[论文解读] Cell-Free Massive MIMO with Large-Scale Fading Decoding and Dynamic Cooperation Clustering

Özlem Tuğfe Demir, Emil Björnson+1 more|arXiv (Cornell University)|Apr 16, 2021

Advanced MIMO Systems Optimization参考文献 18被引用 5

一句话总结

本文提出一种以用户为中心的无蜂窝大规模MIMO系统，结合动态协作聚类（DCC）与大尺度衰落解码（LSFD）的三级处理阶段，显著降低了回传信令和计算复杂度，同时保持接近最优的频谱效率。该文提出一种近乎最优的LSFD方案，并设计了一种定点算法以联合优化LSFD与最大-最小公平功率控制，实现高达50%的中位频谱效率增益，相比二级系统，LSFD计算复杂度降低70倍，性能损失可忽略不计。

ABSTRACT

This paper considers the uplink of user-centric cell-free massive MIMO (multiple-input multiple-output) systems. We utilize the user-centric dynamic cooperation clustering (DCC) framework and derive the achievable spectral efficiency with two-layer decoding that is divided between the access points and the central processing unit (CPU). This decoding method is also known as large-scale fading decoding (LSFD). The fronthaul signaling load is analyzed and a nearly optimal second-layer decoding scheme at the CPU is proposed to reduce the fronthaul requirements compared to the optimal scheme. We also revisit the joint optimization of LSFD weights and uplink power control and show that the corresponding max-min fair optimization problem can be solved optimally via an efficient fixed-point algorithm. We provide simulations that bring new insights into the cell-free massive MIMO implementation.

研究动机与目标

• 为解决无蜂窝大规模MIMO中的可扩展性问题，引入以用户为中心的动态协作聚类（DCC），以减少回传信令和计算负载。
• 分析在三级无蜂窝大规模MIMO系统中，采用DCC与LSFD时的频谱效率（SE）与回传信令负载。
• 提出一种近乎最优的LSFD方案，以减少回传需求，同时避免频谱效率的显著下降。
• 设计一种定点算法，用于联合优化LSFD权重与最大-最小公平上行链路功率控制，实现低复杂度且全局最优的解决方案。

提出的方法

• 采用两级解码框架：每个接入点（AP）进行本地处理，中央处理单元（CPU）执行大尺度衰落解码（LSFD）。
• 应用动态协作聚类（DCC）形成以用户为中心的AP集群，减少服务每个用户的AP数量，降低冗余信令。
• 推导出在任意本地合并器和最优LSFD下频谱效率的闭式表达式，支持性能分析。
• 通过基于信道统计信息构建AP的缩减集合，提出一种近乎最优的LSFD方案，显著降低回传信令负载。
• 提出一种定点算法，用于联合优化LSFD与最大-最小公平功率控制，其闭式更新方式可收敛至全局最优。
• 以LSFD计算中复标量交换数量、统计参数和上行链路信号数量来量化回传信令负载。

实验结果

研究问题

• RQ1 以用户为中心的动态协作聚类（DCC）在三级处理的无蜂窝大规模MIMO系统中，对频谱效率与回传信令负载有何影响？
• RQ2 能否设计一种近乎最优的LSFD方案，在保持频谱效率接近最优LSFD的同时，降低回传信令？
• RQ3 LSFD与最大-最小公平功率控制的联合优化对无蜂窝大规模MIMO中最低用户频谱效率有何影响？
• RQ4 所提出的LSFD与功率控制联合优化的定点算法在复杂度与性能上相比现有求解器表现如何？
• RQ5 与原始无蜂窝大规模MIMO系统相比，所提出的基于DCC的LSFD方案在LSFD计算复杂度与回传信令负载方面分别实现了多大程度的降低？

主要发现

• 所提出的以用户为中心的无蜂窝大规模MIMO系统结合DCC，其频谱效率与原始系统几乎相同，即使在中位频谱效率下也仅有可忽略的性能差距。
• 所提出的近乎最优LSFD方案（R=5）将交换的统计参数数量减少640个（相比最优LSFD的1301个），实现5.2倍的回传信令负载降低。
• 通过DCC，LSFD计算复杂度降低约70倍（从343,300次复数乘法降至5,025次）。
• 用于联合LSFD与最大-最小公平功率控制的定点算法具有全局收敛性，且支持闭式更新，实现低复杂度优化。
• 在最大-最小公平功率控制下，每个用户的最小频谱效率显著提升，尤其在最坏情况下的性能改善明显，优于全上行链路功率传输方案。
• 近乎最优LSFD方案（R=5）在频谱效率上与最优LSFD几乎完全一致，同时相比R=1方案，统计参数交换量减少50%。