Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is Massive MIMO the Answer?笔记
Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is Massive MIMO the Answer? MIMO系统能量利用率受系统参数影响讨论
- 总述
- 系统模型
- 信道模型
- 传输模型
- 信号处理过程
- 上下行传输 速率及功率分配
- 上行信道
- 下行信道
- 问题构建
- 电路功耗模型分析
- EE优化问题求解(ZF)
- 问题构建
- 整体求解的框架(交替优化)
- 单个优化变量怎么解(定二求一)
- 最优用户数
- 闭式解
- 结论
- 最优BS天线数
- 闭式解
- 结论
- 最优发射功率
- 闭式解
- 结论
本文是Emil Björnson在2015年在TWC上的一份工作:
E. Björnson, L. Sanguinetti, J. Hoydis and M. Debbah, “Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is Massive MIMO the Answer?,” in IEEE Transactions on Wireless Communications, vol. 14, no. 6, pp. 3059-3075, June 2015, doi: 10.1109/TWC.2015.2400437.
总述
本文讨论在单小区多用户系统(SC-MU-MISO)中,系统的能量利用率(Energy Efficiency, EE)随基站天线数MMM、用户数KKK、发射总功率ρ\rhoρ的变化情况。相比于literature review中工作。
本文主要贡献在于:
1. 改变了以往将系统电路功耗建模为一个定值,建立了一个新的模型去描述电路功耗;
2. 基于该模型,构建了EEEEEE最大化问题,进而在ZFZFZF信号处理方法下给出了最优基站天线数MMM、用户数KKK、发射总功率ρ\rhoρ的闭式解,解释了这些参数是如何影响最终性能指标的。
3. 最后在给出了三个变量的联合优化算法,并给出了在MRT/MRC及MMSEMRT/MRC及MMSEMRT/MRC及MMSE信号处理方法下系统的numerical results讨论。
系统模型
信道模型
本文考虑单小区多用户系统(SC-MU-MISO),用户端单天线。系统示意图如下:
这里信道考虑大尺度衰落。具体方式是:在单小区覆盖区域中在空间上建立网格点,按照某种分布选取规定个数的用户作为每一个用户的位置,并基于位置向量给出大尺度衰落,分布与大尺度衰落如下:f(x)={1π(dmax2−dmin2)dmin≤∥x∥≤dmax0otherwise. (1)f(\mathbf{x})= \begin{cases}\frac{1}{\pi\left(d_{\max }^{2}-d_{\min }^{2}\right)} & d_{\min } \leq\|\mathbf{x}\| \leq d_{\max } \\ 0 & \text { otherwise. }\end{cases} \tag{1}f(x)={π(dmax2−dmin2)10dmin≤∥x∥≤dmax otherwise. (1)其中x\mathbf{x}x为位置向量,大尺度衰落如下式:l(x)=dˉ∥x∥κfor ∥x∥≥dmin(2)l(\mathbf{x})=\frac{\bar{d}}{\|\mathbf{x}\|^{\kappa}} \quad \text { for } \quad\|\mathbf{x}\| \geq d_{\min } \tag{2}l(x)=∥x∥κdˉ for ∥x∥≥dmin(2)信道衰减的期望为:Ex{(l(x))−1}=dmaxκ+2−dminκ+2dˉ(1+κ2)(dmax2−dmin2)(3)\mathbb{E}_{\mathbf{x}}\left\{(l(\mathbf{x}))^{-1}\right\}=\frac{d_{\max }^{\kappa+2}-d_{\min }^{\kappa+2}}{\bar{d}\left(1+\frac{\kappa}{2}\right)\left(d_{\max }^{2}-d_{\min }^{2}\right)} \tag{3}Ex{(l(x))−1}=dˉ(1+2κ)(dmax2−dmin2)dmaxκ+2−dminκ+2(3)
小尺度衰落考虑传统的瑞利衰落,只考虑NLOS径,则最终的信道向量建模如下,对第kkk个用户:hk∼CN(0M,l(xk)IM)\mathbf{h}_{k} \sim \mathcal{C N}\left(\mathbf{0}_{M}, l\left(\mathbf{x}_{k}\right) \mathbf{I}_{M}\right)hk∼CN(0M,l(xk)IM)其中hk=[hk,1,hk,2,…,hk,M]T∈CM×1\mathbf{h}_{k}=\left[h_{k, 1}, h_{k, 2}, \ldots, h_{k, M}\right]^{T} \in \mathbb{C}^{M \times 1}hk=[hk,1,hk,2,…,hk,M]T∈CM×1,MMM为基站端天线个数。
传输模型
此处考虑上下行传输,采用TDD架构,帧结构如下:
