[论文解读] Joint Optimization of Computation and Communication Power in Multi-user Massive MIMO Systems

Xiaohu Ge, Yang Sun+2 more|arXiv (Cornell University)|Jun 7, 2018

Millimeter-Wave Propagation and Modeling参考文献 25被引用 8

一句话总结

该论文提出 PHONE 算法，用于在具有部分连接混合波束成形结构的多用户大规模 MIMO 系统中联合优化计算与通信功耗。通过推导能量效率的上界，并设计次优的基带与射频波束成形矩阵，PHONE 在计算功耗被考虑的情况下，相比传统方法实现了高达 76.59% 的功耗节省，揭示了当考虑计算功耗时，随着天线数和射频链路数增加，能量效率反而下降。

ABSTRACT

With the growing interest in the deployment of massive multiple-input-multiple-output (MIMO) systems and millimeter wave technology for fifth generation (5G) wireless systems, the computation power to the total power consumption ratio is expected to increase rapidly due to high data traffic processing at the baseband unit. Therefore in this paper, a joint optimization problem of computation and communication power is formulated for multi-user massive MIMO systems with partially-connected structures of radio frequency (RF) transmission systems. When the computation power is considered for massiv MIMO systems, the results of this paper reveal that the energy efficiency of massive MIMO systems decreases with increasing the number of antennas and RF chains, which is contrary with the conventional energy efficiency analysis results of massive MIMO systems, i.e., only communication power is considered. To optimize the energy efficiency of multi-user massive MIMO systems, an upper bound on energy efficiency is derived. Considering the constraints on partially-connected structures, a suboptimal solution consisting of baseband and RF precoding matrices is proposed to approach the upper bound on energy efficiency of multi-user massive MIMO systems. Furthermore, an oPtimized Hybrid precOding with computation and commuNication powEr (PHONE) algorithm is developed to realize the joint optimization of computation and communication power. Simulation results indicate that the proposed algorithm improves energy and cost efficiencies and the maximum power saving is achieved by 76.59\% for multi-user massive MIMO systems with partially-connected structures.

研究动机与目标

• 解决计算功耗在 5G 大规模 MIMO 系统中总能耗中的日益显著影响，特别是在小细胞中其占比超过总功耗的 40% 的问题。
• 调和传统能量效率分析中的矛盾：传统分析忽略计算功耗，并假设能量效率随天线数和射频链路数增加而提升。
• 针对具有部分连接射频结构的多用户大规模 MIMO 系统，制定计算与通信功耗的联合优化问题。
• 设计一种次优解法，使其在结构约束下逼近推导出的能量效率上界。
• 设计 PHONE 算法，实现可实际部署的、能量高效的混合波束成形，实现性能、成本与功耗之间的平衡。

提出的方法

• 在部分连接射频结构下，通过联合考虑通信与计算功耗，推导多用户大规模 MIMO 系统的能量效率上界。
• 提出一种次优解法，包含优化的基带与射频波束成形矩阵，使其逼近所推导的能量效率上界。
• 开发 PHONE（计算与通信功耗优化的混合波束成形）算法，以在混合波束成形中联合优化计算与通信功耗。
• 采用一种混合波束成形架构，其中每个射频链仅连接有限数量的天线，相比全连接结构，显著降低了硬件复杂度与成本。
• 应用迭代优化技术，最小化最优全数字波束成形与混合波束成形设计之间加权平方残差的总和。
• 集成自适应信道估计与相移器优化，以在保持低硬件约束的同时提升频谱效率。

实验结果

研究问题

• RQ1 在能量效率分析中引入计算功耗后，是否会改变传统认知中‘随着天线数和射频链路数增加，能量效率提升’的结论？
• RQ2 在考虑计算与通信功耗的前提下，针对具有部分连接射频结构的多用户大规模 MIMO 系统，其理论能量效率上界是多少？
• RQ3 在结构与硬件约束下，如何设计次优的基带与射频波束成形矩阵，以逼近该上界？
• RQ4 与现有混合波束成形方法（如 OMP 算法）相比，所提出的 PHONE 算法在能量与成本效率方面能提升多少？
• RQ5 随着射频链路数与天线数的增加，频谱效率、能量效率与成本效率之间的权衡关系如何？

主要发现

• 当引入计算功耗后，大规模 MIMO 系统中的能量效率随天线数与射频链路数增加而下降，与仅考虑通信功耗的传统分析结论相反。
• 所提出的 PHONE 算法在具有部分连接结构的多用户大规模 MIMO 系统中，相比传统方法实现了最高达 76.59% 的功耗节省。
• PHONE 算法相比部分连接结构下的 OMP 算法，成本效率最高提升 17.97 倍；相比全连接结构下的 OMP 算法，成本效率提升 6.78 倍。
• 当射频链路数超过六条时，PHONE 算法的频谱效率超过部分连接结构下的 OMP 算法。
• PHONE 算法的成本效率随发射天线数增加而提升，而 OMP 算法的成本效率则随天线数增加而下降，表明所提方法具有更优的可扩展性。
• 所提方法表明，在 5G 大规模 MIMO 部署中，联合优化计算与通信功耗是实现真实能量效率提升的关键。