[논문 리뷰] Opportunistic Scheduling in Heterogeneous Networks: Distributed Algorithms and System Capacity

Dor-Joseph Kampeas, Asaf Cohen외 1명|arXiv (Cornell University)|2012. 02. 01.

Advanced Wireless Network Optimization참고 문헌 33인용 수 8

한 줄 요약

이 논문은 채널 상태 정보(CSI) 교환 또는 사용자 간 신호 전송 없이도 중심 집중식 성능에 가까운 성능을 달성하는 다중 사용자 MIMO 시스템을 위한 분산형 기회적 스케줄링 알고리즘을 제안한다. 새로운 점과정 근사 기법을 사용하여 비동일한 사용자 분포와 다양한 QoS 제약 조건 하에서 시스템 용량에 대한 정확한 해석적 표현을 유도하며, 최소한의 오버헤드로 최적에 가까운 성능을 보여준다.

ABSTRACT

In this work, we design and analyze novel distributed scheduling algorithms for multi-user MIMO systems. In particular, we consider algorithms which do not require sending channel state information to a central processing unit, nor do they require communication between the users themselves, yet, we prove their performance closely approximates that of a centrally-controlled system, which is able to schedule the strongest user in each time-slot. Our analysis is based on a novel application of the Point-Process approximation. This novel technique allows us to examine non-homogeneous cases, such as non-identically distributed users, or handling various QoS considerations, and give exact expressions for the capacity of the system under these schemes, solving analytically problems which to date had been open. Possible application include, but are not limited to, modern 4G networks such as 3GPP LTE, or random access protocols.

연구 동기 및 목표

• 중앙 집중식 CSI 수집 및 사용자 간 신호 전송을 피하는 다중 사용자 MIMO 시스템을 위한 분산 스케줄링 알고리즘 설계
• 비동일한 사용자 채널 분포와 다양한 QoS 요구 조건 하에서 시스템 용량 분석
• 점과정 근사를 사용한 새로운 해석적 프레임워크를 개발하여 시스템 용량을 정확히 모델링하고 계산
• 분산형 방법이 중심 집중식 시스템의 성능에 근접한 성능를 달성할 수 있음을 입증
• 비균일하고 QoS 제약이 있는 스케줄링 환경에서의 용량 분석에 있어 오랫동안 미해결된 문제 해결

제안 방법

• 비동일하게 분포된 시스템에서 스케줄링 대상 사용자 분포를 모델링하기 위해 새로운 점과정 근사 기법 도입
• 극값 이론(EVT)과 일반화된 극값(GEV) 분포를 적용하여 각 타임슬롯에서 가장 강한 사용자의 통계적 행동 특성 기술
• 순서 통계 및 표준 정규분포 꼬리 근사법을 사용하여 渐近 정규화 상수 $ a_n $ 및 $ b_n $ 유도
• empirical 점과정 $ P_n $ 이 포아송 과정 $ P $ 로 수렴함을 입증하여 정확한 용량 계산 가능
• 선택된 최적 사용자 확률을 누적분포함수 및 꼬리 행동과 연결하여 시스템 용량에 대한 해석적 표현 유도
• 엄격한 점근적 분석을 통해 $ n \to \infty $ 일 때 $ E[N_n(B)] \to E[N(B)] $ 및 $ \Pr(N_n(B)=0) \to \Pr(N(B)=0) $ 수렴 성립을 검증

실험 결과

연구 질문

• RQ1 분산 스케줄링 알고리즘이 중앙 집중식 CSI 피드백 없이도 최적에 가까운 시스템 용량을 달성할 수 있는가?
• RQ2 비동일한 사용자 분포와 QoS 제약 조건 하에서 시스템 용량에 대한 정확한 해석적 표현은 무엇인가?
• RQ3 점과정 근사는 이질적 네트워크에서 기회적 스케줄링의 성능를 모델링하고 분석하는 데 어떻게 활용될 수 있는가?
• RQ4 제안된 방법은 극값 이론 기반 기존 결과를 어느 정도 일반화하는가?
• RQ5 실제로 비i.i.d. 사용자 조건 하에서 분산 스케줄링과 중심 제어 스케줄링 간의 성능 격차는 어느 정도인가?

주요 결과

• 제안된 분산 알고리즘은 각 타임슬롯에서 가장 강한 사용자를 스케줄링하는 중심 집중식 시스템의 성능에 매우 가까운 시스템 용량을 달성한다.
• 점과정 근사는 비동일한 사용자 분포와 QoS 제약 조건 하에서도 정확한 해석적 용량 계산을 가능하게 하여 이전에 열려 있던 문제를 해결한다.
• 방법은 $ n $개의 i.i.d. 가우시안 랜덤 변수의 최대값이 정규화 상수 $ a_n = (2\log n)^{-1/2} $ 및 $ b_n = (2\log n)^{1/2} - \frac{1}{2}(2\log n)^{-1/2}(\log\log n + \log 4\pi) $ 를 사용해 구글 분포로 수렴함을 입증한다.
• 분석 결과, 임계값 $ v $ 를 초과하는 사용자가 없는 확률이 $ \exp[-(1 + \xi v)_+^{-1/\xi}] $ 로 수렴함을 확인하여 포아송 과정 수렴을 확인한다.
• 프레임워크는 최적 성능에 $ O(\sqrt{2\log K}) $ 요소 이내로 도달하며, 극값 이론에서 알려진 스케일링 법칙과 일치한다.
• 이론적으로 이전에 해석적으로 다루기 어려웠던 비균일한 시나리오, 예를 들어 이질적 사용자 또는 다양한 QoS 요구 조건 하에서도 정확한 용량 표현을 가능하게 한다.