[论文解读] Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is Massive MIMO the Answer?

Emil Björnson, Luca Sanguinetti+2 more|arXiv (Cornell University)|Mar 24, 2014

Advanced MIMO Systems Optimization参考文献 24被引用 9

一句话总结

本文提出对大规模多用户MIMO系统中基站天线数（M）、激活用户数（K）和发射功率进行联合优化，以实现能效最大化。基于考虑M和K对电路与处理功耗影响的现实功率模型，推导出在迫零预编码下能效（EE）最优参数的闭式表达式，结果表明：在大规模MIMO配置中，当使用数百根天线服务大量用户时，能效达到最大——与普遍认为应随M增加而降低发射功率的观点相反，本研究结果表明，为在高信噪比（SNR）区域实现干扰抑制，发射功率应随M增加而提升。

ABSTRACT

Assume that a multi-user multiple-input multiple-output (MIMO) system is designed from scratch to uniformly cover a given area with maximal energy efficiency (EE). What are the optimal number of antennas, active users, and transmit power? The aim of this paper is to answer this fundamental question. We consider jointly the uplink and downlink with different processing schemes at the base station and propose a new realistic power consumption model that reveals how the above parameters affect the EE. Closed-form expressions for the EE-optimal value of each parameter, when the other two are fixed, are provided for zero-forcing (ZF) processing in single-cell scenarios. These expressions prove how the parameters interact. For example, in sharp contrast to common belief, the transmit power is found to increase (not to decrease) with the number of antennas. This implies that energy-efficient systems can operate in high signal-to-noise ratio regimes in which interference-suppressing signal processing is mandatory. Numerical and analytical results show that the maximal EE is achieved by a massive MIMO setup wherein hundreds of antennas are deployed to serve a relatively large number of users using ZF processing. The numerical results show the same behavior under imperfect channel state information and in symmetric multi-cell scenarios.

研究动机与目标

• 确定多用户MIMO系统在上行链路和下行链路中实现最大能效（EE）的最优设计。
• 解决在能效最大化过程中天线数（M）、用户数（K）和发射功率之间的根本性权衡问题。
• 提出一种考虑电路与处理功耗随M和K变化的现实功率消耗模型，避免因简化模型导致的误导性结论。
• 推导出在单小区场景下，采用迫零（ZF）预编码时，能效最优的M、K和发射功率的闭式表达式。
• 在信道状态信息（CSI）不完美及对称多小区场景下验证结果。

提出的方法

• 提出一种现实的功率消耗模型，其中电路与处理功耗随M和K变化，不同于以往将它们视为常量的模型。
• 推导出采用迫零（ZF）预编码与合并的上行链路和下行链路MIMO系统能效（EE）的闭式表达式。
• 采用联合优化M、K和发射功率的系统模型，并在均匀覆盖约束下进行优化。
• 应用渐近分析与拟凹优化方法，推导出当其中两个参数固定时，M、K和发射功率的最优值。
• 通过近似迫零预编码与最小均方误差（MMSE）信道估计，验证在CSI不完美情况下的结果，建模导频污染与信道不确定性。
• 通过利用小区对称性并建模导频污染与信道估计误差引起的小区间干扰，将分析扩展至多小区场景。

实验结果

研究问题

• RQ1 在多用户MIMO系统中，为实现能效最大化，基站天线数（M）、激活用户数（K）和发射功率的最优值是什么？
• RQ2 电路与处理功耗随M和K的缩放特性如何影响最优系统设计？
• RQ3 大规模MIMO（大M）且用户数多（K大）的配置是否比传统MIMO配置具有更高的能效？
• RQ4 信道状态信息不完善如何影响能效MIMO系统的最优设计？
• RQ5 为实现能效最大化，最优发射功率随天线数M的增加而增加还是减少？

主要发现

• 最优天线数M随每根天线的电路功率增加而增加，随每个用户的处理功率增加而减少，表明硬件成本与频谱效率之间存在权衡。
• 最优发射功率随天线数M的增加而增加，与普遍认为“M越大，发射功率越低”的观点相悖；这是为在大规模MIMO中实现高信干噪比（SINR）所必需的。
• 能效在拥有数百根天线服务大量用户的大型MIMO系统中达到最大，此时迫零预编码对干扰抑制至关重要。
• 最优用户数K随天线数M的增加而增加，且当M/K不一定是大值时系统即可实现最大能效，支持了大规模MIMO的广义定义。
• 数值结果表明，即使在CSI不完美及对称多小区场景下，最优设计仍具有鲁棒性，导频污染导致的性能下降可被有效管理。
• 推导出的能效最优M、K和发射功率的闭式表达式适用于上行链路和下行链路，且在发射功率上为拟凹函数，确保存在唯一全局最大值。