Correlation-Aware Greedy User Grouping for Zero-Forcing Precoding in Massive MIMO Downlink Systems

기술 요약: Massive MIMO 다운링크 시스템을 위한 상관관계 인지형 그리디 사용자 그룹화 (Correlation-Aware Greedy User Grouping)

문제 정의
단일 셀 Massive MIMO 다운링크 시스템에서 제로 포싱(Zero-Forcing, ZF) 프리코딩은 낮은 복잡도와 그룹 내 다중 사용자 간섭 억제 능력 덕분에 널리 사용됩니다. 그러나 ZF의 성능은 사용자 채널 벡터 간의 공간적 관계에 매우 민감합니다. 높은 상관관계를 가진 채널 방향을 가진 사용자들이 동일한 전송 그룹에 할당될 경우, 해당 그룹의 그람 행렬(Gram matrix)은 불량한 조건성(ill-conditioned)을 갖게 됩니다. 이러한 불량한 조건성은 ZF 프리코더의 전력 정규화 계수를 더 크게 만들어야 함을 의미하며, 이는 결과적으로 유효 수신 신호 대 잡음비(SNR)를 감소시키고 스펙트럼 효율 및 비트 오차율(BER) 성능을 저하시킵니다. 이 문제는 사용자가 유사한 각도 영역이나 산란 조건을 가질 때 채널 상관관계가 무시할 수 없는 수준으로 나타나는 공간 상관 Rayleigh 페이딩 환경에서 특히 두드러집니다.

사용자 선택(User selection) 및 스케줄링은 확립된 기술이지만, 본 논문은 특정 조합 최적화 문제인 **고정 크기 사용자 그룹화(fixed-size user grouping)**를 다룹니다. 사용자 선택이 더 큰 풀(pool)에서 일부 사용자를 선택하는 것과 달리, 고정 크기 그룹화는 모든 $K$ 명의 사용자를 크기가 $S$인 $G$ 개의 그룹($K=GS$)으로 분할하는 것을 요구합니다. 본 연구의 목적은 반복적인 행렬 역행렬 계산이나 전수 조사(exhaustive search)의 과도한 계산 비용 없이, 그룹별 ZF 프리코딩을 적용하기 전에 그룹 내 채널 상관관계를 최소화하도록 그룹을 정교화하는 것입니다.

방법론: CorrGreedy 알고리즘
본 논문은 그룹별 ZF 프리코딩을 위한 전처리 휴리스틱으로서 설계된 경량 스왑 기반 그리디 정교화 알고리즘인 CorrGreedy를 제안합니다.

1. 대리 목적 함수(Surrogate Objective): 직접적으로 합계 스펙트럼 효율을 최대화하는 대신(이는 반복적인 ZF 역행렬 계산이 필요하여 계산 비용이 높음), 알고리즘은 상관관계 기반의 대리 목적 함수인 전체 그룹 내 쌍별 채널 상관관계 비용을 최소화합니다. 그룹 $\mathcal{G}_g$에 대한 비용은 해당 그룹 내 모든 사용자 채널 벡터 쌍 사이의 정규화된 제곱 내적(inner product)의 합입니다.
2. 초기화: 알고리즘은 무작위 또는 정적 상관관계 기반 휴리스틱(사용자를 총 상관관계에 따라 정렬하고 라운드 로빈 방식으로 할당)을 통해 생성된 실행 가능한 초기 그룹화 상태에서 시작합니다.
3. 그리디 스왑 정교화(Greedy Swap Refinement): 핵심 메커니즘은 서로 다른 그룹에 속한 사용자 쌍을 반복적으로 스캔하는 것입니다. 그룹 $A$의 사용자 $u$와 그룹 $B$의 사용자 $v$ 사이의 스왑은 전체 그룹 내 상관관계 비용을 엄격하게 감소시키는 경우에만 수용됩니다. 스왑의 이득(gain)은 중복 계산을 피하기 위해 사전 계산된 쌍별 상관관계 행렬을 사용하여 국부적으로 계산됩니다.
4. 종료: 더 이상 이득이 되는 스왑이 존재하지 않거나(지역 최적해) 최대 반복 횟수에 도달할 때까지 프로세스가 지속됩니다. 알고리즘은 고정된 그룹 크기를 유지하며 모든 사용자가 할당되도록 보장합니다.

