[论文解读] Opportunistic Multiuser Scheduling in a Three State Markov-modeled Downlink

Sugumar Murugesan, Philip Schniter|ArXiv.org|Apr 10, 2009

Advanced Wireless Network Optimization参考文献 21被引用 3

一句话总结

本文提出了一种三状态马尔可夫调制下行链路的机遇式多用户调度方案，其中信道状态估计基于ARQ反馈获得。通过POMDP框架，证明了在特定信道统计条件下贪婪策略是最优的，并为两类系统类型推导出基于轮询的实现结构与性能边界。

ABSTRACT

We consider the downlink of a cellular system and address the problem of multiuser scheduling with partial channel information. In our setting, the channel of each user is modeled by a three-state Markov chain. The scheduler indirectly estimates the channel via accumulated Automatic Repeat Request (ARQ) feedback from the scheduled users and uses this information in future scheduling decisions. Using a Partially Observable Markov Decision Process (POMDP), we formulate a throughput maximization problem that is an extension of our previous work where the channels were modeled using two states. We recall the greedy policy that was shown to be optimal and easy to implement in the two state case and study the implementation structure of the greedy policy in the considered downlink. We classify the system into two types based on the channel statistics and obtain round robin structures for the greedy policy for each system type. We obtain performance bounds for the downlink system using these structures and study the conditions under which the greedy policy is optimal.

研究动机与目标

• 为在具有记忆特性的现实下行链路环境中，解决部分信道状态信息下的多用户调度问题。
• 将先前的两状态马尔可夫信道模型扩展至三状态模型，以实现更精细的信道区分。
• 在部分可观测条件下，分析POMDP框架下贪婪策略的最优性与可实现性。
• 基于信道统计特性，推导贪婪策略的性能边界与结构化实现方式（如轮询结构）。

提出的方法

• 将每个用户的信道建模为一个三状态马尔可夫链，其时间相关转移由3×3转移矩阵P控制。
• 利用调度用户返回的ARQ反馈，间接估计信道状态，随时间形成信念向量。
• 应用部分可观察马尔可夫决策过程（POMDP）来构建吞吐量最大化的调度问题。
• 根据信道统计特性将系统划分为两类，以推导贪婪策略的差异化轮询实现结构。
• 通过信念向量比较与矩阵不等式，推导贪婪策略最优性的充分条件。
• 通过与理想化系统（即具备完美信道状态信息）的对比，建立性能边界，并分析信念状态向稳态的收敛性。

实验结果

研究问题

• RQ1 在具有ARQ反馈的三状态马尔可夫下行链路中，何种信道统计特性下贪婪策略是最优的？
• RQ2 贪婪策略在实际中如何高效实现？基于系统分类，哪些结构形式（如轮询）会自然浮现？
• RQ3 在不同信道模型下，贪婪策略的性能边界可如何推导？
• RQ4 当仅能获取ARQ反馈时，信念状态演化如何影响调度决策？
• RQ5 在部分可观测与延迟反馈条件下，何种条件可确保贪婪策略保持最优？

主要发现

• 贪婪策略在所推导的充分条件下是最优的，该条件涉及信念状态分量与转移概率之间的不等式比较。
• 针对两类系统类型（基于信道统计），分别推导出轮询结构，从而实现贪婪策略的高效部署。
• 通过与具备完美信道状态信息的“向导辅助”系统对比，建立了系统性能边界。
• 用户的信念向量收敛至稳态分布pss，确保了调度决策的长期稳定性。
• 最优性充分条件适用于由ARQ反馈历史推导出的全部六种可能信念状态配置，包括存在延迟或重复反馈的情形。
• 所有状态下的对称性特性p12 = p22 = p32使得信念向量比较得以简化，这对最优性证明至关重要。