[論文レビュー] An Efficient CSI Acquisition Method for Intelligent Reflecting Surface-assisted mmWave Networks

Yaoshen Cui, Haifan Yin|arXiv (Cornell University)|Dec 27, 2019

Advanced Wireless Communication Technologies参考文献 17被引用数 19

ひとこと要約

本稿では、チャネルのスパarsityとIRSの幾何構造を活用することで、新しいリフレクティングユニットセット（RUS）フレームワークを用いて、IRS支援mmWaveネットワークにおける低複雑性なCSI取得手法を提案する。最適な位相シフトコードワードを用いてライン・オブ・スイト（LoS）距離を推定し、マルチパス応答を再構成することで、20 OFDMシンボル未満（0.167 ms）で正確なチャネル推定を実現し、最先端の手法と比較して訓練オーバーヘッドを桁違いに低減するとともに、シミュレーションで最大27 dBのSNRゲインを達成する。

ABSTRACT

Millimeter-wave (mmWave) communication is one of the key enablers of the fifth-generation cellular networks (5G). However, one of the fundamental challenges of mmWave communication is the susceptibility to blockage effects. One way to alleviate this effect is the use of Intelligent Reflecting Surface (IRS). Nevertheless, due to the large number of the reflecting elements on IRS, the channel estimation turns out to be a challenging problem. This paper proposes a low-complexity channel information acquisition method for IRS-assisted mmWave communication system. Our idea consists in exploiting the sparsity of the mmWave channel and the topology of IRS itself. Compared to the state-of-the-art methods, our proposed method requires much less time-frequency resource in the acquisition of channel information. Large performance gains are confirmed in simulation, which prove the effectiveness of our proposed method.

研究の動機と目的

• 大規模なIRS支援mmWaveシステムにおけるCSI取得の高訓練オーバーヘッドの課題に対処すること。
• 受動的で電力供給のないリフレクティング素子と多数の要素を有するIRSシステムにおけるCSI推定の難しさを克服すること。
• mmWaveチャネルのスパarsityとIRSの構造的幾何構造を活用して、訓練リソース消費を低減すること。
• 遮蔽が生じやすいmmWave環境におけるリアルタイムでのチャネル推定に実用的で低複雑性な手法を開発すること。
• 知能的リフレクティングサーフェス（IRS）を用いて、効率的なビームフォーミングとカバレッジ向上を実現すること。

提案手法

• リフレクティングユニットセット（RUS）の概念を導入し、隣接するIRS素子のグループを1つの単位として扱い、チャネル推定に用いる。
• 受信電力の最大化により、各RUSとユーザ機器（UE）間のライン・オブ・スイト（LoS）距離を最適な位相シフトコードワードで推定する。
• mmWaveチャネルのスパarsityとIRSの幾何構造を活用して、限られたRUS-UE距離推定値から全チャネルを再構成する。
• 推定されたRUS-UE距離に基づいてチャネルをマルチパス応答としてモデル化し、最小二乗法に基づく推定を適用してチャネルベクトルを回復する。
• 推定値が加法的ガウスノイズ（分散パラメータσₑで定義）によって汚染されるノイズ対応チャネル推定モデルを適用する。
• RUSベースの推定フレームワークを多アンテナAP/UE構成に拡張することで、多アンテナシステムへの一般化を実現する。

実験結果

リサーチクエスチョン

• RQ1 チャネルのスパarsityとIRSの幾何構造を活用することで、訓練オーバーヘッドを著しく低減しつつ、IRS支援mmWaveシステムのCSIを正確に推定できるか？
• RQ2 推定品質（σₑ）とUE位置の変化に伴い、提案手法の性能はどのように変化するか？
• RQ3 大規模なIRS展開において、有効なCSI取得に必要な最小OFDMシンボル数はどの程度か？
• RQ4 固定位相シフトと従来の訓練ベース手法と比較して、SNRおよび位置推定精度の観点から、本手法の性能はどの程度か？
• RQ5 RUSフレームワークは、遮蔽が生じやすいmmWave環境でも、正確なUE位置推定とビームフォーミングを可能にするか？

主な発見

• チャネル推定品質が良好な場合（σₑ = 0.1）に、固定位相シフト反射と比較して平均27 dBのSNRゲインを達成し、大幅なカバレッジ向上を示した。
• 8,192個のリフレクティング素子を有す場合でも、CSI取得にわずか20 OFDMシンボル（120 kHzサブキャリアスパシングで0.167 ms）で十分である。
• UEがIRSから遠ざかれば位置推定誤差は増加するが、本手法はさまざまなUE位置においても頑健な性能を維持した。
• UEがx軸およびy軸に沿って移動しても受信SNRが高く維持されるため、動的環境下でも本手法の有効性が確認された。
• 特に高減衰または遮蔽状態の環境では、固定位相シフト（θₙ = 1）のベースラインと比較して、本手法は著しく優れた性能を示した。
• シミュレーション結果から、RUSベースのアプローチが最小限の訓練オーバーヘッドで高いチャネル推定精度を達成できることを確認し、リアルタイムmmWaveシステムに適していることが示された。