[论文解读] Maximum Weighted Sum Rate of Multi-Antenna Broadcast Channels

Jia Liu, Yunxian Hou|ArXiv.org|Mar 22, 2007

Advanced MIMO Systems Optimization参考文献 13被引用 12

一句话总结

本文提出一种新型共轭梯度投影（CGP）算法，用于求解多天线广播信道（MIMO-BC）中的最大加权和速率（MWSR）问题，利用信道对偶性将非凸的MIMO-BC问题转化为凸的对偶MIMO-MAC公式。该方法无需枚举所有检测顺序，实现了可证明的收敛性、线性复杂度以及在大规模系统中的可扩展性，且内存使用适中。

ABSTRACT

Recently, researchers showed that dirty paper coding (DPC) is the optimal transmission strategy for multiple-input multiple-output broadcast channels (MIMO-BC). In this paper, we study how to determine the maximum weighted sum of DPC rates through solving the maximum weighted sum rate problem of the dual MIMO multiple access channel (MIMO-MAC) with a sum power constraint. We first simplify the maximum weighted sum rate problem such that enumerating all possible decoding orders in the dual MIMO-MAC is unnecessary. We then design an efficient algorithm based on conjugate gradient projection (CGP) to solve the maximum weighted sum rate problem. Our proposed CGP method utilizes the powerful concept of Hessian conjugacy. We also develop a rigorous algorithm to solve the projection problem. We show that CGP enjoys provable convergence, nice scalability, and great efficiency for large MIMO-BC systems.

研究动机与目标

• 解决多天线广播信道（MIMO-BC）中最大加权和速率（MWSR）问题缺乏高效算法的问题，该问题为最大和速率（MSR）问题的推广。
• 克服现有算法（如IWF、SD和MM）在扩展至MWSR时的局限性，因其目标函数更为复杂，难以直接推广。
• 为具有任意用户权重的大规模MIMO-BC系统，设计一种高效、可扩展且内存高效的算法。
• 通过消除枚举所有可能检测顺序的需求，简化对偶MIMO-MAC公式的构建，降低计算复杂度。
• 设计一种严格的共轭梯度投影（CGP）方法，确保MWSR问题在每次迭代中具有可证明的收敛性和线性复杂度。

提出的方法

• 利用MIMO-BC与其对偶MIMO-MAC之间的信道对偶性，将非凸的MIMO-BC问题转化为具有和功率约束的凸对偶MIMO-MAC问题。
• 在对偶MIMO-MAC域中，将MWSR问题表述为一个带用户特定权重的和速率约束优化问题。
• 引入一种共轭梯度投影（CGP）方法，使用共轭方向代替最速下降法，以避免锯齿状路径并加速收敛。
• 实现一种严格的投影算法，精确求解和功率约束集上的投影子问题。
• 在每次迭代中应用Armijo规则进行非精确线搜索，以确保目标函数的充分下降。
• 通过使用累加和高效计算梯度，将每次迭代的复杂度降低至O((m+1+n_r)K)，其中m为Armijo尝试次数。

实验结果

研究问题

• RQ1 在对偶MIMO-MAC中，是否可以无需枚举所有可能的检测顺序，高效求解MIMO-BC中的MWSR问题？
• RQ2 共轭梯度投影（CGP）方法在收敛速度和可扩展性方面是否优于现有的迭代水填（IWF）和最速下降（SD）方法？
• RQ3 所提出的CGP算法在大规模MIMO-BC系统中的计算复杂度和内存占用是多少？
• RQ4 CGP方法在不同用户数和信道配置下的收敛行为和鲁棒性如何？
• RQ5 随着用户数的增加，CGP方法是否仍能保持线性复杂度和快速收敛？

主要发现

• 在10用户MIMO-BC系统（4×4天线）中，所提出的CGP算法在约30次迭代内收敛，达到近似最优性能。
• 在100用户MIMO-BC系统（4×4天线）中，CGP在29次迭代内收敛，显著优于IWF1和IWF2，后者在100次迭代内均未收敛。
• CGP达到收敛所需的迭代次数对用户数量不敏感，表现出极佳的可扩展性。
• CGP方法在每次迭代中实现线性复杂度O((m+1+n_r)K)，其中m通常在2到4之间，证实其在大规模系统中的高效性。
• 该算法仅需前一次迭代的解，因此相比IWF（需存储K−1个先前步骤），内存占用适中。
• CGP方法对用户数量的增加不敏感，在各种系统配置下均保持一致性能，证实其在实际MIMO-BC网络中的鲁棒性和实用性。