[논문 리뷰] Improving Downlink Coordinated Multipoint Performance in Heterogeneous Networks

Faris B. Mismar, Brian L. Evans|arXiv (Cornell University)|2017. 07. 10.

Advanced MIMO Systems Optimization인용 수 1

한 줄 요약

이 논문은 5G NR 이면적 네트워크에서 다운링크 공동 다중점(Downlink CoMP) 성능을 향상시키기 위해 지능적으로 여러 라디오 스트림을 트리거하는 온라인 기계학습 기반 알고리즘을 제안한다. 주로 주파수 분할 이중성(FDD) 환경에서 매크로 및 피코 기지국의 다운링크 Throughput을 향상시킨다.

ABSTRACT

We propose a method for downlink coordinated multipoint (DL CoMP) in heterogeneous fifth generation New Radio (NR) networks. The primary contribution of our paper is an algorithm to enhance the trigger of DL CoMP using online machine learning. We use support vector machine (SVM) classifiers to enhance the user downlink throughput in a realistic frequency division duplex network environment. Our simulation results show improvement in both the macro and pico base station downlink throughputs due to the informed triggering of the multiple radio streams as learned by the SVM classifier.

연구 동기 및 목표

• 이면적 5G NR 네트워크에서 최적화되지 않은 CoMP 트리거링 문제를 해결하기 위해.
• 데이터 기반 지능형 CoMP 활성화를 통해 다운링크 사용자 Throughput을 향상시키기 위해.
• 온라인 기계학습을 사용한 실시간, 적응형 트리거링 메커니즘을 개발하기 위해.
• 실제 FDD 네트워크 환경에서 제안된 방법의 성능을 평가하기 위해.

제안 방법

• 최적의 CoMP 트리거링 조건을 예측하기 위해 온라인 지지 벡터 기반 분류기(SVM)를 사용한다.
• 실시간 네트워크 상태 특징을 기반으로 SVM 모델을 학습시켜 다중 라디오 스트림을 활성화할 시점을 결정한다.
• 네트워크 피드백에서 학습된 패턴에 따라 시스템이 CoMP 작동을 동적으로 조정한다.
• 실제 주파수 분할 이중성(FDD) 이면적 네트워크 시나리오에서 접근 방식을 평가한다.
• 트리거링 이후 매크로 및 피코 기지국에서의 Throughput 향상을 측정한다.

실험 결과

연구 질문

• RQ1 온라인 기계학습은 5G NR 이면적 네트워크에서 CoMP 트리거링 정확도를 어떻게 향상시킬 수 있는가?
• RQ2 SVM 기반 트리거링은 매크로 및 피코 기지국의 다운링크 Throughput을 얼마나 향상시킬 수 있는가?
• RQ3 실시간 학습은 FDD 시스템에서 동적인 네트워크 조건에 CoMP 활성화를 적응시킬 수 있는가?
• RQ4 지능적인 CoMP 트리거링은 이면적 배포 환경에서 사용자 Throughput에 어떤 영향을 미치는가?

주요 결과

• 제안된 SVM 기반 CoMP 트리거링 방법은 매크로 및 피코 기지국의 다운링크 Throughput을 증가시킨다.
• 다중 라디오 스트림의 보다 효과적인 조율을 통해 Throughput 향상이 달성된다.
• 온라인 학습 접근 방식은 네트워크 다이나믹스에 적응하여 시간이 지남에 따라 트리거링 결정을 향상시킨다.
• 시뮬레이션 결과는 지능적인 트리거링이 실제 FDD 환경에서 측정 가능한 성능 향상을 이끌어낸다는 것을 확인한다.