[논문 리뷰] Energy Efficient User Clustering, Hybrid Precoding and Power Optimization in Terahertz MIMO-NOMA Systems

Haijun Zhang, Haisen Zhang외 4명|arXiv (Cornell University)|2020. 05. 03.

Molecular Communication and Nanonetworks참고 문헌 32인용 수 6

한 줄 요약

이 논문은 주어진 프론트홀 및 하드웨어 제약 조건 하에서 에너지 효율성(EE)을 햖थ한 테라헤르츠(THz) MIMO-NOMA 시스템을 위한 공동 최적화 프레임워크를 제안한다. 이는 향상된 K-means 사용자 클러스터링, 서브연결형 하이브리드 프리코딩, 분산 ADMM 기반 전력 할당을 통합하여 더 빠른 수렴 속도와 최대 2.3×10¹¹ bps/J/Hz의 EE를 달성하며, 프론트홀 및 하드웨어 제약 조건 하에서 기존의 OMA 및 전통적 프리코딩 방법보다 뛰어난 성능을 보인다.

ABSTRACT

Terahertz (THz) band communication has been widely studied to meet the future demand for ultra-high capacity. In addition, multi-input multi-output (MIMO) technique and non-orthogonal multiple access (NOMA) technique with multi-antenna also enable the network to carry more users and provide multiplexing gain. In this paper, we study the maximization of energy efficiency (EE) problem in THz-NOMA-MIMO systems for the first time. And the original optimization problem is divided into user clustering, hybrid precoding and power optimization. Based on channel correlation characteristics, a fast convergence scheme for user clustering in THz-NOMA-MIMO system using enhanced K-means machine learning algorithm is proposed. Considering the power consumption and implementation complexity, the hybrid precoding scheme based on the sub-connection structure is adopted. Considering the fronthaul link capacity constraint, we design a distributed alternating direction method of multipliers (ADMM) algorithm for power allocation to maximize the EE of THz-NOMA cache-enabled system with imperfect successive interference cancellation (SIC). The simulation results show that the proposed user clustering scheme can achieve faster convergence and higher EE, the design of the hybrid precoding of the sub-connection structure can achieve lower power consumption and power optimization can achieve a higher EE for the THz cache-enabled network.

연구 동기 및 목표

• 고용량 테라헤르츠(THz) MIMO-NOMA 네트워크에서 막대한 사용자 및 스펙트럼 수요가 존재하는 상황에서 에너지 효율성(EE) 향상이라는 핵심 과제를 해결한다.
• 기존의 디지털 프리코딩 및 OMA의 한계를 극복하기 위해 NOMA와 MIMO를 융합하여 더 높은 스펙트럼 효율성과 에너지 효율성을 달성한다.
• RF 체인 수와 위상 시프터의 전력 소모를 줄이기 위해 서브연결 구조 기반의 저복잡도·저전력 하이브리드 프리코딩 아키텍처를 설계한다.
• 프론트홀 용량 제약과 불완전한 순차적 인터패턴 제거(SIC) 조건 하에서 EE를 극대화하기 위해 프론트홀 용량 제약과 불완전한 SIC를 고려한 분산 ADMM 알고리즘을 개발한다.
• 실제 THz 네트워크 구현 환경에서 캐싱, 위상 시프터 전력 소모, 하드웨어 양자화의 영향을 평가하여 시스템 EE에 미치는 영향을 분석한다.

제안 방법

• 채널 상관성을 활용하여 사용자를 클러스터로 그룹화하는 향상된 K-means 클러스터링 알고리즘을 제안하여 수렴 속도 향상과 EE 향상을 달성한다.
• RF 체인 수와 전력 소모를 줄이면서도 빔포밍 이득을 유지하기 위해 서브연결형 하이브리드 프리코딩 아키텍처를 채택한다.
• 에너지 효율성 극대화를 위한 공동 최적화 문제를 설정하고, 이를 사용자 클러스터링, 하이브리드 프리코딩, 전력 할당의 하위 문제로 분해한다.
• 프론트홀 용량 제약과 불완전한 SIC를 처리할 수 있도록 분산 ADMM 기반 전력 할당 알고리즘을 설계하여 확장 가능하고 저복잡도 최적화를 가능하게 한다.
• 백홀 트래픽을 오프로드하고 에너지 비용을 줄이기 위해 캐싱 기능을 갖춘 기지국 운영을 통합하여 장기적인 EE 향상을 도모한다.
• 실제 하드웨어 제약 조건을 모델링하기 위해 제한된 해상도의 양자화된 위상 시프터를 사용하고, 그 영향을 평가한다.

실험 결과

연구 질문

• RQ1 THz MIMO-NOMA 시스템에서 사용자 클러스터링을 어떻게 최적화하여 수렴 속도와 에너지 효율성을 향상시킬 수 있는가?
• RQ2 THz 대역에서 스펙트럼 효율성을 유지하면서 전력 소모를 최소화하기 위한 최적의 하이브리드 프리코딩 아키텍처는 무엇인가?
• RQ3 불완전한 순차적 인터패턴 제거(SIC)는 프론트홀 제약 조건이 존재하는 THz-NOMA 시스템의 전력 할당과 에너지 효율성에 어떤 영향을 미치는가?
• RQ4 기지국에 캐싱을 도입할 경우, THz-NOMA 네트워크에서 시스템 에너지 효율성은 어느 정도 향상되는가?
• RQ5 위상 시프터의 전력 소모와 양자화 해상도는 하이브리드 프리코딩 시스템의 전체 에너지 효율성에 어떤 영향을 미치는가?

주요 결과

• 제안된 향상된 K-means 클러스터링 알고리즘이 기존의 클러스터링 방식보다 더 빠른 수렴 속도와 높은 EE를 달성하며, 10회 반복 후 시스템 EE가 2.3×10¹¹ bps/J/Hz로 안정화된다.
• 서브연결형 하이브리드 프리코딩 아키텍처는 전력 소모를 줄이고, 특히 저해상도 위상 시프터를 사용할 경우 디지털 ZF 프리코딩보다 더 높은 EE를 달성한다.
• 캐싱 효율성이 높아질수록 시스템 EE가 증가하며, 이는 현지 파일 검색이 백홀 부하를 크게 줄이고 장기적인 에너지 효율성을 향상시킨다는 것을 보여준다.
• 위상 시프터 전력 소모를 낮추면(20 mW 대비 30 mW) 시스템 EE가 더 높아지며, 하드웨어 에너지 비용이 전체 성능에 미치는 영향을 확인할 수 있다.
• 제안된 ADMM 기반 전력 할당 알고리즘이 무작위 및 균일 전력 할당보다 뛰어난 성능을 보이며, 안테나 수와 사용자 수가 다양한 조건에서도 더 높은 EE를 달성한다.
• NOMA-MIMO 시스템은 OMA(FDMA) 시스템보다 훨씬 높은 EE를 달성하며, 사용자 수가 증가할수록 다중접속 이득과 스펙트럼 효율성 덕분에 성능 향상이 두드러진다.