Trade-Offs in Decentralized Gigantic MIMO with Hard-Boundary Constraints

Technische Samenvatting: Trade-offs in Gedecentraliseerde Gigantische MIMO met Harde Grensrestricties

Probleemstelling
De overgang van 5G naar 6G houdt een verschuiving in van de sub-6GHz-band (FR1) naar de boven-middenband (FR3, 7–24 GHz). Om vergelijkbare antenne-aperturen te behouden en het toegenomen propagatieverlies op deze hogere frequenties te compenseren, moet het aantal antennes bij de basisstations (BS) met een factor 4–8 toenemen, wat leidt tot het paradigma van "gigantische MIMO". Deze schaling introduceert aanzienlijke uitdagingen met betrekking tot verwerkingscomplexiteit en interconnectiebandbreedte. Hoewel het WAX-framework eerder is voorgesteld om trade-offs tussen decentralisatie en complexiteit te verkennen, heeft de bestaande literatuur niet vastgesteld hoe dit toepasbaar is onder "harde grensrestricties" (hard-boundary constraints). Specifiek gingen eerdere modellen vaak uit van een bepaald niveau van samenwerking tussen gedecentraliseerde modules, wat onpraktisch is bij het gebruik van bestaande, niet-coöpererende hardware-eenheden zoals massive MIMO baseband units (BBUs). Het kernprobleem dat wordt aangepakt, is hoe gigantische MIMO geïmplementeerd kan worden met gedecentraliseerde verwerking waarbij modules geen informatie kunnen delen of samenwerken om filters te berekenen, maar toch informatie-losseloze prestaties kunnen leveren.

Methodologie
De auteurs stellen een nieuwe adaptatie van het WAX-decompositieframework voor, die is afgestemd op systemen met harde grenzen tussen gedecentraliseerde modules. Het systeemmodel beschouwt een uplink multi-user MIMO-scenario waarbij $K$ gebruikers communiceren met een $M$-antenne BS ($M \gg K$). Het ontvangen signaal wordt verwerkt via een combinatie van gedecentraliseerde lineaire filters ($W$), een combinerende matrix ($A$) en een centrale lineaire equalizer ($X$).

Belangrijke methodologische stappen zijn:

1. Harde Grens Formulering: De auteurs leggen een strikte restrictie op waarbij gedecentraliseerde modules niet-coöperatief zijn. Elk module $p$ moet onafhankelijk zijn toegewezen set filters berekenen met behulp van uitsluitend lokale kanaalinformatie (CSI) die geassocieerd is met de specifieke antennes van die module.
2. Permutatie en Herindexering: Om aan de harde grensrestrictie te voldoen, introduceren de auteurs een permutatiefunctie $\pi(\cdot)$. Deze herindexeert de gedecentraliseerde filters en de blokken van de kanaalmatrix, zodat aan de wiskundige voorwaarden voor informatie-losseloze verwerking (afgeleid van de WAX-decompositie) kan worden voldaan binnen wederzijds exclusieve sets van filters.
3. Gestructureerde Combinatiemodule: Er wordt een specifieke structuur voor de combinerende matrix $A$ ontworpen. Door een blokdiagonaal structuur af te dwingen op de submatrix $\tilde{A}_B$ (onderdeel van de definitie van de combinerende module), wordt het globale optimalisatieprobleem gedecomposeerd in $P$ onafhankelijke vergelijkingen. Elke vergelijking komt overeen met een enkele gedecentraliseerde module en betreft alleen de lokale kanaalblokken en lokale filters.
4. Complexiteit-Prestatie Trade-off: Het framework maakt een willekeurige trade-off mogelijk tussen het niveau van decentralisatie (het aantal inputs naar de centrale verwerkingseenheid, $T$) en de gedecentraliseerde verwerkingscomplexiteit (vermenigvuldigingen per antenne, $L$). De auteurs leiden een nieuwe conditie af voor informatie-losseloze verwerking onder deze restricties: $L \geq K \frac{MP - TP}{MP - P}$.

Belangrijkste Bijdragen

• Adaptatie van WAX voor Harde Grenzen: Het artikel breidt het WAX-framework uit naar scenario's waarin gedecentraliseerde modules niet kunnen samenwerken, een cruciale vereiste voor het gebruik van state-of-the-art massive MIMO BBUs in gigantische MIMO-implementaties.
• Decompositiestrategie: De auteurs demonstreren hoe een combinerende module en een filterpermutatiestrategie ontworpen kunnen worden, waardoor elke gedecentraliseerde module zijn deel van de WAX-decompositie onafhankelijk kan oplossen zonder informatie met andere modules uit te wisselen.
• Schaalbaarheid en Achterwaartse Compatibiliteit: De voorgestelde architectuur is expliciet ontworpen om schaalbaar te zijn. Het suggereert dat een gigantische MIMO-systeem geconstrueerd kan worden door meerdere bestaande massive MIMO BBUs (die elk een subset van antennes beheren) aan te sluiten op een centrale eenheid, die potentieel geïmplementeerd kan worden door een andere BBU, zonder dat een volledige herontwerp van de hardware nodig is.
• Theoretische Karakterisering van de Trade-off: Het werk biedt een theoretische grens (Vergelijking 16) voor de minimale verwerkingscomplexiteit ($L$) per antenne die vereist is om informatie-losseloze verwerking te bereiken, gegeven een specifiek aantal gedecraliseerde modules ($P$) en centrale inputs ($T$).

Resultaten
Numerieke simulaties werden uitgevoerd met een systeem van $M=256$ antennes verdeeld over $P=4$ gedecentraliseerde modules (elke module beheert 64 antennes), met $T=64$ inputs naar de CPU.

• Prestaties: Het voorgestelde framework bereikt informatie-losseloze prestaties (overeenkomend met de capaciteit van Maximum Ratio Combining, MRC) met aanzienlijk verminderde complexiteit. Voor $K=5$ gebruikers werd losseloze prestatie bereikt met $L=8$ vermenigvuldigingen per antenne; voor $K=9$ gebruikers werd dit bereikt met $L=4$.
• Complexiteitsreductie: Vergeleken met een gedecentraliseerde MRC-baseline vermindert de voorgestelde methode het aantal MAC-operaties per module. Bijvoorbeeld, met $K=9$ vereiste de baseline 576 operaties, terwijl de voorgestelde methode losseloze prestaties bereikte met 256 operaties ($L=4$).
• Flexibiliteit: De resultaten geven aan dat het framework verdere reducties in verwerkingscomplexiteit toestaat (bijv. $L=2$ of $L=1$) ten koste van een lichte prestatievermindering, waarbij ongeveer 90% van de kanaalcapaciteit wordt behaald met de helft van de gedecentraliseerde verwerkingscomplexiteit.

Betekenis en Claims
Het artikel claimt dat dit werk de transitie van massive MIMO naar gigantische MIMO faciliteert door het mogelijk te maken om state-of-the-art massive MIMO BBUs als bouwstenen voor grotere systemen te gebruiken. Door te bewijzen dat informatie-losseloze verwerking mogelijk is, zelfs met harde grenzen tussen niet-coöpererende modules, stellen de auteurs dat hun aanpak een praktisch pad biedt voor schaalbaarheid en achterwaartse compatibiliteit in 6G-basisstationontwerp. Het framework wordt gepresente-erd als een instrument om trade-offs tussen complexiteit en prestaties te exploiteren in praktische implementaties, in plaats van een theoretisch ideaal. De auteurs merken op dat hoewel het huidige werk zich richt op het baseband-domein, het framework in de toekomst mogelijk aangepast kan worden voor verwerking in het analoge domein.