مشارکت کاربران و مديريت تداخل در شبکه های ناهمگن چندورودی-چندخروجی عظيم
چکيده
دو ويژگي کليدي شبکه هاي سلولي 5G عبارتند از چگالي ايستگاه پايه (BS) بالاتر- بويژه براي BSهاي با توان پايين- و استفاده از سيستم هاي چندورودي-چندخروجي (MIMO) عظيم در اين BSها. اين مقاله، به بررسي اين امر مي پردازد که چگونه مي توان از MIMO عظيم، مشترکا براي بيشينه کردن بهره هاي رها از بار و کمينه کردن چالش هاي ناشي از تداخل، که در نتيجه افزودن سلول هاي کوچک بوجود مي آيند، استفاده نمود. دو رويکرد مديريت تداخل را در نظر مي گيريم: انتقال مشترک (JT) با رمزنگاري اوليه محلي، که به کاربران به صورت همزمان توسط چندين BS بدون نياز به تبادل اطلاعات وضعيت کانال ميان BS هايي که با يکديگر همکاري مي کنند، خدمت رساني مي شود و خاموشي منابع که برخي از منابع کلان BS خاموش مي-مانند تا تداخل موجود در ارتباط زمين سلول هاي کوچک را کاهش دهند. يکي از مزاياي کليدي ناشي از MIMOهاي عظيم عبارت است از سخت شدن کانال که امکان پيش بيني نرخ هاي لحظه اي را از پيش فراهم مي آورد. اين امر به ما امکان ايجاد يک چهارچوب يکپارچه، که در آن تخصيص منابع به صورت يک مسئله بيشينه سازي سودمندي شبکه (NUM) در مي آيد، و امکان نشان دادن بهره هاي بزرگ در نرخ هاي سلول-لبه را بر اساس پاسخ NUM مي دهد. ما يک الگوريتم موثر مبتني بر زيرگراديان هاي دوگان را ارائه مي دهيم که به سمت پاسخ NUM همگرا مي گردد. يک روند برنامه ريزي نيز، به منظور نزديک شدن به پاسخ NUM ارائه مي گردد. شبيه سازي ها، يک افزايش نرخ 2x را براي کاربران صدک دهم، در مقايسه با يک مشارکت بهينه بدون مديريت تداخل، نشان مي دهند.
1.مقدمه
چگالش و ناهمگني هوشمندانه در گسترش ايستگاه پايه (BS) و MIMO عظيم، به عنوان دو مورد از مهمترين تکنولوژي هاي موجود در سيستم هاي سلولي 5G در نظر گرفته مي شوند [1]-[3]. رژيم MIMO عظيم، ساختاري است که در آن تعداد آنتن ها در يک BS به صورت چشمگيري بيشتر از تعداد کاربراني است که به صورت همزمان از آن BS سرويس دريافت مي کنند [4]-[6]. در اين مقاله، جنبه هاي مختلف، همچون مشارکت کاربر، تعادل بار، برنامه ريزي و مديريت تداخل، براي شبکه هاي آينده با به کارگيري MIMO عظيم، که اين تکنولوژي ها را همراه با يکديگر مورد استفاده قرار مي دهند، در نظر گرفته مي شوند.
8. نتيجه گيري
در اين مقاله، مسئله بهينه سازي مشترک مشارکت کاربر و مديريت تداخل را در شبکه هاي HetNet MIMO عظيم مورد بررسي قرار مي دهيم. هر دو روش LJT و خاموشي RB را براي مديريت تداخل در نظر مي گيريم. ابتدا، نرخ آني را با بهره گيري از ويژگي هاي MIMOعظيم، يعني سخت شدن نرخ و استقلال نرخ اوج از برنامه ريزي کاربر، از خوشه هاي BS، به دست مي آوريم. سپس به فرمول بندي يک مسئله NUM محدب مي-پردازيم تا خوشه هاي BS کاربر محور بهينه و تخصيص منابع متناظر با آنها را، به دست آوريم. فرمول بندي يکنواخت، مي تواند به هر دو روش LJT و خاموشي، و همچنين حالتي که BSهاي کوچک و ماکرو از منابع متعامد استفاده مي کنند، اعمال شود. ما در ادامه يک الگوريتم مبتني بر زيرگراديان دوگان را ارائه داده و همگرايي آن به سمت جواب NUM را نشان مي دهيم.
