통계적 최대 최소 전력 제어를 위한 새로운 고정점 알고리즘

초록

본 논문은 기존의 Use‑and‑then‑Forget (UatF) 하한에 의존하던 대규모 MIMO 시스템의 전력 제어 방식을 탈피한다. 보다 정확한 정보이론적 경계(예: 즉시 CSI를 활용한 경계)를 적용할 수 있도록 수학적 도구와 고정점 알고리즘을 제시하고, 이를 통해 통계적 최대‑최소 전력 제어 문제를 전역 최적해에 수렴하도록 해결한다.

상세 분석

논문은 먼저 UatF 하한이 갖는 근본적인 한계를 짚는다. UatF는 평균 채널을 사용해 즉시 효과 채널을 대체하고, 편차를 잡음으로 취급하기 때문에, 평균이 0인 제로‑평균 채널에서 비적응적 빔포밍을 적용하면 신호‑대‑간섭‑플러스‑노이즈 비(SINR) 분자항이 사라져 전송률 하한이 0이 된다. 또한 빔포밍 벡터를 스케일링해도 하한값이 크게 변하는 비스케일 불변성 결여 현상이 있다. 이러한 문제는 특히 셀‑리스 네트워크나 다중셀 협조 전송에서 심각하게 나타난다.

이를 극복하기 위해 저자들은 “MSP(단조·확장·양성) 함수”라는 새로운 함수 클래스를 정의하고, 기존 표준 간섭 함수와의 관계를 정리한다. MSP 함수는 양의 실수 영역에서 단조성, 확장성(α>1일 때 f(αx)<αf(x)), 그리고 0으로부터의 양의 하한을 만족한다. 이러한 특성 덕분에 MSP 매핑은 Thompson 거리 하에서 수축성을 가지며, 고정점이 유일함을 보장한다. 논문은 이론적으로 MSP 매핑의 고정점 반복이 전역 최적해로 수렴함을 증명하고, 이를 전력 제어 문제에 적용한다.

핵심은 기대값을 직접 Monte‑Carlo 샘플링으로 근사하면서도 “비율의 기대값을 기대값의 비율로 대체”하는 추가 근사를 피한다는 점이다. 구체적으로, 임의 변수 g(x,ω)와 h(x)를 이용해 z(x,ω)=h(x)/g(x,ω) 형태의 MSP 함수를 구성하고, 기대값 E