최근 들어서, Multi-User Massive MIMO 네트워크에서 하드웨어와 알고리즘 측면에서 복잡도를 낮추면서 높은 전송률을 얻을 수 있는 다양한 전송 안테나 선택 기법에 대한 연구가 활발히 진행되고 있다. 또한, 차세대 이동통신 네트워크에서 에너지 소모량을 줄이기 위한 다양한 기술들에 대한 연구가 이루어지고 있다. 그래서, 본 논문에서는 Multi-User Massive MIMO 네트워크에서 낮은 계산 복잡도를 달성하면서 에너지 효율성을 높일 수 있는 전송 안테나 선택 기법을 연구하였다. 먼저, Brute-Force 탐색 기반의 최적 방식을 소개하고 최적 방식 대비 계산 복잡도를 획기적으로 줄일 수 있는 새로운 안테나 선택 기법을 제안하였다. 안테나 수가 증가할수록 최적 방식의 복잡도는 지수적으로 증가하는 반면 제안 방식은 선형적으로 증가한다. 그럼에도 불구하고, 제안 방식과 모든 경우를 고려하는 최적 방식의 에너지 효율 성능 차이는 크지 않다.
최근 들어서, Multi-User Massive MIMO 네트워크에서 하드웨어와 알고리즘 측면에서 복잡도를 낮추면서 높은 전송률을 얻을 수 있는 다양한 전송 안테나 선택 기법에 대한 연구가 활발히 진행되고 있다. 또한, 차세대 이동통신 네트워크에서 에너지 소모량을 줄이기 위한 다양한 기술들에 대한 연구가 이루어지고 있다. 그래서, 본 논문에서는 Multi-User Massive MIMO 네트워크에서 낮은 계산 복잡도를 달성하면서 에너지 효율성을 높일 수 있는 전송 안테나 선택 기법을 연구하였다. 먼저, Brute-Force 탐색 기반의 최적 방식을 소개하고 최적 방식 대비 계산 복잡도를 획기적으로 줄일 수 있는 새로운 안테나 선택 기법을 제안하였다. 안테나 수가 증가할수록 최적 방식의 복잡도는 지수적으로 증가하는 반면 제안 방식은 선형적으로 증가한다. 그럼에도 불구하고, 제안 방식과 모든 경우를 고려하는 최적 방식의 에너지 효율 성능 차이는 크지 않다.
Recently, there have been many researches which can achieve high data rate in multi-user massive MIMO networks while reducing the complexity in terms of both hardware and algorithm. In addition, many researches have been conduced to reduce the energy consumption in next generation mobile communicati...
Recently, there have been many researches which can achieve high data rate in multi-user massive MIMO networks while reducing the complexity in terms of both hardware and algorithm. In addition, many researches have been conduced to reduce the energy consumption in next generation mobile communication networks. In this paper, we thus investigated new transmit antenna selection scheme to achieve low computational complexity and enhance energy efficiency in multi-user massive MIMO networks. First, we introduced the optimal scheme based on Brute-Force searching to maximize the energy efficiency and then proposed new antenna selection scheme to dramatically reduce the computational complexity compared to the optimal scheme. As the number of transmit antennas increases, the complexity of the optimal scheme exponentially increases while the complexity of the proposed scheme linearly increases. Nevertheless, the energy efficiency performance gap between proposed and optimal schemes is not huge.
Recently, there have been many researches which can achieve high data rate in multi-user massive MIMO networks while reducing the complexity in terms of both hardware and algorithm. In addition, many researches have been conduced to reduce the energy consumption in next generation mobile communication networks. In this paper, we thus investigated new transmit antenna selection scheme to achieve low computational complexity and enhance energy efficiency in multi-user massive MIMO networks. First, we introduced the optimal scheme based on Brute-Force searching to maximize the energy efficiency and then proposed new antenna selection scheme to dramatically reduce the computational complexity compared to the optimal scheme. As the number of transmit antennas increases, the complexity of the optimal scheme exponentially increases while the complexity of the proposed scheme linearly increases. Nevertheless, the energy efficiency performance gap between proposed and optimal schemes is not huge.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
N이 증가할수록 복잡도가 기하급수적으로 증가하므로 실제 Multi-User Massive MIMO 네트워크에 적용하기는 불가능하다. 따라서 본 논문에서는 최적 방식과 유사한 에너지 효율성을 가지면서 계산 복잡도를 O(N-S+1)로 획기적으로 줄일 수 있는 새로운 송신안테나 선택 기법을 제안한다. 제안 알고리즘에서는, j(1≤j≤ N)번째 안테나와 전체 사용자 K명 사이의 채널 정보를 K × 1 크기의 열 벡터 #로 정의한 다음에, 모든 안테나를 ∥#∥2의 크기에 따라서 내림차순으로 정렬한다.
본 논문에서는 Multi-User Massive MIMO 네트워크에서 매우 낮은 계산 복잡도로 높은 에너지 효율성을 달성 할 수 있는 전송 안테나 선택 기법을 연구하였다. 먼저, Brute-Force 기반의 최적 안테나 선택 기법을 소개하고, 최적 방식 대비 낮은 복잡도를 가지는 새로운 전송 안테나 선택 기법을 제안하였다.
그럼에도 불구하고, 기존의 안테나 선택 기술에 관한 많은 연구들은 데이터 전송 속도의 개선에만 초점을 맞추었다. 본 논문에서는 Multi-User Massive MIMO 네트워크에서 전송 속도 뿐만 아니라 낮은 계산 복잡도로 에너지 효율성을 극대화할 수 있는 안테나 선택 기법에 대하여 연구를 진행하였다.
가설 설정
그리고 #는 S개의 선택된 전송 안테나들과 i번째 사용자 사이의 채널 계수 (coefficient)를 나타내는 1 × S 크기의 행 벡터이고, ni는 평균이 0이고 분산이 1인 부가 백색 가우시안 잡음 (Additive White Gaussian Noise: AWGN)를 나타낸다. 모든 채널 정보는 평균이 0이고 분산이 N0인 복소 정규 분포를 따르면서 independent and identically distributed (i.i.d)인 것으로 가정한다. 그리고 quasistatic block fading을 고려한다.
성능 분석을 위하여 Block-Diagonalization 기반의 빔포밍 방식을 가정하며 사용자들 간에 동일 전송 전력할당 방식을 고려한다[14]. 그리고 모든 시뮬레이션에서 채널 정보는 평균이 0이고 분산이 1인 복소 표준정규분포로 주어졌고, 기지국의 전력 증폭기의 효율을 35%로 적용하였다.
여기서, γi = pi/N0는 송신 전력대비 잡음 비 (Signalto Noise Ratio: SNR)을 나타내며, 본 논문에는 수학적 간편성을 위하여 모든 사용자들의 SNR이 γ로 동일한 것으로 가정한다.
반면에, 기지국은 S(K ≤ S ≤ N)개의 신호 처리부만을 가지고 있으므로, N개의 송신 안테나 중에서 S 개만을 선택하여 데이터를 전송할 수 있다. 특히, 본 논문에서는 N ≫ K인 거대 다중 안테나 환경을 주로 고려하며, 사용자들은 모두 단일 수신 안테나를 탑재하고 있는 것으로 가정한다. 기지국이 i번째 사용자에게 전송하는 신호 xi는 다음 조건을 만족한다.
제안 방법
성능 분석을 위하여 Block-Diagonalization 기반의 빔포밍 방식을 가정하며 사용자들 간에 동일 전송 전력할당 방식을 고려한다[14]. 그리고 모든 시뮬레이션에서 채널 정보는 평균이 0이고 분산이 1인 복소 표준정규분포로 주어졌고, 기지국의 전력 증폭기의 효율을 35%로 적용하였다.
본 논문에서는 Multi-User Massive MIMO 네트워크에서 매우 낮은 계산 복잡도로 높은 에너지 효율성을 달성 할 수 있는 전송 안테나 선택 기법을 연구하였다. 먼저, Brute-Force 기반의 최적 안테나 선택 기법을 소개하고, 최적 방식 대비 낮은 복잡도를 가지는 새로운 전송 안테나 선택 기법을 제안하였다. 두 방식의 성능을 에너지 효율성뿐만 아니라 전송률의 합 측면에서도 Monte-Carlo 시뮬레이션을 통해서 분석하였다.
제안 알고리즘에서는, j(1≤j≤ N)번째 안테나와 전체 사용자 K명 사이의 채널 정보를 K × 1 크기의 열 벡터 #로 정의한 다음에, 모든 안테나를 ∥#∥2의 크기에 따라서 내림차순으로 정렬한다.