Abstract
Two key traits of 5G cellular networks are much higher base station (BS) densities-especially in the case of low-power BSs-and the use of massive MIMO at these BSs. This paper explores how massive MIMO can be used to jointly maximize the offloading gains and minimize the interference challenges arising from adding small cells. We consider two interference management approaches: joint transmission (JT) with local precoding, where users are served simultaneously by multiple BSs without requiring channel state information exchanges among cooperating BSs, and resource blanking, where some macro BS resources are left blank to reduce the interference in the small cell downlink. A key advantage offered by massive MIMO is channel hardening, which enables to predict instantaneous rates a priori. This allows us to develop a unified framework, where resource allocation is cast as a network utility maximization (NUM) problem, and to demonstrate large gains in cell-edge rates based on the NUM solution. We propose an efficient dual subgradient based algorithm, which converges towards the NUM solution. A scheduling scheme is also proposed to approach the NUM solution. Simulations illustrate more than 2x rate gain for 10th percentile users vs. an optimal association without interference management.
I. INTRODUCTION
SMART densification & heterogeneity in base station (BS) deployments and massive MIMO are considered as two of the most important technologies in 5G cellular systems [1]–[3].1 The massive MIMO regime is the setting when the number of antennas at a BS is significantly larger than the number of users that are simultaneously served by the BS [4]–[6]. In this paper, various aspects such as user association, load balancing, scheduling and interference management are considered for future networks with massive MIMO deployments where these technologies are adapted together.
VIII. CONCLUSION
In this paper, we investigate the joint optimization problem of user association and interference management in the massive MIMO HetNets. We consider both LJT and RB blanking approaches for interference management. We first provide the instantaneous rate from BS clusters by exploiting massive MIMO properties, namely the rate hardening and the independence of peak rate from the user scheduling. We then formulate a convex NUM problem to obtain the optimal user-specific BS clusters and the corresponding resource allocation. The unified formulation can be applied to both LJT and blanking approaches, as well as the case where macro and small BSs use orthogonal resources. We further propose an efficient dual subgradient based algorithm, which is shown to converge towards the NUM solution.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکيده
1.مقدمه
الف) انگيزه ها و کارهاي مرتبط
ب) نوآوري ها و سازمان دهي
2. مدل سيستم
3. نرخ هاي لحظه اي و بلندمدت
الف) نرخ آني
ب) نرخ هاي بلندمدت
4. فرمول بندي مسئله NUM يکپارچه
5. الگوريتم دوگان مبتني بر زيرگراديان
الف) روش زيرگراديان دوگان
ب) يافنن پاسخ هاي بهينه اوليه
6. برنامه ريزي
الف) امکان پذيري پاسخ NUM در پياده سازي
ب) طرح برنامه ريزي مبتني بر صف مجازي
7.ارزيابي عملکرد
8. نتيجه گيري
Abstract
I. INTRODUCTION
A. Motivation and Related Work
B. Contributions and Organization
II. SYSTEM MODEL
III. INSTANTANEOUS AND LONG-TERM RATES
A. Instantaneous Rate
B. Long-Term Rates
IV. UNIFIED NUM PROBLEM FORMULATION
V. DUAL SUBGRADIENT BASED ALGORITHM
A. The Dual Subgradient Method
B. Finding the Optimal Primal Solutions
VI. SCHEDULING
A. The Feasibility of the NUM Solution in Implementation
B. Virtual Queue Based Scheduling Scheme
VII. PERFORMANCE EVALUATION
VIII. CONCLUSION
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه