[论文解读] Power Allocation for Massive MIMO-based, Fronthaul-constrained Cloud RAN Systems

Jobin Francis, Gerhard Fettweis|arXiv (Cornell University)|Oct 10, 2018

Advanced MIMO Systems Optimization参考文献 25被引用 4

一句话总结

本文提出了一种面向回传链路受限的、基于大规模MIMO的云无线接入网（Cloud RAN）系统的功率分配框架，旨在最大化加权和速率（WSR）与能量效率（EE）。通过使用新型紧致的用户速率局部边界进行连续凸逼近（SCA），该方法在回传链路容量约束下优化功率分配，在仿真中性能显著优于基线方案与现有算法。

ABSTRACT

Cloud radio access network (C-RAN) and massive multiple-input-multiple-output (MIMO) are two key enabling technologies to meet the diverse and stringent requirements of the 5G use cases. In a C-RAN system with massive MIMO, fronthaul is often the bottleneck due to its finite capacity and transmit precoding is moved to the remote radio head to reduce the capacity requirements on fronthaul. For such a system, we optimize the power allocated to the users to maximize first the weighted sum rate and then the energy efficiency (EE) while explicitly incorporating the capacity constraints on fronthaul. We consider two different fronthaul constraints, which model capacity constraints on different parts of the fronthaul network. We develop successive convex approximation algorithms that achieve a stationary point of these non-convex problems. To this end, we first present novel, locally tight bounds for the user rate expression. They are used to obtain convex approximations of the original non-convex problems, which are then solved by solving their dual problems. In EE maximization, we also employ the Dinkelbach algorithm to handle the fractional form of the objective function. Numerical results show that the proposed algorithms significantly improve the network performance compared to a case with no power control and achieves a better performance than an existing algorithm.

研究动机与目标

• 解决大规模MIMO基云无线接入网系统中因回传链路容量受限导致的性能瓶颈问题。
• 在显式回传链路容量约束下，最大化加权和速率（WSR）与能量效率（EE）。
• 提出一种实用的功率分配策略，考虑功能分割，即将预编码功能移至射频拉远单元（RRUs），以降低回传链路负载。
• 通过凸逼近技术确保非凸优化问题收敛至驻点。
• 在现实回传链路约束下，相较于现有功率控制方案，在频谱效率与能量效率方面均表现更优。

提出的方法

• 提出一种连续凸逼近（SCA）框架，用于求解在回传链路约束下的非凸WSR与EE最大化问题。
• 引入新型、局部紧致的用户速率表达式上界与下界，以实现对原始非凸问题的有效凸逼近。
• 通过变量变换及基于速率函数的凹凸性性质的一阶逼近，构建代理函数。
• 应用Dinkelbach算法处理EE目标函数的分式形式。
• 利用KKT条件与功率及拉格朗日乘子的迭代更新求解凸化子问题的对偶问题。
• 采用两阶段方法：第一阶段通过SCA实现WSR最大化；第二阶段在速率表达式的下界基础上，利用Dinkelbach方法实现EE最大化。

实验结果

研究问题

• RQ1 在回传链路容量受限条件下，如何优化基于大规模MIMO的云无线接入网系统的功率分配以最大化加权和速率？
• RQ2 不同的回传链路容量约束（如每小区与总容量）对系统性能与功率分配策略有何影响？
• RQ3 采用紧致局部边界的连续凸逼近能否在非凸WSR与EE优化问题中实现收敛至驻点？
• RQ4 所提出的功率分配方案相较于无功率控制的基线方案与现有算法，在性能上表现如何？
• RQ5 在回传链路受限条件下，该方法在保持高谱效率的同时，能在多大程度上提升能量效率？

主要发现

• 所提出的基于SCA的功率分配算法在加权和速率与能量效率方面均显著优于无功率控制的基线方案。
• 该算法收敛至非凸优化问题的驻点，其收敛性由SCA的理论收敛特性保证。
• 数值结果表明，该方法在WSR与EE方面均优于现有算法，尤其在回传链路受限条件下表现更优。
• 对用户速率表达式采用局部紧致边界，可有效实现凸逼近，确保非凸问题的实用且高效求解。
• Dinkelbach算法能有效处理EE目标函数的分式形式，实现高效的EE最大化。
• 该方法通过功率控制隐式实现协调调度，因分配到零功率的用户等效于未被调度。