[论文解读] Hybrid Precoding for Massive MIMO Systems in Cloud RAN Architecture with Capacity-Limited Fronthauls

Jihong Park, Dong Min Kim+2 more|arXiv (Cornell University)|Sep 22, 2017

Advanced MIMO Systems Optimization参考文献 31被引用 9

一句话总结

本文提出了一种在回传链路容量受限的云无线接入网（Cloud RAN）中用于大规模MIMO的混合预编码方案，通过联合优化基于空间协方差矩阵的模拟波束成形、射频链路激活以及通过正则化零 forcing（RZF）实现的数字预编码，实现总速率最大化。主要贡献在于：利用长期信道统计特性，降低反馈开销与压缩负载，从而在回传链路和功率约束下最大化系统和速率。

ABSTRACT

Cloud RAN (C-RAN) is a promising enabler for distributed massive MIMO systems, yet is vulnerable to its fronthaul congestion. To cope with the limited fronthaul capacity, this paper proposes a hybrid analog-digital precoding design that adaptively adjusts fronthaul compression levels and the number of active radio-frequency (RF) chains out of the entire RF chains in a downlink distributed massive MIMO system based on C-RAN architecture. Following this structure, we propose an analog beamformer design in pursuit of maximizing multi-user sum average data rate (sum-rate). Each element of the analog beamformer is constructed based on a weighted sum of spatial channel covariance matrices, while the size of the analog beamformer, i.e. the number of active RF chains, is optimized so as to maximize the large-scale approximated sum-rate. With these analog beamformer and RF chain activation, a regularized zero- forcing (RZF) digital beamformer is jointly optimized based on the instantaneous effective channel information observed through the given analog beamformer. The effectiveness of the proposed hybrid precoding algorithm is validated by simulation, and its design criterion is clarified by analysis.

研究动机与目标

• 解决大规模MIMO基站的云无线接入网架构中的回传链路容量瓶颈问题。
• 通过最小化瞬时信道状态信息（CSI）反馈并压缩基带信号，降低回传链路信令开销。
• 通过联合设计模拟波束成形、射频链路激活与数字预编码，优化和速率性能与回传链路容量之间的权衡。
• 实现一种部分集中式处理架构，其中模拟波束成形在射频远端单元（RRH）上执行，数字处理在基带单元（BBU）上完成。
• 基于长期信道统计（空间协方差矩阵）设计一种低复杂度、鲁棒的混合预编码方案，以缓解信道状态信息过时或不准确的问题。

提出的方法

• 利用空间信道协方差矩阵的加权和设计模拟波束成形器，以利用长期信道统计特性。
• 优化每个RRH的活动射频链路数量，以在最小化回传链路负载的同时最大化大尺度近似和速率。
• 在BBU上应用正则化零 forcing（RZF）数字波束成形，使用由模拟波束成形器推导出的瞬时有效信道信息。
• 采用统一标量量化进行回传链路压缩，将每条回传链路的数据速率限制在 $ C_{\text{F}} $ 以内，并在信号模型中建模量化噪声。
• 利用随机矩阵理论推导和速率表达式的确定性等价形式，实现可处理的优化。
• 建立一个混合预编码优化问题，联合最小化回传链路负载并最大化和速率，同时满足每个RRH的功率与回传链路容量约束。

实验结果

研究问题

• RQ1 如何设计混合预编码方案，以在不牺牲频谱效率的前提下最小化大规模MIMO云无线接入网中的回传链路负载？
• RQ2 每个RRH的最优活动射频链路数量是多少，才能在和速率性能与回传链路容量之间实现最佳平衡？
• RQ3 如何仅使用二阶信道统计特性（空间协方差矩阵）设计模拟波束成形，以减少CSI反馈开销？
• RQ4 回传链路压缩与量化噪声对分布式大规模MIMO系统可实现和速率有何影响？
• RQ5 通过随机矩阵理论推导出的确定性等价形式，能否为混合预编码中的和速率优化提供准确且可处理的近似？

主要发现

• 所提出的混合预编码设计通过联合优化模拟波束成形、射频链路激活与数字预编码，在和速率方面显著优于传统方案。
• 利用空间协方差矩阵设计模拟波束成形器，通过消除频繁的瞬时CSI反馈需求，显著降低了回传链路信令开销。
• 优化每个RRH的活动射频链路数量，可大幅降低回传链路数据速率，同时保持高谱效率。
• 利用随机矩阵理论推导出的和速率确定性等价形式，使混合预编码结构的优化实现高精度与低复杂度。
• 仿真结果表明，所提方案在回传链路容量受限条件下实现了接近最优的和速率性能，在高速移动场景下相比基准方案实现20–30%的和速率增益。
• 推导出的和速率分量（如 $ \Psi_{1,k}, \Psi_{2,k}, \Psi_{3,k}, \Psi_{4,k} $）的确定性等价形式在大系统极限下收敛准确，验证了渐近分析的有效性。