데이터처리
먼저, Brute-Force 기반의 최적 안테나 선택 기법을 소개하고, 최적 방식 대비 낮은 복잡도를 가지는 새로운 전송 안테나 선택 기법을 제안하였다. 두 방식의 성능을 에너지 효율성뿐만 아니라 전송률의 합 측면에서도 Monte-Carlo 시뮬레이션을 통해서 분석하였다. 성능 분석 결과에 따르면 제안된 송신 안테나 선택 기법은 최적 방식 대비 계산 복잡도를 O(NCS)에서 O(N-S+1)로 획기적으로 낮출 수 있는 반면 네트워크의 전체 전송률의 합과 에너지 효율성 측면에서 손실이 크지 않은 것으로 나타났다.
성능/효과
전송률의 합과 에너지효율 모두 N이 증가함에 따라서 성능이 증가한다. 게다가 전송률의 합 측면에서는 SNR이 감소할수록 제안된 방식과 최적 방식의 성능 차이가 감소하는 반면에, 에너지 효율 측면에서는 SNR이 증가할수록 제안된 방식과 최적 방식의 성능 차이가 감소한다. 예를 들어 N = 10인 경우에, 최적 방식 대비 제안 방식의 성능 감소율은, SNR이 0, 5, 10 dB일 때, 각각 약 9%, 7%, 5%이다.
이므로, 총 (N-S+1)개의 윈도우를 정의할 수 있다. 마지막으로, (N-S+1)개의 윈도우 중에서 가장 높은 에너지 효율성을 가지는 윈도우를 선택함으로써 알고리즘이 종료된다. 따라서, NCS번의 반복 계산을 필요로 하는 최적 방식과 달리 제안 방식은 (N-S+1)번의 반복 계산을 통해서 전송 안테나 조합을 선택할 수 있다.
두 방식의 성능을 에너지 효율성뿐만 아니라 전송률의 합 측면에서도 Monte-Carlo 시뮬레이션을 통해서 분석하였다. 성능 분석 결과에 따르면 제안된 송신 안테나 선택 기법은 최적 방식 대비 계산 복잡도를 O(NCS)에서 O(N-S+1)로 획기적으로 낮출 수 있는 반면 네트워크의 전체 전송률의 합과 에너지 효율성 측면에서 손실이 크지 않은 것으로 나타났다.
마지막으로 그림 4는 K = 6일 때, N에 따라서 에너지 효율성을 최대화할 수 있는 최적의 전송 안테나 개수를 나타낸다. 전체 안테나 수가 증가할수록 최적의 선택 안테나 개수도 증가하는 것을 알 수 있다.
후속연구
2010년에 전 세계 무선 모바일 네트워크의 에너지 소비량이 약 120 TWh로 13억 달러에 이르는 것으로 조사되었다[11]. 향후, 차세대 네트워크에서 거대한 수의 안테나가 탑재될 경우 에너지 소비량은 기하급수적으로 증가할 것으로 예상된다[12, 13]. 따라서, 차세대 이동통신 네트워크에서는 데이터 전송용량뿐만 아니라, 에너지 소비량 또한 중요한 성능 지표중의 하나임에 틀림없다.
질의응답
핵심어
질문
논문에서 추출한 답변
Multi-User Massive MIMO의 단점은 무엇인가?
최근 들어서 폭발적으로 증가하고 있는 무선 데이터트래픽을 효과적으로 수용하기 위해서 차세대 이동통신 네트워크의 전송 용량을 획기적으로 개선시킬 필요가 있으며[1], 후보 기술 중에 하나로 기지국에 거대한 수의 안테나를 탑재하여 여러 사용자와 동시에 데이터를 주고받을 수 있는 Multi-User Massive MIMO(다중사용자 거대 다중 안테나) 기술을 고려하고 있다[2, 3].그러나, 기지국에서 거대한 안테나 개수와 동일한 신호 처리부 (Baseband와 Radio Frequency)가 필요하므로 하드웨어 복잡도가 급격히 증가할 뿐만 아니라, 다중안테나를 위한 빔 형성 (Beam Forming) 알고리즘의 복잡도가 증가한다. 따라서, 기지국에 안테나 수 보다 적은 신호 처리부를 설치하고 설치된 신호 처리부만큼의 안테나만을 선택하는 안테나 선택 기술을 활용하여 복잡도를 낮출 필요가 있다[4-10].
Multi-User Massive MIMO는 무엇인가?
최근 들어서 폭발적으로 증가하고 있는 무선 데이터트래픽을 효과적으로 수용하기 위해서 차세대 이동통신 네트워크의 전송 용량을 획기적으로 개선시킬 필요가 있으며[1], 후보 기술 중에 하나로 기지국에 거대한 수의 안테나를 탑재하여 여러 사용자와 동시에 데이터를 주고받을 수 있는 Multi-User Massive MIMO(다중사용자 거대 다중 안테나) 기술을 고려하고 있다[2, 3].그러나, 기지국에서 거대한 안테나 개수와 동일한 신호 처리부 (Baseband와 Radio Frequency)가 필요하므로 하드웨어 복잡도가 급격히 증가할 뿐만 아니라, 다중안테나를 위한 빔 형성 (Beam Forming) 알고리즘의 복잡도가 증가한다.
2010년 전 세계 무선 모바일 네트워크의 에너지 소비량은 얼마인가?
다른 한편으로, 증가하는 무선 데이터 트래픽을 수용하기 위하여 많은 기지국들이 조밀하게 설치되면서 무선 네트워크의 에너지 소비량 또한 급격히 증가하였다. 2010년에 전 세계 무선 모바일 네트워크의 에너지 소비량이 약 120 TWh로 13억 달러에 이르는 것으로 조사되었다[11]. 향후, 차세대 네트워크에서 거대한 수의 안테나가 탑재될 경우 에너지 소비량은 기하급수적으로 증가할 것으로 예상된다[12, 13].
참고문헌 (14)
Cisco White Paper, Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2015-2020, Feb. 2016.
Y. G. Lim, C. B. Chae, "Understanding of Massive MIMO Technology," The Institute of Electronics and Information Engineers, Electronic Engineering Bulletin, Vol. 39, No. 11, pp. 63-70, Nov. 2012.
E. G. Larsson, O. Edfors, F. Tufvesson, and T. L. Marzetta, "Massive MIMO for Next Generation Wireless Systems," IEEE Communications Magazine, vol. 52, no. 2, pp. 186-195, Feb. 2014.
I. Berenguer, X. Wang, and V. Krishnamurthy, "Adaptive MIMO Antenna Selection," in Proceeding of IEEE Conference Record Thirty-Eighth Asilomar Conference on Signals, Systems and Computers, pp. 21-26, Nov. 2003.
A. F. Molisch and M. Z. Win, "MIMO Systems with Antenna Selection - an overview," in Proceeding. of IEEE RAWCON, pp.167-170, Aug. 2003.
R. Chen, J. G. Andrews and R. W. Heath, "Efficient transmit antenna selection for multi-user MIMO systems with block diagonalization," in Proceeding of IEEE GLOBECOM, pp.3499-3503, Dec. 2007.
T. Cheng and C. Yuan, "Low complexity general antenna selection algorithm for MU-MIMO-BC systems," in Proceeding of International Conference on Wireless Communications, Networking and Mobile Computing, pp.1-5, Sep. 2009.
S. Sanayei and A. Nosratinia, "Antenna selection in MIMO systems," IEEE Commun. Mag., vol. 42, no. 10, pp.68-73, Oct. 2004.
P. H. Lin and S. H. Tsai, "Performance analysis and algorithm designs for transmit antenna selection in linearly precoded multiuser MIMO systems," IEEE Trans. Veh. Techn., vol. 61, no. 4, pp. 1698-1708, May 2012.
T. W. Ban and B. C. Jung, "Sliding Window- ased Transmit Antenna Selection for Large-Scale MU-MIMO Networks," IEICE Trans. on Fundamentals, vol. E97-A, no. 7, pp. 1640-1641, Jul. 2014.
"Mobile's Green Manifesto 2012," GSM Association, www.gsma.com/mee.
Z. Zhou, S. Zhou, J. Gong, and Z. Niu, "Energy-Efficient Antenna Selection and Power Allocation for Large-Scale Multiple Antenna Systems with Hybrid Energy Supply," in Proceeding of IEEE GLOBECOM 2014, Dec. 2014.
C. Jiang and L. J. Cimini, "Antenna Selection for Energy-Efficient MIMO Transmission," IEEE Wireless Communications Letters, vol. 1, no. 6, pp. 577-580, Dec. 2012.
S. Shim, J. S. Kwak, R. W. Heath, and J. G. Andrews, "Block diagonalization for multi-user MIMO with other-ell interference," IEEE Trans. Wireless Comm., vol. 7, no. 7, pp. 2671-2681, July 2008.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.