[논문 리뷰] Massive Access in Cell-Free Massive MIMO-Based Internet of Things: Cloud Computing and Edge Computing Paradigms

Malong Ke, Zhen Gao외 3명|arXiv (Cornell University)|2020. 07. 19.

Advanced MIMO Systems Optimization참고 문헌 32인용 수 6

한 줄 요약

이 논문은 셀리스 백맨 미모(Massive MIMO) 기반의 사물인터넷(IoT) 네트워크에서 동시 활성 사용자 탐지(AUD) 및 채널 추정(CE)을 위한 구조적 희박성 기반 일반화된 근사 메시지 전달(SS-GAMP) 알고리즘과 순차 간섭 제거(SIC)를 조합한 방법을 제안한다. 클라우드와 엣지 컴퓨팅 패러다임을 비교하여, 엣지 컴퓨팅이 낮은 CPU 및 백홀드로 near-equivalent 성능를 달성하며, 저해상도 양자화 조건에서 액세스 지연을 크게 감소시킴을 보여준다.

ABSTRACT

This paper studies massive access in cell-free massive multi-input multi-output (MIMO) based Internet of Things and solves the challenging active user detection (AUD) and channel estimation (CE) problems. For the uplink transmission, we propose an advanced frame structure design to reduce the access latency. Moreover, by considering the cooperation of all access points (APs), we investigate two processing paradigms at the receiver for massive access: cloud computing and edge computing. For cloud computing, all APs are connected to a centralized processing unit (CPU), and the signals received at all APs are centrally processed at the CPU. While for edge computing, the central processing is offloaded to part of APs equipped with distributed processing units, so that the AUD and CE can be performed in a distributed processing strategy. Furthermore, by leveraging the structured sparsity of the channel matrix, we develop a structured sparsity-based generalized approximated message passing (SS-GAMP) algorithm for reliable joint AUD and CE, where the quantization accuracy of the processed signals is taken into account. Based on the SS-GAMP algorithm, a successive interference cancellation-based AUD and CE scheme is further developed under two paradigms for reduced access latency. Simulation results validate the superiority of the proposed approach over the state-of-the-art baseline schemes. Besides, the results reveal that the edge computing can achieve the similar massive access performance as the cloud computing, and the edge computing is capable of alleviating the burden on CPU, having a faster access response, and supporting more flexible AP cooperation.

연구 동기 및 목표

• 간헐적이고 저지연 사용자 활성화를 수반하는 셀리스 백맨 미모 기반 IoT 네트워크에서의 대량 액세스 문제를 해결한다.
• 기존의 게임 기반 접근 방식과 단일 셀 기반 접근 방식의 한계를 극복하기 위해 분산된 액세스 포인트(APs) 간의 협업 신호 처리를 가능하게 한다.
• 제한된 파ilot 및 백홀 자원 조건에서 동시 활성 사용자 탐지(AUD) 및 채널 추정(CE)을 위한 저지연, 고정밀도 솔루션을 개발한다.
• 성능, 지연, 시스템 비용 측면에서 AUD 및 CE에 대한 클라우드 컴퓨팅과 엣지 컴퓨팅 패러다임을 평가하고 비교한다.
• 실제 구현에서의 실용적 하드웨어 제약을 반영하기 위해 신호 처리에 양자화 영향을 통합한다.

제안 방법

• 게임 기반 대량 액세스에서의 업링크 액세스 지연을 줄이기 위한 새로운 프레임 구조를 제안한다.
• 시간 및 각도 도메인에서 채널 행렬의 구조적 희박성을 활용하여 탐지 및 추정 성능을 향상시킨다.
• 처리된 신호의 저해상도 양자화를 고려한 구조적 희박성 기반 일반화된 근사 메시지 전달(SS-GAMP) 알고리즘을 개발한다.
• 강력한 사용자를 반복적으로 탐지하고 제거하여 지연을 줄이는 순차 간섭 제거(SIC) 기반의 AUD 및 CE 기법을 설계한다.
• 두 가지 처리 패러다임을 구현한다: 클라우드 컴퓨팅(중앙 집중식 처리를 위한 CPU에서 수행)과 엣지 컴퓨팅(선택된 DPU를 장착한 AP들을 통한 분산 처리).
• SS-GAMP 알고리즘에 비선형 모듈을 통합하여 양자화 영향을 모델링함으로써, 저정밀도 시스템에서의 강인성을 향상시킨다.

실험 결과

연구 질문

• RQ1 셀리스 백맨 미모 IoT 네트워크에서 채널 행렬의 구조적 희박성은 어떻게 활용되어 동시 활성 사용자 탐지 및 채널 추정 성능을 향상시킬 수 있는가?
• RQ2 저해상도 신호 양자화가 AUD 및 CE 성능에 미치는 영향은 무엇이며, 실용적 시스템에서 이를 어떻게 완화할 수 있는가?
• RQ3 엣지 컴퓨팅은 백홀 및 CPU 부하를 줄이며 대량 액세스 환경에서 클라우드 컴퓨팅과 유사한 성능를 달성할 수 있는가?
• RQ4 협업하는 AP의 수가 엣지 컴퓨팅의 AUD 및 CE 작업 성능에 미치는 영향는 어떠한가?
• RQ5 저정밀도 환경에서 SIC 기반 기법은 기존 방법 대비 액세스 지연을 얼마나 줄일 수 있는가?

주요 결과

• 제안된 SS-GAMP 기반 기법은 저해상도 양자화 조건(예: Q = 3–5비트)에서 기준 방법 대비 AUD 및 채널 추정(CE) 성능에서 뛰어난 성능을 보인다.
• DPU를 장착한 AP 4대(전체 10대 중)만으로도 엣지 컴퓨팅이 클라우드 컴퓨팅과 거의 동일한 AUD 및 CE 성능를 달성함을 입증하여 높은 효율성을 보였다.
• SIC 기반 기법은 특히 저정밀도 양자화 환경에서 기존 방법 대비 액세스 지연을 크게 감소시켰다.
• 양자화 비트 수(Q)를 증가시킬수록 AUD 및 CE 성능이 향상됨을 확인하여, 실용적 시스템에서 신호 해상도의 중요성을 입증하였다.
• 구조적 희박성의 성능 향상 효과는 고안정성 안테나를 갖춘 APs(Mc = 16 등)를 포함한 대규모 미모 환경에서 가장 두드러지게 나타났다.
• 엣지 컴퓨팅은 성능을 유지하면서 CPU 및 백홀드 부하를 줄여주며, 중앙 집중식 클라우드 처리에 비해 더 확장 가능하고 비용 효율적인 솔루션을 제공한다.