《Physical Communication》:Fairness-throughput aware uplink power control for user-centric cell-free massive MIMO
编辑推荐:
摘要用户为中心的无蜂窝大规模MIMO的上行功率控制涉及由信干噪比耦合结构引起的用户公平性与网络吞吐量之间的非凸谱效率(SE)折衷问题。本文提出了一种加权求和SE标量化方法,通过单个可调权重w ∈ [0, 1]组合最差用户SE与平均SE,在每用户设备功率约束下连续控制公平性-吞
摘要
用户为中心的无蜂窝大规模MIMO的上行功率控制涉及由信干噪比耦合结构引起的用户公平性与网络吞吐量之间的非凸谱效率(SE)折衷问题。本文提出了一种加权求和SE标量化方法,通过单个可调权重w ∈ [0, 1]组合最差用户SE与平均SE,在每用户设备功率约束下连续控制公平性-吞吐量工作点。该非凸、非光滑目标函数由增强灰狼优化器(E-GWO)求解,该优化器融入了基于反向的初始化策略、非线性探索调度及贪心选择机制,以保持每次运行的评估预算不变。该框架与求解器无关,E-GWO在相同的适应度函数和评估预算下与粒子群优化、遗传算法、差分演化和模拟退火进行了基准比较,并在500个随机拓扑上进行测试。E-GWO在单一控制参数下达到最高效用值(时为2.624),且具有最低的运行间波动性(约0.007,比其他求解器稳定三至九倍),并在50次迭代内达到其收敛值的99.7%。通过调整w,该方法可覆盖整个公平性-吞吐量前沿:在时,最差用户SE约为2.10 bit/s/Hz,与最大-最小功率控制相当,同时总SE达到26.41 bit/s/Hz,而最大-最小控制仅为21.19 bit/s/Hz;在时,总SE达到35.2 bit/s/Hz,与满功率传输相当。在面向吞吐量的设置下,结合完整功耗分解和置信区间报告的能量效率与满功率传输相当。
引言
向第六代(6G)无线网络的演进同时追求高容量和能量高效运行,这使得密集无线网络中的谱效率(SE)优化与能量效率(EE)紧密耦合[1], [2], [3], [4]。用户为中心的无蜂窝大规模多输入多输出(UC-CFmMIMO)网络利用分布式接入点(AP)联合为用户设备(UE)提供服务,从而通过自适应AP关联减轻小区间干扰并改善公平性[5], [6], [7]。在该架构中,上行(UL)功率控制是一个关键但本质上非凸且多目标的问题,因为用户间信干噪比(SINR)存在耦合关系,其中提升最差用户SE(公平性)与提升总SE(吞吐量)代表相互冲突的目标。
现有的上行功率控制方法可分为三类。基于优化的方法包括通过大规模衰落解码结合不动点迭代实现的最大-最小公平性[5]、分数功率控制和基于分数规划的分配[8], [9],以及基于稀疏大规模衰落处理(LSFP)的能效导向设计[1];这些方法通常优化单一固定目标(最大-最小公平性、求和SE或EE),并未提供单一机制来遍历公平性-吞吐量前沿。基于学习的方法,如深度学习功率分配[10]和基于强化学习的AP选择[7],能够适应动态条件,但需要大量训练数据且运行于固定奖励目标之下。元启发式方法提供了无导数地探索非凸SINR耦合景观的能力[11], [12], [13];特别地,灰狼优化器(GWO)已被应用于UC-CFmMIMO上行功率控制,采用固定最大-最小或求和SE目标并使用标准GWO更新策略[14], [15], [16]。这些研究优化单一预定目标并采用标准求解器更新,既未提供可调的公平性-吞吐量控制,也未报告不同元启发式求解器之间的等预算比较。表1总结了这些差异并定位了本文工作。
本文与上述工作的不同之处体现在两个方面。首先,本文并未固定目标函数,而是构建了一种
加权求和SE标量化方法,通过单一权重
w ∈ [0, 1]组合最差用户SE与平均SE(单位均为bit/s/Hz)。改变
w可以实现沿公平性-吞吐量折衷线的系统探索,使单一求解器配置即可覆盖从面向求和SE(
)到面向最大-最小公平性(
)的不同工作点。其次,本文采用了一种
E-GWO,在[14], [15], [16]使用的标准更新策略基础上融入了基于反向的初始化、非线性探索调度和贪心选择三项增强机制,这些增强机制均保持函数评估次数不变。该框架与求解器无关,E-GWO在相同的适应度函数和相同的评估预算下与粒子群优化(PSO)、遗传算法(GA)、差分演化(DE)和模拟退火(SA)进行了基准比较,而已有研究未报告此类比较。EE作为评估指标处理,报告了完整功耗分解和置信区间(CI),而非作为直接优化量。主要贡献总结如下。
- •
为UC-CFmMIMO上行功率控制提出了一种量纲一致的加权求和SE标量化方法,其中单一权重w在每用户设备(UE)功率约束下显式且连续地控制公平性-吞吐量工作点。
- •
开发了一种E-GWO求解器,包含三项函数评估次数不变的增强机制(基于反向的初始化、非线性探索调度和贪心选择),并证明该框架适用于任何基于种群的元启发式算法。
- •
在完全明确且可复现的设置下,提供了与PSO、GA、DE和SA的公平等预算比较,包括统计可靠性评估(置信区间和运行间波动性)以及EE分解。
本文其余部分组织如下。第2节介绍系统模型以及SE和EE的表达式。第3节构建标量化功率控制问题并提出E-GWO求解器。第4节展示数值结果,第5节总结全文。
章节摘要
系统模型
考虑一个包含K个单天线UE和L个分布式AP的UC-CFmMIMO网络,其中每个AP配备N根天线,如图1所示。在一个相干块内,AP l与UE k之间的信道表示为。在块衰落模型下[5],hkl在时分双工模式下的一个持续τc个符号的相干块内保持不变[6]。每个相干块包含τp个导频符号和个上行数据符号。由于本文针对上行功率控制,不涉及下行数据
所提方法
本节介绍面向UC-CFmMIMO的公平性-吞吐量感知上行功率控制框架。首先,定义基于SE的公平性和吞吐量指标,并为功率控制优化构建一个量纲一致的标量效用函数。然后,开发一种E-GWO搜索过程,在每用户设备功率约束下获得最优可行发射功率向量。最后,分析所提求解器的计算复杂度。
数值结果
本节通过蒙特卡洛仿真评估所提功率控制框架。首先描述仿真设置和可复现性参数,然后依次展示收敛行为与元启发式比较、与传统基线的公平性-吞吐量性能、EE评估以及随UE密度的可扩展性。
结论
本文通过构建加权求和SE标量化方法,解决了UC-CFmMIMO上行功率控制中的公平性-吞吐量折衷问题,其中单一权重w在每用户设备功率约束下连续控制求和SE最大化()与最大-最小公平性()之间的工作点。该非凸、非光滑问题由带有三项函数评估次数不变增强机制的E-GWO求解,并证明该框架适用于任何基于种群的元启发式算法。在
CRediT作者贡献声明
Nguyen Van Cuong:写作——审阅与编辑,写作——初稿撰写,可视化,验证,监督,软件,资源,项目管理,方法论,调查研究,形式化分析,概念构思。
利益冲突声明
作者声明不存在已知的竞争财务利益或可能影响本文所报告工作的个人关系。
Nguyen Van Cuong