주요 기여

• 상관관계 인지 기준: 정규화된 쌍별 상관관계를 사용하여 행렬의 조건성을 나타내는 다루기 쉬운 대리 지표로 활용함으로써, 그룹 그람 행렬의 조건성을 개선하기 위해 설계된 고정 크기 그룹화 기준을 도입했습니다.
• 효율적인 그리디 알고리즘: 그룹 내 상관관계를 줄이기 위해 그룹 간 사용자 스왑을 활용하는 CorrGreedy를 개발했습니다. 이 방법은 검색 과정 중에 반복적인 ZF 프리코더 계산을 피하도록 설계되어 계산 효율성이 높습니다.
• 이론적 분석: 쌍별 상관관계의 감소를 정규화된 그람 행렬의 항등 행렬(identity matrix)로부터의 프로베니우스 노름(Frobenius norm) 편차와 연결하는 분석적 해석을 제공합니다. 본 논문은 오프-다이아고날(off-diagonal) 에너지를 줄이는 것이 고유값 분포를 개선하고, 조건수를 낮추며, ZF 정규화 손실을 줄인다는 것을 입증합니다.
• 재현 가능한 평가: 독립적인 검증을 지원하기 위해 상세한 재현성 파라미터(랜덤 시드, 종료 조건, 초기화 방법)를 포함한 포괄적인 시뮬레이션 프레임워크를 제공합니다.

시뮬레이션 결과
제안된 방법은 공간 상관 Rayleigh 페이딩 채널($M=64$ 안테나, 다양한 사용자 부하, 상관 계수 $\rho \in \{0, 0.3, \dots, 0.9\}$) 환경에서 여러 베이스라인(그룹화되지 않은 ZF, 무작위 그룹화, 정적 상관관계 기반 그룹화, K-means 클러스터링, 정규화 ZF(MMSE))을 대상으로 평가되었습니다.

• 행렬 조건성: CorrGreedy는 그룹 그람 행렬의 평균 최소 고유값을 크게 향상시키고 평균 조건수를 그룹화되지 않은 ZF 및 정적 그룹화에 비해 감소시켰습니다. 예를 들어, $M=64, K=32$일 때, 평균 조건수는 ZF의 48에서 CorrGreedy의 16으로 떨어졌습니다.
• 스펙트럼 효율: 이 방법은 다양한 SNR 레벨과 사용자 부하에 걸쳐 기존 ZF, 정적 상관관계 그룹화 및 K-means 그룹화보다 우수한 경쟁력 있는 합계 스펙트럼 효율을 달enc했습니다. 고부하 시나리오($K=32$)에서 CorrGreedy는 30 dB SNR에서 205 bit/s/Hz를 달성하여, 기존 ZF의 146 bit/s/Hz를 상회했습니다.
• 신뢰성 및 효율성: CorrGreedy는 다른 ZF 기반 그룹화 방식에 비해 낮은 BER과 높은 에너지 효율(전송 전력 대비 정규화)을 보여주었습니다.
• 복잡도: 무작위 또는 정적 그룹화보다는 복잡하지만, CorrGreedy는 전수 조사(exponential complexity)나 직접적인 레이트 최적화를 위한 반복적인 행렬 역행계산 없이도 관리 가능한 수준의 계산 비용으로 작동합니다.

의의 및 주장
본 논문은 CorrGreedy를 RZF(Regularized ZF)나 MMSE와 같은 강력한 프리코딩 방법을 대체하거나 전역 합계 레이트(global sum-rate) 극대화 문제를 해결하기 위한 솔루션으로 포지셔닝하지 않습니다. 대신, 이를 그룹별 ZF 프리코딩의 동작 조건을 개선하는 저복잡도 전처리 단계라고 주장합니다.

저자들은 그룹 내 상관관계를 명시적으로 최소화함으로써 ZF 역행렬의 수치적 안정성을 개선하고, 이를 통해 불량한 조건의 그룹에서 발생하는 잡음 증폭 페널티를 완화한다고 단언합니다. 결과는 이러한 상관관계 인지 그룹화가 무작위 또는 비반복적 그룹화 전략이 유사한 공간 시그니처를 가진 사용자를 분리하지 못하는 공간 상관 채널에서 특히 유익하다는 것을 시사합니다. 결론적으로 CorrGreedy는 단일 셀 Massive MIMO 시스템에서 고정 크기 그룹별 ZF 전송을 위한 성능 향상, 해석 가능성 및 계산 비용 사이의 합리적인 절충안을 제공합니다.