Cell-free (CF) massive multiple-input-multiple-output (mMIMO) deployments are usually investigated with half-duplex (HD) nodes and high-capacity fronthaul links. To leverage the possible gains in throughput and energy efficiency (EE) of full-duplex (FD) communications, we consider a FD CF mMIMO system with practical limited-capacity fronthaul links. We derive closed-form spectral efficiency (SE) lower bounds for this system with maximum-ratio transmission/maximum-ratio combining (MRT/MRC) processing and optimal uniform quantization. We then optimize the weighted sum EE (WSEE) via downlink and uplink power control by using a two-layered approach: the first layer formulates the optimization as a generalized convex program (GCP), while the second layer solves the optimization decentrally using alternating direction method of multipliers. We analytically show that the proposed two-layered formulation yields a Karush-Kuhn-Tucker point of the original WSEE optimization. We numerically show the influence of weights on the individual EE of the users, which demonstrates the utility of WSEE metric to incorporate heterogeneous EE requirements of users. We also show that with low fronthaul capacity, the system requires a higher number of fronthaul quantization bits to achieve high SE and WSEE. For high fronthaul capacity, higher number of bits, however, achieves high SE and a reduced WSEE.


翻译:无细胞(CF)大规模多投入-多输出(MMIMO)部署通常以半双倍(HD)节点和高容量前导线连接方式进行调查。为了利用全倍(FD)通信的吞吐量和能源效率(EE)的可能收益,我们认为FD CF MMIMO系统具有实际有限能力前导线连接,我们从这个系统获得的封闭式光谱效率(SE)较低界限,有最高纬度传输/最大纬度混合(MRT/MRC)处理和最佳统一化。然后,我们通过下链接和上传电源控制优化加权和EEEEE(WEE)(EESE)(E)(E)(EE)(EE)(E)(E)(E)(E)(E)(E)(EE)(E)(EE)(E)(EE)(E)(E)(E(EE)(E)(E)(E)(E)(E) (P) (P) (M) (M) (M) (M) (M) (M(M) (M) (M(M) (M) (M) (M) (M(M) (M) (M) (M) (M) (M) (M(M) (M(M(M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M(M(M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M(M(M) (M) (M) (M(M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (M) (

0
下载
关闭预览

相关内容

知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
106+阅读 · 2020年6月10日
专知会员服务
60+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
On Accelerating Distributed Convex Optimizations
Arxiv
0+阅读 · 2021年8月19日
VIP会员
相关资讯
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
Top
微信扫码咨询专知VIP会员