 이유는 무엇인가?

주요 결과

• 소셀은 에너지 효율성을 크게 향상시키지만, 기지국 밀도 증가에 따라 증가하는 회로 전력 소비로 인해 EE 향상은 빠르게 포화 상태에 도달한다.
• 100개 이상의 안테나를 각 기지국에 할당하는 대규모 MIMO 도입은 배열 이득을 활용하여 간섭을 억제하고 방사 전력을 감소시켜 최대 EE를 달성한다.
• 최적의 구성은 대규모 MIMO로 얻는 스펙트럼 효율성 향상과 고밀도 하드웨어 배치로 인한 회로 전력 비용을 균형 잡음으로써 최대 EE를 달성한다.
• 유도된 닫힌 형태의 표현식은 셀당 사용자 수가 안테나 수에 비례할 경우에 다중 사용자 multiplexing가 효율적으로 이루어지므로 EE가 극대화됨을 보여준다.
• EE 지표는 유한한 기지국 밀도에서 극대화되며, 이는 네트워크의 고밀도화만으로는 특정 지점 이후 더 이상 높은 EE를 보장하지 못함을 시사한다.
• 분석 결과, 파ilot 오염과 이웃 셀의 간섭이 EE 향상에 제한을 둔다는 것이 드러났지만, 이러한 영향은 대규모 MIMO 빔포밍과 최적의 파ilot 재사용에 의해 완화됨을 확인했다.