这里U=BcTcU=B_cT_cU=BcTc代表信道可用总资源,其中BcB_cBc为相干带宽,TcT_cTc代表相干时间。用ζ(ul)+ζ(dl)=1\zeta^{(\mathrm{ul})}+\zeta^{(\mathrm{d} \mathrm{l})}=1ζ(ul)+ζ(dl)=1表示上行信道和下行信道所占总资源的比例,在每一段传输中,用τ(dl)K\tau^{(\text {dl})} Kτ(dl)K和τ(ul)K\tau^{(\text {ul})} Kτ(ul)K表征导频所占的时间资源。
信号处理过程
上行和下行信号处理均在基站端实现,上行为MIMO detection,下行为MIMO precoding。信号处理矩阵用G=[g1,g2,…,gK]∈CM×K\mathbf{G}=\left[\mathbf{g}_{1}, \mathbf{g}_{2}, \ldots, \mathbf{g}_{K}\right] \in \mathbb{C}^{M \times K}G=[g1,g2,…,gK]∈CM×K表示,对上行detection:G={Hfor MRC, H(HHH)−1for ZF,(HP(ul)HH+σ2IM)−1Hfor MMSE (4)\mathbf{G}= \begin{cases}\mathbf{H} & \text { for MRC, } \\ \mathbf{H}\left(\mathbf{H}^{H} \mathbf{H}\right)^{-1} & \text { for } \mathrm{ZF}, \\ \left(\mathbf{H P}^{(\mathrm{ul})} \mathbf{H}^{H}+\sigma^{2} \mathbf{I}_{M}\right)^{-1} \mathbf{H} & \text { for MMSE }\end{cases} \tag{4}G=⎩⎪⎪⎨⎪⎪⎧HH(HHH)−1(HP(ul)HH+σ2IM)−1H for MRC, for ZF, for MMSE (4)对下行precoding:V={Hfor MRT, H(HHH)−1for ZF, (HP(ul)HH+σ2IM)−1Hfor MMSE. (5)\mathbf{V}= \begin{cases}\mathbf{H} & \text { for MRT, } \\ \mathbf{H}\left(\mathbf{H}^{H} \mathbf{H}\right)^{-1} & \text { for ZF, } \\ \left(\mathbf{H P}^{(\mathrm{ul})} \mathbf{H}^{H}+\sigma^{2} \mathbf{I}_{M}\right)^{-1} \mathbf{H} & \text { for MMSE. }\end{cases} \tag{5}V=⎩⎪⎪⎨⎪⎪⎧HH(HHH)−1(HP(ul)HH+σ2IM)−1H for MRT, for ZF, for MMSE. (5)
上下行传输 速率及功率分配
本文目标是使得所有用户能有统一的总速率Rˉ\bar{R}Rˉ(即无偏好服务)。
上行信道
因为传输中要分出一部分资源用来传输导频,上行信道实际信息速率为:Rk(ul)=ζ(ul)(1−τ(ul)KUζ(ul))Rˉk(ul)(6)R_{k}^{(\mathrm{ul})}=\zeta^{(\mathrm{ul})}\left(1-\frac{\tau^{(\mathrm{ul})} K}{U \zeta^{(\mathrm{ul})}}\right) \bar{R}_{k}^{(\mathrm{ul})} \tag{6}Rk(ul)=ζ(ul)(1−Uζ(ul)τ(ul)K)Rˉk(ul)(6)第kkk个用户上行和速率为:Rˉk(ul)=Blog(1+pk(ul)∣gkHhk∣2∑ℓ=1,ℓ≠kKpℓ(ul)∣gkHhℓ∣2+σ2∥gk∥2)(7)\bar{R}_{k}^{(\mathrm{ul})}=B \log \left(1+\frac{p_{k}^{(\mathrm{ul})}\left|\mathbf{g}_{k}^{H} \mathbf{h}_{k}\right|^{2}}{\sum_{\ell=1, \ell \neq k}^{K} p_{\ell}^{(\mathrm{ul})}\left|\mathbf{g}_{k}^{H} \mathbf{h}_{\ell}\right|^{2}+\sigma^{2}\left\|\mathbf{g}_{k}\right\|^{2}}\right) \tag{7}Rˉk(ul)=Blog(1+∑ℓ=1,ℓ=kKpℓ(ul)∣∣gkHhℓ∣∣2+σ2∥gk∥2pk(ul)∣∣gkHhk∣∣2)(7)本文设计目标希望通过power allocation使得各个用户的和速率相同,根据参考文献,此时功率分配向量p(ul)=[p1(ul),p2(ul),…,pK(ul)]T\mathbf{p}^{(\mathrm{ul})}=\left[p_{1}^{(\mathrm{ul})}, p_{2}^{(\mathrm{ul})}, \ldots, p_{K}^{(\mathrm{ul})}\right]^{T}p(ul)=[p1(ul),p2(ul),…,pK(ul)]T有如下闭式解:p(ul)=σ2(D(ul))−11K(8)\mathbf{p}^{(\mathrm{ul})}=\sigma^{2}\left(\mathbf{D}^{(\mathrm{ul})}\right)^{-1} \mathbf{1}_{K} \tag{8}p(ul)=σ2(D(ul))−11K(8)D(ul)∈CK×K\mathbf{D}^{(\mathrm{ul})} \in \mathbb{C}^{K \times K}D(ul)∈CK×K的(k,l)(k,l)(k,l)项有:[D(ul)]k,ℓ={∣gkHhk∣2(2Rˉ/B−1)∥gk∥2for k=ℓ,−∣gkHhℓ∣2∥gk∥2for k≠ℓ.