[论文解读] Scheduling and Pre-Conditioning in Multi-User MIMO TDD Systems

Jubin Jose, Alexei Ashikhmin+2 more|ArXiv.org|Sep 28, 2007

Advanced MIMO Systems Optimization参考文献 11被引用 4

一句话总结

该论文提出了一种用于具有互惠信道的多用户MIMO TDD系统的联合调度与预条件框架，通过优化训练序列长度和用户选择以最大化下行链路净吞吐量。针对同质用户，推导出更紧致的和容量边界；针对异质用户，提出一种优化的预条件矩阵，通过联合利用调度与信道互惠性，在干扰受限、高移动性场景下显著提升加权和速率。

ABSTRACT

The downlink transmission in multi-user multiple-input multiple-output (MIMO) systems has been extensively studied from both communication-theoretic and information-theoretic perspectives. Most of these papers assume perfect/imperfect channel knowledge. In general, the problem of channel training and estimation is studied separately. However, in interference-limited communication systems with high mobility, this problem is tightly coupled with the problem of maximizing throughput of the system. In this paper, scheduling and pre-conditioning based schemes in the presence of reciprocal channel are considered to address this. In the case of homogeneous users, a scheduling scheme is proposed and an improved lower bound on the sum capacity is derived. The problem of choosing training sequence length to maximize net throughput of the system is studied. In the case of heterogeneous users, a modified pre-conditioning method is proposed and an optimized pre-conditioning matrix is derived. This method is combined with a scheduling scheme to further improve net achievable weighted-sum rate.

研究动机与目标

• 解决在干扰受限、高移动性多用户MIMO TDD系统中，信道训练、信道估计与系统吞吐量之间的紧密耦合问题。
• 设计一种调度与预条件方案，以在不假设基站具备完美信道状态信息的前提下，最大化净可实现和速率或加权和速率。
• 在实际约束条件下，优化训练序列长度与用户集大小，以最大化净系统吞吐量。
• 在M-large假设下，推导一种计算高效的优化预条件矩阵，适用于异质用户。
• 在真实低SINR环境中，展示联合优化调度与预条件带来的性能增益。

提出的方法

• 提出一种针对同质用户的调度方案，通过利用用户信道的时变特性，提升和容量下界，并降低预条件复杂度。
• 提出一个训练序列长度优化问题，以在训练开销和相干时间间隔的约束下，最大化净吞吐量。
• 在M-large假设下，推导出一种针对异质用户的优化预条件矩阵，最小化有效干扰，同时满足用户特定的权重和SINR要求。
• 将优化后的预条件与简单调度策略结合，提升多用户场景下的加权和速率。
• 采用基于TDD的互惠信道模型，其中反向信道为前向信道的转置，实现低开销信道估计。
• 采用具有块衰落和OFDM的TDD系统模型，以考虑频率选择性，假设信道元素服从i.i.d.瑞利衰落。

实验结果

研究问题

• RQ1 如何在具有互惠信道的多用户MIMO TDD系统中，联合优化调度与预条件，以最大化净下行链路吞吐量？
• RQ2 在干扰受限、高移动性环境中，最大化净系统吞吐量的最优训练序列长度是什么？
• RQ3 前向与反向SINR的用户异质性如何影响有效预条件矩阵与调度策略的设计？
• RQ4 当训练开销最小化且信道互惠性被充分利用时，调度增益在多大程度上提升了和速率或加权和速率？
• RQ5 能否推导出一种计算高效的预条件方法，使其在不同用户SINR和权重配置下均保持高性能？

主要发现

• 所提出的同质用户调度方案相比先前工作实现了更紧致的和容量下界，在低前向SINR（0 dB）下也表现出显著性能增益。
• 净可实现和速率随基站天线数M增加而提升，且优化后的训练序列长度τ_rp*在所有测试的前向SINR水平下均等于最优用户数K*。
• 在异质用户场景中，将优化预条件与调度结合（方案-3）可实现最高的净可实现加权和速率，当K ≈ M时增益尤为显著。
• 最优用户数K*与训练长度τ_rp*被发现相等，并随前向SINR增加而增加，表明其对信道质量有强依赖性。
• 在低前向SINR（如0 dB）时，调度增益最为显著，此时干扰限制了频谱效率。
• 推导出的预条件矩阵适用于任意用户权重、前向与反向SINR，且涉及计算简单的优化过程，适合实时实现。