[논문 리뷰] Regularized Zero-Forcing for Multiantenna Broadcast Channels with User Selection

Zijian Wang, Wen Chen|arXiv (Cornell University)|2020. 03. 22.

Advanced MIMO Systems Optimization참고 문헌 15인용 수 28

한 줄 요약

이 논문은 불완전한 채널 상태 정보(CSI) 하에서 사용자 선택이 적용된 다안테나 방송 채널에 대해 강건한 정규화된 제로포싱(RRZF) beamforming 기법을 제안한다. 정규화 인자 α를 사용자 수 K와 함께 증가시키도록 최적화함으로써, RRZF는 ZF 및 전통적인 RZF보다 뛰어난 총 데이터율 성능을 달성하며, 무한 사용자 수의 점점 다가가는 경우에도 마찬가지로 성능이 뛰어나다. 이 경우 최적의 α는 무한대에 수렴한다.

ABSTRACT

A multiantenna multiuser broadcast channel with transmitter beamforming and user selection is considered. Different from the conventional works, we consider imperfect channel state information (CSI) which is a practical scenario for multiuser broadcast channels. We propose a robust regularized zero-forcing (RRZF) beamforming at the base station. Then we show that the RRZF outperforms zero-forcing (ZF) and regularized ZF (RZF) beamforming even as the number of users grows to infinity. Simulation results validate the advantage of the proposed robust RZF beamforming.

연구 동기 및 목표

• 다중사용자 MIMO 방송 채널에서 불완전한 CSI 하에서 전통적인 ZF 및 RZF beamforming의 성능 저하 문제를 해결한다.
• CSI 오차를 고려한 강건한 정규화된 제로포싱(RRZF) beamforming 기법을 도입하여 시스템의 총 데이터율을 향상시킨다.
• 사용자 선택과 함께 불완전한 CSI 하에서 RZF beamforming의 최적 정규화 인자 α를 조사하며, 이 값이 고정되어 있지 않고 사용자 수 K에 따라 달라진다는 것을 보여준다.
• 무한 사용자 수의 극한 경우에서도 RRZF가 ZF 및 RZF를 능가함을 입증한다.
• 실제의 CSI 불완전성 하에서 간섭 제거와 노이즈 증폭 간의 균형을 맞추기 위해 α를 최적화하는 프레임워크를 제공한다.

제안 방법

• 불완전한 CSI의 영향을 완화하기 위해 정규화 인자 α를 포함한 강건한 정규화된 제로포싱(RRZF) beamforming 알고리즘을 제안한다.
• 상호채널 상관관계가 낮은 M명의 사용자를 선택하기 위해 반정규직교 사용자 선택(SUS) 알고리즘을 채택하여 다중 사용자 다양성을 향상시킨다.
• 불완전한 CSI 하에서 RRZF beamforming의 SINR 표현식을 유도하며, 정규화 인자 α가 간섭 제거와 노이즈 증폭 간의 트레이드오프를 제어함을 보여준다.
• K → ∞의 점점 다가가는 경우의 총 데이터율 성능을 분석하며, 총 데이터율이 α에 대해 단조적으로 증가하고, 이 경우 최적의 α → ∞가 됨을 증명한다.
• 닫힌 형태의 수식이 구하기 어려운 중간 정도의 K에 대해 몬테카를로 시뮬레이션을 통해 최적의 α를 수치적으로 결정한다.
• CSI 오차의 세기 e²를 고려하기 위해 α = M(σ²/P + e²)의 수정된 식을 도입하여 고 SNR에서의 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 불완전한 CSI는 다중사용자 MIMO 방송 채널에서 전통적인 ZF 및 RZF beamforming의 성능에 어떤 영향을 미치는가?
• RQ2 특히 소수의 사용자 수에서, 불완전한 CSI 하에서 강건한 정규화된 제로포싱(RRZF) beamforming 기법이 표준 ZF 및 RZF를 능가할 수 있는가?
• RQ3 사용자 선택이 적용되고 CSI가 불완전한 상황에서 RZF beamforming의 최적 정규화 인자 α는 얼마인가?
• RQ4 최적의 α는 사용자 수 K와 어떻게 스케일링되는가? 그리고 이 값은 일정하게 유지되거나 K에 따라 증가하는가?
• RQ5 사용자 수 K → ∞의 점점 다가가는 영역에서 RRZF는 여전히 뛰어난 성능을 유지하는가? 이 경우 최적의 α는 어떻게 행동하는가?

주요 결과

• RRZF는 특히 소수에서 중간 수준의 사용자 수에서 CSI 오차를 더 잘 다루기 때문에 ZF 및 전통적인 RZF beamforming보다 총 데이터율 성능에서 뚜렷한 우월성을 보인다.
• RRZF의 최적 정규화 인자 α는 기존 RZF에서의 고정값 Mσ²/P가 아니며, 특히 K > M일 경우 사용자 수 K와 함께 증가한다.
• K → ∞의 점점 다가가는 경우, RRZF의 총 데이터율은 α에 대해 단조적으로 증가하며, 최적의 α는 무한대에 수렴한다.
• 고 SNR에서 전통적인 RZF는 α → 0로 수렴하여 ZF로 수렴하지만, RRZF는 α = M(σ²/P + e²)를 사용함으로써 성능 붕괴를 방지하고 강건성을 유지한다.
• 시뮬레이션 결과는 다양한 SNR 수준과 사용자 수에서 RRZF가 ZF 및 RZF보다 더 높은 총 데이터율을 달성하며, 특히 고 SNR 영역에서 뚜렷한 성능 향상을 보임을 확인한다.
• 사용자 선택 임계값 β가 0.3 이하로 떨어질 경우 최적의 α가 급격히 증가함을 통해, 사용자 선택 품질과 채널 상관관계에 강하게 의존함을 나타낸다.