(9)\left[\mathbf{D}^{(\mathrm{ul})}\right]_{k, \ell}= \begin{cases}\frac{\left|\mathbf{g}_{k}^{H} \mathbf{h}_{k}\right|^{2}}{\left(2^{\bar{R} / B}-1\right)\left\|\mathbf{g}_{k}\right\|^{2}} & \text { for } k=\ell, \\ -\frac{\left|\mathbf{g}_{k}^{H} \mathbf{h}_{\ell}\right|^{2}}{\left\|\mathbf{g}_{k}\right\|^{2}} & \text { for } k \neq \ell .\end{cases} \tag{9}[D(ul)]k,ℓ=⎩⎪⎨⎪⎧(2Rˉ/B−1)∥gk∥2∣gkHhk∣2−∥gk∥2∣gkHhℓ∣2 for k=ℓ, for k=ℓ.(9)基于此,上行传输的PA(功放)平均耗散为:PTX(ul)=Bζ(ul)η(ul)E{1KTp(ul)}=σ2Bζ(ul)η(ul)E{1KT(D(ul))−11K}(10)\begin{aligned} P_{\mathrm{TX}}^{(\mathrm{ul})} &=\frac{B \zeta^{(\mathrm{ul})}}{\eta^{(\mathrm{ul})}} \mathbb{E}\left\{\mathbf{1}_{K}^{T} \mathbf{p}^{(\mathrm{ul})}\right\} \\ &=\sigma^{2} \frac{B \zeta^{(\mathrm{ul})}}{\eta^{(\mathrm{ul})}} \mathbb{E}\left\{\mathbf{1}_{K}^{T}\left(\mathbf{D}^{(\mathrm{ul})}\right)^{-1} \mathbf{1}_{K}\right\} \end{aligned} \tag{10}PTX(ul)=η(ul)Bζ(ul)E{1KTp(ul)}=σ2η(ul)Bζ(ul)E{1KT(D(ul))−11K}(10)其中0<η(ul)≤10<\eta^{(\mathrm{ul})} \leq 10<η(ul)≤1是用户端的PA效率。
对于ZFZFZF信号处理,有结论:Rˉ=Blog(1+ρ(M−K))(11)\bar{R}=B \log (1+\rho(M-K)) \tag{11}Rˉ=Blog(1+ρ(M−K))(11)其中ρ\rhoρ与接收信噪比成正比。PA功率为:PTX(ul−ZF)=Bζ(ul)η(ul)σ2ρSxK(12)P_{\mathrm{TX}}^{(\mathrm{ul}-\mathrm{ZF})}=\frac{B \zeta^{(\mathrm{ul})}}{\eta^{(\mathrm{ul})}} \sigma^{2} \rho \mathcal{S}_{\mathbf{x}} K \tag{12}PTX(ul−ZF)=η(ul)Bζ(ul)σ2ρSxK(12)其中Sx=Ex{(l(x))−1}\mathcal{S}_{\mathbf{x}}=\mathbb{E}_{\mathbf{x}}\left\{(l(\mathbf{x}))^{-1}\right\}Sx=Ex{(l(x))−1}是路损的期望。
下行信道
下行信道分析同上行信道,首先第kkk个用户的可行速率为:Rk(dl)=ζ(dl)(1−τ(dl)KUζ(dl))Rˉk(dl)(13)R_{k}^{(\mathrm{dl})}=\zeta^{(\mathrm{d} l)}\left(1-\frac{\tau^{(\mathrm{dl})} K}{U \zeta^{(\mathrm{d} l)}}\right) \bar{R}_{k}^{(\mathrm{dl})} \tag{13}Rk(dl)=ζ(dl)(1−Uζ(dl)τ(dl)K)Rˉk(dl)(13)其中总速率为Rˉk(dl)=Blog(1+pk(dl)∣hkHvk∣2∥vk∥2∑ℓ=1,ℓ≠kKpℓ(d1)∣hkHvℓ∣2∥vℓ∥2+σ2)(14)\bar{R}_{k}^{(\mathrm{dl})}=B \log \left(1+\frac{p_{k}^{(\mathrm{dl})} \frac{\left|\mathbf{h}_{k}^{H} \mathbf{v}_{k}\right|^{2}}{\left\|\mathbf{v}_{k}\right\|^{2}}}{\sum_{\ell=1, \ell \neq k}^{K} p_{\ell}^{(\mathrm{d} 1)} \frac{\left|\mathbf{h}_{k}^{H} \mathbf{v}_{\ell}\right|^{2}}{\left\|\mathbf{v}_{\ell}\right\|^{2}}+\sigma^{2}}\right) \tag{14}Rˉk(dl)=Blog⎝⎜⎛1+∑ℓ=1,ℓ=kKpℓ(d1)∥vℓ∥2∣hkHvℓ∣2+σ2pk(dl)∥vk∥2∣hkHvk∣2⎠⎟⎞(14)平均PA功率PTX(d1)=Bζ(dl)η(dl)∑k=1KE{pk(dl)}(15)P_{\mathrm{TX}}^{(\mathrm{d} 1)}=\frac{B \zeta^{(\mathrm{dl})}}{\eta^{(\mathrm{d} l)}} \sum_{k=1}^{K} \mathbb{E}\left\{p_{k}^{(\mathrm{dl})}\right\} \tag{15}PTX(d1)=η(dl)Bζ(dl)k=1∑KE{pk(dl)}(15)保证用户总速率统一的功率分配方案同上行信道,其中下行功率分配向量为:p(dl)=σ2(D(dl))−11K\mathbf{p}^{(\mathrm{dl})}=\sigma^{2}\left(\mathbf{D}^{(\mathrm{dl})}\right)^{-1} \mathbf{1}_{K}p(dl)=σ2(D(dl))−11K,其中D(dl)∈CK×K\mathbf{D}^{(\mathrm{dl})} \in \mathbb{C}^{K \times K}D(dl)∈CK×K的(k,l)(k,l)(k,l)项有:[D(dl)]k,ℓ={∣hkHvk∣2(2Rˉ/B−1)∥vk∥2for k=ℓ,−∣hkHvℓ∣2∥vℓ∥2for k≠ℓ.(16)\left[\mathbf{D}^{(\mathrm{dl})}\right]_{k, \ell}= \begin{cases}\frac{\left|\mathbf{h}_{k}^{H} \mathbf{v}_{k}\right|^{2}}{\left(2^{\bar{R} / B}-1\right)\left\|\mathbf{v}_{k}\right\|^{2}} & \text { for } k=\ell, \\ -\frac{\left|\mathbf{h}_{k}^{H} \mathbf{v}_{\ell}\right|^{2}}{\left\|\mathbf{v}_{\ell}\right\|^{2}} & \text { for } k \neq \ell .\end{cases} \tag{16}[D(dl)]k,ℓ=⎩⎪⎨⎪⎧(2Rˉ/B−1)∥vk∥2∣hkHvk∣2−∥vℓ∥2∣hkHvℓ∣2 for k=ℓ, for k=ℓ.(16)代入上面式(15)(15)(15),下行PA功耗为:PTX(dl)=σ2Bζ(dl)η(dl)E{1KT(D(dl))−11K}(17)P_{\mathrm{TX}}^{(\mathrm{dl})}=\sigma^{2} \frac{B \zeta^{(\mathrm{d} \mathrm{l})}}{\eta^{(\mathrm{dl})}} \mathbb{E}\left\{\mathbf{1}_{K}^{T}\left(\mathbf{D}^{(\mathrm{dl})}\right)^{-1} \mathbf{1}_{K}\right\} \tag{17}PTX(dl)=σ2η(dl)Bζ(dl)E{1KT(D(dl))−11K}(17)若上下行信号处理方式相同,则上下行传输总PA功耗相同,而同一用户上下行传输分配功率不同。后面给出了ZF预编码在下行信道中结论,详情见论文,此处不赘述。
问题构建
首先能量利用率的定义是每一焦耳能量所能传输的bit数,则上下行EE定义如下:EE=∑k=1K(E{Rk(ul)}+E{Rk(dl)})PTX(ul)+PTX(dl)+PCP(18)\mathrm{EE}=\frac{\sum_{k=1}^{K}\left(\mathbb{E}\left\{R_{k}^{(\mathrm{ul})}\right\}+\mathbb{E}\left\{R_{k}^{(\mathrm{dl})}\right\}\right)}{P_{\mathrm{TX}}^{(\mathrm{ul})}+P_{\mathrm{TX}}^{(\mathrm{dl})}+P_{\mathrm{CP}}} \tag{18}EE=PTX(ul)+PTX(dl)+PCP∑k=1K(E{Rk(ul)}+E{Rk(dl)})(18)其中PCPP_{\mathrm{CP}}PCP为电路功耗。
传统工作中将PCPP_{\mathrm{CP}}PCP当定值,本文进一步分析了电路功耗的组成部分,将其定义为发端天线数,用户数,以及发射功率的函数,则EE定义式如下:EEM∈Z+,K∈Z+,Rˉ≥0=∑k=1K(E{Rk(ul)}+E{Rk(dl)})PTX(ul)+PTX(dI)+PCP(M,K,Rˉ)(19)\underset{M \in \mathbb{Z}_{+}, K \in \mathbb{Z}_{+}, \bar{R} \geq 0}{\operatorname{EE}}=\frac{\sum_{k=1}^{K}\left(\mathbb{E}\left\{R_{k}^{(\mathrm{ul})}\right\}+\mathbb{E}\left\{R_{k}^{(\mathrm{dl})}\right\}\right)}{P_{\mathrm{TX}}^{(\mathrm{ul})}+P_{\mathrm{TX}}^{(\mathrm{dI})}+P_{\mathrm{CP}}(M, K, \bar{R})} \tag{19}M∈Z+,K∈Z+,Rˉ≥0EE=PTX(ul)+PTX(dI)+PCP(M,K,Rˉ)∑k=1K(E{Rk(ul)}+E{Rk(dl)})(19)
经过之前对于速率以及上下行PA功率闭式解的推导,EE闭式中到此只有PCPP_{CP}PCP未知,传统工作将PCPP_{CP}PCP直接当常数处理,本文的贡献则是利用电路原理将其拆分,形成关于自变量的函数,构建新的优化问题进行分析。
电路功耗模型分析
