[论文解读] Sparse Joint Transmission for Cell-Free Massive MIMO: A Sparse PCA Approach

Deokhwan Han, Jeonghun Park+1 more|arXiv (Cornell University)|Dec 11, 2019

Advanced MIMO Systems Optimization参考文献 34被引用 5

一句话总结

本文针对用户中心的协作接入点（AP）集合、预编码向量和功率分配，在回传容量受限条件下，提出了一种基于稀疏主成分分析（sparse PCA）的稀疏联合传输（sparse-JT）方案，以联合优化激活的AP选择、预编码和功率分配。该方法在保持较低回传信令开销和能耗的同时，实现了比多小区零 forcing（multi-cell zero-forcing）更高的频谱效率，尤其在用户中心聚类场景下表现更优。

ABSTRACT

Cell-free massive multiple-input multiple-output (MIMO) is a promising cellular network. In this network, a large number of distributed and multi-antenna access points (APs) jointly serve many single antenna users using the same time-frequency resource. Consequently, it possibly provides a uniform service experience to users regardless of the users' locations by eliminating interference at cell boundaries via user-centric joint transmission. This joint transmission, however, requires extremely high signaling overheads for data sharing via backhaul links and causes a high network-wide power consumption. To resolve these problems, in this paper, we present a novel joint transmission method, which is referred to as sparse joint transmission (sparse-JT), for cell-free massive MIMO networks with finite backhaul capacity constraints. Sparse-JT jointly identifies the user-centric cooperative APs sets, precoding vectors for beamforming and compression, and power allocation that maximizes a lower bound of the sum-spectral efficiency under the constraint that a total number of active APs per the joint transmission is sparse. The proposed algorithm guarantees to identify a local-optimal solution for a relaxed sum-spectral maximization problem. By simulations, we show that sparse-JT achieves higher ergodic spectral efficiencies than those attained by multi-cell zero-forcing precoding with the user-centric AP clustering algorithm in all system configurations.

研究动机与目标

• 降低用户中心协作中回传信令开销和网络能耗。
• 解决在有限回传容量约束下的联合传输挑战。
• 通过联合优化激活AP集合、预编码向量和功率分配，最大化系统频谱效率。
• 确保每个用户激活的AP数量具有稀疏性，以降低系统复杂度。
• 为松弛后的总频谱效率最大化问题提供局部最优解。

提出的方法

• 该方法在激活AP稀疏性约束下，构建了面向用户中心协作AP集合、预编码向量和功率分配的联合优化问题。
• 采用基于稀疏主成分分析（sparse PCA）的方法，识别每个用户最相关的AP，以实现高效的波束成形和压缩。
• 该算法可保证收敛至松弛后总频谱效率最大化问题的局部最优解。
• 通过限制每个用户激活的AP数量，实现稀疏性，从而减少回传信令和能耗。
• 联合设计预编码与压缩策略，在保持频谱效率的同时最小化数据交换量。
• 该方法在有限回传容量约束下进行评估，真实反映了实际部署中的限制条件。

实验结果

研究问题

• RQ1 在有限回传容量下，如何使用户中心的协作中联合传输具备可扩展性？
• RQ2 激活AP选择中的稀疏性对频谱效率和系统开销有何影响？
• RQ3 基于稀疏主成分分析（sparse PCA）的方法是否能优于传统的用户中心聚类多小区零强制（multi-cell zero-forcing）？
• RQ4 所提方法如何在频谱效率、回传信令和能耗之间实现平衡？
• RQ5 在不同系统配置下，sparse-JT相较于现有联合传输方案的性能增益如何？

主要发现

• 在所有测试的系统配置中，sparse-JT的频谱效率均高于采用用户中心AP聚类的多小区零强制方案。
• 通过在激活AP集合中引入稀疏性，该方法有效降低了回传信令和全网能耗。
• 该算法可保证收敛至松弛后总频谱效率最大化问题的局部最优解。
• 联合优化AP选择、预编码和功率分配，在有限回传容量下显著提升了频谱效率。
• 仿真结果表明，即使在回传容量受限条件下，sparse-JT仍能保持高性能。
• 稀疏主成分分析方法能高效识别协作AP集合，提升波束成形增益，同时最小化系统开销。