[논문 리뷰] Optimal Stochastic Coordinated Beamforming for Wireless Cooperative Networks with CSI Uncertainty

Yuanming Shi, Jun Zhang외 1명|arXiv (Cornell University)|2013. 12. 02.

Advanced MIMO Systems Optimization참고 문헌 48인용 수 4

한 줄 요약

이 논문은 채널 상태 정보(CSI)의 불확실성 하에서 무선 협업 네트워크에서 최적의 스토하스틱 공동 beamforming을 위한 새로운 확률적 DC 프로그래밍 알고리즘을 제안한다. 공동 확률 제약 조건을 차분-볼록(DC) 제약 조건으로 재구성함으로써, 볼록 문제에 대해서는 전역 최적 해를 달성하고 비볼록 문제에 대해서는 국소 최적 해를 제공하여 이전 방법이 단지 부분 최적 해를 제공하는 데서 벗어나 성능 기준을 제시한다.

ABSTRACT

Transmit optimization and resource allocation for wireless cooperative networks with channel state information (CSI) uncertainty are important but challenging problems in terms of both the uncertainty modeling and performance op- timization. In this paper, we establish a generic stochastic coordinated beamforming (SCB) framework that provides flex- ibility in the channel uncertainty modeling, while guaranteeing optimality in the transmission strategies. We adopt a general stochastic model for the CSI uncertainty, which is applicable for various practical scenarios. The SCB problem turns out to be a joint chance constrained program (JCCP) and is known to be highly intractable. In contrast to all the previous algo- rithms for JCCP that can only find feasible but sub-optimal solutions, we propose a novel stochastic DC (difference-of-convex) programming algorithm with optimality guarantee, which can serve as the benchmark for evaluating heuristic and sub-optimal algorithms. The key observation is that the highly intractable probability constraint can be equivalently reformulated as a DC constraint. This further enables efficient algorithms to achieve optimality. Simulation results will illustrate the convergence, conservativeness, stability and performance gains of the proposed algorithm.

연구 동기 및 목표

• 부정확한 채널 상태 정보(CSI)를 가진 무선 협업 네트워크에서 전송 전력 최소화 문제에 대응한다.
• 기존 알고리즘이 공동 확률 제약 조건 프로그램(JCCP)에 대해 타당하지만 부분 최적 해만을 제공하는 한계를 극복한다.
• 일般적인 스토하스틱 CSI 불확실성 모델 하에서 최적성 보장을 보장하는 프레임워크를 개발한다.
• 실제 무선 네트워크에서 히우리스틱 및 부분 최적 알고리즘 평가를 위한 성능 기준을 제공한다.
• 제한적인 가정 없이 CSI 불확실성의 탄력적 모델링을 가능하게 한다.

제안 방법

• 일般적인 스토하스틱 CSI 불확실성 하에서 공동 beamforming 문제를 공동 확률 제약 조건 프로그램(JCCP)으로 공식화한다.
• 확률적 QoS 제약 조건을 최적성 유지 가능한 차분-볼록(DC) 제약 조건으로 재구성하여 최적성 유지 최적화를 가능하게 한다.
• 재구성된 문제를 효율적으로 해결하기 위해 순차적 볼록 근사 기법을 활용한 스토하스틱 DC 프로그래밍 알고리즘을 제안한다.
• 몬테카를로 샘플링을 사용하여 스토하스틱 프로그램 내 기대값을 근사함으로써 KKT 점으로의 수렴을 보장한다.
• 볼록성 하에서는 전역 최적 해로 수렴하고, 否론 국소 최적 해로 수렴할 수 있도록 페널티 기반 재구성 방식을 도입한다.
• 표본 평균 근사(SAA) 및 SAA 추정기의 균일 수렴을 이용한 이론적 수렴 보장을 확립한다.

실험 결과

연구 질문

• RQ1 비볼록 문제일 경우 CSI 불확실성 하에서 공동 beamforming에 대해 전역 최적 해를 달성할 수 있는가?
• RQ2 확률적 QoS 요구 조건에서 유래하는 공동 확률 제약 조건은 어떻게 재구성하여 최적성 유지 알고리즘을 가능하게 할 수 있는가?
• RQ3 실제 무선 네트워크에서 제안된 최적 알고리즘과 기존 부분 최적 히우리스틱 방법 간의 성능 격차는 무엇인가?
• RQ4 특정 분포나 오차 구조를 가정하지 않고, 일반적인 CSI 불확실성 모델을 어떻게 처리하는가?
• RQ5 샘플링 기반 근사 하에서 이론적 보장 하에 알고리즘이 KKT 점으로 수렴하는가?

주요 결과

• 제안된 스토하스틱 DC 프로그래밍 알고리즘은 공동 beamforming 문제의 볼록 인스턴스에 대해 전역 최적 해를 달성한다.
• 비볼록 문제에 대해서는 국소 최적 해로 수렴하며, 이전에는 존재하지 않았던 이론적 최적성 보장을 제공한다.
• 기존의 시나리오 접근법과 버지너 스티프니제이션(approximation)과 비교해 성능이 뛰어나며, 이는 타당하지만 부분 최적 해만을 제공한다.
• 시뮬레이션 결과는 수렴성, 안정성 및 기존 강건 최적화 방법 대비 낮은 보수성(conservativeness)을 입증한다.
• 재구성된 DC 프로그램에서 변수 κ는 대부분 실용적 시나리오에서 0으로 수렴하여 최적화에서 확률 제약 조건의 날카로움(tightness)을 나타낸다.
• 이론적 분석을 통해 표본 평균 근사(SAA) 추정기가 표본 크기가 증가함에 따라 확률 1로 진짜 값으로 수렴함을 확인한다.