[论文解读] Sum-Rate Maximization for Movable Antenna Enabled Multiuser Communications

Zhenqiao Cheng, Nanxi Li+2 more|arXiv (Cornell University)|Sep 20, 2023

Advanced MIMO Systems Optimization被引用 5

一句话总结

本文提出了一种基于可移动天线（MA）的下行链路多用户MISO系统，通过联合优化波束成形与MA位置以最大化和速率。利用分数规划与交替优化方法，该方案相比固定位置天线（FPA）基准的和速率最高提升123.3%，证明了通过动态空间自由度利用可实现显著的性能增益。

ABSTRACT

A novel multiuser communication system with movable antennas (MAs) is proposed, where the antenna position optimization is exploited to enhance the downlink sum-rate. The joint optimization of the transmit beamforming vector and transmit MA positions is studied for a multiuser multiple-input single-input system. An efficient algorithm is proposed to tackle the formulated non-convex problem via capitalizing on fractional programming, alternating optimization, and gradient descent methods. To strike a better performance-complexity trade-off, a zero-forcing beamforming-based design is also proposed as an alternative. Numerical investigations are presented to verify the efficiency of the proposed algorithms and their superior performance compared with the benchmark relying on conventional fixed-position antennas (FPAs).

研究动机与目标

• 通过引入可移动天线（MAs）实现动态信道重构，以解决传统固定位置天线（FPA）系统中空间自由度（DoFs）受限的问题。
• 建立并求解一个非凸联合优化问题，即波束成形向量与MA位置的联合优化，以最大化多用户MISO系统中的下行链路和速率。
• 开发高复杂度分数规划解法的低复杂度替代方案，同时保持优异性能。
• 证明基于MA的系统相比基于FPA的系统具有更多自由度和更高的频谱效率。

提出的方法

• 建立一个涉及波束成形向量与可移动天线（MA）位置联合优化的非凸和速率最大化问题。
• 采用分数规划（FP）将和速率最大化问题转化为一系列凹子问题，以实现迭代求解。
• 应用交替优化：使用梯度下降法与回溯线搜索，迭代优化波束成形与MA位置。
• 提出一种基于迫零（ZF）的设计作为低复杂度替代方案，显著降低计算负载，同时保持良好性能。
• 采用基于场响应的信道模型，将信道向量表示为MA位置的函数，包含路径损耗、相位偏移与多径分量。
• 实施一种基于定点迭代与收敛阈值的收敛机制，以确保优化过程的稳定性。

Figure 1: The MA-enabled multiuser communication system

实验结果

研究问题

• RQ1 与固定位置天线相比，波束成形与可移动天线（MA）位置的联合优化是否能在多用户MISO系统中显著提升下行链路和速率？
• RQ2 所提出的分数规划（FP）算法在和速率与计算复杂度方面，与基于迫零（ZF）的设计相比表现如何？
• RQ3 MA移动区域大小对可实现和速率的影响是什么？有限区域是否足以实现最优性能？
• RQ4 在频谱效率方面，MA基于波束成形相比采用ZF预编码的常规FPA系统，优势有多大？
• RQ5 所提算法是否能可靠收敛？其收敛速度与计算成本如何随系统参数变化？

主要发现

• 在5 dBm发射功率下，所提FP算法相比FPA基准实现33.1%的和速率增益，证明了频谱效率的显著提升。
• 在相同功率水平下，ZF算法相比FPA基准实现123.3%的和速率增益，凸显了即使在低复杂度下，MA波束成形仍具显著有效性。
• FP算法约在12次迭代内收敛，而ZF算法约在5次迭代内收敛，表明低复杂度方案收敛更快。
• ZF算法所需的CPU时间显著少于FP方法，证实其在计算效率方面的优越性。
• 和速率随归一化MA移动区域大小（A/λ）增加而提升，当A/λ > 3时，FP算法达到最优性能，表明有限区域足以实现近似最优性能。
• 采用FP的MA系统相比采用ZF的FPA系统，和速率提升超过六倍，充分证明了波束成形与位置联合优化的优越性。

(a) Number of iterations. $A=2\lambda$ .