[论文解读] Cross-Layer Optimization of MIMO-Based Mesh Networks with Gaussian Vector Broadcast Channels

Jia Liu, Yunxian Hou|ArXiv.org|Apr 7, 2007

Advanced MIMO Systems Optimization参考文献 22被引用 5

一句话总结

本文提出了一种用于MIMO-网络的跨层优化框架，联合优化了脏纸编码（DPC）功率分配与多跳/多路径路由。通过利用信道对偶性将非凸问题转化为凸的对偶MIMO-MAC问题，采用拉格朗日对偶分解、共轭梯度投影和割平面法，相较于传统的时分复用（TDM），实现了34.4%的网络性能增益。

ABSTRACT

MIMO technology is one of the most significant advances in the past decade to increase channel capacity and has a great potential to improve network capacity for mesh networks. In a MIMO-based mesh network, the links outgoing from each node sharing the common communication spectrum can be modeled as a Gaussian vector broadcast channel. Recently, researchers showed that ``dirty paper coding'' (DPC) is the optimal transmission strategy for Gaussian vector broadcast channels. So far, there has been little study on how this fundamental result will impact the cross-layer design for MIMO-based mesh networks. To fill this gap, we consider the problem of jointly optimizing DPC power allocation in the link layer at each node and multihop/multipath routing in a MIMO-based mesh networks. It turns out that this optimization problem is a very challenging non-convex problem. To address this difficulty, we transform the original problem to an equivalent problem by exploiting the channel duality. For the transformed problem, we develop an efficient solution procedure that integrates Lagrangian dual decomposition method, conjugate gradient projection method based on matrix differential calculus, cutting-plane method, and subgradient method. In our numerical example, it is shown that we can achieve a network performance gain of 34.4% by using DPC.

研究动机与目标

• 为解决在网状网络中整合最优MIMO广播传输（DPC）与路由及功率控制的跨层设计研究不足的问题。
• 解决在MIMO网状网络中联合DPC功率分配与多跳/多路径路由所引发的复杂非凸优化问题。
• 展示在多天线网状网络中，DPC相较于传统时分复用（TDM）的性能增益。
• 开发一种基于对偶性和分解技术的高效求解方法，用于求解转换后的凸问题。
• 对DPC对MIMO网状网络容量及跨层设计的影响进行严谨且系统的分析。

提出的方法

• 利用MIMO广播信道（MIMO-BC）与MIMO多址接入信道（MIMO-MAC）之间的信道对偶性，将原始的非凸跨层优化问题转化为等价的凸问题。
• 应用拉格朗日对偶分解，将问题分解为对偶子问题和原始子问题，实现分布式优化。
• 使用矩阵微分学推导共轭梯度投影法，以高效求解链路层功率分配子问题。
• 采用割平面法迭代逼近对偶问题，并收敛至最优解。
• 使用次梯度法进行对偶优化，通过自适应步长选择确保收敛性。
• 将所有组件整合为统一的求解流程，兼顾收敛速度与最优性。

实验结果

研究问题

• RQ1 与传统的时分复用（TDM）相比，脏纸编码（DPC）是否能显著提升MIMO网状网络的网络容量？
• RQ2 在MIMO网状网络中，如何高效地形式化并求解DPC功率分配与多跳/多路径路由的联合优化问题？
• RQ3 信道对偶性在将非凸MIMO-BC问题转化为凸对偶MIMO-MAC问题中起到何种作用？
• RQ4 在求解对偶问题时，割平面法与次梯度法在性能和收敛速度方面有何比较？
• RQ5 在实际的MIMO网状网络拓扑中，应用基于DPC的跨层优化后，频谱效率可实现多大的性能增益？

主要发现

• 所提出的基于DPC的跨层优化在15个节点的网状网络中，相较于传统的时分复用（TDM），实现了34.4%的网络性能增益。
• 割平面法在约160次迭代内收敛，由于转换后对偶问题的凸性，实现了零对偶间隙。
• 次梯度法收敛较慢，约需1600次迭代，且在约1500次迭代后才能识别出原始可行解。
• 对偶上界在约1050次迭代后接近最优，但原始解的恢复仍计算成本较高。
• 基于对偶MIMO-MAC的转换问题为凸问题，可通过所提出的分解与迭代方法高效求解。
• 拉格朗日对偶分解、共轭梯度投影与割平面法的集成，实现了对联合DPC与路由问题的有效且可扩展的优化。