[논문 리뷰] Machine Learning Inspired Energy-Efficient Hybrid Precoding for MmWave Massive MIMO Systems

Xinyu Gao, Linglong Dai외 3명|arXiv (Cornell University)|2017. 08. 23.

Millimeter-Wave Propagation and Modeling참고 문헌 14인용 수 5

한 줄 요약

이 논문은 밀리미터파(millimeter wave, mmWave) 대량 MIMO 시스템을 위한 스위치 및 인버터(Switch and Inverter, SI)-기반 하이브리드 프리코딩 아키텍처를 제안한다. 이 아키텍처는 고해상도 위상시프터를 저전력 스위치와 인버터로 대체하여 에너지 소비를 극적으로 감소시킨다. 기계학습에서의 교차 엔트로피 최적화를 영감으로 삼아, 효율적인 하이브리드 프리코더를 설계하는 적응형 교차 엔트로피(Adaptive CE, ACE)-기반 알고리즘을 도입하여, 기존의 위상시프터 기반 또는 스위치 전용 아키텍처보다 훨씬 높은 에너지 효율성과 거의 최적에 가까운 합성율 성능을 달성한다.

ABSTRACT

Hybrid precoding is a promising technique for mmWave massive MIMO systems, as it can considerably reduce the number of required radio-frequency (RF) chains without obvious performance loss. However, most of the existing hybrid precoding schemes require a complicated phase shifter network, which still involves high energy consumption. In this paper, we propose an energy-efficient hybrid precoding architecture, where the analog part is realized by a small number of switches and inverters instead of a large number of high-resolution phase shifters. Our analysis proves that the performance gap between the proposed hybrid precoding architecture and the traditional one is small and keeps constant when the number of antennas goes to infinity. Then, inspired by the cross-entropy (CE) optimization developed in machine learning, we propose an adaptive CE (ACE)-based hybrid precoding scheme for this new architecture. It aims to adaptively update the probability distributions of the elements in hybrid precoder by minimizing the CE, which can generate a solution close to the optimal one with a sufficiently high probability. Simulation results verify that our scheme can achieve the near-optimal sum-rate performance and much higher energy efficiency than traditional schemes.

연구 동기 및 목표

• 하이브리드 프리코딩 아키텍처에 포함된 고해상도 위상시프터의 수가 많아지는 데 기인한 기존 mmWave 대량 MIMO 시스템의 높은 에너지 소비 문제를 해결한다.
• 아날로그 빔포밍 체인에서 위상시프터를 저전력 스위치와 인버터로 대체하여 하드웨어 복잡성과 에너지 소비를 감소시킨다.
• 새로운 SI 기반 아키텍처에 맞는 효율적인 하이브리드 프리코딩 알고리즘을 개발하여 높은 스펙트럼 효율성을 유지한다.
• 안테나 수가 증가함에 따라 제안된 아키텍처와 기존 위상시프터 기반 시스템 간의 성능 격차가 유한하고 일정하게 유지됨을 입증한다.
• 기존 하이브리드 프리코딩 기법보다 훨씬 높은 에너지 효율성과 거의 최적에 가까운 합성율 성능을 달성한다.

제안 방법

• 위상시프터 대신 소수의 스위치와 인버터를 사용하여 아날로그 빔포머를 실현하는 혁신적인 하이브리드 프리코딩 아키텍처를 제안한다.
• 아날로그 프리코더의 요소가 집합 {0, 1, -1}에서 이루어지도록 제약을 두어, 단순한 스위치와 인버터로 구현 가능하게 한다.
• 현재 확률 분포와 최적 해 사이의 교차 엔트로피(Cross-Entropy, CE)를 최소화하는 조합 최적화 문제로 하이브리드 프리코딩 설계를 수립한다.
• 성능이 뛰어난 후보 프리코더를 선택하고 가용 가능한 합성율에 기반해 확률 분포를 반복적으로 개선하는 적응형 CE(ACE) 알고리즘을 개발한다.
• 수렴성을 향상시키고 국소 최적해에 갇히는 것을 방지하기 위해 엘리트 후보 선택 메커니즘을 도입하며, 이는 S(후보 수), S_elite(엘리트 하위집합 크기), I(반복 횟수)의 파라미터로 구성된다.
• 아날로그 프리코더 요소가 {0, 1, -1}로 제한된 조건 하에서 ACE 알고리즘을 사용해 아날로그 및 디지털 프리코더를 동시에 최적화한다.

실험 결과

연구 질문

• RQ1 스위치와 인버터 기반 하이브리드 프리코딩 아키텍처가 안테나 수가 증가함에 따라 최적 시스템과의 성능 격차가 유한하고 일정하게 유지되는가?
• RQ2 기존의 위상시프터 기반 및 스위치 전용 기반 하이브리드 프리코딩 아키텍처와 비교할 때, 제안된 SI 기반 아키텍처의 합성율 및 에너지 효율성은 어떠한가?
• RQ3 기계학습에서 영감을 받은 교차 엔트로피 최적화가 조합적이고 저해상도 환경에서 하이브리드 프리코더 설계에 효과적으로 적용될 수 있는가?
• RQ4 주요 알고리즘 파라미터(S, S_elite, I)가 ACE 기반 하이브리드 프리코딩 기법의 수렴성과 성능에 미치는 영향은 어떠한가?
• RQ5 제안된 ACE 기반 기법이 기존 하이브리드 프리코딩 방법에 비해 에너지 소비를 크게 줄이며 거의 최적의 합성율 성능을 달성하는가?

주요 결과

• Lemma 1에서 분석적으로 증명한 바와 같이, 제안된 SI 기반 하이브리드 프리코딩 아키텍처와 기존 위상시프터 기반 아키텍처 간의 성능 격차는 안테나 수가 증가함에 따라 유한하고 일정하게 유지된다.
• ACE 기반 하이브리드 프리코딩 기법은 4비트 위상시프터를 사용하는 기존 이중 단계 하이브리드 프리코딩과 비교해 약 1 dB 이내의 합성율 성능을 달성하면서도 에너지 소비를 크게 감소시킨다.
• 표준 CE 알고리즘 대비 ACE 알고리즘이 합성율 성능에서 약 1 dB 향상되었으며, 추가적인 가중치 단계로 인한 계산 복잡성 증가가 극히 미미하다.
• 제안된 ACE 기반 기법은 이중 단계 하이브리드 프리코딩(위상시프터 기반, PS 기반) 및 안테나 선택 기반(스위치 전용, SW 기반) 기법보다 훨씬 높은 에너지 효율성을 확보한다. 특히 RF 체인 수 K가 작을 경우(예: K ≤ 12)에 두드러진다.
• K ≥ 8일 경우, 4비트 위상시프터를 사용하는 이중 단계 하이브리드 프리코딩의 에너지 효율성이 완전 디지털 ZF 프리코딩을 뛰어넘지 못하게 되는데, 이는 위상시프터 수가 급격히 증가하고 그 에너지 비용이 높아지기 때문이다.
• 시뮬레이션 결과, S = 200개의 후보와 I = 20회의 반복이 수렴성 확보에 충분함을 보여주며, 이는 ACE 알고리즘이 중간 수준의 계산 부하로도 높은 성능을 달성함을 시사한다.