[論文レビュー] Deploying Dense Networks for Maximal Energy Efficiency: Small Cells Meet Massive MIMO

Emil Björnson, Luca Sanguinetti+1 more|arXiv (Cornell University)|May 5, 2015

Advanced MIMO Systems Optimization参考文献 33被引用数 9

ひとこと要約

本稿は、確率的幾何学を用いた解析的フレームワークを提案し、基地局（BS）密度、送信電力、アンテナ数、1セルあたりの端末数、パイロット再利用を統合最適化することで、超密なセルラー網におけるエネルギー効率（EE）を最適化する。マスティブ MIMO と小セルを組み合わせることで、アレイゲインを活用して干渉を抑制し、1ユーザーあたりのエネルギーコストを低減でき、EEの向上は高密度BS環境では飽和する。

ABSTRACT

How would a cellular network designed for maximal energy efficiency look like? To answer this fundamental question, tools from stochastic geometry are used in this paper to model future cellular networks and obtain a new lower bound on the average uplink spectral efficiency. This enables us to formulate a tractable uplink energy efficiency (EE) maximization problem and solve it analytically with respect to the density of base stations (BSs), the transmit power levels, the number of BS antennas and users per cell, and the pilot reuse factor. The closed-form expressions obtained from this general EE maximization framework provide valuable insights on the interplay between the optimization variables, hardware characteristics, and propagation environment. Small cells are proved to give high EE, but the EE improvement saturates quickly with the BS density. Interestingly, the maximal EE is achieved by also equipping the BSs with multiple antennas and operate in a "massive MIMO" fashion, where the array gain from coherent detection mitigates interference and the multiplexing of many users reduces the energy cost per user.

研究の動機と目的

• 増加するデータトラフィック需要に応じて、最大のエネルギー効率を達成するためのセルラー網設計という根本的課題に取り組む。
• 確率的幾何学を用いて小セルとマスティブ MIMO を組み合わせた超密ネットワークをモデル化し、取り扱いやすいEEの式を導出する。
• エネルギー効率を最大化するための主要なネットワークパラメータ（BS密度、送信電力、アンテナ数、1セルあたりのユーザー数、パイロット再利用）を統合最適化する。
• ハードウェア特性、伝搬条件、最適化変数の間の相互作用を定量化する。
• 実用的な5Gネットワークのエネルギー効率化のための解析的指針を提供する。

提案手法

• 基地局（BS）の空間的ランダム分布をモデル化するためにポアソン点過程（PPP）を用いる。
• 確率的幾何学を適用し、上行リンクスペクトル効率の下界を導出し、取り扱いやすいエネルギー効率（EE）の最大化を可能にする。
• BS密度、送信電力、アンテナ数、1セルあたりのユーザー数、パイロット再利用係数に関して最適化することで、EEの閉形式式を導出する。
• 典型的なユーザー接続モデルとPPPフレームワーク内での典型性の議論を用いて、上行リンク干渉およびチャネル推定誤差をモデル化する。
• 優勢収束定理とモーメント計算を用いて、PPPにおけるランダム距離の複雑な期待値を評価する。
• ホルダーの不等式と幾何確率を用いて干渉項をバインドし、EEのタイトな解析的バインドを導出する。

実験結果

リサーチクエスチョン

• RQ1 小セル環境における基地局（BS）密度の増加に伴い、セルラー網のエネルギー効率（EE）はどのように変化するか？
• RQ2 マスティブ MIMO を小セルと組み合わせた場合、EEを最大化するための1基地局あたりのアンテナ数の最適値は何か？
• RQ3 1セルあたりのユーザー数とパイロット再利用係数は、超密ネットワークにおける達成可能なEEにどのように影響するか？
• RQ4 マスティブ MIMO は、超密展開環境において、従来の MIMO と比較して、1ユーザーあたりのエネルギーコストをどの程度低減できるか？
• RQ5 小セルによるEE向上は、基地局密度の増加に伴い飽和するか？その理由は何か？

主な発見

• 小セルはエネルギー効率を顕著に向上させるが、回路電力消費の増加により、基地局密度の増加に伴いEEの向上は急速に飽和する。
• 1基地局あたり100以上のアンテナを備えたマスティブ MIMO の導入により、アレイゲインを活用して干渉を抑制し、放射電力を低減することで、最大のEEを達成できる。
• 最適な設定により、マスティブ MIMO によるスペクトル効率の向上と、高密度なハードウェア導入に伴う回路電力コストのバランスを取ることで、最大のEEが達成される。
• 導出された閉形式式から、1セルあたりのユーザー数がアンテナ数に比例する場合に、効率的なマルチユーザー多重が可能となり、EEが最大化されることが示された。
• EEは有限のBS密度で最大値を示すため、ネットワークの高密度化だけでは、ある点を超えるとEEが向上しないことが示された。
• 解析から、パイロット汚染と隣接セルからの干渉がEE向上を制限するが、これらはマスティブ MIMO のビームフォーミングと最適なパイロット再利用によって緩和される。