[论文解读] Joint Transmission with Limited Backhaul Connectivity

Jarkko Kaleva, Antti Tölli+3 more|arXiv (Cornell University)|May 15, 2017

Advanced MIMO Systems Optimization参考文献 34被引用 4

一句话总结

本文提出了一种用于受限回传链路的协作多点（CoMP）下行链路系统中的去中心化联合波束成形算法，采用逐次凸逼近（successive convex approximation）与交替方向乘子法（ADMM）以在低信令开销下最大化加权和速率。提出直接估计与流特定的导频估计算法，并引入双向波束成形信号反馈机制，显著提升了收敛性与稳定性，尤其在时相关信道与用户移动场景下表现优异。

ABSTRACT

Downlink beamforming techniques with low signaling overhead are proposed for joint processing coordinated (JP) multi-point transmission. The objective is to maximize the weighted sum rate within joint transmission clusters. As the considered weighted sum rate maximization is a non-convex problem, successive convex approximation techniques, based on weighted mean-squared error minimization, are applied to devise algorithms with tractable computational complexity. Decentralized algorithms are proposed to enable JP even with limited backhaul connectivity. These algorithms rely provide a variety of alternatives for signaling overhead, computational complexity and convergence behavior. Time division duplexing is exploited to design transceiver training techniques for two scenarios: stream specific estimation and direct estimation. In the stream specific estimation, the base station and user equipment estimate all of the stream specific precoded pilots individually and construct the transmit/receive covariance matrices based on these pilot estimates. With the direct estimation, only the intended transmission is separately estimated and the covariance matrices constructed directly from the aggregate system-wide pilots. The impact of feedback/backhaul signaling quantization is considered, in order to further reduce the signaling overhead. Also, user admission is being considered for time-correlated channels. The enhanced transceiver convergence rate enables periodic beamformer reinitialization, which greatly improves the achieved system performance in dense networks.

研究动机与目标

• 解决在连接受限条件下CoMP联合传输系统中高回传信令开销的挑战。
• 设计低复杂度、去中心化的收发器方案，在实际回传约束下保持高 spectral efficiency。
• 提升在时相关衰落信道与用户移动场景下迭代波束成形器训练的收敛性与稳定性。
• 通过量化感知设计与高效导频训练方案，最小化反馈与回传信令开销。
• 在动态信道条件下，实现鲁棒的用户接入与波束成形器重初始化策略。

提出的方法

• 基于加权最小均方误差（WMMSE）最小化，采用逐次凸逼近（SCA）求解非凸加权和速率最大化（WSRMax）问题。
• 利用交替方向乘子法（ADMM）将优化问题分解为在各基站间可处理的去中心化子问题。
• 提出两种导频训练方案：流特定估计（SSE）与直接估计（DE），均利用TDD互易性实现下行链路波束成形。
• 引入双向波束成形信号反馈，通过利用TDD帧结构提升收敛性并减少训练延迟。
• 引入延迟索引与周期性波束成形器重初始化机制，以适应时变信道并提升鲁棒性。
• 集成用户接入控制与量化反馈，以在保持性能的同时减少回传信令开销。

实验结果

研究问题

• RQ1 在回传容量受限条件下，如何实现CoMP系统中联合处理的可扩展性？
• RQ2 不同导频估计算法（SSE与DE）对波束成形器收敛性与系统性能有何影响？
• RQ3 双向波束成形信号反馈如何提升迭代收发器设计的稳定性与收敛性？
• RQ4 在时相关衰落信道中，周期性波束成形器重初始化与延迟索引可带来哪些性能增益？
• RQ5 反馈与回传信令的量化如何影响复杂度与频谱效率之间的权衡？

主要发现

• 所提出的DE-ADMM算法在显著降低回传信令与计算复杂度的同时，实现了接近最优的加权和速率。
• 双向波束成形信号反馈提升了收敛稳定性并减少了训练延迟，尤其在高移动性场景下（如用户速度6.9 km/h）表现突出。
• 周期性波束成形器重初始化结合延迟索引显著提升了时相关衰落信道下的性能，降低了重启后的性能下降。
• 可变长度信令迭代机制同时改善了重初始化后的瞬态恢复与长期收敛性，尤其在10帧重置周期下效果显著。
• 用户接入控制与波束成形器重初始化策略在时变信道下显著提升了系统稳定性，平均和速率获得可测量增益。
• 量化反馈与低开销训练方案在保持高谱效率的同时，展现出在实际信令约束下的鲁棒性。