[논문 리뷰] Stepwise Transmit Antenna Selection in Downlink Massive Multiuser MIMO

Ali Bereyhi, Saba Asaad외 1명|arXiv (Cornell University)|2018. 02. 14.

Advanced MIMO Systems Optimization참고 문헌 20인용 수 10

한 줄 요약

이 논문은 에너지 효율성을 극대화하기 위해 전송 전력과 활성 안테나 서브셋을 동시에 최적화하는 단계적 전송 안테나 선택(TAS) 알고리즘을 제안한다. 근사적 단계적 회귀 접근 방식을 사용하여 총 개수보다 훨씬 적은 수의 최적, 부분 최적 안테나를 식별함으로써 에너지 효율성을 향상시키며, 더 많은 활성 안테나로 인한 RF 회로 전력 증가로 인한 성능 저하를 방지한다.

ABSTRACT

Due to the large power consumption in RF-circuitry of massive MIMO systems, practically relevant performance measures such as energy efficiency or bandwidth efficiency are neither necessarily monotonous functions of the total transmit power nor the number of active antennas. Optimal antenna selection is however computationally infeasible in these systems. In this paper, we propose an iterative algorithm to optimize the transmit power and the subset of selected antennas subject to non-monotonous performance measures in massive multiuser MIMO settings. Numerical results are given for energy efficiency and demonstrate that for several settings the optimal number of selected antennas reported by the proposed algorithm is significantly smaller than the total number of transmit antennas. This fact indicates that antenna selection in several massive MIMO scenarios not only reduces the hardware complexity and RF-costs, but also enhances the energy efficiency of the system.

연구 동기 및 목표

• 다수의 MIMO 시스템에서 에너지 효율성과 대역폭 효율성이 전송 전력이나 활성 안테나 수에 대해 비단조화적일 수 있는 문제를 해결하기 위해.
• 모든 가용 안테나를 사용하는 대신 전송 안테나의 부분 집합을 선택하여 다수의 MIMO에서 하드웨어 복잡성과 RF 비용을 줄이기 위해.
• 실제 제약 조건 하에서 전송 전력과 안테나 선택을 공동으로 최적화하여 에너지 효율성과 같이 비단조화적인 성능 지표를 극대화하기 위해.
• 대규모 시스템에서 비현실적으로 큰 복잡도를 가지는 완전 최적 안테나 선택의 계산 가능 대안을 개발하기 위해.
• 실제 다수의 MIMO 구현 환경에서 안테나 선택이 비용 절감을 넘어서 에너지 효율성 향상이라는 성능 향상 효과를 줄 수 있음을 입증하기 위해.

제안 방법

• 알고리즘은 성능 지표(예: 에너지 효율성)를 극대화하기 위해 단계적으로 안테나를 선택하고 전송 전력을 조정하는 단계적 회귀 기반의 탐욕적 접근 방식을 사용한다.
• 각 반복 단계에서 추가 또는 제거할 안테나의 경계 기여도를 평가하고 목표 함수를 가장 크게 향상시키는 조치를 선택한다.
• 최대 전송 전력 $P_{\text{max}}$ 및 선택 가능한 최대 안테나 수 $L_{\text{max}}$에 대한 제약 조건 하에서 알고리즘을 적용한다.
• 더 이상 성능 지표 향상이 이루어지지 않을 때 알고리즘이 정지하며, 이는 최적의 서브셋 크기 $L^\star$에 도달했음을 나타낸다.
• 알고리즘은 계산 효율성이 뛰어나며, 오직 $L^\star$번의 반복만 필요로 하며, 완전 탐색의 지수적 복잡도를 피한다.
• 선형 프리코딩과 현실적인 하드웨어 전력 모델을 적용한 다운링크 다수 MIMO 환경에서 에너지 효율성에 대해 수치적으로 검증되었다.

실험 결과

연구 질문

• RQ1 전송 안테나 수에 따라 성능이 비단조화적일 때, 총 안테나 수보다 훨씬 적은 수의 안테나를 선택할 경우 에너지 효율성을 극대화하기 위해 최적의 전송 안테나 수는 얼마인가?
• RQ2 다수의 MIMO 시스템에서 랜덤 선택이나 전체 안테나 선택보다 저복잡도 반복 알고리즘이 에너지 효율성 측면에서 뛰어나게 되는가?
• RQ3 안테나 선택을 통해 활성 RF 체인 수를 줄이면, 안테나당 데이터 전송률이 증가하더라도 에너지 효율성이 향상되는가?
• RQ4 다양한 활성 안테나 수에 따라 제안된 알고리즘의 성능이 랜덤 안테나 선택 및 전체 안테나 선택과 비교하여 어떻게 되는가?
• RQ5 더 많은 전송 안테나를 추가할 경우, 증가하는 RF 회로 전력 소비로 인해 에너지 효율성이 떨어지기 시작하는 시점은 언제인가?

주요 결과

• 제안된 알고리즘은 총 $N = 128$개의 전송 안테나 중에서 $L^\star \approx 24$개만 선택하여 에너지 효율성을 극대화한다. 이는 총 개수보다 훨씬 적은 수이다.
• 에너지 효율성이 $L^\star \approx 24$에서 최고에 도달하며, 24개를 초과하여 안테나를 선택할 경우 성능이 저하된다. 이는 과잉 설계가 성능 저하를 유발한다는 것을 시사한다.
• $L_{\text{max}}$가 클수록 랜덤 안테나 선택 및 전체 안테나 선택보다 알고리즘이 에너지 효율성 측면에서 뛰어나게 성능을 발휘한다.
• 랜덤 선택일지라도 $L^\star$를 초과하여 활성 안테나 수를 늘리면 성능 향상이 이루어지지 않으며, 오히려 저하될 수 있다.
• 정확히 $L_{\text{max}}$개의 안테나를 선택하도록 강제하는 알고리즘의 수정 버전은 최대 에너지 효율성이 $L_{\text{max}} \approx 24$에서 발생함을 확인하며, 이는 원래 알고리즘의 정지 지점과 일치한다.
• 알고리즘의 계산 복잡도는 $L_{\text{max}}$가 클수록 감소하며, $L^\star$가 $L_{\text{max}}$에 따라 증가하지 않기 때문에 확장 가능하고 실용적이다.