[논문 리뷰] Design Trade-offs for Decentralized Baseband Processing in Massive MU-MIMO Systems

Kaipeng Li, James McNaney외 5명|arXiv (Cornell University)|2019. 11. 01.

Advanced MIMO Systems Optimization참고 문헌 18인용 수 1

한 줄 요약

이 논문은 수백 개의 안테나를 갖는 대규모 MU-MIMO 시스템을 위한 탈중앙화된 베이스밴드 처리(DBP)에서의 설계 트레이드오프를 체계적으로 분석하며, 피드포워드(FD) 및 부분적으로 분산된(PD) 아키텍처, 검출/선형화 알고리즘(MMSE, ZF, WF), 수치 정밀도(fp32 대비 fp8)를 선택하여 성능, 복잡도, 데이터 전송을 최적화하는 실용적인 설계 프로세스를 제안한다. fp8 정밀도 사용 시 복잡도와 클러스터 간 대역폭을 최대 4배까지 감소시키면서 비트 오류율(BER) 향상에 미미한 영향을 미치며, 채널 상호성과 일관성 활용으로 성능 손실가장 최소화하면서 효율성 향상을 이룬다.

ABSTRACT

Massive multi-user (MU) multiple-input multiple-output (MIMO) provides high spectral efficiency by means of spatial multiplexing and fine-grained beamforming. However, conventional base-station (BS) architectures for systems with hundreds of antennas that rely on centralized baseband processing inevitably suffer from (i) excessive interconnect data rates between radio-frequency circuitry and processing fabrics, and (ii) prohibitive complexity at the centralized baseband processor. Recently, decentralized baseband processing (DBP) architectures and algorithms have been proposed, which mitigate the interconnect bandwidth and complexity bottlenecks. This paper systematically explores the design trade-offs between error-rate performance, computational complexity, and data transfer latency of DBP architectures under different system configurations and channel conditions. Considering architecture, algorithm, and numerical precision aspects, we provide practical guidelines to select the DBP architecture and algorithm that are able to realize the full benefits of massive MU-MIMO in the uplink and downlink.

연구 동기 및 목표

• 수백 개의 안테나를 갖는 대규모 MU-MIMO 시스템에서 중앙집중식 베이스밴드 처리의 상호연결 대역폭과 계산 복잡도 문제를 해결하기 위해.
• 다양한 시스템 구성과 채널 조건 하에서 피드포워드(FD) 및 부분적으로 분산된(PD) DBP 아키텍처를 평가하고 비교하기 위해.
• 업링크 및 다운링크 처리에서 오류율 성능, 계산 복잡도, 데이터 전송 지연 간 최적의 트레이드오프를 규명하기 위해.
• 시스템 제약 조건과 성능 목표에 기반해 DBP 아키텍처, 알고리즘, 수치 정밀도를 선택할 수 있는 실용적인 다단계 설계 프로세스 제공하기 위해.

제안 방법

• 반복적 공감 교환을 피하는 피드포워드 DBP 아키텍처를 제안하여 공감 기반 방법 대비 데이터 전송 지연을 감소시킨다.
• 안테나를 클러스터로 묶고 처리를 국지화시켜 성능과 상호연결 대역폭 사이의 균형을 이루는 부분적으로 분산된(PD) 아키텍처를 도입한다.
• 32비트 부동소수점(fp32) 대비 최대 4배까지 메모리 트랜잭션과 클러스터 간 데이터 전송을 줄이기 위해 8비트 부동소수점(fp8)을 활용한 수치 정밀도 스케일링을 적용한다.
• 채널 상호성과 일관성을 활용해 중간 계산 결과를 재사용함으로써 불필요한 처리를 최소화하고 에너지 효율성을 향상시킨다.
• 실제 채널 모델(예: NLOS fading에 대한 Quadriga)과 시스템 구성(C=4개 클러스터, U=16명의 사용자, Bc=32기호)을 사용해 신호 대 잡음비(SNR) 및 일관성 시간에 따른 성능을 평가한다.
• 검출 및 선형화 알고리즘(MMSE, ZF, WF)을 비교하고, 다양한 정밀도 수준에서의 BER, 복잡도, 대역폭 트레이드오프를 평가한다.

실험 결과

연구 질문

• RQ1 다양한 채널 일관성 시간 조건에서 피드포워드(FD) 및 부분적으로 분산된(PD) DBP 아키텍처의 BER 성능과 클러스터 간 데이터 전송 크기 간 비교는 어떻게 되는가?
• RQ2 DBP 시스템에서 다양한 검출 및 선형화 알고리즘(MMSE 대비 ZF 등)을 사용할 경우 계산 복잡도와 BER 성능 간의 트레이드오프는 어떠한가?
• RQ3 비트 오류율(BER)에 심각한 영향을 주지 않으면서 DBP에서 감소된 수치 정밀도(fp8 등)를 얼마나 활용할 수 있는가?
• RQ4 채널 상호성과 일관성을 어떻게 활용하여 DBP 아키텍처의 계산 및 통신 오버헤드를 줄일 수 있는가?

주요 결과

• 8비트 부동소수점(fp8) 정밀도 사용 시 fp32 대비 클러스터 간 데이터 전송과 메모리 트랜잭션을 최대 4배까지 감소시키며, BER 성능 저하가 미미하다.
• 부분적으로 분산된(PD) 아키텍처는 채널 일관성 시간이 길어질수록 BER 성능과 데이터 전송 크기 사이의 유리한 트레이드오프를 달성한다.
• 피드포워드(FD) DBP 아키텍처는 중앙집중식 MMSE 및 ZF 알고리즘과 유사한 BER 성능을 달성하며, 반복적 공감 교환을 피하고 지연을 감소시킨다.
• ZF 검출 및 선형화는 BER 성능 저하가 중간 정도로 발생하지만 계산 복잡도를 크게 줄이며, 특히 실제 Quadriga NLOS 페이딩 채널 조건에서 유리하다.
• 업링크 및 다운링크 처리를 통합하면 독립적 처리 대비 총 계산 복잡도를 최대 50%까지 감소시키며, 명시적 또는 암시적 계산을 사용할 경우 BER 영향은 최소한이다.
• 채널 상호성과 일관성을 활용해 중간 계산 결과를 재사용함으로써 DBP 시스템에서 불필요한 계산을 크게 줄이고 에너지 효율성을 향상시킬 수 있다.