[論文レビュー] Reconfigurable Intelligent Surface-Assisted Aerial-Terrestrial Communications via Multi-Task Learning

Xuelin Cao, Bo Yang+5 more|arXiv (Cornell University)|Apr 14, 2021

Advanced Wireless Communication Technologies参考文献 57被引用数 4

ひとこと要約

本稿では、マルチタスク学習（MTL）を用いてリコンフィギュラブルインテリジェントサーフェス（RIS）の位相シフトとユーザーのペアリングを最適化する、空中・地上間通信を支援するRIS搭載伝送プロトコルを提案する。これにより、従来手法と比較して計算時間は4桁以上短縮され、システムスループットが顕著に向上する。

ABSTRACT

The aerial-terrestrial communication system constitutes an efficient paradigm for supporting and complementing terrestrial communications. However, the benefits of such a system cannot be fully exploited, especially when the line-of-sight (LoS) transmissions are prone to severe deterioration due to complex propagation environments in urban areas. The emerging technology of reconfigurable intelligent surfaces (RISs) has recently become a potential solution to mitigate propagation-induced impairments and improve wireless network coverage. Motivated by these considerations, in this paper, we address the coverage and link performance problems of the aerial-terrestrial communication system by proposing an RIS-assisted transmission strategy. In particular, we design an adaptive RIS-assisted transmission protocol, in which the channel estimation, transmission strategy, and data transmission are independently implemented in a frame. On this basis, we formulate an RIS-assisted transmission strategy optimization problem as a mixed-integer non-linear program (MINLP) to maximize the overall system throughput. We then employ multi-task learning to speed up the solution to the problem. Benefiting from multi-task learning, the computation time is reduced by about four orders of magnitude. Numerical results show that the proposed RIS-assisted transmission protocol significantly improves the system throughput and reduces the transmit power.

研究の動機と目的

• 都市環境における遮蔽および路損失による空中・地上ネットワークのカバレッジ低下およびリンク性能劣化を解消する。
• 複雑な伝搬環境下における視線路（LoS）リンクの遮断およびUAVの高動的移動性の制限を克服する。
• マルチユーザー下行シナリオにおいて、システムスループットを最大化するためにRIS設定とユーザーペアリングを最適化する。
• RIS最適化のための混合整数非線形計画問題（MINLP）を解く際の計算負荷を低減する。

提案手法

• チャネル推定、伝送戦略、データ伝送を分離するフレームベースのRIS支援伝送プロトコルを設計する。
• システムスループットを最大化する目的で、RIS最適化問題を混合整数非線形計画問題（MINLP）として定式化する。
• RISコントローラーでマルチタスク学習（MTL）モデルを学習し、ユーザーペアリングとRIS位相シフト設定を同時に予測する。
• 従来の数学的最適化に代えてMTLを用いることで推論を高速化し、計算時間を4桁以上短縮する。
• MTL性能の評価のため、交互アルゴリズムおよび空間分岐ボトムアップ法（sBB）をベンチマークとして用いる。
• 共有特徴表現を用いたエンドツーエンドのMTLを活用し、ユーザーペアリング（分類）と位相シフト最適化（回帰）を統合的に最適化する。

実験結果

リサーチクエスチョン

• RQ1 RIS支援空中・地上間ネットワークにおいて、RIS設定とユーザーペアリングをどのように統合最適化することでスループットを最大化できるか？
• RQ2 マルチタスク学習は、RIS展開のためのMINLP最適化問題を解く際の計算遅延をどの程度低減するか？
• RQ3 UAV-ユーザー対の数が増加するに従って、MTLベースのRIS最適化の性能はどのようにスケーリングするか？
• RQ4 RIS支援伝送を用いる場合、システムスループットと送信電力の間にはどのようなトレードオフが生じるか？
• RQ5 トレーニングサンプルの数は、MTLモデルの推論精度と耐障害性にどのような影響を与えるか？

主な発見

• 提案されたRIS支援伝送プロトコルは、RISを搭載しないシステムと比較して、システムスループットを最大数百倍向上する。
• マルチタスク学習は、従来手法と比較して、MINLP問題を解くための計算時間を約4桁短縮する。
• MTLモデルは高い推論精度を維持しており、UAV-ユーザー対の数が増加しても分類精度の低下はわずかに抑えられ、sBBおよび交互アルゴリズムを上回る性能を示す。
• 位相シフト回帰予測の平均二乗誤差（MSE）は、MTLがsBBや交互アルゴリズムよりも顕著に低く、特にユーザー対数が多い場合に顕著である。
• 2つのUAV-ユーザー対を処理する際、1サンプルあたりの推論時間がsBBの3.2 msからMTLの0.0145 msにまで短縮され、著しい高速化が実現された。
• 訓練データが限られた状況においても性能向上が顕著で、10%から90%のデータ増加により分類精度が著しく向上し、特に8つのUAV-ユーザー対において顕著な改善が得られた。