[논문 리뷰] Energy-Efficient Power and Bandwidth Allocation in an Integrated Sub-6 GHz -- Millimeter Wave System

Morteza Hashemi, C. Emre Koksal외 1명|arXiv (Cornell University)|2017. 10. 03.

Millimeter-Wave Propagation and Modeling참고 문헌 3인용 수 6

한 줄 요약

이 논문은 통합된 6GHz 이하 및 밀리미터파(mmWave) 5G 시스템에서 합성 속도와 에너지 효율성을 극대화하기 위해 공동 전력 및 대역폭 할당 프레임워크를 제안한다. ADC 및 RF 구성 요소의 전력 소비를 모델링함으로써, 부분적인 mmWave 대역폭 사용이 종종 최적임을 보여주며, 특히 낮은 전력 또는 높은 ADC 에너지 소비 조건에서 증가하는 구성 요소 전력 소비로 인한 감소 수익 효과로 인해 전체 대역폭 할당보다 우수한 성능을 발휘함을 입증한다.

ABSTRACT

In mobile millimeter wave (mmWave) systems, energy is a scarce resource due to the large losses in the channel and high energy usage by analog-to-digital converters (ADC), which scales with bandwidth. In this paper, we consider a communication architecture that integrates the sub-6 GHz and mmWave technologies in 5G cellular systems. In order to mitigate the energy scarcity in mmWave systems, we investigate the rate-optimal and energy-efficient physical layer resource allocation jointly across the sub-6 GHz and mmWave interfaces. First, we formulate an optimization problem in which the objective is to maximize the achievable sum rate under power constraints at the transmitter and receiver. Our formulation explicitly takes into account the energy consumption in integrated-circuit components, and assigns the optimal power and bandwidth across the interfaces. We consider the settings with no channel state information and partial channel state information at the transmitter and under high and low SNR scenarios. Second, we investigate the energy efficiency (EE) defined as the ratio between the amount of data transmitted and the corresponding incurred cost in terms of power. We use fractional programming and Dinkelbach's algorithm to solve the EE optimization problem. Our results prove that despite the availability of huge bandwidths at the mmWave interface, it may be optimal (in terms of achievable sum rate and energy efficiency) to utilize it partially. Moreover, depending on the sub-6 GHz and mmWave channel conditions and total power budget, it may be optimal to activate only one of the interfaces.

연구 동기 및 목표

• ADC 및 RF 체인에서의 높은 전력 소비로 인한 mmWave 시스템의 에너지 부족 문제를 해결한다.
• 통합된 6GHz 이하/mmWave 시스템에서 물리 계층의 에너지 비용을 고려한 공동 전력 및 대역폭 할당 문제를 수립한다.
• 회로 수준의 전력 소비를 포함한 송신기 및 수신기의 총 전력 제약 조건 하에서 도달 가능한 합성 속도를 극대화한다.
• 특히 송신기에서 채널 상태 정보(CSIT)가 제한되거나 없을 경우, 대역폭 및 전력 할당에 따른 에너지 효율성을 분석한다.
• 채널 조건과 전력 예산에 따라 단일 인터페이스(6GHz 이하 또는 mmWave)만 활성화되는 최적의 구성 조건을 규명한다.

제안 방법

• ADC 전력 소비를 $ P^{\text{(ADC)}} = c_{\text{ox}} W 2^{r_{\text{ADC}}} $ 로 명시적으로 모델링한 합성 속도 극대화 문제를 수립하며, 여기서 $ W $ 는 대역폭이고 $ r_{\text{ADC}} $ 는 양자화 해상도이다.
• 전력 제약 조건 하에서 볼록 최적화 기법을 사용하여 송신기에서의 채널 상태 정보가 완전하거나 부분적인 경우 모두 합성 속도 극대화 문제를 해결한다.
• 비볼록 에너지 효율(EE) 최적화 문제(비트/초당 제논당)를 해결하기 위해 분수 프로그래밍 및 Dinkelbach 알고리즘을 적용한다.
• 64개의 송신 및 16개의 수신 안테나를 사용한 실질적인 30GHz mmWave 채널 데이터와 3GHz에서 1MHz 대역폭을 가진 6GHz 이하 채널을 모델링한다.
• 다양한 총 전력 예산 및 ADC 전력 스케일링 인자 $ a = c_{\text{ox}} 2^{r_{\text{ADC}}} $ 를 기반으로 최적 할당과 전체 대역폭 워터필링을 비교하여 시뮬레이션을 수행한다.
• 고 SNR 및 저 SNR 환경에서의 성능을 평가하며, CSIT가 없는 경우에도 제안된 방법의 강건성을 입증한다.

실험 결과

연구 질문

• RQ1 매우 큰 가용 대역폭을 가진 mmWave 대역폭을 부분적으로 사용할 경우, 합성 속도 극대화 목표에서 최적일 수 있는 조건은 무엇인가?
• RQ2 ADC 및 RF 구성 요소의 전력 소비를 포함할 경우, 통합된 6GHz 이하/mmWave 시스템에서 최적의 전력 및 대역폭 할당에 어떤 영향을 미치는가?
• RQ3 mmWave 대역폭의 전체 사용은 항상 유리한가, 아니면 증가하는 회로 전력으로 인해 에너지 효율성이 떨어질 수 있는가?
• RQ4 송신기에서 채널 상태 정보(CSIT)가 없는 경우 최적의 자원 할당 전략에 어떤 영향을 미치는가?
• RQ5 6GHz 이하 및 mmWave 대역 간 전력 및 대역폭 할당에서 합성 속도와 에너지 효율성 간의 상호 교환 관계는 어떠한가?

주요 결과

• 높은 ADC 전력 소비 조건(예: $ a = 10^{-7} $)에서는 전체 mmWave 대역폭 할당이 과도한 ADC 전력 소비로 인해 전송 전력이 0이 되고, 도달 가능한 속도도 0이 된다.
• 최적 할당은 오직 4.0597MHz의 mmWave 대역폭만 사용하여 $ 2.55 \times 10^3 $ bps의 합성 속도를 달성하지만, 전체 대역폭 할당은 속도가 0이 된다.
• 매우 큰 mmWave 대역폭(최대 1GHz)이 존재하더라도, 낮은 총 전력 예산 또는 높은 ADC 에너지 소비 조건에서는 부분 대역폭 사용이 최적이다. 이는 단위 전력당 스펙트럼 효율성의 감소 수익 효과로 인한 것이다.
• ADC 전력이 선형적으로 증가함에 따라 mmWave에서 임계 대역폭을 초과하면 에너지 효율(비트/초/와트)이 감소하지만, 제안된 방법은 대역폭 사용 제한으로 인해 EE가 계속 증가함을 유지한다.
• 저전력 영역에서는 전체 대역폭 할당과 워터필링 전력 할당을 조합하더라도 부분적인 mmWave 대역폭 사용이 더 높은 합성 속도를 제공한다.
• 최적의 해법은 채널 조건과 전력 예산에 따라 단일 인터페이스(6GHz 이하 또는 mmWave)만 활성화될 수 있으며, 이는 공동 최적화의 중요성을 강조한다.