[論文レビュー] Optimum Reconfigurable Intelligent Surface Selection for Wireless Networks

Yuting Fang, Saman Atapattu+2 more|arXiv (Cornell University)|Dec 22, 2020

Advanced Wireless Communication Technologies被引用数 5

ひとこと要約

本稿では、RIS支援無線ネットワークにおけるエンドツーエンドの信号対雑音比（SNR）を最大化する目的で、製品スケーリングおよび和スケーリングパスロスモデル下での最適な場所依存RIS選択ポリシーを提案する。RISの配置をポアソン点過程としてモデル化することで、アウトージェ確率および平均レートを導出し、解析的およびシミュレーション結果を通じて顕著な性能向上を示した。また、分散運用を可能にする限られたフィードバックフレームワークも提案した。

ABSTRACT

The reconfigurable intelligent surface (RIS) is a promising technology that is anticipated to enable high spectrum and energy efficiencies in future wireless communication networks. This paper investigates optimum location-based RIS selection policies in RIS-aided wireless networks to maximize the end-to-end signal-to-noise ratio for product-scaling and sum-scaling path-loss models where the received power scales with the product and sum of the transmitter-to-RIS and RIS-to-receiver distances, respectively. These scaling laws cover the important cases of end-to-end path-loss models in RIS-aided wireless systems. The random locations of all available RISs are modeled as a Poisson point process. To quantify the network performance, the outage probabilities and average rates attained by the proposed RIS selection policies are evaluated by deriving the distance distribution of the chosen RIS node as per the selection policies for both product-scaling and sum-scaling path-loss models. We also propose a limited-feedback RIS selection framework to achieve distributed network operation. The outage probabilities and average rates obtained by the limited-feedback RIS selection policies are derived for both path-loss models as well. The numerical results show notable performance gains obtained by the proposed RIS selection policies.

研究の動機と目的

• 将来の6Gネットワークにおける、ランダムに配置されたRISの集合から最適なRISを選択する課題に取り組み、エンドツーエンドのSNRを最大化すること。
• トラクタブルな確率的幾何学ベースの性能解析を可能にするために、RISの配置をホモジニアス・ポアソン点過程（PPP）としてモデル化すること。
• 製品スケーリングおよび和スケーリングパスロスモデルの両方において、アウトージェ確率および平均レートの閉形式表現を導出すること。
• 最小限の信号処理負荷で分散ネットワーク運用を可能にする、限られたフィードバックRIS選択フレームワークを提案すること。
• 実際のパスロスが近距離／遠距離条件に応じてRIS間で変動する場合、一様パスロスモデル（製品または和スケーリング）を仮定する精度を、混合パスロスシミュレーションと比較することで検証すること。

提案手法

• 不規則で大規模なネットワークトポロジーを捉えるために、複数のRISのランダム配置を均一なポアソン点過程（PPP）としてモデル化する。
• エンドツーエンドのパスロスを最小化することで最適なRIS選択ポリシーを定式化し、製品スケーリングおよび和スケーリングモデルの両方でSNRを最大化する。
• 確率的幾何学のツールを用いて、各パスロスモデル下での選択されたRISまでの距離の累積分布関数（CDF）を導出する。
• 導出された距離分布を用いて、両方のパスロスモデルにおけるアウトージェ確率および平均レートの式を計算する。
• 最良のRISのみが、位置とパスロスに基づいてチャネル状態情報（CSI）をフィードバックする、限られたフィードバックRIS選択方式を提案し、フィードバック負荷を低減する。
• 混合パスロスモデル（製品および和スケーリング）を用いたシミュレーションにより、解析結果の妥当性を検証し、特定の条件下では一様仮定が正確な近似を与えることを示した。

実験結果

リサーチクエスチョン

• RQ1 ランダムに配置されたRISを有するRIS支援ネットワークにおいて、位置情報に基づく最適なRIS選択ポリシーは、エンドツーエンドのSNRにどのように影響を与えるか？
• RQ2 製品スケーリングおよび和スケーリングパスロスモデル下で、提案された最適なRIS選択ポリシーにより、どのようなアウトージェ確率および平均レートの性能向上が達成されるか？
• RQ3 実際のパスロスが近距離／遠距離条件に応じてRIS間で変動する場合、一様パスロススケーリング（製品または和）を仮定することはどれほど正確か？
• RQ4 限られたフィードバックRIS選択フレームワークは、最小限の信号処理負荷で分散ネットワークにおいて近似的に最適な性能を達成できるか？
• RQ5 どのような条件下で、製品スケーリングまたは和スケーリングパスロスモデルが、混合パスロスシナリオを良好に近似するか？

主な発見

• 提案された最適な場所依存RIS選択ポリシーは、非最適選択と比較して、アウトージェ確率および平均レートの面で顕著な性能向上を達成した。
• 電気的に大きなRIS（ξ ≥ 5）では、和スケーリングパスロスモデルが混合パスロスシナリオを良好に近似する。これは、遠距離のRISが選択されにくくなるためである。
• 電気的に小さなRIS（ξ ≤ 0.1）では、製品スケーリングパスロスモデルが混合パスロスケースを密接に近似する。これは、大多数のRISが遠距離に位置するためである。
• 限られたフィードバックRIS選択フレームワークは、顕著に低減されたフィードバック負荷を実現し、分散ネットワーク運用を可能にした。
• 確率的幾何学を用いて、アウトージェ確率および平均レートの解析的表現を閉形式で導出し、性能評価のためのトラクタブルなフレームワークを提供した。
• シミュレーション結果は、解析モデルの正確性を確認した。理論的予測とシミュレーション結果の間には、さまざまなパスロス仮定下で強い一致が見られた。