[論文レビュー] Opportunistic Multiuser Scheduling in a Three State Markov-modeled Downlink

Sugumar Murugesan, Philip Schniter|ArXiv.org|Apr 10, 2009

Advanced Wireless Network Optimization参考文献 21被引用数 3

ひとこと要約

本稿は、3状態のマコフ変調下行リンクにおける機会的マルチユーザースケジューリング方式を提案する。チャネル状態推定値はARQフィードバックから得られる。POMDPフレームワークを用いて、特定のチャネル統計のもとでグリーディー方針が最適であることを証明し、2種類のシステムタイプにおけるラウンドロビンベースの実装構造と性能バウンドを導出する。

ABSTRACT

We consider the downlink of a cellular system and address the problem of multiuser scheduling with partial channel information. In our setting, the channel of each user is modeled by a three-state Markov chain. The scheduler indirectly estimates the channel via accumulated Automatic Repeat Request (ARQ) feedback from the scheduled users and uses this information in future scheduling decisions. Using a Partially Observable Markov Decision Process (POMDP), we formulate a throughput maximization problem that is an extension of our previous work where the channels were modeled using two states. We recall the greedy policy that was shown to be optimal and easy to implement in the two state case and study the implementation structure of the greedy policy in the considered downlink. We classify the system into two types based on the channel statistics and obtain round robin structures for the greedy policy for each system type. We obtain performance bounds for the downlink system using these structures and study the conditions under which the greedy policy is optimal.

研究の動機と目的

• 現実的で記憶を持つ下りリンク環境において、部分的チャネル状態情報を持つマルチユーザースケジューリングを扱う。
• 先行研究の2状態マコフチャネルモデルを3状態モデルに拡張し、より細分化されたチャネル識別を可能にする。
• 部分的観測下でのPOMDPフレームワークにおいて、グリーディー方針の最適性と実装可能性を分析する。
• チャネル統計に基づいて、グリーディー方針の性能バウンドと構造的実装（ラウンドロビンなど）を導出する。

提案手法

• 各ユーザーのチャネルを、3×3の遷移行列Pで制御される時系列相関のある3状態マコフ連鎖としてモデル化する。
• スケジューリングされたユーザーからのARQフィードバックを用いて、チャネル状態を間接的に推定し、時間経過に伴う信念ベクトルを形成する。
• 部分的観測可能なマコフ意思決定過程（POMDP）を適用し、スルーレット最大化スケジューリング問題を定式化する。
• チャネル統計に基づいて2種類のシステムタイプに分類し、グリーディー方針のための異なるラウンドロビン実装構造を導出する。
• 信念ベクトルの比較と行列不等式を用いて、グリーディー方針の最適性の十分条件を導出する。
• ジェイン・エイデッドシステム（完全なチャネル状態情報が利用可能）との比較により性能バウンドを確立し、信念状態の定常状態への収束を分析する。

実験結果

リサーチクエスチョン

• RQ1 ARQフィードバックを伴う3状態マコフ下りリンクにおいて、グリーディー方針が最適となるのはどのようなチャネル統計のもとでか？
• RQ2 グリーディー方針は実際にはどのように効率的に実装可能であり、システム分類から生じる構造的形態（例：ラウンドロビン）は何か？
• RQ3 異なるチャネルモデル下で、グリーディー方針に導出可能な性能バウンドは何か？
• RQ4 ARQフィードバックのみが利用可能な状況で、信念状態の進化はスケジューリング意思決定にどのように影響を与えるか？
• RQ5 部分的観測と遅延フィードバックが存在する中で、グリーディー方針が最適のままであるために必要な条件は何か？

主な発見

• 十分条件を満たす場合、グリーディー方針は最適である。この十分条件は、信念状態の成分と遷移確率の間の不等式比較を含む。
• チャネル統計に基づく2種類のシステムタイプそれぞれについて、グリーディー方針の効率的実装を可能にするラウンドロビン構造が導出された。
• 完全なチャネル状態情報が利用可能なジェイン・エイデッドシステムとの比較により、性能バウンドが確立された。
• ユーザーの信念ベクトルは定常分布pssに収束し、スケジューリング意思決定における長期的安定性が保証された。
• ARQフィードバック履歴から導出される6通りのすべての可能な信念状態構成において、最適性の十分条件が成り立つ。これは遅延フィードバックや繰り返しフィードバックが発生する場合も含む。
• すべての状態でp12 = p22 = p32の対称性を持つことにより、信念ベクトルの比較が簡略化され、最適性の証明に不可欠な役割を果たした。