earticle

영어

For the case of a multiuser OFDMA system, users are opportunistically selected based on their individual Channel Quality Information (CQI) which have been reported to the Base Station (BS) in the form of uplink feedback. The feedback can either be detailed resulting in large feedback overhead or be partial resulting in small overhead but with insufficient CQI (which prohibit in accurately exploiting MUD). For either way, system throughput remains non optimal since there exists a trade-off in the amount and quality of feedback. Hence to address this issue, partial feedback with best-M scheduling has been previously proposed, where only CQI of M subchannels are reported to BS instead of reporting about all subchannels which thus reduces the uplink overhead. In this paper, to further increase the system throughput, we propose an adaptive best-M feedback scheduling where M is adaptively calculated based on the number of active users in the system. Through computer simulations, we show that the proposed scheme offers higher or equal downlink throughput with remarkably reduced uplink overhead, and increases the system capacity to support larger number of users simultaneously, in comparison to the best-M scheduling scheme. In addition, under the given constraint of the total feedback overhead, we investigated the critical operating points to fit optimal throughput in the system.

한국어

OFDMA 기반 다중사용자 시스템에서는 상향링크 피드백 형식으로 기지국에 보고되는 각 사용자의 채널 품질 정보(CQI)를 기반으로 사용자를 선택한다. 이를 위해 상향링크 채널의 오버헤드가 많이 요구되는 상세한 피드백 정보를 이용하거나 오버헤드는 적지만 불충분한 CQI 정보를 이용하는 방식은 상호 trade-off 관계에 있기 때문에 시스템 처리률을 최적화시키기에 어려움이 있다. 따라서 이 문제를 해결하기 위해, best-M 스케줄링 기법이 제안되었다. best-M 기법에서는 모든 서브채널에 대해서 CQI를 전송하는 대신에 M 서브채널의 CQI 만을 기지국으로 전송함으로써 상향링크 오버헤드를 줄일 수 있게 된다. 본 논문에서는 시스템의 처리량을 더 향상시키기 위해서, 능동적 사용자들의 수를 기반으로 M을 적응적으로 계산하는 적응적 best-M 피드백 스케줄링 방식을 제안하였다. 컴퓨터 시뮬레이션을 통한 제안 방식의 성능 분석 결과로부터 제안된 기법은 상향링크 오버헤드를 현저히 줄이면서 향상된 하향링크 처리률을 제공할 수 있음을 확인하였으며, 특히 best M 방식과 비교할 경우 동일 시스템에서 더 많은 동시 사용자를 지원할 수 있음을 확인하였다. 또한, 본 연구에서는 총 피드백 오버헤드 제한 조건에 따른 시스템 최적 처리률을 얻기 위한 중요 동작 포인트를 얻을 수 있었다.