[論文レビュー] Active RIS vs. Passive RIS: Which Will Prevail in 6G?

Zijian Zhang, Linglong Dai+5 more|arXiv (Cornell University)|Mar 28, 2021

Advanced Wireless Communication Technologies参考文献 34被引用数 29

ひとこと要約

この論文は、RIS支援ネットワークにおける乗算的フェージングを克服する解としてアクティブRISを提案し、実験で検証された信号モデルを提供し、漸近的性能を分析し、パッシブRISに対して合計レートの大幅な改善を示すjoint beamforming/reflect precoding設計を提案する。

ABSTRACT

As a revolutionary paradigm for controlling wireless channels, reconfigurable intelligent surfaces (RISs) have emerged as a candidate technology for future 6G networks. However, due to the "multiplicative fading" effect, the existing passive RISs only achieve limited capacity gains in many scenarios with strong direct links. In this paper, the concept of active RISs is proposed to overcome this fundamental limitation. Unlike passive RISs that reflect signals without amplification, active RISs can amplify the reflected signals via amplifiers integrated into their elements. To characterize the signal amplification and incorporate the noise introduced by the active components, we develop and verify the signal model of active RISs through the experimental measurements based on a fabricated active RIS element. Based on the verified signal model, we further analyze the asymptotic performance of active RISs to reveal the substantial capacity gain they provide for wireless communications. Finally, we formulate the sum-rate maximization problem for an active RIS aided multi-user multiple-input single-output (MU-MISO) system and a joint transmit beamforming and reflect precoding scheme is proposed to solve this problem. Simulation results show that, in a typical wireless system, passive RISs can realize only a limited sum-rate gain of 22%, while active RISs can achieve a significant sum-rate gain of 130%, thus overcoming the "multiplicative fading" effect.

研究の動機と目的

• パッシブRISのRIS-aided 6Gネットワークにおける乗算的フェージングの制限を克服する必要性を動機づける。
• 統合反射型アンプを備えたアクティブRISを提案し、検証済み信号モデルを開発する。
• 漸近的性能を特徴づけ、パッシブRISと比較する。
• アクティブRIS支援MU-MISOシステムの和集合レート最大化問題を定式化し解く。
• 実用的な自己干渉を考慮したビーム形成設計を拡張する。

提案手法

• 増幅と動・静的ノイズの両方を含むアクティブRISの信号モデルを開発する。実装されたアクティブRIS素子による測定で検証する。
• パッシブRISとアクティブRISの漸近的SNR表現を導出し、RIS素子数Nのスケーリングを比較する。
• アクティブRIS-支援MU-MISOシステムの和集合レート最大化問題を定式化し、分数プログラミングを用いた結合送信ビームフォーミングと反射プリコーディング方式を提案する。
• アクティブRISの自己干渉モデリングを組み込み、ADMM/SUMTベースの交互最適化アプローチを提案する。
• 現実的な電力・ノイズ条件下で、アクティブRISがパッシブRISを上回る時期・状況を示す性能洞察を提供する。

実験結果

リサーチクエスチョン

• RQ1 アクティブRIS信号モデルはパッシブRISモデルとどのように異なり、どのノイズ源を考慮する必要があるか？
• RQ2 RIS素子数が増えるとき、アクティブRISの漸近SNR利得はパッシブRISに対してどうなるか？
• RQ3 MU-MISOシステムで和集合レートを最大化するために送信ビームフォーミングとアクティブRIS反射プリコーディングをどう共同設計するか？
• RQ4 アクティブRISにおける自己干渉は性能にどう影響し、最適化フレームワークでどのように緩和できるか？

主な発見

• アクティブRISは反射信号を増幅することによりパッシブRISの乗算的フェージングを克服し、和集合レートの大幅な改善をもたらす。
• 漸近的なSNRはアクティブRISでN、パッシブRISでN^2にスケールするが、実務上はアクティブRISの分母がはるかに小さく、実効的なゲインが大きくなる。
• 現実的なパラメータ下で、パッシブRISは約22%の和集合レートゲインをもたらすのに対し、アクティブRISは約130%の和集合レートゲインをもたらす。
• FPに基づく共同ビームフォーミングと反射プリコーディングスキームは、アクティブRIS支援MU-MISOシステムの和集合レートの有効な最適化を達成する。
• 自己干渉を考慮しても、提案された最適化フレームワークはパッシブRISよりも顕著な性能向上を達成できる。