[論文レビュー] Large Intelligent Surface/Antennas (LISA): Making Reflective Radios Smart

Ying‐Chang Liang, Ruizhe Long+4 more|arXiv (Cornell University)|Jun 15, 2019

Advanced Wireless Communication Technologies参考文献 47被引用数 27

ひとこと要約

本稿では、再構成可能要素の大きなアレイを用いて電磁波の反射を動的に制御することにより、ソフトウェア定義無線環境を実現するプログラマブルな反射型無線技術、Large Intelligent Surface/Antennas (LISA) を導入する。コherentな反射信号の合成により、LISAは反射素子数の二乗に比例したSNR向上を達成し、エネルギー効率およびスケーリング効率に優れた無線通信を実現する。

ABSTRACT

Large intelligent surface/antennas (LISA), a two-dimensional artificial structure with a large number of reflective-surface/antenna elements, is a promising reflective radio technology to construct programmable wireless environments in a smart way. Specifically, each element of the LISA adjusts the reflection of the incident electromagnetic waves with unnatural properties, such as negative refraction, perfect absorption, and anomalous reflection, thus the wireless environments can be software-defined according to various design objectives. In this paper, we introduce the reflective radio basics, including backscattering principles, backscatter communication, and reflective relay, and the fundamentals and implementations of LISA technology. Then, we present an overview of the state-of-the-art research on emerging applications of LISA-aided wireless networks. Finally, the limitations, challenges, and open issues associated with LISA for future wireless applications are discussed.

研究の動機と目的

• 反射型無線技術の基礎的原則、すなわちバックスキャッタ通信、アンビエントバックスキャッタ、反射リレーやシンビオティックラジオを紹介すること。
• 再構成可能反射表面を用いてソフトウェア定義無線環境を実現する次世代の反射型無線プラットフォームとしてのLISAを提示すること。
• LISAが無線ネットワークにおいて示す性能向上の利点と実装上の課題を分析すること。
• LISA支援システムにおけるチャネル推定、展開、ネットワーク最適化、AI統合、セキュリティに関する主要な未解決研究問題を特定すること。

提案手法

• 送信機、反射デバイス（RD）、受信機からなる一般的な反射型無線モデルを提案し、受信信号を直接リンクとバックスキャッタリンクの組み合わせとしてモデル化する。
• 異常反射、負の屈折、完全吸収を誘導できる再構成可能反射素子の2次元アレイとしてLISAを導入する。
• 全チャネル応答が直接リンクと反射リンクの積として表される信号モデルを導出する。これにより、受信機でのコherentな合成が可能となる。
• 交替最適化およびパスフォローリングアルゴリズムを用いた最適化フレームワークを構築し、SNR最大化を目的としたビームフォーミングと位相シフトの共同設計を実現する。
• LISAモデルを複数の応用に適用し、人工雑音をLISAを介して注入することで物理層セキュリティを強化する秘密通信の分野を含む。
• LISAをマルチユーザー系に統合するフレームワークを提案し、AIを活用して分散型意思決定とグローバル最適化を実現する。

実験結果

リサーチクエスチョン

• RQ1 LISAは、反射信号のコherentな合成を実現することで、どの程度のSNR向上を達成できるか？
• RQ2 LISA支援システムにおいて、乗法的チャネルを推定し、直接リンクと反射リンクを分離する際の主な課題は何か？
• RQ3 LoSリンクが利用可能な状況において、LISAをネットワークに展開する最適な方法は何か？
• RQ4 LISAが劣悪なチャネル状態にあるユーザーを支援できる能力を活かすために、どのような新しいネットワーク最適化およびリソース割り当て戦略が必要か？
• RQ5 人工知能を用いてLISAの自律的かつ分散型・協調的運用を実現し、グローバルネットワーク最適化を達成するには、どのようなアプローチが有効か？

主な発見

• LISAは、反射素子数の二乗に比例した顕著なSNR向上を達成し、高いスペクトル効率およびエネルギー効率を実現する。
• LISAの利用により、追加の雑音を発生させることなく、反射信号のコherentな合成が可能となり、無線リンクの性能が著しく向上する。
• LISAチャネルの乗法的性質に起因し、特にLISAが信号を受信できない場合に、正確なチャネル推定が依然として大きな課題である。
• 直接チャネル成分と反射チャネル成分の分離は、特にチャネル状態情報が不完全な状況下で、極めて重要だが未解決の問題である。
• LoS状態下でのLISAの展開は、システム性能を顕著に向上させるため、LISAユニットの配置と数が設計の重要なパrameterとなる。
• LISA制御にAIを統合することで、分散型・適応型・協調的最適化が可能になるが、セキュリティおよびプライバシー分野における新たな課題が生じる。