[論文レビュー] Fast mmwave Beam Alignment via Correlated Bandit Learning

Wen Wu, Nan Cheng+5 more|arXiv (Cornell University)|Sep 7, 2019

Millimeter-Wave Propagation and Modeling参考文献 32被引用数 4

ひとこと要約

本稿では、ミリ波ビーム間の空間相関性と事前チャネル変動知識を活用することで、ビーム同期の遅延を低減する相関バンディット学習アプローチ、階層的ビーム同期（HBA）アルゴリズムを提案する。ビーム選択を確率的マルチアームバンディット問題としてモデル化することで、HBAは最適ビームペアへの収束を加速し、多径環境下では同期時間を数ミリ秒まで短縮する。これは、IEEE 802.11ad手法と比較して、遅延が100倍以上短縮された。

ABSTRACT

Beam alignment (BA) is to ensure the transmitter and receiver beams are accurately aligned to establish a reliable communication link in millimeter-wave (mmwave) systems. Existing BA methods search the entire beam space to identify the optimal transmit-receive beam pair, which incurs significant BA latency on the order of seconds in the worst case. In this paper, we develop a learning algorithm to reduce BA latency, namely Hierarchical Beam Alignment (HBA) algorithm. We first formulate the BA problem as a stochastic multi-armed bandit problem with the objective to maximize the cumulative received signal strength within a certain period. The proposed algorithm takes advantage of the correlation structure among beams such that the information from nearby beams is extracted to identify the optimal beam, instead of searching the entire beam space. Furthermore, the prior knowledge on the channel fluctuation is incorporated in the proposed algorithm to further accelerate the BA process. Theoretical analysis indicates that the proposed algorithm is asymptotically optimal. Extensive simulation results demonstrate that the proposed algorithm can identify the optimal beam with a high probability and reduce the BA latency from hundreds of milliseconds to a few milliseconds in the multipath channel, as compared to the existing BA method in IEEE 802.11ad.

研究の動機と目的

• 全探索法を用いる場合に数秒に達するミリ波システムにおけるビーム同期の高い遅延を解消すること。
• 頻繁な再同期が必要となるモバイルおよび動的環境におけるビーム同期遅延を低減すること。
• ビーム間の空間相関性とチャネル変動に関する事前知識を活用して、全探索を伴わずに収束を加速すること。
• 正規化されたリグレットを有する漸近的最適な学習ベースのビーム同期アルゴリズムを開発すること。
• 現行の規格（IEEE 802.11ad）を凌駕する、現実的な多径環境下での速度と信頼性を実現すること。

提案手法

• 累積受信信号強度を最大化する目的で、ビーム同期を確率的マルチアームバンディット問題として定式化する。
• 複数モード関数を用いてビーム相関をモデル化し、限られた測定値から近接ビームの推定を可能にする。
• チャネル変動に関する事前知識を統合することで、不必要な探索を削減し、収束速度を向上させる。
• 階層的木構造を用いてビーム候補を3つの部分木に分割する：最適ビーム、準最適ビーム、劣悪ビーム。
• ビームサブセットのリグレットバウンディングを用いたレギュレータ分析により、漸近的最適性を証明し、理論的リグレットが $ O( ext{polylog}(T) imes T^{( heta+1)/( heta+2)}) $ で有界であることを示す。
• 高い相関領域での探索を優先し、重複測定を最小限に抑える動的ビーム選択戦略を採用する。

実験結果

リサーチクエスチョン

• RQ1 ミリ波チャネルにおけるビーム相関性は、同期に必要なビーム測定回数を削減するために効果的に活用可能か？
• RQ2 チャネルダイナミクスに関する事前知識を、学習ベースのビーム同期フレームワークに統合することで、収束を加速できるか？
• RQ3 相関のあるビーム報酬構造下でのビーム同期の理論的性能限界は何か？
• RQ4 バンディットベースのアプローチは、現実的な多径環境下で1ミリ秒未塔のビーム同期遅延を達成できるか？
• RQ5 提案されたHBAアルゴリズムは、IEEE 802.11adビーム同期標準と比較して、性能と遅延の両面で優れているか？

主な発見

• HBAアルゴリズムは、多径環境下でビーム同期遅延を数ミリ秒まで短縮し、IEEE 802.11adと比較して遅延が100倍以上短縮された。
• 理論的分析により、HBAのリグレットが有界であり、漸近的に最適であることが証明され、リグレットのスケーリングは $ O( ext{polylog}(T) imes T^{( heta+1)/( heta+2)}) $ である。
• チャネルの滑らかさが事前に分かっている場合、リグレットは $ O( heta imes ext{polylog}(T) imes heta imes heta) $ に低下し、$ O( heta imes ext{polylog}(T) imes heta) $ を達成する。
• 全探索に比べてはるかに少ない測定回数で最適ビームペアを高確率で特定可能である。
• 粗いチャネル変動に関する事前知識でさえも、HBAは高い性能を維持し、不完全なチャネルモデルに対してもロバストであることが示された。
• シミュレーション結果から、HBAがビーム相関を効果的に活用し、重複探索を回避し、動的ミリ波環境下での収束を加速することが確認された。