电路功耗的组成部分:PCP=PFIX+PTC+PCE+PC/D+PBH+PLP(20)P_{\mathrm{CP}}=P_{\mathrm{FIX}}+P_{\mathrm{TC}}+P_{\mathrm{CE}}+P_{\mathrm{C} / \mathrm{D}}+P_{\mathrm{BH}}+P_{\mathrm{LP}} \tag{20}PCP=PFIX+PTC+PCE+PC/D+PBH+PLP(20)其中PFIXP_{\mathrm{FIX}}PFIX为功率中不变量,PTCP_{\mathrm{TC}}PTC为收发链路功耗,PCEP_{\mathrm{CE}}PCE为信道估计过程中功耗,PC/DP_{\mathrm{C/D}}PC/D为信道编码及解码过程功耗,PBHP_{\mathrm{BH}}PBH为负载回程功耗,是基站与中心核网络进行信息交互时的功耗,PLPP_{\mathrm{LP}}PLP是基站端进行线性信号处理时的功耗。
各部分功耗现归纳如下,只展示结论,具体见原论文:
PTC=MPBS+PSYN+KPUEWatt (21)P_{\mathrm{TC}}=M P_{\mathrm{BS}}+P_{\mathrm{SYN}}+K P_{\mathrm{UE}} \quad \text { Watt } \tag{21}PTC=MPBS+PSYN+KPUE Watt (21)PCE=BU2τ(ul)MK2LBS+BU4τ(dl)K2LUEWatt. (22)P_{\mathrm{CE}}=\frac{B}{U} \frac{2 \tau^{(\mathrm{ul})} M K^{2}}{L_{\mathrm{BS}}}+\frac{B}{U} \frac{4 \tau^{(\mathrm{dl})} K^{2}}{L_{\mathrm{UE}}} \quad \text { Watt. } \tag{22}PCE=UBLBS2τ(ul)MK2+UBLUE4τ(dl)K2 Watt. (22)前者是上行信道估计时功耗。其中BBB为带宽,BU\frac{B}{U}UB为每秒钟对应的带宽,LBSL_{\mathrm{BS}}LBS与LUEL_{\mathrm{UE}}LUE为基站及用户端的运算效率。整体的物理含义为信道估计所需做的计算量除以计算效率。PC/D=∑k=1K(E{Rk(ul)+Rk(dl)})(PCOD+PDEC)Watt (23)P_{\mathrm{C} / \mathrm{D}}=\sum_{k=1}^{K}\left(\mathbb{E}\left\{R_{k}^{(\mathrm{ul})}+R_{k}^{(\mathrm{dl})}\right\}\right)\left(P_{\mathrm{COD}}+P_{\mathrm{DEC}}\right) \quad \text { Watt } \tag{23}PC/D=k=1∑K(E{Rk(ul)+Rk(dl)})(PCOD+PDEC) Watt (23)对于给定的信号处理算法来说,可认为是定值。PBH=∑k=1K(E{Rk(ul)+Rk(dl)})PBTWatt (24)P_{\mathrm{BH}}=\sum_{k=1}^{K}\left(\mathbb{E}\left\{R_{k}^{(\mathrm{ul})}+R_{k}^{(\mathrm{dl})}\right\}\right) P_{\mathrm{BT}} \quad \text { Watt } \tag{24}PBH=k=1∑K(E{Rk(ul)+Rk(dl)})PBT Watt (24)PLP=B(1−(τ(ul)+τ(dl))KU)2MKLBS+PLP−CWatt (25)P_{\mathrm{LP}}=B\left(1-\frac{\left(\tau^{(\mathrm{ul})}+\tau^{(\mathrm{d} \mathrm{l})}\right) K}{U}\right) \frac{2 M K}{L_{\mathrm{BS}}}+P_{\mathrm{LP}-\mathrm{C}} \quad \text { Watt } \tag{25}PLP=B(1−U(τ(ul)+τ(dl))K)LBS2MK+PLP−C Watt (25)后一段与具体算法有关,而本文讨论的算法功耗如下:PLP−C(MRT/MRC)=BU3MKLBSWatt (26)P_{\mathrm{LP}-\mathrm{C}}^{(\mathrm{MRT} / \mathrm{MRC})}=\frac{B}{U} \frac{3 M K}{L_{\mathrm{BS}}} \quad \text { Watt } \tag{26}PLP−C(MRT/MRC)=UBLBS3MK Watt (26)PLP−C(ZF)=BU(K33LBS+3MK2+MKLBS)Watt (27)P_{\mathrm{LP}-\mathrm{C}}^{(\mathrm{ZF})}=\frac{B}{U}\left(\frac{K^{3}}{3 L_{\mathrm{BS}}}+\frac{3 M K^{2}+M K}{L_{\mathrm{BS}}}\right) \quad \text { Watt } \tag{27}PLP−C(ZF)=UB(3LBSK3+LBS3MK2+MK) Watt (27)MMSE信号处理算法需要定点迭代,这里固定其迭代次数为QQQ次,则MMSE功耗为:PLP−C(MMSE)=QPLP−C(ZF)(28)P_{\mathrm{LP}-\mathrm{C}}^{(\mathrm{MMSE})}=Q P_{\mathrm{LP}-\mathrm{C}}^{(\mathrm{ZF})} \tag{28}PLP−C(MMSE)=QPLP−C(ZF)(28)
