[논문 리뷰] Decentralized Baseband Processing for Massive MU-MIMO Systems

Kaipeng Li, Rishi Sharan외 4명|arXiv (Cornell University)|2017. 02. 15.

Advanced MIMO Systems Optimization참고 문헌 27인용 수 3

한 줄 요약

이 논문은 수천 개의 안테나를 갖는 대규모 MU-MIMO 시스템을 위한 탈중앙화된 베이스밴드 처리(DBP) 아키텍처를 제안한다. 이 아키텍처는 기지국(BS) 안테나 어레이를 각각 독립적인 RF 체인, 변조 회로 및 계산 하드웨어를 갖춘 클러스터로 분할한다. 새로운 ADMM 기반의 데이터 검출 및 beamforming 알고리즘을 사용함으로써, 지역 채널 상태 정보(CSI)에만 의존하여 상호 연결 대역폭과 계산 복잡도를 크게 감소시키면서도 거의 최적에 가까운 오류율 성능을 달성한다. 이는 수천 개의 안테나를 갖는 시스템에 대해 확장 가능한 GPU 클러스터 기반 구현을 통해 검증되었다.

ABSTRACT

Achieving high spectral efficiency in realistic massive multi-user (MU) multiple-input multiple-output (MIMO) wireless systems requires computationally-complex algorithms for data detection in the uplink (users transmit to base-station) and beamforming in the downlink (base-station transmits to users). Most existing algorithms are designed to be executed on centralized computing hardware at the base-station (BS), which results in prohibitive complexity for systems with hundreds or thousands of antennas and generates raw baseband data rates that exceed the limits of current interconnect technology and chip I/O interfaces. This paper proposes a novel decentralized baseband processing architecture that alleviates these bottlenecks by partitioning the BS antenna array into clusters, each associated with independent radio-frequency chains, analog and digital modulation circuitry, and computing hardware. For this architecture, we develop novel decentralized data detection and beamforming algorithms that only access local channel-state information and require low communication bandwidth among the clusters. We study the associated trade-offs between error-rate performance, computational complexity, and interconnect bandwidth, and we demonstrate the scalability of our solutions for massive MU-MIMO systems with thousands of BS antennas using reference implementations on a graphic processing unit (GPU) cluster.

연구 동기 및 목표

• 수천 개의 안테나를 갖는 대규모 MU-MIMO 시스템에서 중심 집중식 베이스밴드 처리의 금지된 상호 연결 및 계산 병목 현상을 해결하기 위해.
• 현재의 상호 연결(예: CPRI) 및 칩 I/O 대역폭 한계를 초월하는 200 Gbit/s 이상의 원시 베이스밴드 데이터 전송률을 감소시키기 위해.
• 안테나 클러스터에 걸쳐 신호 처리를 탈중앙화하여 확장 가능하고 모듈형이며 에너지 효율적인 BS 설계를 가능하게 하기 위해.
• 중앙 집중식 처리를 피하면서도 ZF/MMSE 방법과 유사한 거의 최적의 스펙트럼 효율을 달성하기 위해.
• 수천 개의 안테나를 갖는 대규모 안테나 어레이에서의 GPU 기반 기준 구현을 통해 타당성과 확장성을 입증하기 위해.

제안 방법

• 기지국 안테나 어레이를 C개의 독립적인 클러스터로 분할하며, 각 클러스터는 자체 RF 체인, 아날로그/디지털 회로 및 지역 계산 하드웨어를 갖춘다.
• 지역 채널 상태 정보(CSI)만을 사용하고 클러스터 간 최소한의 공감 정보를 교환하는 새로운 ADMM 기반의 데이터 검출 알고리즘을 개발한다.
• 다운링크를 위한 일반화된 ADMM 기반의 beamforming 알고리즘을 설계하여 지역 CSI를 사용하고 클러스터 간 통신 대역폭을 낮춘다.
• 큰 규모의 최적화 문제를 클러스터당 더 작은 분산형 하위문제로 분해하기 위해 최대화 방법의 교차 방향(ADMM)을 사용한다.
• 각 클러스터 내에서 효율적으로 지역 하위문제를 해결하기 위해 공액 기울기 방법을 사용한다.
• 수천 개의 안테나를 갖는 시스템에서의 확장성과 성능을 검증하기 위해 GPU 클러스터에 알고리즘을 구현한다.

실험 결과

연구 질문

• RQ1 탈중앙화된 베이스밴드 처리는 대규모 MU-MIMO 시스템에서 상호 연결 대역폭을 크게 감소시키면서도 거의 최적의 오류율 성능을 달성할 수 있는가?
• RQ2 탈중앙화 아키텍처에서 계산 복잡도, 오류율, 클러스터 간 통신 대역폭 간의 트레이드오프는 어떻게 행동하는가?
• RQ3 ADMM 기반 알고리즘이 지역 CSI만을 사용하여 확장 가능하고 국소화된 데이터 검출 및 beamforming을 가능하게 할 수 있는가?
• RQ4 실제로 대규모 MU-MIMO 구성에서 탈중앙화 처리의 성능 한계는 중심 집중식 ZF/MMSE와 비교해 어떻게 되는가?
• RQ5 실제로 수천 개의 BS 안테나를 갖는 시스템에 대해 제안된 아키텍처는 어떻게 확장되는가?

주요 결과

• 제안된 탈중앙화된 데이터 검출 및 beamforming 알고리즘은 중심 집중식 ZF/MMSE 방법과 거의 동일한 오류율 성능을 달성한다.
• 알고리즘은 지역 채널 상태 정보(CSI)만을 요구하며 최소한의 공감 데이터를 교환하여 클러스터 간 통신을 원시 베이스밴드 데이터 전송률의 일부분으로 줄인다.
• GPU 클러스터 기반의 구현은 수천 개의 안테나를 갖는 대규모 MU-MIMO 시스템에 대한 확장성을 입증하며 고속도를 달성한다.
• 이 방법은 현재의 고속 상호 연결 기술이 감당할 수 있는 수준으로 상호 연결 대역폭 요구량을 감소시켜 중심 집중식 설계의 주요 병목 현상을 해결한다.
• 이 방법은 실용적인 5G 배포에 적합한 모듈형이고 확장 가능한 BS 아키텍처를 가능하게 한다.
• 미래의 FPGA 또는 ASIC 구현은 상당히 향상된 에너지 효율성을 갖춘 Gb/s 수준의 전송 속도를 달성할 것으로 기대된다.