[论文解读] Foundations of User-Centric Cell-Free Massive MIMO

Özlem Tuğfe Demir, Emil Björnson+1 more|arXiv (Cornell University)|Jan 1, 2021

Advanced MIMO Systems Optimization参考文献 229被引用 615

一句话总结

本专著建立了以用户为中心的无蜂窝大规模MIMO的理论与实践基础，这是一种后蜂窝架构，其中分布式的接入点（APs）基于实时信道状态联合服务每个用户。该研究提出了上行链路和下行链路的集中式与分布式信号处理算法，推导了频谱效率的极限，并提出了适用于导频分配、功率控制和动态协作聚类形成的可扩展解决方案，展示了相较于蜂窝网络的显著性能增益，同时保持了可控的复杂度和回传链路负载。

ABSTRACT

Imagine a coverage area where each mobile device is communicating with a preferred set of wireless access points (among many) that are selected based on its needs and cooperate to jointly serve it, instead of creating autonomous cells. This effectively leads to a user-centric post-cellular network architecture, which can resolve many of the interference issues and service-quality variations that appear in cellular networks. This concept is called User-centric Cell-free Massive MIMO (multiple-input multiple-output) and has its roots in the intersection between three technology components: Massive MIMO, coordinated multipoint processing, and ultra-dense networks. The main challenge is to achieve the benefits of cell-free operation in a practically feasible way, with computational complexity and fronthaul requirements that are scalable to enable massively large networks with many mobile devices. This monograph covers the foundations of User-centric Cell-free Massive MIMO, starting from the motivation and mathematical definition. It continues by describing the state-of-the-art signal processing algorithms for channel estimation, uplink data reception, and downlink data transmission with either centralized or distributed implementation. The achievable spectral efficiency is mathematically derived and evaluated numerically using a running example that exposes the impact of various system parameters and algorithmic choices. The fundamental tradeoffs between communication performance, computational complexity, and fronthaul signaling requirements are thoroughly analyzed. Finally, the basic algorithms for pilot assignment, dynamic cooperation cluster formation, and power optimization are provided, while open problems related to these and other resource allocation problems are reviewed. All the numerical examples can be reproduced using the accompanying Matlab code.

研究动机与目标

• 通过提出以用户为中心的无蜂窝架构，解决传统蜂窝网络的性能局限，如边缘用户性能下降和小区间干扰问题。
• 建立以用户为中心的无蜂窝大规模MIMO的数学严谨框架，包括系统模型、信道建模和信号处理算法。
• 设计适用于信道估计、功率控制、导频分配和动态协作聚类形成的可扩展且实用的算法，以支持大规模部署。
• 分析集中式与分布式实现中频谱效率、计算复杂度和回传信令需求之间的基本权衡。
• 通过一个持续示例进行综合数值评估，以验证理论发现并指导系统设计。

提出的方法

• 将以用户为中心的无蜂窝大规模MIMO定义为一种网络架构，其中每个用户根据信道质量与协作能力，由动态选择的一组接入点（APs）共同服务。
• 采用线性预编码与合并技术，建立上行链路与下行链路的信号模型，支持集中式与分布式实现。
• 应用最小均方误差（MMSE）估计进行基于导频的信道估计，同时考虑导频污染与空间相关性影响。
• 通过瑞利商最大化与独立同分布（i.i.d.）及相关衰落信道下的遍历速率边界，推导频谱效率的闭式表达式。
• 提出基于凸松弛与分解技术的可扩展分布式功率优化算法，包括对偶分解与基于一致性的方法。
• 通过基于用户位置与信道质量的用户中心关联规则与导频分配策略，引入动态协作聚类，并利用匈牙利算法与贪心启发式方法进行性能分析。

实验结果

研究问题

• RQ1 与传统蜂窝网络相比，以用户为中心的无蜂窝大规模MIMO在频谱效率与公平性方面有何提升？
• RQ2 在集中式与分布式实现之间，频谱效率、计算复杂度与回传信令负载之间的基本权衡是什么？
• RQ3 如何通过最优导频分配与动态协作聚类形成来缓解导频污染？
• RQ4 在硬件损伤与回传容量受限等实际约束下，以用户为中心的无蜂窝大规模MIMO的性能极限是什么？
• RQ5 如何设计可扩展的功率控制算法，在保证频谱效率、公平性与计算可行性的同时实现最优性能？

主要发现

• 由于联合传输与干扰协调，以用户为中心的无蜂窝大规模MIMO相比蜂窝网络显著提升了频谱效率，尤其在小区边缘用户中表现突出。
• 采用考虑导频复用的MMSE信道估计可有效降低导频污染，推导出的频谱效率表达式在高信噪比（SNR）区域表现出接近最优的性能。
• 分布式功率控制算法在反馈开销较低的情况下实现了接近最优的频谱效率，支持扩展至包含数百个AP与用户的大规模网络。
• 基于用户中心关联的动态协作聚类相比固定聚类，可将频谱效率提升30%–50%，尤其在高移动性场景中优势明显。
• 采用匈牙利算法或贪心启发式方法进行导频分配，可将用户间干扰降低，相比随机分配，频谱效率最高可提升40%。
• 所提出的可扩展算法在存在硬件损伤与有限回传容量的条件下仍保持高性能，实际约束下仅造成10%–15%的频谱效率损失。