Trade-offs in Reliability and Performance Using Selective Beamforming for Ultra-Massive MIMO

技术摘要：利用选择性波束赋形在超大规模 MIMO 中实现可靠性与性能的权衡

问题陈述
本文探讨了超大规模 MIMO（UM-MIMO）通信系统中固有的优化挑战，特别关注动态运行环境下的阵列选择与波束赋形。传统的波束赋形设计往往忽略了单个天线单元变化的可靠性或结构健康状况，可能导致将功率分配给受损组件，从而导致性能下降或系统脆弱。此外，现代网络面临着异构的用户需求（例如，物联网与视频流媒体），以及严格的服务质量（QoS）要求，这使得资源分配策略需要超越均匀分布。其核心问题是如何通过联合优化波束赋形与稀疏阵列选择，在考虑天线健康数据并确保用户比例公平性的同时，最大化系统性能，且所有这些都要在受限的、非凸且非平滑的优化格局内完成。

方法论
作者提出了一个将天线健康信息直接整合到波束赋形优化过程中的新颖框架。该系统模型考虑了一个具有 $N_t$ 个发射天线、为 $M$ 个单天线用户提供服务的毫米波节点。接收信号被建模为加性高斯白噪声，并计算每个用户的信干噪比（SINR）。

该方法的核心在于构建了一个约束优化问题（公式 5），旨在最大化用户速率的加权和，同时惩罚对不可靠天线单元的使用。这是通过引入一个取值范围在 0（失效）到 1（全功能运行）之间的可靠性矩阵 $\beta$ 来实现的。在目标函数中加入了一个由参数 $\gamma$（或公式中的 $\rho_s$）加权的促进稀疏性的正则化项。该项鼓励选择可靠的单元并抑制与不可靠单元的连接，从而产生一个稀疏的波束赋形矩阵。

为了解决这个非凸且非平滑的问题，作者采用了**近端梯度对偶上升（PGDA）**算法（算法 1）。该方法利用对偶变量来处理诸如总发射功率（$P_t$）和最小速率要求（$R_{min}$）等约束。算法迭代更新波束赋形权重，并应用涉及软阈值处理的近端算子，以基于可靠性掩码强制执行稀疏性。该方法避免了相关研究中常见的各种数学松弛（如半正定松弛），旨在实现更快的收敛速度和更好的适应性。

主要贡献
论文概述了三个主要贡献：

1. 天线健康感知选择： 引入了一种新的阵列选择准则，该准则结合了实时天线健康信息，以修正波束图样并增强系统可靠性。
2. 优化技术： 应用轻量级优化技术，特别是梯度对偶上升和对偶近端梯度上升，直接应对稀疏阵列选择中的非凸挑战，而不依赖于沉重的松弛方法。
3. 比例公平性： 实现了一种公平机制，使资源分配与系统约束相一致，同时保证所有用户的最小速率要求，确保在异构网络环境中的公平分配。

实验结果
所提出的解决方案通过使用 28 GHz 毫米波频段、64 个发射天线和 4 个用户的广泛仿真进行了评估。系统运行的总带宽为 3 GHz，发射功率为 2 kW。研究通过改变稀疏促进权重 $\gamma$ 来观察其对性能指标的影响。

仿真的关键发现包括：

• 效率与可靠性之间的权衡： 随着稀疏权重 $\gamma$ 的增加，频谱效率（SE）和通信速率（$R_i$）会下降。例如，当 $\gamma=0$ 时，SE 为 2.32 bps/Hz；而当 $\gamma=333.4$ 时，SE 下降至 1.78 bps/Hz。
• 稀疏性与密度： 更高的 $\gamma$ 值显著降低了波束赋形矩阵密度（BMD），从 100% 的密度降至约 64% 的密度，表明向稀疏阵列使用的转变。
• 可靠性提升： 相反，天线可靠性（$R_L$）随着 $\gamma$ 的增加而大幅提高，从 0% 上升到接近 93%。这表明系统成功地优先考虑了整个阵列中的冗余、可靠单元。
• 功耗： 功耗变化微小，随着稀疏性的增加略有上升，这表明在此特定配置下，可靠性方面的增益并不会带来过高的功率成本。

意义与主张
论文声称其工作通过提供显式考虑天线结构健康的阵列选择与波束赋形创新方案，推动了 UM-MIMO 领域的发展。作者断言，其方法通过展示如何平衡高性能（频谱效率）与系统稳健性（可靠性）之间的关键权衡，为未来的研究奠定了基础。

这项工作的意义在于它能够创建“具备自我感知能力”的通信系统，使其能够根据天线阵列的物理状况动态重新校准功率分配。这被认为是实际部署 UM-MIMO 系统（特别是在需要不间断运行的场景，如关键基础设施或国防应用）时的必要条件。作者总结道，虽然增加稀疏性会降低原始吞吐量，但它能显著增强容错能力和运行完整性，为弹性 5G 和 6G 网络设计提供了一种可行的策略。研究也谦虚地指出，目前的 64 天线仿真是出于在桌面硬件上进行计算的可行性而选择的，未来的工作旨在探索更大规模阵列的可扩展性。