[论文解读] Robust Geometry-Based User Scheduling for Large MIMO Systems Under Realistic Channel Conditions

Manijeh Bashar, Alister G. Burr+3 more|arXiv (Cornell University)|Jul 13, 2017

Advanced MIMO Systems Optimization被引用 6

一句话总结

该论文提出了一种基于几何的用户调度（GUS）算法，用于大规模MIMO系统，该算法仅根据用户的空域位置和已知的簇位置选择用户，从而避免了基站获取完整信道状态信息（CSI）的需求。尽管信道估计开销降低，该方案的频谱效率仍可达到最优贪婪加权团（GWC）方案的数个百分点以内，表现出对簇定位误差的鲁棒性。

ABSTRACT

The problem of user scheduling with reduced overhead of channel estimation in the uplink of Massive multiple-input multiple-output (MIMO) systems has been considered. A geometry-based stochastic channel model (GSCM), called the COST 2100 channel model has been used for realistic analysis of channels. In this paper, we propose a new user selection algorithm based on knowledge of the geometry of the service area and location of clusters, without having full channel state information (CSI) at the base station (BS). The multi-user link correlation in the GSCMs arises from the common clusters in the area. The throughput depends on the position of clusters in the GSCMs and users in the system. Simulation results show that although the BS does not require the channel information of all users, by the proposed geometry-based user scheduling algorithm the sum-rate of the system is only slightly less than the well-known greedy weight clique scheme. Finally, the robustness of the proposed algorithm to the inaccuracy of cluster localization is verified by the simulation results.

研究动机与目标

• 解决大规模MIMO上行链路系统中因需要基站获取完整CSI而导致的高信道估计开销问题。
• 通过消除所有用户实时CSI估计的需求，降低系统复杂度和反馈信令开销。
• 利用基于COST 2100的信道模型中多径簇的几何结构，实现高效的用户调度。
• 设计一种鲁棒的用户选择机制，即使在簇定位不准确的情况下仍能保持有效性。
• 证明即使在未获取全部用户CSI的情况下，仍可利用多用户分集增益实现显著的频谱效率增益。

提出的方法

• 采用基于几何的随机信道模型（GSCM），具体为COST 2100模型，以表征具有空间分布簇的现实多径传播特性。
• 提出一种用户调度算法，仅基于用户关联的独立簇数量进行选择，且仅依赖用户和簇的位置信息。
• 假设簇位置已知并可离线估计，从而降低实时反馈需求。
• 在基站端采用迫零（ZF）接收机以抑制上行链路中的用户间干扰。
• 采用贪心选择策略，通过最大化所选用户之间的簇多样性来增强空间复用增益。
• 通过300次随机用户和簇实例的蒙特卡洛仿真，在真实信道条件（包括阴影衰落和路径损耗）下评估性能。

实验结果

研究问题

• RQ1 是否可以通过利用簇和用户位置的几何知识，在不依赖基站完整CSI的情况下实现大规模MIMO中的有效用户调度？
• RQ2 所提出的基于几何的用户调度（GUS）方案与具备完整CSI的最优贪婪加权团（GWC）方案相比，频谱效率表现如何？
• RQ3 在真实估计误差边界下，所提出的GUS算法对簇定位误差的鲁棒性如何，其性能退化程度如何？
• RQ4 与传统基于CSI的方案相比，GUS算法在信道估计开销方面实现了多大程度的降低？
• RQ5 当并非所有用户都提供CSI时，多用户分集增益是否仍能在大规模MIMO中提供显著的频谱效率增益？

主要发现

• 尽管未从非选中用户获取CSI，所提出的GUS算法仍可实现与最优贪婪加权团（GWC）方案约5–10%以内的频谱效率。
• 与GWC方案相比，GUS的信道估计负载显著降低，最高可达10倍，且负载随$2MK_s$缩放。
• 即使引入簇定位误差，频谱效率仍保持稳定，性能下降小于3 dB，适用于多种估计误差范围（基于$ ext{CRLB}( ho)$的误差边界）。
• 对于$M=200$根天线和$K_s=10$名用户，在2 GHz频段和20 MHz带宽下，GUS方案的频谱效率约为18–20 bps/Hz。
• 该算法在室内和室外微小区环境中均保持优异性能，尤其在丰富的散射场景中能有效利用簇多样性。
• 鲁棒性分析表明，即使簇参数（延迟、方位角、仰角）的估计误差达到$ ext{CRLB}( ho) \times \text{factor}$，对频谱效率的影响也极小。