Cell-Free Massive MIMO Networks

QC 20250416

Abstract

Den ökande efterfrågan på trådlös datatrafik utgör en betydande utmaning för dagens cellulära nätverk, vilket kräver att varje ny teknikgeneration förbättrar nätverkskapacitet och täckningen, samt spektraleffektivitet (SE) per uppkopplad enhet. Massiv MIMO-teknik (multiple-input multiple-output) har dykt upp som en viktig komponent i 5G då den använder ett stort antal antenner på varje accesspunkt (AP) för att rumsligt multiplexa många användarutrustningar (UE) över samma tidsfrekvensresurser. Om man ser bortom 5G så har den nya cellfria massiva MIMO-tekniken fått stor uppmärksamhet på grund av sin förmåga att utnyttja rumslig makrodiversitet och uppnå högre interferensmotståndskraft. Till skillnad från traditionella cellulära nätverk består den cellfria arkitekturen av en tät uppsättning av distribuerade AP:er som samarbetar för att betjäna UE:er över ett stort täckningsområde utan fördefinierade cellgränser. Denna arkitektur förbättrar mobilnätets täckning och syftar till att ge en mer enhetlig tjänstekvalitet i hela nätverket. De primära utmaningarna med cellfri massiv MIMO inkluderar den höga beräkningskomplexiteten som krävs för signalbehandling och den betydande fronthaul-kapacitet som behövs för informationsutbyte mellan AP:er. En annan stor utmaning är dessutom överräcknings-hantering för att klara av ändrade kanalförhållanden och UE-mobilitet; eftersom överräckning i ett cellfritt nätverk måste överväga hur man dynamiskt förändrar den betjänande uppsättningen av AP:er till varje UE, vilket är mer komplicerat än i ett cellulärt nätverk där varje UE betjänas av en enda AP och överräckning endast innebär att byta ansvarig AP.

I den här doktorsavhandlingen presenterar vi distribuerade lösningar på forskningsproblem relaterade till effektreglering och mobilitetshantering för att hantera några av de inneboende utmaningarna med den cellfria nätverksarkitekturen. Dessutom introducerar vi en ny metod för att karakterisera okända störningar i trådlösa nätverk. Vi föreslår även effektiva optimeringsprocedurer för optimering av multicast-lobformning och etablerar en ny metod för rangreduktion i samband med semidefinit relaxering (SDR).

För problemen kopplade till effektreglering utvecklas en distribuerad maskininlärningsbaserad lösning som ger en bra avvägning mellan SE-prestanda och tillämpbarhet för implementering i storskaliga nätverk med minskade fronthaulkrav och beräkningskomplexitet jämfört med en centraliserad lösning, där effektregleringen för alla AP:er beräknas på en central processor. Lösningen är uppdelat på ett sätt som gör det möjligt för varje AP, eller grupp av AP:er, att separat besluta om effektkoefficienterna till UE:er baserat på den lokalt tillgängliga informationen vid AP:erna utan att utbyta information med de övriga AP:erna, men ändå försöka uppnå ett nätverksomfattande optimeringsmål. 

När det gäller mobilitetshantering utformas en ny överräcknings-procedur för uppdatering av de betjänande uppsättningarna av AP:er och tilldelas pilotsignaler till varje UE i ett dynamiskt scenario med hänsyn till UE-mobilitet. Algoritmen är skräddarsydd för att minska det nödvändiga antalet överräckningar per UE och förändringar i pilottilldelningen. Våra numeriska resultat visar att den föreslagna lösningen identifierar de väsentliga förfiningarna eftersom den kan leverera jämförbar SE som i fallet där AP-UE-associationen görs om helt.

När det gäller störningsmodellering utvecklade vi en ny Bayesiansk metod för att modellera fördelningen av de okända störningar som uppstår på grund av schemaläggningsvariationer i närliggande celler. Metoden har visat sig ge korrekt statistisk modellering av störningseffekten och är ett effektivt verktyg för robust hastighetsallokering i upplänken med en garanterad avbrottsprestanda. Metoden utökades senare för att ta hänsyn till de okända störningarna från angränsande kluster i en cellfri nätverksarkitektur.

Många trådlösa kommunikationstillämpningar kräver att samma data skickas till flera UE:er, till exempel vid streaming av liveevenemang, distribution av programuppdateringar eller träning av federerade inlärningsmodeller. Multicasting på det fysiska lagret är en effektiv överföringsmetod som utnyttjar lobformningsförmågan vid AP:erna och spridningsförmågan hos den trådlösa kanalen för att tillfredsställa efterfrågan på samma innehåll från flera UE:er. Den enhetliga servicekvaliteten och förbättrade täckningen hos den cellfria nätverksarkitekturen är särskilt lämplig för denna överföringstopologi. I detta fall föreslår vi en ny gradvis elimineringsalgoritm kopplad till SDR för att extrahera en nästan globalt optimal rang-1-lobformningslösning för multicastproblemet med max-min-rättvisa i ett cellfritt massivt MIMO-nätverk. En skräddarsydd optimeringsalgoritm designas sedan för att utnyttja en metod som kallas alternating direction method of multipliers (ADMM) och erbjuder betydande förbättringar av beräkningsbehov.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-362462