EE优化问题求解(ZF)
到这里为止,文章的贡献已经出来了,即一改之间将电路功耗常数化的建模方式,并基于此构建新的优化问题。上面解决了电路功耗如何描述的问题,下面解决的就是如何解的问题。
下面分:问题构建;整体求解的框架,交替最小化;定二求一。
问题构建
在ZF信号处理方式下,EE问题降级为:maximizeM∈Z+,K∈Z+,ρ≥0M≥K+1EE(ZF)=K(1−τsumKU)RˉBσ2ρSxηK+PCP(ZF)(29)\operatorname{maximize}_{M \in \mathbb{Z}_{+}, K \in \mathbb{Z}_{+}, \rho \geq 0 \atop M \geq K+1} \quad \mathrm{EE}^{(\mathrm{ZF})}=\frac{K\left(1-\frac{\tau_{\mathrm{sum}} K}{U}\right) \bar{R}}{\frac{B \sigma^{2} \rho \mathcal{S}_{\mathrm{x}}}{\eta} K+P_{\mathrm{CP}}^{(\mathrm{ZF})}} \tag{29}maximizeM≥K+1M∈Z+,K∈Z+,ρ≥0EE(ZF)=ηBσ2ρSxK+PCP(ZF)K(1−UτsumK)Rˉ(29)其中τrm\tau_{\mathrm{rm}}τrm为单位导频估计所占总时长τsum =τ(ul)+τ(dl)(30)\tau_{\text {sum }}=\tau^{(\mathrm{ul})}+\tau^{(\mathrm{d} l)} \tag{30}τsum =τ(ul)+τ(dl)(30)将上述功耗分析代入有:PCP(ZF)=∑i=03CiKi+M∑i=02DiKi+AK(1−τsumKU)Rˉ(31)P_{\mathrm{CP}}^{(\mathrm{ZF})}=\sum_{i=0}^{3} \mathcal{C}_{i} K^{i}+M \sum_{i=0}^{2} \mathcal{D}_{i} K^{i}+\mathcal{A} K\left(1-\frac{\tau_{\mathrm{sum}} K}{U}\right) \bar{R} \tag{31}PCP(ZF)=i=0∑3CiKi+Mi=0∑2DiKi+AK(1−UτsumK)Rˉ(31)EE目标函数为:EE(ZF)=K(1−τsumKU)RˉBσ2ρSxηK+∑i=03CiKi+M∑i=02DiKi+AK(1−τsum U)Rˉ(32)\begin{aligned} &\mathrm{EE}^{(\mathrm{ZF})} \\ &=\frac{K\left(1-\frac{\tau_{\mathrm{sum}} K}{U}\right) \bar{R}}{\frac{B \sigma^{2} \rho S_{\mathrm{x}}}{\eta} K+\sum_{i=0}^{3} \mathcal{C}_{i} K^{i}+M \sum_{i=0}^{2} \mathcal{D}_{i} K^{i}+\mathcal{A} K\left(1-\frac{\tau_{\text {sum }}}{U}\right) \bar{R}} \end{aligned} \tag{32}EE(ZF)=ηBσ2ρSxK+∑i=03CiKi+M∑i=02DiKi+AK(1−Uτsum )RˉK(1−UτsumK)Rˉ(32)该式看似复杂,实际是将上述所有结论的参数化,参数总结如下:
整体求解的框架(交替优化)
问题构建出来了,怎么解呢,文章采用了交替优化的方式:
单个优化变量怎么解(定二求一)
最优用户数
闭式解
当基站天线数与发射总功率为定值时,最优用户数为:K⋆=maxℓ⌊Kℓ(o)⌉(33)K^{\star}=\max _{\ell}\left\lfloor K_{\ell}^{(o)}\right\rceil \tag{33}K⋆=ℓmax⌊Kℓ(o)⌉(33)其中Kℓ(o)K_{\ell}^{(o)}Kℓ(o)为下面四次方程正实根:K4−2Uτsum K3−μ1K2−2μ0K+Uμ0τsum =0(34)K^{4}-\frac{2 U}{\tau_{\text {sum }}} K^{3}-\mu_{1} K^{2}-2 \mu_{0} K+\frac{U \mu_{0}}{\tau_{\text {sum }}}=0 \tag{34}K4−τsum 2UK3−μ1K2−2μ0K+τsum Uμ0=0(34)其中μ1=Uτsum (C2+βˉD1)+C1+βˉD0C3+βˉD2\mu_{1}=\frac{\frac{U}{\tau_{\text {sum }}}\left(\mathcal{C}_{2}+\bar{\beta} \mathcal{D}_{1}\right)+\mathcal{C}_{1}+\bar{\beta} \mathcal{D}_{0}}{\mathcal{C}_{3}+\bar{\beta} \mathcal{D}_{2}}μ1=C3+βˉD2τsum U(C2+βˉD1)+C1+βˉD0 μ0=C0+Bσ2SxηρˉC3+βˉD2\mu_{0}=\frac{\mathcal{C}_{0}+\frac{B \sigma^{2} \mathcal{S}_{\mathbf{x}}}{\eta} \bar{\rho}}{\mathcal{C}_{3}+\bar{\beta} \mathcal{D}_{2}}μ0=C3+βˉD2C0+ηBσ2Sxρˉ
