[论文解读] Optimal Stochastic Coordinated Beamforming with Compressive CSI Acquisition for Cloud-RAN.

Yuanming Shi, Jun Zhang+1 more|arXiv (Cornell University)|Dec 2, 2013

Advanced MIMO Systems Optimization参考文献 30被引用 7

一句话总结

本文提出了一种压缩信道状态信息（CSI）获取方法与随机协同波束成形（SCB），用于云无线接入网络（Cloud-RAN），在保持高性能的同时降低CSI信令开销。通过仅获取部分瞬时CSI，并对剩余部分使用统计CSI，SCB框架利用一种新颖的随机D.C.规划算法处理不确定性，该算法具有最优性保证，实现了接近完整CSI性能的同时显著降低了开销。

ABSTRACT

Cloud radio access network (Cloud-RAN) is a revolutionary RAN architecture. It provides a cost-effective way to improve both the network capacity and energy efficiency by shifting the baseband signal processing to a single baseband unit (BBU) pool, which enables centralized signal processing. However, in order to exploit the performance gains of full cooperation, full channel state information (CSI) is often required, which will incur excessive signaling overhead and degrade the network performance. To resolve the CSI challenge for Cloud-RAN, we propose a novel CSI acquisition method, called compressive CSI acquisition. This new method can effectively reduce the CSI signaling overhead by obtaining instantaneous coefficients of only a subset of all the channel links. As a result, the BBU pool will obtain mixed CSI consisting of instantaneous values of some links and statistical CSI for the others. We then propose a stochastic coordinated beamforming (SCB) framework to deal with the uncertainty in the available mixed CSI. The SCB problem turns out to be a joint chance constrained program (JCCP) and is known to be highly intractable. In contrast to all the previous algorithms for JCCP that can only find feasible but sub-optimal solutions, we propose a novel stochastic DC (difference-of-convex) programming algorithm with optimality guarantee. To reduce the computational complexity, we also propose two low-complexity algorithms using the scenario approach and the Bernstein approximation method for larger-sized networks. Simulation results will show that the proposed compressive CSI acquisition method can reduce the CSI overhead significantly, and the proposed SCB algorithms provide performances close to the full CSI case.

研究动机与目标

• 解决云无线接入网络中完整信道状态信息（CSI）带来的高信令开销问题，该问题会降低网络效率。
• 通过仅获取部分瞬时信道系数而非完整CSI，降低CSI反馈开销。
• 设计一种鲁棒的波束成形框架，以应对由于压缩获取导致的混合CSI（部分瞬时，部分统计）情况。
• 设计一种最优的随机协同波束成形（SCB）算法，能够处理混合CSI中的不确定性，并具备理论最优性保证。
• 为大规模网络设计低复杂度替代方案，采用场景近似与伯恩斯坦近似方法。

提出的方法

• 引入压缩CSI获取方法，仅获取部分信道链路的瞬时系数，从而降低反馈开销。
• 将所得混合CSI建模为瞬时CSI与统计CSI的组合，从而在波束成形设计中引入不确定性。
• 将SCB问题建模为联合机会约束规划（JCCP），以捕捉概率性服务质量约束。
• 提出一种新颖的随机D.C.规划算法，可保证求解JCCP的最优性，克服了先前子最优可行解方法的局限性。
• 开发两种低复杂度变体：一种基于场景方法，另一种基于伯恩斯坦近似，适用于大规模网络。
• 将随机D.C.算法与压缩CSI获取相结合，实现在部分CSI条件下的最优波束成形。

实验结果

研究问题

• RQ1 压缩CSI获取方法是否能在云无线接入网络中显著降低CSI反馈开销，同时不牺牲波束成形性能？
• RQ2 随机协同波束成形框架如何有效处理由混合CSI（瞬时与统计）引起的不确定性？
• RQ3 与先前的次优方法相比，随机D.C.规划算法是否能够实现求解联合机会约束波束成形问题的最优性？
• RQ4 在大规模云无线接入网络部署中，基于场景的方法与伯恩斯坦近似方法在性能与复杂度方面如何比较？
• RQ5 所提出的SCB框架在降低CSI开销的前提下，能够在多大程度上实现接近完整CSI基准的性能？

主要发现

• 压缩CSI获取方法通过仅获取部分信道系数，显著降低了CSI信令开销。
• 所提出的随机D.C.规划算法在求解联合机会约束波束成形问题时实现了最优性，这是对先前次优方法的关键改进。
• 结合压缩CSI的SCB框架实现了与完整CSI基准极为接近的性能，表现出极小的性能损失。
• 基于场景的方法与伯恩斯坦近似方法为大规模网络提供了有效的低复杂度替代方案，且在性能上具有可接受的权衡。
• 仿真结果证实，所提方法在大幅降低CSI反馈开销的同时，仍能保持高网络容量与能量效率。