[论文解读] Multi-Cell Processing with Limited Cooperation: A Novel Framework to Timely Designs and Reduced Feedback with General Inputs.

Samah A. M. Ghanem|arXiv (Cornell University)|Nov 3, 2014

Advanced MIMO Systems Optimization参考文献 22被引用 3

一句话总结

该论文提出了一种具有有限协作的新型多小区处理框架，通过双向信道估计实现及时的功率分配与预编码设计，在时变衰落信道中使用一般输入时显著减少了CSI反馈，同时实现了最优速率。该方法利用新的MMSE-互信息梯度关系，推导出上行链路和下行链路传输的最优解。

ABSTRACT

We investigate the optimal power allocation and optimal precoding for a multi-cell-processing (MCP) framework with limited cooperation. In particular, we consider two base stations(BSs) which maximize the achievable rate for two users connecting to each BS and sharing channel state information (CSI). We propose a two way channel estimation or prediction process. Such framework has promising outcomes in terms of feedback reduction and acheivable rates moving the system from one with unkown CSI at the transmitter to a system with instantanous CSI at both sides of the communication. We derive new extentions of the fundamental relation between the gradient of the mutual information and the MMSE for the conditional and non-conditional mutual information. Capitalizing on such relations, we provide the optimal power allocation and optimal precoding designs with respect to the estimated channel and MMSE. The designs introduced are optimal for multiple access (MAC) Gaussian coherent time-varying fading channels with general inputs and can be specialized to multiple input multiple output (MIMO) channels by decoding interference. The impact of interference on the capacity is quantified by the gradient of the mutual information with respect to the power, channel, and error covariance of the interferer. We provide two novel distributed MCP algorithms that provide the solutions for the optimal power allocation and optimal precoding for the UL and DL with a two way channel estimation to keep track of the channel variations over blocks of data transmission. Therefore, we provide a novel solution that allows with limited cooperation: a significant reduction in the CSI feedback from the receiver to the transmitter, and timely optimal designs of the precoding and power allocation.

研究动机与目标

• 解决时变信道下多小区网络中高CSI反馈开销的挑战。
• 在发射端和接收端实现瞬时CSI，以提升系统速率与可靠性。
• 在基站之间有限协作的条件下，设计最优功率分配与预编码策略。
• 通过互信息的梯度分析量化干扰对容量的影响。
• 设计适用于上行链路和下行链路的分布式算法，使其能够适应传输块之间的信道变化。

提出的方法

• 引入双向信道估计过程，以实现用户与基站之间互逆信道状态信息的交换。
• 推导出条件与非条件情况下互信息-MMSE关系的新扩展形式。
• 基于估计的信道状态和MMSE值，制定最优功率分配与预编码设计。
• 应用推导出的梯度关系，通过功率、信道和误差协方差的导数来量化干扰影响。
• 基于双向估计过程的反馈，开发两种分布式MCP算法——一种用于上行链路，一种用于下行链路。
• 通过干扰消除方法将该框架特化至MIMO信道，确保其适用于实际的多天线系统。

实验结果

研究问题

• RQ1 在时变信道的多小区处理中，如何在保持最优系统性能的同时减少CSI反馈？
• RQ2 互信息关于干扰参数的梯度在表征容量极限中起什么作用？
• RQ3 在基站之间协作受限的条件下，如何实现实时最优功率分配与预编码设计？
• RQ4 信道估计精度与反馈延迟对多小区环境中可实现速率的影响是什么？
• RQ5 能否设计出分布式算法，以最小的信令开销联合优化上行链路与下行链路传输？

主要发现

• 所提出的双向信道估计过程使发射端和接收端均能获得瞬时CSI，显著降低了反馈需求。
• 推导出的MMSE-互信息梯度关系使得在一般输入分布下实现最优功率分配与预编码设计成为可能。
• 该框架在时变衰落信道和一般输入下，实现了多址高斯信道的最优速率。
• 通过互信息对干扰源功率、信道和误差协方差的梯度，量化了干扰对容量的影响。
• 成功设计了适用于上行链路和下行链路的分布式MCP算法，并证明其能够适应传输块间的信道变化。
• 系统实现了从发射端CSI未知到具备瞬时CSI的转变，仅通过有限协作即显著提升了速率性能。