[论文解读] Spatial Intercell Interference Cancellation with CSI Training and Feedback

Jun Zhang, Jeffrey G. Andrews+1 more|arXiv (Cornell University)|May 21, 2011

Advanced MIMO Systems Optimization参考文献 32被引用 5

一句话总结

该论文提出了一种适用于蜂窝网络的实用小区间干扰协调（ICIC）方案，该方案在实际信道状态信息（CSI）获取约束下优化了训练与反馈。通过联合优化模拟与数字反馈的导频功率和反馈资源分配，该方案显著提升了频谱效率，即使在低速率反馈和标准训练条件下，也能将干扰受限系统转变为噪声受限系统。

ABSTRACT

We investigate intercell interference cancellation (ICIC) with a practical downlink training and uplink channel state information (CSI) feedback model. The average downlink throughput for such a 2-cell network is derived. The user location has a strong effect on the signal-to-interference ratio (SIR) and the channel estimation error. This motivates adaptively switching between traditional (single-cell) beamforming and ICIC at low signal-to-noise ratio (SNR) where ICIC is preferred only with low SIR and accurate channel estimation, and the use of ICIC with optimized training and feedback at high SNR. For a given channel coherence time and fixed training and feedback overheads, we develop optimal data vs. pilot power allocation for CSI training as well as optimal feedback resource allocation to feed back CSI of different channels. Both analog and finite-rate digital feedback are considered. With analog feedback, the training power optimization provides a more significant performance gain than feedback optimization; while conversely for digital feedback, performance is more sensitive to the feedback bit allocation than the training power optimization. We show that even with low-rate feedback and standard training, ICIC can transform an interference-limited cellular network into a noise-limited one.

研究动机与目标

• 通过建模实际的CSI训练与反馈开销，解决理论多小区处理与实际部署之间的性能差距。
• 分析用户位置对2小区下行链路网络中SIR（干扰信号比）和信道估计误差的影响。
• 开发最优的功率与反馈资源分配策略，在固定相干时间和开销约束下最大化下行链路吞吐量。
• 比较模拟与数字反馈下，训练功率优化与反馈比特分配的相对增益。
• 证明通过优化训练与反馈的ICIC可将干扰受限的蜂窝网络转变为噪声受限系统。

提出的方法

• 推导在实际CSI训练与反馈下，采用ICIC的2小区网络的平均下行链路吞吐量，建模信道估计误差与反馈量化。
• 提出统一框架，联合优化模拟与数字反馈的业务-导频功率比及反馈资源分配。
• 利用随机几何与卡方分布近似，建模在不完美CSI下的信号与干扰功率，考虑估计误差与量化误差。
• 应用大系统分析与渐近近似，推导不同反馈类型下的可实现速率闭式表达式。
• 引入基于信噪比（SNR）与信道质量的用户位置感知切换策略，在单小区波束成形与ICIC之间切换。
• 利用凸优化推导最优训练与反馈配置，给出最优训练功率与反馈比特分配的解析条件。

实验结果

研究问题

• RQ1 在2小区ICIC系统中，用户位置如何影响SIR与信道估计误差？
• RQ2 在固定相干时间与开销约束下，CSI训练中业务与导频功率的最优权衡是什么？
• RQ3 应如何在不同信道间分配反馈资源以最大化系统吞吐量？
• RQ4 与数字反馈相比，模拟反馈下优化训练功率与反馈比特分配的相对性能增益如何？
• RQ5 在低速率反馈与标准训练条件下，ICIC能否将干扰受限网络转变为噪声受限网络？

主要发现

• 通过优化训练与反馈，ICIC可将干扰受限的蜂窝网络转变为噪声受限系统，即使在低速率反馈与标准训练条件下亦可实现。
• 对于模拟反馈，训练功率优化带来的性能增益大于反馈比特分配；而对数字反馈，性能对反馈比特分配的敏感度高于对训练功率的敏感度。
• 在低SNR下，仅当SIR较低且信道估计准确时，ICIC才优于单小区波束成形；否则，单小区波束成形更优。
• 在高SNR下，采用优化训练与反馈的ICIC相比传统方案可实现显著的频谱效率增益。
• 最优训练功率分配被推导为用户位置、相干时间与反馈开销的函数，并给出了闭式表达式。
• 由于量化与估计误差导致的残余干扰被建模为卡方分布项之和，从而实现精确的速率分析。