上述方程最大正实根有闭式解,也有高效的数值逼近算法可解。
结论
下面从该结果研究最佳用户数的变化规律,下面直接给出结论:
- K⋆K^{\star}K⋆与单用户或单基站天线所分功率成反比;
- 与电路功耗成正比,尤其是其中PFIXP_{FIX}PFIX与PSYNP_{SYN}PSYN
- 与电路中其他功耗无关,如:PCOD,PDEC,PBTP_{COD},P_{DEC},P_{BT}PCOD,PDEC,PBT
- 当基站覆盖范围较大时,应服务尽量多用户
最优BS天线数
闭式解
M⋆=⌊M(o)⌉M^{\star}= \left\lfloor M^{(o)}\right\rceilM⋆=⌊M(o)⌉,其中
C′=∑i=03CiKiKand D′=∑i=02DiKiK\mathcal{C}^{\prime}=\frac{\sum_{i=0}^{3} \mathcal{C}_{i} K^{i}}{K} \text { and } \quad \mathcal{D}^{\prime}=\frac{\sum_{i=0}^{2} \mathcal{D}_{i} K^{i}}{K}C′=K∑i=03CiKi and D′=K∑i=02DiKi
结论
- M⋆M^{\star}M⋆与PCOD,PDEC,PBTP_{COD},P_{DEC},P_{BT}PCOD,PDEC,PBT无关
- 与BS单天线分配功率PBSP_{BS}PBS成反比
- 与PFIX,PSYN,PUEP_{FIX} ,P_{SYN}, P_{UE}PFIX,PSYN,PUE成正比
- 最优BS天线数下限M⋆≥K+Bσ2SxηD′ρ+C′D′+K−1ρln(ρ)+ln(Bσ2SxηD′ρ+C′D′+K−1ρ)−1−1ρM^{\star} \geq K+\frac{\frac{B \sigma^{2} \mathcal{S}_{\mathbf{x}}}{\eta \mathcal{D}^{\prime}} \rho+\frac{\mathcal{C}^{\prime}}{\mathcal{D}^{\prime}}+K-\frac{1}{\rho}}{\ln (\rho)+\ln \left(\frac{B \sigma^{2} \mathcal{S}_{\mathbf{x}}}{\eta \mathcal{D}^{\prime}} \rho+\frac{\mathcal{C}^{\prime}}{\mathcal{D}^{\prime}}+K-\frac{1}{\rho}\right)-1}-\frac{1}{\rho}M⋆≥K+ln(ρ)+ln(ηD′Bσ2Sxρ+D′C′+K−ρ1)−1ηD′Bσ2Sxρ+D′C′+K−ρ1−ρ1
- 发端功率较大时,有近似式:M⋆≈Bσ2Sx2ηD′ρln(ρ)M^{\star} \approx \frac{B \sigma^{2} \mathcal{S}_{\mathbf{x}}}{2 \eta \mathcal{D}^{\prime}} \frac{\rho}{\ln (\rho)}M⋆≈2ηD′Bσ2Sxln(ρ)ρ
- 基站覆盖区域变大时,随配天线数也应增大
最优发射功率
闭式解
ρ⋆=eW(ηBσ2Sx(M−K)(C′+MD′)e−1e)+1−1M−K(35)\rho^{\star}=\frac{e^{W\left(\frac{\eta}{B \sigma^{2} \mathcal{S}_{\mathbf{x}}} \frac{(M-K)\left(\mathcal{C}^{\prime}+M \mathcal{D}^{\prime}\right)}{e}-\frac{1}{e}\right)+1}-1}{M-K} \tag{35}ρ⋆=M−KeW(Bσ2Sxηe(M−K)(C′+MD′)−e1)+1−1(35)其中C′=∑i=03CiKiKand D′=∑i=02DiKiK\mathcal{C}^{\prime}=\frac{\sum_{i=0}^{3} \mathcal{C}_{i} K^{i}}{K} \text { and } \quad \mathcal{D}^{\prime}=\frac{\sum_{i=0}^{2} \mathcal{D}_{i} K^{i}}{K}C′=K∑i=03CiKi and D′=K∑i=02DiKi且都大于0。
结论
- 最佳发射功率与PCOD,PDEC,PBTP_{COD},P_{DEC},P_{BT}PCOD,PDEC,PBT无关
- 下限:ρ⋆≥η(C′+MD′)Bσ2Sx−ln(η(M−K)(C′+MD′)Bσ2Sx−1)(M−K)ln(η(M−K)(C′+MD′)Bσ2Sx−1)−1\rho^{\star} \geq \frac{\frac{\eta\left(\mathcal{C}^{\prime}+M \mathcal{D}^{\prime}\right)}{B \sigma^{2} \mathcal{S}_{\mathbf{x}}}-\frac{\ln \left(\frac{\eta(M-K)\left(\mathcal{C}^{\prime}+M \mathcal{D}^{\prime}\right)}{B \sigma^{2} \mathcal{S}_{\mathbf{x}}}-1\right)}{(M-K)}}{\ln \left(\frac{\eta(M-K)\left(\mathcal{C}^{\prime}+M \mathcal{D}^{\prime}\right)}{B \sigma^{2} \mathcal{S}_{\mathbf{x}}}-1\right)-1}ρ⋆≥ln(Bσ2Sxη(M−K)(C′+MD′)−1)−1Bσ2Sxη(C′+MD′)−(M−K)ln(Bσ2Sxη(M−K)(C′+MD′)−1)
