[论文解读] Scalable Coordinated Beamforming for Dense Wireless Cooperative Networks

Yuanming Shi, Jun Zhang+1 more|arXiv (Cornell University)|May 13, 2014

Advanced MIMO Systems Optimization参考文献 9被引用 3

一句话总结

本文提出了一种基于ADMM的可扩展协同波束成形框架，用于密集无线网络，采用矩阵填充技术将优化问题转化为ADMM兼容形式，从而实现闭式、可并行化的子问题求解。该方法相较于内点法求解器实现了数量级的加速，且最优波束成形在频谱效率和公平性方面显著优于迫零波束成形。

ABSTRACT

To meet the ever growing demand for both high throughput and uniform coverage in future wireless networks, dense network deployment will be ubiquitous, for which co- operation among the access points is critical. Considering the computational complexity of designing coordinated beamformers for dense networks, low-complexity and suboptimal precoding strategies are often adopted. However, it is not clear how much performance loss will be caused. To enable optimal coordinated beamforming, in this paper, we propose a framework to design a scalable beamforming algorithm based on the alternative direction method of multipliers (ADMM) method. Specifically, we first propose to apply the matrix stuffing technique to transform the original optimization problem to an equivalent ADMM-compliant problem, which is much more efficient than the widely-used modeling framework CVX. We will then propose to use the ADMM algorithm, a.k.a. the operator splitting method, to solve the transformed ADMM-compliant problem efficiently. In particular, the subproblems of the ADMM algorithm at each iteration can be solved with closed-forms and in parallel. Simulation results show that the proposed techniques can result in significant computational efficiency compared to the state- of-the-art interior-point solvers. Furthermore, the simulation results demonstrate that the optimal coordinated beamforming can significantly improve the system performance compared to sub-optimal zero forcing beamforming.

研究动机与目标

• 为解决密集无线协作网络中最优协同波束成形的高计算复杂度问题。
• 在不牺牲解质量的前提下，减少大规模波束成形优化的运行时间。
• 实现最多100个接入点的网络中最优波束成形的实际部署。
• 在密集、高容量场景下，展示最优波束成形相较于次优策略（如迫零波束成形）的优越性。

提出的方法

• 应用矩阵填充技术，将原始协同波束成形问题重新表述为等价的ADMM兼容形式，从而通过ADMM实现高效求解。
• 使用ADMM算法求解变换后的问题，各次问题在每轮迭代中以闭式解并行求解。
• 通过基于Smith形式引入辅助变量，实现优化问题的解耦，支持分布式和可扩展计算。
• 针对给定网络规模，预生成并存储固定的ADMM结构，实现新实例中快速参数复制。
• 实现中采用SCS求解器执行ADMM，利用锥优化并行投影。
• 该方法避免依赖CVX等通用建模工具，将转换开销降低超过200倍。

实验结果

研究问题

• RQ1 能否设计一种可扩展、低复杂度的算法，在拥有数百个AP的密集无线网络中实现最优协同波束成形？
• RQ2 对于大规模问题，所提出的矩阵填充与ADMM方法在运行时间上与CVX和SeDuMi相比如何？
• RQ3 在最小用户速率和频谱效率方面，最优波束成形相较于迫零波束成形能带来多大的性能增益？
• RQ4 随着网络密度和信噪比的增加，最优与次优波束成形之间的性能差距如何变化？

主要发现

• 所提出的矩阵填充技术将问题转换时间从CVX的约18秒减少至0.3秒以下，实现200倍加速。
• 基于ADMM的求解器（SCS）相较于SeDuMi实现1000倍加速，将100个AP网络的运行时间从约2600秒缩短至约1秒。
• 在低至中等信噪比下，最优协同波束成形相较于迫零波束成形将最小网络吞吐率提升2.0 bps/Hz。
• 随着用户密度的增加，最优与迫零波束成形之间的性能差距扩大，凸显了在超密集网络中采用最优波束成形的必要性。
• 通过CVX+SeDuMi与矩阵填充+SCS结果的一致性，验证了所提方法在解的精度上与最优值保持合理接近。
• 该方法实现了可扩展的、实时的波束成形优化，适用于最多100个接入点的网络，使最优协作成为实际可行的方案。