[论文解读] Max-Min Rate of Cell-Free Massive MIMO Uplink with Optimal Uniform Quantization

Manijeh Bashar, Kanapathippillai Cumanan+4 more|View|Jul 7, 2019

Advanced MIMO Systems Optimization参考文献 44被引用 4

一句话总结

该论文提出了一种在回传链路受限条件下的无蜂窝大规模MIMO上行链路的最优功率分配与接收波束成形设计，采用几何规划与广义特征值问题求解，以在功率与回传容量约束下最大化最小用户速率。所提出的迭代算法通过最优量化与接收波束成形实现 sum-rate 与公平性增益，其最优性通过上行-下行对偶性得到证明。

ABSTRACT

Cell-free Massive multiple-input multiple-output (MIMO) is considered, where distributed access points (APs) multiply the received signal by the conjugate of the estimated channel, and send back a quantized version of this weighted signal to a central processing unit (CPU). For the first time, we present a performance comparison between the case of perfect fronthaul links, the case when the quantized version of the estimated channel and the quantized signal are available at the CPU, and the case when only the quantized weighted signal is available at the CPU. The Bussgang decomposition is used to model the effect of quantization. The max-min problem is studied, where the minimum rate is maximized with the power and fronthaul capacity constraints. To deal with the non-convex problem, the original problem is decomposed into two sub-problems (referred to as receiver filter design and power allocation). Geometric programming (GP) is exploited to solve the power allocation problem whereas a generalized eigenvalue problem is solved to design the receiver filter. An iterative scheme is developed and the optimality of the proposed algorithm is proved through uplink-downlink duality. A user assignment algorithm is proposed which significantly improves the performance. Numerical results demonstrate the superiority of the proposed schemes.

研究动机与目标

• 为解决无蜂窝大规模MIMO系统中回传链路容量受限的问题，尽管理论性能增益显著，但实际部署受到限制。
• 通过在回传与发射功率约束下联合优化功率分配与接收波束成形设计，提升频谱效率与公平性。
• 利用Bussgang分解建模均匀量化对系统性能的影响，实现对量化噪声效应的精确分析。
• 设计一种迭代算法，通过最优接收波束成形与功率分配，最大化最小用户速率（即最大-最小公平性）。
• 利用上行-下行对偶性证明所提算法的最优性，确保收敛至全局最优解。

提出的方法

• 系统建模上行链路传输过程，其中分布式接入点（APs）执行信道估计，应用共轭波束成形，并在通过有限容量回传链路发送至中心CPU前对加权信号进行量化。
• 采用Bussgang分解建模均匀量化引入的失真，从而实现对信号模型中量化噪声的可处理分析。
• 将最大-最小速率问题分解为两个子问题：通过广义特征值问题求解接收波束成形设计，通过几何规划（GP）求解功率分配。
• 迭代算法交替更新接收波束成形与功率分配，并引入缩放步骤以满足总功率与用户级功率约束。
• 利用上行-下行对偶性证明算法最优性，表明上行链路的最大-最小问题与对应的虚拟下行链路问题等价。
• 提出一种用户关联算法，通过优化AP与用户之间的关联关系，进一步提升系统性能。

实验结果

研究问题

• RQ1 在仅CPU接收量化信号与同时接收量化信道估计与信号两种情况下，无蜂窝大规模MIMO的性能如何变化，尤其在不同回传配置下？
• RQ2 在回传与发射功率约束下，何种最优功率分配策略可最大化最小用户速率？
• RQ3 基于信道统计信息设计的所提接收波束成形方案，相较于AP处传统的本地线性接收机，是否能显著提升系统性能？
• RQ4 几何规划与广义特征值问题的结合如何实现对非凸最大-最小速率问题的最优且可证明最优的求解？
• RQ5 用户关联对量化无蜂窝大规模MIMO系统中公平性与频谱效率的影响如何？

主要发现

• 所提迭代算法通过联合求解功率分配与接收波束成形设计，实现最优最大-最小公平性，其收敛性由上行-下行对偶性保证。
• 基于信道统计信息的集中式接收波束成形设计相比AP处传统本地波束成形，可带来显著性能增益。
• 几何规划实现了在总功率与用户级功率约束下的最优功率分配，缩放技术确保约束被严格满足。
• 数值结果表明，所提方案在回传受限条件下显著优于传统方案，尤其在公平性与和速率方面表现更优。
• 当AP数量与每个AP的天线数较大，且回传容量受限时，性能增益最为显著。
• 用户关联算法通过优化AP-用户关联关系，显著提升系统性能，带来更好的速率公平性与更高的频谱效率。