[논문 리뷰] Optimal Stochastic Coordinated Beamforming with Compressive CSI Acquisition for Cloud-RAN.

Yuanming Shi, Jun Zhang외 1명|arXiv (Cornell University)|2013. 12. 02.

Advanced MIMO Systems Optimization참고 문헌 30인용 수 7

한 줄 요약

이 논문은 클라우드-RAN에서 신호 지연을 줄이고 높은 성능을 유지하기 위해 압축 채널 상태 정보(CSI) 획득과 확률적 공동 beamforming(SCB)을 제안한다. 실시간 CSI의 일부만 획득하고 나머지는 통계적 CSI를 사용함으로써, 새로운 확률적 DC 프로그래밍 알고리즘을 통해 불확실성을 다루는 SCB 프레임워크는 최적성 보장을 갖추고 있으며, 전체 CSI 성능에 근접한 성능을 높은 효율성으로 달성한다.

ABSTRACT

Cloud radio access network (Cloud-RAN) is a revolutionary RAN architecture. It provides a cost-effective way to improve both the network capacity and energy efficiency by shifting the baseband signal processing to a single baseband unit (BBU) pool, which enables centralized signal processing. However, in order to exploit the performance gains of full cooperation, full channel state information (CSI) is often required, which will incur excessive signaling overhead and degrade the network performance. To resolve the CSI challenge for Cloud-RAN, we propose a novel CSI acquisition method, called compressive CSI acquisition. This new method can effectively reduce the CSI signaling overhead by obtaining instantaneous coefficients of only a subset of all the channel links. As a result, the BBU pool will obtain mixed CSI consisting of instantaneous values of some links and statistical CSI for the others. We then propose a stochastic coordinated beamforming (SCB) framework to deal with the uncertainty in the available mixed CSI. The SCB problem turns out to be a joint chance constrained program (JCCP) and is known to be highly intractable. In contrast to all the previous algorithms for JCCP that can only find feasible but sub-optimal solutions, we propose a novel stochastic DC (difference-of-convex) programming algorithm with optimality guarantee. To reduce the computational complexity, we also propose two low-complexity algorithms using the scenario approach and the Bernstein approximation method for larger-sized networks. Simulation results will show that the proposed compressive CSI acquisition method can reduce the CSI overhead significantly, and the proposed SCB algorithms provide performances close to the full CSI case.

연구 동기 및 목표

• 클라우드-RAN에서 전체 채널 상태 정보(CSI)의 높은 신호 지연 문제로 인한 네트워크 효율성 저하를 해결한다.
• 전체 CSI 대신 실시간 채널 계수의 일부만 획득하여 CSI 피드백 지연을 줄인다.
• 압축적 획득으로 인해 부분 실시간, 부분 통계적 CSI가 혼합된 상태에서 작동하는 강건한 beamforming 프레임워크를 개발한다.
• 혼합된 CSI에서의 불확실성을 효과적으로 다룰 수 있는 최적의 확률적 공동 beamforming(SCB) 알고리즘을 설계한다. 이 알고리즘은 이론적 최적성 보장을 갖춘다.
• 대규모 네트워크에 적합한 저복잡도 대체 방법으로 시나리오 근사법과 버진스 근사법을 개발한다.

제안 방법

• 실시간 채널 링크의 일부에 대해서만 실시간 계수를 획득함으로써 피드백 지연을 줄이는 압축 CSI 획득 기법을 도입한다.
• 결과적으로 발생하는 혼합된 CSI를 실시간 및 통계적 CSI의 조합으로 모델링하여 beamforming 설계에 불확실성을 도입한다.
• SCB 문제를 공동 확률 제약 프로그래밍(JCCP)으로 공식화하여 확률적 서비스 품질 요구사항을 포괄한다.
• JCCP 문제를 해결하는 데 있어 최적성을 보장하는 새로운 확률적 DC 프로그래밍 알고리즘을 제안하여 이전의 부분 최적 해법의 한계를 극복한다.
• 두 가지 저복잡도 변형을 개발한다: 하나는 시나리오 접근법을 사용하고, 다른 하나는 버진스 근사법에 기반한다. 이는 대규모 네트워크에 적합하다.
• 확률적 DC 알고리즘을 압축 CSI 획득과 통합하여 부분 CSI 조건 하에서도 최적의 beamforming을 가능하게 한다.

실험 결과

연구 질문

• RQ1 압축 CSI 획득 기법은 클라우드-RAN에서 전체 CSI 성능을 희생시키지 않고도 CSI 피드백 지연을 크게 줄일 수 있는가?
• RQ2 혼합된 CSI(실시간 및 통계적)로 인해 발생하는 불확실성을 효과적으로 다룰 수 있는 확률적 공동 beamforming 프레임워크는 어떻게 설계할 수 있는가?
• RQ3 이전의 부분 최적 방법과 달리, 확률적 DC 프로그래밍 알고리즘이 공동 확률 제약 beamforming 문제를 해결하는 데 최적성을 달성할 수 있는가?
• RQ4 대규모 클라우드-RAN 구현에서 시나리오 기반 및 버진스 근사법은 성능과 복잡도 측면에서 어떻게 비교되는가?
• RQ5 제안된 SCB 프레임워크는 얼마나 높은 수준의 CSI 지연 감소를 이룰 수 있을까? 전체 CSI 기준 대비 성능은 얼마나 근접하는가?

주요 결과

• 압축 CSI 획득 기법은 채널 계수의 일부만 획득함으로써 신호 지연을 크게 줄였다.
• 제안된 확률적 DC 프로그래밍 알고리즘은 공동 확률 제약 beamforming 문제를 해결하는 데 최적성을 달성하였으며, 이는 이전의 부분 최적 방법에 비해 핵심적인 발전이다.
• 압축 CSI를 적용한 SCB 프레임워크는 전체 CSI 기준 대비 매우 높은 성능을 달성하여 성능 손실가 최소화됨을 입증하였다.
• 시나리오 기반 및 버진스 근사법은 대규모 네트워크에 적합한 효과적인 저복잡도 대체 방법을 제공하며, 수용 가능한 성능 트레이드오프를 확보하였다.
• 시뮬레이션 결과는 제안된 방법이 CSI 피드백 지연을 극적으로 줄이면서도 높은 네트워크 용량과 에너지 효율성을 유지함을 확인하였다.