[论文解读] Optimal Joint User Association and Resource Allocation in Heterogeneous Networks via Sparsity Pursuit

Quan Kuang, Wolfgang Utschick+1 more|arXiv (Cornell University)|Aug 21, 2014

Advanced MIMO Systems Optimization参考文献 42被引用 14

一句话总结

本文提出了一种稀疏性追求框架，用于异构网络（HetNets）中最优的用户关联与资源分配，通过预定义的复用模式建模干扰，实现凸优化。通过算法化稀疏性追求识别出一组少量的特征模式，该方法在显著降低复杂度的同时实现近似最优性能，优于传统的分数频率复用和覆盖扩展规则等策略。

ABSTRACT

This paper studies the joint user association and resource allocation in heterogeneous networks (HetNets) from a novel perspective, motivated by and generalizing the idea of fractional frequency reuse. By treating the multi-cell multi-user resource allocation as resource partitioning among multiple reuse patterns, we propose a unified framework to analyze and compare a wide range of user association and resource allocation strategies for HetNets, and provide an optimal benchmark for network performance. The enabling mechanisms are a novel formulation to consider all possible interference patterns or any pre-defined subset of patterns, and efficient sparsity-pursuit algorithms to find the solution. A notable feature of this formulation is that the patterns remain fixed during the resource optimization process. This creates a favorable opportunity for convex formulations while still considering interference coupling. More importantly, in view of the fact that multi-cell resource allocation is very computational demanding, our framework provides a systematic way to trade off performance for the reduction of computational complexity by restricting the candidate patterns to a small number of feature patterns. Relying on the sparsity-pursuit capability of the proposed algorithms, we develop a practical guideline to identify the feature patterns. Numerical results show that the identified feature patterns can significantly improve the existing strategies, and jointly optimizing the user association and resource allocation indeed brings considerable gain.

研究动机与目标

• 为解决由于小区间干扰导致的异构网络中联合用户关联与资源分配的高计算复杂度问题，该问题本质上是非凸且耦合的。
• 开发一个统一框架，将多种资源管理策略（包括分数频率复用）在统一的干扰模式公式下进行泛化与比较。
• 通过在资源分配过程中固定干扰模式，实现凸松弛并高效求解联合优化问题，同时保持干扰耦合性，实现可处理的优化。
• 识别出一组最小的“特征模式”，以捕捉关键的干扰行为，从而在不牺牲最优性的情况下实现显著的复杂度降低。
• 通过完整模式枚举提供性能基准，并证明现有启发式策略与最优解相比存在显著性能损失。

提出的方法

• 采用多模式资源分配框架建模网络容量最大化问题，其中每种模式定义了基站的唯一开启/关闭激活状态。
• 在优化过程中固定每种模式下的功率参数，使原本非凸的组合问题得以实现凸松弛。
• 利用凸松弛和拉格朗日对偶性计算最优解的紧致上界，结合KKT条件与二分图表示法，对多关联情况进行上界约束。
• 设计算法1和2用于凸松弛与上界计算，算法3通过交替优化逼近原始非凸解。
• 应用稀疏性追求算法，识别出一组少量但高效的“特征模式”，其依据来自松弛解中的活跃模式。
• 构建用户-基站关联的二分图表示（BGR），证明在相同模式下与多个基站关联的用户数量上界为B−1，确保解的结构可处理性。

实验结果

研究问题

• RQ1 如何在保持干扰耦合性的同时，对异构网络中的联合用户关联与资源分配进行建模，以实现凸优化？
• RQ2 能够实现近似最优性能的最小干扰模式集合（即特征模式）是什么？该集合能否实现复杂度的显著降低？
• RQ3 现有启发式策略（如分数频率复用和覆盖扩展）的性能与最优基准相比如何？
• RQ4 用户关联与资源分配之间的耦合性在多大程度上影响系统性能？是否可被利用以获得增益？
• RQ5 稀疏性追求算法能否在不进行穷举枚举的情况下，有效识别出最相关的干扰模式？

主要发现

• 所提出的框架通过固定干扰模式，使联合用户关联与资源分配的凸优化成为可能，既保持了干扰耦合性，又使问题可处理。
• 仅需通过稀疏性追求识别出的少量特征模式，即可实现近似最优性能，从而大幅降低计算复杂度。
• 现有策略（如分数频率复用和覆盖扩展）与最优基准相比存在显著性能损失，且覆盖扩展中的最优偏置值高度依赖于资源分配策略。
• 在相同模式下与多个基站关联的用户数量上界为B−1，其中B为基站数量，确保了解的结构稳定性。
• 数值结果证实，所提出的指导原则识别出的特征模式显著优于传统策略，凸显了系统化模式选择的价值。
• 最优下行链路用户关联并不一定对上行链路最优，凸显了未来工作中联合上下行优化的必要性。