[论文解读] User Clustering for Multicast Precoding in Multi-Beam Satellite Systems

Alessandro Guidotti, Alessandro Vanelli‐Coralli+2 more|arXiv (Cornell University)|Jun 28, 2017

Satellite Communication Systems参考文献 22被引用 12

一句话总结

本文提出了一种基于k-means的聚类框架，用于在多波束卫星系统中进行多播预编码，通过在多维空间中使用欧几里得距离或信道系数距离对用户进行分组。基于信道的方法相比基于欧几里得距离的聚类，在吞吐量增益上提高了20%至100%，因为它更准确地捕捉了信道域中与干扰相关的用户接近程度，从而在全频率复用条件下显著提升了频谱效率。

ABSTRACT

Current State-of-the-Art High Throughput Satellite systems provide wide-area connectivity through multi-beam architectures. However, due to the tremendous system throughput requirements that next generation Satellite Communications expect to achieve, traditional 4-colour frequency reuse schemes, i.e., two frequency bands with two orthogonal polarisations, are not sufficient anymore and more aggressive solutions as full frequency reuse are gaining momentum. These approaches require advanced interference management techniques to cope with the significantly increased inter-beam interference, like multicast precoding and Multi User Detection. With respect to the former, several peculiar challenges arise when designed for SatCom systems. In particular, to maximise resource usage while minimising delay and latency, multiple users are multiplexed in the same frame, thus imposing to consider multiple channel matrices when computing the precoding weights. In this paper, we focus on this aspect by re-formulating it as a clustering problem. After introducing a novel mathematical framework, we design a k-means-based clustering algorithm to group users into simultaneously precoded and served clusters. Two similarity metrics are used to this aim: the users' Euclidean distance and their channel distance, i.e., distance in the multidimensional channel vector space. Through extensive numerical simulations, we substantiate the proposed algorithms and identify the parameters driving the system performance.

研究动机与目标

• 为在全频率复用条件下解决高吞吐量多波束卫星系统中多播预编码的高效用户分组问题。
• 通过优化用户聚类以最小化波束间干扰，提升频谱效率和系统吞吐量。
• 构建一个数学框架，将用户聚类建模为方差最小化问题以用于预编码。
• 比较两种聚类度量方法的性能：多维空间中的欧几里得距离与信道系数距离。
• 识别对可实现数据速率具有关键影响的系统参数，如用户密度和聚类大小。

提出的方法

• 采用基于k-means的算法，将用户聚类建模为方差最小化问题，以将用户划分为若干簇，实现同时预编码。
• 采用两种相似性度量：(1) 用户位置之间的欧几里得距离，(2) 多维信道系数空间中的距离。
• 在每个簇内应用线性多播预编码，预编码权重基于该簇中所有用户的信道矩阵计算得出。
• 采用超帧结构，将多个用户复用到一个前向纠错编码码字中，以实现高效的资源利用。
• 通过数值仿真，改变用户密度和聚类大小，评估不同配置下的性能表现。
• 以每波束的平均速率作为关键性能指标，比较在不同平均簇中心距离下两种聚类方法的性能。

实验结果

研究问题

• RQ1 基于信道系数距离的用户聚类与基于欧几里得距离的聚类相比，在可实现数据速率方面有何差异？
• RQ2 用户密度对平均簇大小及系统吞吐量有何影响？
• RQ3 用户与其簇中心之间的平均距离如何影响多播预编码系统的可实现速率？
• RQ4 在全频率复用条件下，多播预编码相比非预编码系统能带来多大的性能增益？
• RQ5 基于信道的聚类方法是否能比基于地理接近度的聚类更准确地捕捉与干扰相关的用户接近度？

主要发现

• 基于信道的聚类方法相比欧几里得方法实现了显著更高的平均速率，增益范围为20%至100%，具体取决于系统配置。
• 在固定平均速率条件下，使用信道系数方法聚类的用户，其与簇中心的平均距离大于使用欧几里得距离方法聚类的用户，表明其空间分布更广。
• 更高的用户密度使得在保持相同簇基数的情况下，可实现更小的平均距离，从而提升性能。
• 当用户密度较高时，不同距离下的性能曲线趋于收敛，表明簇大小增益在单位距离上的提升已达到饱和。
• 信道系数距离度量比地理距离更准确地捕捉了与干扰相关的用户接近度，从而实现了更高的频谱效率。
• 通过多播预编码，系统实现了显著的频谱效率增益，尤其是在采用基于信道的聚类方法时更为明显。