[论文解读] Downlink and Uplink Energy Minimization Through User Association and Beamforming in Cloud RAN

Shixin Luo, Rui Zhang+1 more|arXiv (Cornell University)|Feb 18, 2014

Advanced MIMO Systems Optimization参考文献 32被引用 4

一句话总结

本文提出了一种在云无线接入网络（Cloud RAN）中联合优化下行链路（DL）与上行链路（UL）用户关联与波束成形的设计，以最小化网络总能耗。通过利用上行-下行链路对偶性，该问题被转化为一个具有两个相互关联子问题的等效下行链路优化问题，从而设计出两种高效算法，相较于基准方法显著降低了能耗，尤其在上行-下行链路不对称场景下表现更优。

ABSTRACT

The cloud radio access network (C-RAN) concept, in which densely deployed access points (APs) are empowered by cloud computing to cooperatively support mobile users (MUs), to improve mobile data rates, has been recently proposed. However, the high density of active ("on") APs results in severe interference and also inefficient energy consumption. Moreover, the growing popularity of highly interactive applications with stringent uplink (UL) requirements, e.g. network gaming and real-time broadcasting by wireless users, means that the UL transmission is becoming more crucial and requires special attention. Therefore in this paper, we propose a joint downlink (DL) and UL MU-AP association and beamforming design to coordinate interference in the C-RAN for energy minimization, a problem which is shown to be NP hard. Due to the new consideration of UL transmission, it is shown that the two state-of-the-art approaches for finding computationally efficient solutions of joint MU-AP association and beamforming considering only the DL, i.e., group-sparse optimization and relaxed-integer programming, cannot be modified in a straightforward way to solve our problem. Leveraging on the celebrated UL-DL duality result, we show that by establishing a virtual DL transmission for the original UL transmission, the joint DL and UL optimization problem can be converted to an equivalent DL problem in C-RAN with two inter-related subproblems for the original and virtual DL transmissions, respectively. Based on this transformation, two efficient algorithms for joint DL and UL MU-AP association and beamforming design are proposed, whose performances are evaluated and compared with other benchmarking schemes through extensive simulations.

研究动机与目标

• 解决由于接入点（APs）密集部署导致的云无线接入网络（Cloud RAN）中干扰增加与功耗上升的能效挑战。
• 构建一个联合下行链路与上行链路用户关联与波束成形问题，以最小化总网络能耗，同时满足服务质量（QoS）要求。
• 克服以往仅针对下行链路优化方法的局限性，这些方法未能充分考虑上行链路传输约束以及上下行链路之间的非对称性。
• 设计计算高效的算法，联合优化用户-AP关联、波束成形以及上下行链路的激活AP选择。
• 评估激活AP功耗与移动用户上行链路功耗之间的权衡，以在C-RAN中实现最优能效。

提出的方法

• 利用上行-下行链路（UL-DL）对偶性原理，将原始的联合上下行链路优化问题转化为一个等效的下行链路问题，包含两个相互关联的子问题：一个用于原始下行链路，另一个用于对应上行链路传输的虚拟下行链路。
• 基于群稀疏优化（GSO）与松弛整数规划（RIP）技术，提出两种高效算法以求解变换后的问题。
• 采用ℓ₁,₂与ℓ₁,∞范数惩罚项以促进用户-AP关联的稀疏性，从而最小化激活AP数量并降低能耗。
• 将总能耗建模为AP与移动用户（MUs）发射功率之和，加上AP的静态电路功耗，并在SINR约束下优化该指标。
• 通过利用对偶性与惩罚松弛技术，将非凸、NP难问题分解为可处理的子问题，采用迭代优化方法求解。
• 通过在多种网络条件下的大规模仿真验证算法性能，包括用户数与AP数的变化，以及不同静态功耗水平的情形。

实验结果

研究问题

• RQ1 如何联合优化下行链路与上行链路用户关联与波束成形，以最小化云无线接入网络中的总能耗？
• RQ2 为何现有仅针对下行链路的优化技术（如群稀疏优化与松弛整数规划）难以有效扩展至联合上下行链路场景？
• RQ3 是否可以利用上行-下行链路对偶性，将复杂的联合上下行链路问题转化为等效且更易处理的下行链路问题？
• RQ4 与穷举搜索和联合处理基准相比，所提算法在能效与功耗权衡方面的性能增益如何？
• RQ5 稀疏性诱导惩罚范数（ℓ₁,₂与ℓ₁,∞）的选择如何影响所提算法的性能？

主要发现

• 所提算法在总能耗性能上非常接近最优穷举搜索（ES）基准，尤其在低至中等用户数场景下表现优异。
• 与激活所有AP的联合处理（JP）方法相比，所提算法在K=4用户、N=6 AP的仿真中，总能耗降低高达60%。
• 基于群稀疏优化的算法I在总能耗降低方面始终优于基于松弛整数规划的算法II，性能差距约为10–15%。
• 稀疏性惩罚项（ℓ₁,₂与ℓ₁,∞）的选择对性能影响极小，表明基于GSO的方法具有强鲁棒性。
• 随着权重参数λ增大，所提算法将能耗从移动用户向激活AP转移，实现了有利的权衡，其性能趋近于最优ES解。
• 算法在各种信道实现下均保持可行性与可靠性，即使在上下行链路不对称条件下也表现良好，而传统仅下行链路方法则表现不佳。