- massive MIMO 下近似解:ρ⋆≈ηD′2Bσ2SxMln(M)\rho^{\star} \approx \frac{\eta \mathcal{D}^{\prime}}{2 B \sigma^{2} \mathcal{S}_{\mathbf{x}}} \frac{M}{\ln (M)}ρ⋆≈2Bσ2SxηD′ln(M)M
Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is Massive MIMO the Answer?笔记相关推荐
- 软银宣布启动5G Project:全球首家商用Massive MIMO技术
据国外媒体报道,日本软银(SoftBank)和旗下的Wireless City Planning昨日下午召开新闻发布会,宣布面向下一代高速通信标准5G的项目"5G Project" ...
- 【论文翻译】3461 AdderSR Towards Energy Efficient Image Super-Resolution(个人粗略翻译)
AdderSR: Towards Energy Efficient Image Super-Resolution[3461] 本文仅为根据博主个人理解的翻译,如有错误或不准确之处,敬请各位读者指出 摘 ...
- 【Paper】2019_Distributed Optimal Control of Energy Storages in a DC Microgrid with Communication Dela
M. Shi, X. Chen, J. Zhou, Y. Chen, J. Wen and H. He, "Distributed Optimal Control of Energy Sto ...
- Deep Learning for Massive MIMO CSI Feedback-学习笔记
文章学习资源:https://sci-hub.do/10.1109/lwc.2018.2818160 学习笔记,不完全翻译,上下文大致理解,大家多多提意见. Abstract: In frequenc ...
- Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback:
Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: ...
- 华为持续引领,开辟5G Massive MIMO绿色新赛道
今日,在华为举办的无线首届媒体沙龙暨MBBF2021预沟通会上,华为无线产品线首席营销官甘斌发表了"华为持续引领,开辟5G Massive MIMO绿色新赛道"的主题发言,分享了M ...
- 5G NR — Massive MIMO 与波束赋形
目录 文章目录 目录 全向天线 定向天线 智能天线 MIMO 传输分集 空间复用 Massive MIMO 有源天线 波束赋型 全向天线 在移动通信最早期的 1G 时代,基站所使用的几乎都是全向天线. ...
- 8个问题全面了解5G关键技术Massive MIMO
本文转自 1 什么是Massive MIMO Massive MIMO(大规模天线技术,亦称为Large Scale MIMO)是第五代移动通信(5G)中提高系统容量和频谱利用率的关键技术.它最早由美 ...
- 混合波束成形| 部分连接系统 :Hybrid Precoding for mmWave Massive MIMO Systems With Partially-Connected Structure
文章目录 问题背景 系统模型 PCS-HP设计的分析 PCS-HP的分阶段设计 模拟precoding的设计 情况一 情况二 结论 相关阅读 <Hybrid Precoding for mmWa ...
最新文章
- java+script+当前日期_javascript获取当前时间
- 系统的环境变量path的作用是什么
- 为什么微软溢价50%并购LinkedIn:估值、增长、变现和背后的魔法
- c语言常用术语,保证让你大开眼界
- 我的Android进阶之旅------gt;Android 关于arm64-v8a、armeabi-v7a、armeabi、x86下的so文件兼容问题...
- httpservletrequest 设置请求头_请求和常用对象
- adc采集出来一段波形 如何求周期与频率_DMA+ADC快速采集直流无刷电机电流
- “隐私经济”有未来吗?
- jquery基础使用!
- 柯尼卡美能达c353改语言,柯尼卡美能达bizhub c353c253c203维修手册中文部分2.pdf
- Ghostscript的介绍和移植
- SmartFoxServer,多人flash游戏开发
- Window10系统下通过SMB协议连接和断开资源服务器
- do还是doing imagine加to_“imagine to do”与“imagine doing”的区别是什么?
- 简信CRM:什么是在线CRM?在线CRM有什么好处?
- 第四期:如何通过知晓云自动回复客服消息
- 使用ProxySelector选择代理服务器
- 建模贴图技巧,用起来6的飞起
- 【数字信号】基于matlab GUI DTMF电话模拟系统(频谱图+时域图+语谱图)【含Matlab源码 2092期】
- 因世俗的偏见--明明相爱,却不能走在一起