[论文解读] Low complexity sum rate maximization for single and multiple stream MIMO AF relay networks

Cong Sun, Eduard A. Jorswieck|arXiv (Cornell University)|Nov 26, 2012

Cooperative Communication and Network Coding参考文献 29被引用 7

一句话总结

该论文通过最大化总信号对总干扰加噪声比（TSTINR），提出了一种低复杂度算法，用于在MIMO放大转发中继网络中实现和速率最大化，通过正交预编码约束实现多流传输。该方法在高信噪比（SNR）下优于WMMSE和TLIN，并实现了更高的复 multiplexing gain（复 multiplexing gain）。

ABSTRACT

A multiple-antenna amplify-and-forward two-hop interference network with multiple links and multiple relays is considered. We optimize transmit precoders, receive decoders and relay AF matrices to maximize the achievable sum rate. Under per user and total relay sum power constraints, we propose an efficient algorithm to maximize the total signal to total interference plus noise ratio (TSTINR). Computational complexity analysis shows that our proposed algorithm for TSTINR has lower complexity than the existing weighted minimum mean square error (WMMSE) algorithm. We analyze and confirm by simulations that the TSTINR, WMMSE and the total leakage interference plus noise (TLIN) minimization models with per user and total relay sum power constraints can only transmit a single data stream for each user. Thus we propose a novel multiple stream TSTINR model with requirement of orthogonal columns for precoders, in order to support multiple data streams and thus utilize higher Degrees of Freedom. Multiple data streams and larger multiplexing gains are guaranteed. Simulation results show that for single stream models, our TSTINR algorithm outperforms the TLIN algorithm generally and outperforms WMMSE in medium to high Signal-to-Noise-Ratio scenarios; the system sum rate significantly benefits from multiple data streams in medium to high SNR scenarios.

研究动机与目标

• 解决现有WMMSE和TLIN算法在MIMO AF中继网络中和速率最大化时计算复杂度过高的问题。
• 克服先前方法中单流传输的局限性，该局限性尽管使用了多根天线，仍限制了自由度（DoFs）。
• 提出一种新型多流TSTINR模型，并引入正交预编码器，以支持更高的复 multiplexing gain（复 multiplexing gain）。
• 设计一种低复杂度的交替优化算法，用于在用户级和总中继功率约束下联合优化预编码器、检测器和中继矩阵。
• 证明TSTINR最大化相比TLIN和WMMSE能获得更高的和速率，尤其在中高SNR区域表现更优。

提出的方法

• 提出以总信号对总干扰加噪声比（TSTINR）最大化作为和速率最大化的替代模型。
• 采用交替优化方法，在用户级和总中继功率约束下，迭代更新预编码器、检测器和中继波束成形矩阵。
• 在预编码器上引入正交列约束，以支持多流传输并提升自由度。
• 利用拉格朗日对偶理论推导一阶最优性条件，并通过特征分解和奇异值分解求解子问题。
• 分析计算复杂度，证明其低于WMMSE，原因在于子问题求解更简单。
• 通过拉格朗日乘子和互补松弛性，将TSTINR模型扩展至用户级和中继级独立功率约束。

实验结果

研究问题

• RQ1 在多用户和多中继的MIMO AF中继网络中，TSTINR最大化是否能实现比现有WMMSE和TLIN方法更高的和速率？
• RQ2 为何WMMSE和TLIN算法在功率约束下仍导致单流传输，尽管使用了多根天线？
• RQ3 具有正交预编码器的多流TSTINR模型是否能实现更高的复 multiplexing gain（复 multiplexing gain）和更优的和速率性能？
• RQ4 所提出的TSTINR算法相比WMMSE和TLIN的计算复杂度如何？
• RQ5 在支持多流传输时，系统和速率如何随SNR变化？

主要发现

• 所提出的TSTINR算法通过特征分解简化子问题求解，计算复杂度低于WMMSE算法。
• 仿真结果证实，WMMSE和TLIN模型在功率约束下导致预编码器列线性相关，从而限制每用户仅能传输单流。
• 所提出的具有正交预编码器的多流TSTINR模型成功支持多流传输，显著提升了自由度。
• 在单流场景下，TSTINR算法在所有SNR区域均优于TLIN，并在中高SNR区域超越WMMSE。
• 在多流场景下，系统和速率在中高SNR区域显著提升，充分体现了更高复 multiplexing gain（复 multiplexing gain）的优势。
• 证明在功率约束下，TSTINR问题的最优解为秩一矩阵，验证了所推导波束成形结构的理论最优性。