Opportunistic Beamforming with Link Anaptation Robust to Imperfect Channel Estimation

Opportunistic Beamforming (OBF) offers a way to provide the multiuser diversity even in slow fading channel by using randomly generated beam weights, leading to the substantially reduced feedback in the form of the instantaneous SNR from users. In spite of the advantage of the reduced feedback, the imperfect channel estimation might influence the quality of the estimated SNR and channel scheduler so bad that the selected AMC level would be higher than the achievable rate of the actual channel, resulting the corruption of transmitted packet. In this paper, we propose a conservative link adaptation, where the estimated SNR is scaled down by a conservative factor which minimizes the variance of the maximum difference between the actual channel SNR and the resultant SNR. To support the proposed scheme, we analyze the statistics of the difference of the channel SNR and the estimated SNR. Simulation results show that the introduction of conservative factor achieves more than two-fold performance improvement in the presence of channel estimation error and the fairness of PF scheduler is maintained when the least squared channel estimator is applied.

기회적 빔포밍 시스템에서 채널 추정에 강인한 링크 적응 기법

기회적 빔포밍(OBF)은 채널이 거의 변하지 않는 환경에서도 기지국에서 랜덤 빔을 발생시켜서 인위적으로 다중 사용자 다이버시티 이득을 얻는 기법이며, 궤환 정보량도 순시 SNR 정보만을 필요로 한다. 이러한 이점에도 불구하고 수신단에서의 채널 추정 오류는 부정확한 순시 SNR의 원인이 된다. 특히 추정된 SNR에 의해 선택된 AMC 레벨이 실제 채널 용량보다 큰 전송율을 요구할 때는 패킷의 손실이 불가피 하다. 본 논문에서는 채널 추정 성능을 고려하여 계산한 보수적 인자를 이용해 추정된 SNR을 인위적으로 감소시킴으로써 성능 저하를 방지하는 보수적 링크 적응 방식을 제안한다. 제안된 보수적 인자는 실제 채널 SNR과 감소된 추정 SNR의 차이의 최대값의 분산을 최소화 하도록 계산된다. 이를 위해 실제 채널 SNR과 추정된 SNR의 차이의 통계량을 수학적으로 분석하였다. 실제 LS 추정기를 적용한 컴퓨터 시뮬레이션 결과 채널 추정 오류가 있는 상황에서 제안된 방식이 추정 오류로 저하된 평균 수율 성능을 두 배 이상 향상시키고, 비례적 공정 스케줄러의 공평성 성능을 손상시키지 않음도 확인하였다.