[论文解读] Massive MIMO Antenna Selection: Asymptotic Upper Capacity Bound and Partial CSI

Chongjun Ouyang, Hongwen Yang|arXiv (Cornell University)|Dec 17, 2018

Advanced MIMO Systems Optimization参考文献 47被引用 5

一句话总结

本文提出了一种在接收端部分信道状态信息（CSI）条件下，大规模MIMO系统中接收波束赋形天线选择的低复杂度渐近上界容量。通过利用独立同分布瑞利衰落信道中的渐近理论，推导出容量的紧致上界，并发现容量-CSI关系遵循帕累托法则——大部分容量可通过极少的CSI获取实现。基于此，设计了一种自适应天线选择算法，相比当前最先进方法，显著降低了CSI获取与计算复杂度，同时实现了接近最优的速率性能。

ABSTRACT

Antenna selection (AS) is regarded as the key promising technology to reduce hardware cost but keep relatively high spectral efficiency in multi-antenna systems. By selecting a subset of antennas to transceive messages, AS greatly alleviates the requirement on Radio Frequency (RF) chains. This paper studies receive antenna selection in massive multiple-input multiple-output (MIMO) systems. The receiver, equipped with a large-scale antenna array whose size is much larger than that of the transmitter, selects a subset of antennas to receive messages. A low-complexity asymptotic approximated upper capacity bound is derived in the limit of massive MIMO systems over independent and identical distributed (i.i.d.) Rayleigh flat fading channel, assuming that the channel side information (CSI) is only available at the receiver. Furthermore, numerical simulations are provided to demonstrate the approximation precision of the asymptotic results and the tightness of the capacity bound. Besides the asymptotic analysis of the upper bound, more discussions on the ergodic capacity of the antenna selection systems are exhibited. By defining the number of corresponding rows in the channel matrix as the amount of acquired CSI, the relationship between the achievable channel capacity and the amount of acquired CSI is investigated. Our findings indicate that this relationship approximately follows the Pareto principle, i.e., most of the capacity can be achieved by acquiring a small portion of full CSI. Finally, on the basis of this observed law, an adaptive AS algorithm is proposed, which can achieve most of the transmission rate but requires much less CSI and computation complexity compared to state-of-the-art methods.

研究动机与目标

• 推导在部分CSI条件下大规模MIMO系统中接收天线选择的低复杂度渐近上界容量表达式。
• 研究大规模MIMO系统中可实现容量与获取CSI量之间的关系。
• 识别CSI获取中的基本效率规律，实现显著降低复杂度而不牺牲频谱效率。
• 设计一种自适应天线选择算法，利用所观测到的CSI-容量关系，最小化CSI反馈与计算量，同时保持高谱效率。

提出的方法

• 利用顺序统计与大维随机矩阵理论，在i.i.d.瑞利平坦衰落信道中推导渐近上界容量。
• 仅假设接收端具有CSI（即部分CSI），并将所选CSI行数作为CSI获取努力的度量。
• 通过数值仿真验证渐近上界在有限维大规模MIMO系统中的紧致性与准确性。
• 通过经验分析识别出获取CSI与实现的遍历容量之间的帕累托式关系。
• 提出一种自适应天线选择算法，以分批方式动态获取CSI，基于部分CSI选择天线，以在速率与复杂度之间实现平衡。
• 以遍历容量与计算复杂度为指标，在多种天线配置下，将该算法与贪婪搜索方法进行对比评估。

实验结果

研究问题

• RQ1 在部分CSI条件下，大规模MIMO系统中接收天线选择的渐近上界容量有多紧致？
• RQ2 大规模MIMO系统中，获取CSI的量与可实现遍历容量之间存在何种关系？
• RQ3 少量CSI获取是否能带来不成比例的容量增益，表明存在类似帕累托的效率特征？
• RQ4 能否设计一种自适应天线选择算法，以显著降低CSI反馈与计算复杂度，同时实现接近最优容量？
• RQ5 所提出的自适应算法在性能与复杂度方面相较于全CSI贪婪搜索方法表现如何？

主要发现

• 即使在有限维大规模MIMO系统中，渐近上界容量也与推导表达式高度吻合，验证了其作为性能基准的有效性。
• 可实现遍历容量与所获取CSI行数之间的关系近似遵循帕累托法则——仅需约16–20%的全CSI获取量，即可实现约85%的容量。
• 所提出的自适应天线选择算法在仅需全CSI贪婪搜索约10%的CSI获取量与计算复杂度下，即可实现90%的遍历容量。
• 自适应算法中CSI获取的平均行数随信噪比（SNR）增加而减少，与观察到的CSI利用帕累托效率一致。
• 在高信噪比场景（如>15 dB）下，自适应算法在所有测试天线配置中，相比全CSI贪婪搜索，复杂度降低了两个数量级。
• 该自适应算法通过极低的CSI反馈量维持了高谱效率，展现出在速率与复杂度之间优于当前最先进方法的综合权衡性能。