[論文レビュー] Reconfigurable Intelligent Surface Based Hybrid Precoding for THz Communications

Yu Lu, Hao Mo+1 more|arXiv (Cornell University)|Dec 11, 2020

Advanced Wireless Communication Technologies被引用数 9

ひとこと要約

本稿では、エネルギー消費の高い位相配列を代替するため、受動的で低消費電力の再構成可能知能表面（RIS）素子を用いた太赫茲（THz）通信のための再構成可能知能表面（RIS）ベースのハイブリッドビームフォーミングアーキテクチャを提案する。離散的位相シフトの下でのスルーレート最大化問題を深層学習に基づく複数離散分類タスクに再定式化することで、反復的探索手法と比較して著しく短い実行時間でほぼ最適なスルーレート性能を達成する。

ABSTRACT

Benefiting from the growth of the bandwidth, Terahertz (THz) communication can support the new application with explosive requirements of the ultra-high-speed rates for future 6G wireless systems. In order to compensate for the path loss of high frequency, massive multiple-input multiple-output (MIMO) can be utilized for high array gains by beamforming. However, since a large number of analog phase shifters should be used to realize the analog beamforming, the existing THz communication with massive MIMO has very high energy consumption. To solve this problem, a reconfigurable intelligent surface (RIS)-based hybrid precoding architecture for THz communication is developed in this paper, where the energy-hungry phased array is replaced by the energy-efficient RIS to realize the analog beamforming of the hybrid precoding. Then, based on the proposed RIS-based architecture, a sum-rate maximization problem for hybrid precoding is investigated. Since the phase shifts implemented by RIS in practice are often discrete, this sum-rate maximization problem with a non-convex constraint is challenging. Next, the sum-rate maximization problem is reformulated as a parallel deep neural network (DNN)-based classification problem, which can be solved by the proposed low-complexity deep learning-based multiple discrete classification (DL-MDC) hybrid precoding scheme. Finally, we provide numerous simulation results to show that the proposed DL-MDC scheme works well both in the theoretical Saleh-Valenzuela channel model and practical 3GPP channel model. Compared with existing iterative search algorithms, the can proposed DL-MDC scheme reduces the runtime significantly with a negligible performance loss.

研究の動機と目的

• 大規模MIMOにおける太赫茲帯域の高エネルギー消費を低減するため、アナログ位相シフト器の数が多いために生じる問題に対処する。
• 従来の位相配列を代替し、エネルギー効率の高い再構成可能知能表面（RIS）を用いてアナログビームフォーミングを実現する。
• 実用的な離散的位相シフト制約下でのスルーレートを最大化する低複雑度のハイブリッドビームフォーミング方式を開発する。
• 深層学習に基づく分類を用いて、離散的位相シフト最適化問題の非凸性を克服する。
• THz大規模MIMOシステムにおけるスペクトル効率と計算複雑度の良好なトレードオフを実現する。

提案手法

• 従来の大規模MIMOにおけるアナログビームフォーミング用位相シフト器の代わりにRISを用いる、新しいRISベースのハイブリッドビームフォーミングアーキテクチャを提案する。
• 離散的位相シフトの下でのスルーレート最大化問題を、並列的な複数離散分類問題として定式化する。
• チャネル状態情報から最適なRIS位相シフト設定へのマッピングを実現するため、3層の隠れ層（512、256、128ニューロン）を有する深層ニューラルネットワーク（DNN）を設計する。
• Saleh-Valenzuelaおよび3GPPの豊富な散乱モデルからの合成チャネルデータを用いてDNNを学習させ、さまざまなチャネル状態に一般化できるようにする。
• 収束を監視し、過学習を防ぐために検証セットを用い、学習損失指標として平均二乗誤差（MSE）を用いる。
• 学習済みDNNをリアルタイムにデプロイし、RIS位相シフトとRFビームフォーマーを予測することで、低遅延のハイブリッドビームフォーミングを実現する。

実験結果

リサーチクエスチョン

• RQ1 RISベースのハイブリッドビームフォーミングは、従来のハイブリッドビームフォーミングと同等のスペクトル効率を達成しつつ、エネルギー消費を低減できるか？
• RQ2 反復的探索アルゴリズムと比較して、深層学習ベースのRISビームフォーミング方式のスルーレートおよび実行時間の性能はどの程度か？
• RQ3 RISにおける離散的位相シフト制約は、理想の連続的位相シフトと比較して、システム性能にどの程度の影響を及ぼすか？
• RQ4 DNNは、現実的な3GPPチャネルにおけるチャネル行列と最適なRISビームフォーミング設定との間の複雑で非凸なマッピングを効果的に学習できるか？
• RQ5 提案されたDL-MDCフレームワークにおける予測精度と計算複雑度のトレードオフはどの程度か？

主な発見

• 提案されたDL-MDC方式は、Saleh-Valenzuelaチャネルモデルにおいて5 dB SNRで、最適な全探索（CEO）アルゴリズムの約95％のスルーレートを達成する。
• より複雑な3GPPチャネルモデルにおいては、5 dB SNRでDL-MDC方式がCEOアルゴリズムの約91％のスルーレートを達成する。
• DL-MDC方式の実行時間は、反復的探索アルゴリズムと比較して著しく短く、性能の損失は無視できるほど小さい。
• DNNベースのアプローチは、現実的な3GPPチャネルにうまく一般化しており、検証MSEは約0.05、平均予測精度は0.94を達成する。
• RIS素子数が多い場合には、離散的位相シフトと連続的位相シフトの性能差は無視できるほど小さく、離散的RIS設計の実用性が裏付けられる。
• DL-MDC方式は、さまざまなチャネルモデルにおいて、従来のアンテナ選択（AS）ベースのハイブリッドビームフォーミングよりもスルーレートと耐障害性の両面で優れている。