[論文レビュー] A Survey on 5G Energy Efficiency: Massive MIMO, Lean Carrier Design, Sleep Modes, and Machine Learning.

David López‐Pérez, Antonio De Domenico+5 more|arXiv (Cornell University)|Jan 27, 2021

Advanced MIMO Systems Optimization参考文献 133被引用数 12

ひとこと要約

本サーベイは、5Gネットワークにおけるエネルギー効率を包括的に分析し、マスティブ MIMO、レディル・キャリア設計、高度なスリープモード、および機械学習の統合に焦点を当てる。理論的および実践的トレードオフを評価し、グリーン5G展開の最適運用ポイントと主な課題を明らかにする。

ABSTRACT

Cellular networks have changed the world we are living in, and the fifth generation (5G) of radio technology is expected to further revolutionise our everyday lives, by enabling a high degree of automation, through its larger capacity, massive connectivity, and ultra-reliable low latency communications. In addition, the third generation partnership project (3GPP) new radio (NR) specification also provides tools to significantly decrease the energy consumption and the green house emissions of next generations networks, thus contributing towards information and communication technology (ICT) sustainability targets. In this survey paper, we thoroughly review the state-of-the-art on current energy efficiency research. We first categorise and carefully analyse the different power consumption models and energy efficiency metrics, which have helped to make progress on the understanding of green networks. Then, as a main contribution, we survey in detail -- from a theoretical and a practical viewpoint -- the main energy efficiency enabling features that 3GPP NR provides, together with their main benefits and challenges. Special attention is paid to four key technology features, i.e., massive multiple-input multiple-output (MIMO), lean carrier design, and advanced idle modes, together with the role of artificial intelligence capabilities. We dive into their implementation and operational details, and thoroughly discuss their optimal operation points and theoretical-trade-offs from an energy consumption perspective. This will help the reader to grasp the fundamentals of -- and the status on -- green networking. Finally, the areas of research where more effort is needed to make future networks greener are also discussed.

研究の動機と目的

• 持続可能なICT開発を支援するため、5Gネットワークにおける現在の電力消費モデルおよびエネルギー効率指標を分析すること。
• マスティブ MIMO、レディルキャリア設計、および高度なスリープモードを含む、主な5Gエネルギー効率技術の理論的および実践的性能を評価すること。
• 人工知能および機械学習が5Gネットワーク機能全体におけるエネルギー効率の最適化に果たす役割を検討すること。
• 5Gネットワーク部品におけるエネルギー消費の最適運用ポイントおよび内在するトレードオフを特定すること。
• よりグリーンな将来の5Gおよびそれ以降のネットワークを実現するためのオープンな研究課題を強調すること。

提案手法

• 5G研究で用いられる既存の電力消費モデルおよびエネルギー効率指標の体系的レビューと分類。
• 3GPP NR規格の詳細な分析により、エネルギー節約機能（マスティブ MIMO ビームフォーミングおよび動的リソース割り当てを含む）を評価。
• 低トラフィック状況における信号処理および回路電力の低減を目的としたレディルキャリア設計技術の評価。
• 低活動期間中のエネルギー消費を最小限に抑えるために、高度なアイドルおよびスリープモード（例：RRC_INACTIVE、eICIC）の調査。
• トラフィックパターンの予測および送信パrameterの最適化によるエネルギー節約を可能にする機械学習の応用の検討。
• 調査された技術の間で、スペクトル効率、遅延、およびエネルギー効率の理論的トレードオフを統合的に分析。

実験結果

リサーチクエスチョン

• RQ1 異なる電力消費モデルおよびエネルギー効率指標は、グリーン5Gネットワークの評価にどのように影響を及えるか？
• RQ2 5G NR展開におけるマスティブ MIMOによって達成可能な理論的および実践的エネルギー節約はどの程度か？
• RQ3 レディルキャリア設計は、ネットワーク性能に悪影響を及げることなく、エネルギー消費をどのように低減するか？
• RQ4 5Gベースステーションにおける高度なスリープモードの最適運用ポイントおよびトレードオフは何か？
• RQ5 機械学習は、5Gネットワーク機能およびリソース管理におけるエネルギー効率をどのように向上させ得るか？

主な発見

• マスティブ MIMOはビームフォーミングおよび空間多重伝送により、スペクトル効率を著しく向上させ、ビットあたりのエネルギー消費を低減する。
• レディルキャリア設計は、低トラフィック状態における未使用帯域幅および制御オーバーヘッドの最小化により、回路および信号処理電力を低減する。
• RRC_INACTIVE や動的スリープサイクルを含む高度なスリープモードは、低活動期間中の基地局のエネルギー消費を最大で30–50％まで削減できる。
• 機械学習技術は、トラフィック需要の予測および能動的なエネルギー節約行動の実行を可能にするという可能性を示しているが、リアルタイム展開における課題は依然として残っている。
• 特に超信頼性低遅延通信（URLLC）シナリオにおいて、エネルギー効率と遅延の間には重要なトレードオフが存在する。
• 進展は見られるものの、エネルギー効率指標の標準化および異種5Gネットワーク展開全体にわたるAI駆動最適化の統合に関する顕著な研究ギャップが依然として存在する。