[論文レビュー] Codebook Design and Beam Training for Extremely Large-Scale RIS: Far-Field or Near-Field?

Xiuhong Wei, Linglong Dai+3 more|arXiv (Cornell University)|Sep 21, 2021

Advanced Wireless Communication Technologies被引用数 10

ひとこと要約

本稿では、近場チャネルモデルに適合する近場コードブックを設計することで、極めて大規模な再構成可能知能表面（XL-RIS）における近場ビームトレーニング方式を提案する。これにより、従来の遠方コードブックに起因する性能劣化を克服する。階層的近場ビームトレーニング方式は、トレーニングオーバーヘッドを90%削減しつつ、最適な実現可能レートの92%を達成し、近場XL-RISシステムにおける遠方ビームトレーニングを著しく上回る性能を発揮する。

ABSTRACT

Reconfigurable intelligent surface (RIS) can improve the capacity of the wireless communication system by providing the extra link between the base station (BS) and the user. In order to resist the "multiplicative fading" effect, RIS is more likely to develop into extremely large-scale RIS (XL-RIS) for future 6G communications. Beam training is an effective way to acquire channel state information (CSI) for the XL-RIS assisted system. Existing beam training schemes rely on the far-field codebook, which is designed based on the far-field channel model. However, due to the large aperture of XL-RIS, the user is more likely to be in the near-field region of XL-RIS. The far-field codebook mismatches the near-field channel model. Thus, the existing far-field beam training scheme will cause severe performance loss in the XL-RIS assisted near-field communications. To solve this problem, we propose the efficient near-field beam training schemes by designing the near-field codebook to match the near-field channel model. Specifically, we firstly design the near-field codebook by considering the near-field cascaded array steering vector of XL-RIS. Then, the optimal codeword for XL-RIS is obtained by the exhausted training procedure between the XL-RIS and the user. In order to reduce the beam training overhead, we further design a hierarchical near-field codebook and propose the corresponding hierarchical near-field beam training scheme, where different levels of sub-codebooks are searched in turn with reduced codebook size. Simulation results show the two proposed near-field beam training schemes both perform better than the existing far-field beam training scheme. Particulary, the hierarchical near-field beam training scheme can greatly reduce the beam training overhead with acceptable performance loss.

研究の動機と目的

• 近場XL-RISシステムにおいて、遠方コードブックを用いることによる性能劣化を是正すること。
• XL-RISの近場領域における級連アレイスティアリングベクトルを正確にモデル化する近場コードブックの設計。
• 高いスペクトル効率を維持しつつ、XL-RISシステムにおけるビームトレーニングオーバーヘッドを低減すること。
• 複数レベルのサブコードブックを有する階層的コードブック構造を設計し、複雑さを低減したマルチレベルコードワード探索を可能とすること。
• 近場XL-RISシナリオにおける近場ビームトレーニングの優位性を、従来の遠方ビームトレーニングと比較して検証すること。

提案手法

• ユーザーの近場領域内での位置を考慮し、XL-RISの近場級連アレイスティアリングベクトルに基づいて近場コードブックを設計する。
• 全近場コードブックを探索することで最適なコードワードを同定する、包括的なビームトレーニング手順を実装する。
• 複数レベルのサブコードブックを有する階層的近場コードブック構造を提案し、各レベルで分解能を段階的に向上させる。
• 各レベルにおけるサンプリング範囲とステップを、ユーザーからのフィードバックに基づいて更新し、探索を精緻化する。
• ステップ制御パラメータ δ = 0.25 と初期ステップサイズ Δ¹ = 4Δ を用い、各レベルで探索空間を動的に縮小する。
• 各レベルで最適なコードワードインデックス l_{k,opt} をフィードバックし、次のレベルの探索をガイドすることで、無駄な探索を最小限に抑える。

Figure 1: The XL-RIS assisted wireless communication system.

実験結果

リサーチクエスチョン

• RQ1 XL-RISの近場チャネルモデルに適合した近場コードブックは、従来の遠方コードブックを上回るビームトレーニング性能を達成できるか？
• RQ2 階層的近場ビームトレーニング方式は、高い性能を維持しつつ、どのようにトレーニングオーバーヘッドを低減するか？
• RQ3 近場XL-RISシステムにおけるビームトレーニングオーバーヘッドと実現可能レートのトレードオフは何か？
• RQ4 階層的探索戦略は、包括的探索と比較して、どの程度の性能を維持できるか？
• RQ5 近場ビームトレーニングの性能は、XL-RISシステムにおける完璧なCSIビームフォーミングと比較してどの程度か？

主な発見

• 提案された近場ビームトレーニング方式は、特にXL-RISの近場領域において、従来の遠方ビームトレーニング方式を上回る実現可能レート性能を達成する。
• 階層的近場ビームトレーニング方式は、包括的近場方式の約10%のトレーニングオーバーヘッドにまで低減し、15,927のトレーニングコードワード（対象：147,628）を達成する。
• 階層的方式は、包括的近場ビームトレーニング方式の実現可能レート性能のおよそ92%を達成する。
• 階層的方式における性能劣化は、レベル間での誤差伝搬に起因するが、実用的展開には十分に許容可能な水準である。
• 遠方ビームトレーニング方式は、近場XL-RISシナリオにおいてモデル不一致のため、著しい性能劣化を被る。
• シミュレーション結果は、XL-RISシステムにおける高性能ビームトレーニングの実現に、近場コードブック設計が不可欠であることを確認する。

Figure 2: The near-field region and the far-field region [ 21 ] .