[논문 리뷰] Scalable Coordinated Beamforming for Dense Wireless Cooperative Networks

Yuanming Shi, Jun Zhang외 1명|arXiv (Cornell University)|2014. 05. 13.

Advanced MIMO Systems Optimization참고 문헌 9인용 수 3

한 줄 요약

이 논문은 행렬 스태핑 기법을 사용하여 최적화 문제를 ADMM 호환 형식으로 변환함으로써, 확장 가능하고 ADMM 기반의 협동 beamforming 프레임워크를 밀도 높은 무선 네트워크에 제안한다. 이는 닫힌 형식의 평행화 가능한 부분문제 해법을 가능하게 하며, 내부점 해법 대비 수천 배 빠른 속도 향상을 이끌어내고, 최적 beamforming 이 zero-forcing beamforming 대비 스펙트럼 효율성과 공정성 면에서 뛰어나다.

ABSTRACT

To meet the ever growing demand for both high throughput and uniform coverage in future wireless networks, dense network deployment will be ubiquitous, for which co- operation among the access points is critical. Considering the computational complexity of designing coordinated beamformers for dense networks, low-complexity and suboptimal precoding strategies are often adopted. However, it is not clear how much performance loss will be caused. To enable optimal coordinated beamforming, in this paper, we propose a framework to design a scalable beamforming algorithm based on the alternative direction method of multipliers (ADMM) method. Specifically, we first propose to apply the matrix stuffing technique to transform the original optimization problem to an equivalent ADMM-compliant problem, which is much more efficient than the widely-used modeling framework CVX. We will then propose to use the ADMM algorithm, a.k.a. the operator splitting method, to solve the transformed ADMM-compliant problem efficiently. In particular, the subproblems of the ADMM algorithm at each iteration can be solved with closed-forms and in parallel. Simulation results show that the proposed techniques can result in significant computational efficiency compared to the state- of-the-art interior-point solvers. Furthermore, the simulation results demonstrate that the optimal coordinated beamforming can significantly improve the system performance compared to sub-optimal zero forcing beamforming.

연구 동기 및 목표

• 밀도 높은 무선 협동 네트워크에서 최적의 협동 beamforming의 높은 계산 복잡도 문제를 해결하기 위해.
• 해결 품질을 희생시키지 않고 대규모 beamforming 최적화의 실행 시간을 단축하기 위해.
• 최대 100개의 액세스 포인트를 가진 네트워크에서 최적 beamforming의 실용적 구현을 가능하게 하기 위해.
• 밀도 높고 고용량 환경에서 suboptimal 전략인 zero-forcing 대비 최적 beamforming의 우수성을 입증하기 위해.

제안 방법

• 원래의 협동 beamforming 문제를 동치의 ADMM 호환 형식으로 재구성하기 위해 행렬 스태핑 기법을 적용하여, ADMM를 통한 효율적 해법을 가능하게 한다.
• 변환된 문제를 ADMM 알고리즘으로 해결하며, 각 반복에서 부분문제를 닫힌 형식으로 평행하게 해결한다.
• Smith 형식을 바탕으로 보조 변수를 도입함으로써 최적화 문제를 분해하여 분산 및 확장 가능한 계산을 가능하게 한다.
• 주어진 네트워크 크기에 대해 사전에 고정된 ADMM 구조를 생성하고 저장함으로써, 새로운 실현 사례에 대한 빠른 매개변수 복사가 가능해진다.
• ADMM에 대해 SCS 솔버를 사용하며, 병렬화된 투영을 활용한 콘익 최적화를 구현한다.
• CVX와 같은 일반 목적의 모델링 도구에 대한 의존도를 줄여 전환 오버헤드를 200배 이상 감소시킨다.

실험 결과

연구 질문

• RQ1 수백 개의 AP를 가진 밀도 높은 무선 네트워크에서 최적의 협동 beamforming을 달성할 수 있는 확장 가능하고 저복잡도 알고리즘이 존재하는가?
• RQ2 대규모 문제에 대해 제안된 행렬 스태핑 및 ADMM 기반 방법의 실행 시간이 CVX 및 SeDuMi 대비 어떻게 비교되는가?
• RQ3 최적 beamforming 이 zero-forcing beamforming 대비 최소 사용자 속도 및 스펙트럼 효율성 측면에서 어떤 성능 향상을 제공하는가?
• RQ4 네트워크 밀도와 SNR가 증가함에 따라 최적 및 suboptimal beamforming 간의 성능 격차는 어떻게 변화하는가?

주요 결과

• 제안된 행렬 스태핑 기법은 문제 변환 시간을 CVX의 약 18초에서 0.3초 이하로 단축하여 200배의 속도 향상을 달성한다.
• ADMM 기반 솔버(SDS)는 SeDuMi 대비 1000배 빠른 속도 향상을 보이며, 100개의 AP 네트워크에서 실행 시간을 약 2600초에서 약 1초로 감소시킨다.
• 낮은에서 중간 수준의 SNR에서 최적의 협동 beamforming은 zero-forcing beamforming 대비 최소 네트워크 전체 가능 속도를 2.0 bps/Hz 향상시킨다.
• 사용자 밀도가 증가할수록 최적과 zero-forcing beamforming 간의 성능 격차가 커지며, 이는 초밀도 네트워크에서 최적 beamforming의 필수성을 강조한다.
• CVX+SeDuMi과 행렬 스태핑+SCS의 결과가 일치함으로써, 제안된 방법이 최적 값에 대해 적절한 정확도로 해를 도출함을 확인하였다.
• 이 방법은 최대 100개의 액세스 포인트를 가진 네트워크에서 확장 가능하고 실시간 beamforming 최적화를 가능하게 하여, 최적의 협동을 실용적으로 구현할 수 있도록 한다.