[論文レビュー] Reconfigurable Intelligent Surface Enhanced Cognitive Radio Networks

Jinglian He, Kaiqiang Yu+2 more|arXiv (Cornell University)|May 22, 2020

Advanced Wireless Communication Technologies参考文献 18被引用数 7

ひとこと要約

本稿では、認知無線ネットワークにおける再構成可能知能表面（RIS）の位相シフトと次期ユーザー送信機のビームフォーミングを共同最適化する、新しい交互差分凸（DC）アルゴリズムを提案する。SINR制約および干渉制約を満たしつつ、総送信電力を最小化することを目的としている。この手法は、DCプログラミングによるランク1制約の正確な表現により、半定値緩和（SDR）手法よりも優れた性能を達成し、シミュレーションで低い送信電力と高いロバストネスを示している。

ABSTRACT

The cognitive radio (CR) network is a promising network architecture that meets the requirement of enhancing scarce radio spectrum utilization. Meanwhile, reconfigurable intelligent surfaces (RIS) is a promising solution to enhance the energy and spectrum efficiency of wireless networks by properly altering the signal propagation via tuning a large number of passive reflecting units. In this paper, we investigate the downlink transmit power minimization problem for the RIS-enhanced single-cell cognitive radio (CR) network coexisting with a single-cell primary radio (PR) network by jointly optimizing the transmit beamformers at the secondary user (SU) transmitter and the phase shift matrix at the RIS. The investigated problem is a highly intractable due to the coupled optimization variables and unit modulus constraint, for which an alternative minimization framework is presented. Furthermore, a novel difference-of-convex (DC) algorithm is developed to solve the resulting non-convex quadratic program by lifting it into a low-rank matrix optimization problem. We then represent non-convex rank-one constraint as a DC function by exploiting the difference between trace norm and spectral norm. The simulation results validate that our proposed algorithm outperforms the existing state-of-the-art methods.

研究の動機と目的

• RIS強化型認知無線ネットワークにおけるビームフォーミングと位相シフトの共同最適化の高い非可解性に対処すること。
• 厳密なサービス品質および干渉制約下で、二次ユーザー基地局の総送信電力を最小化すること。
• 高次元のRIS環境における従来の半定値緩和（SDR）手法の性能制限を克服すること。
• 正確なDC表現によるランク1制約の保持を可能にする非凸最適化フレームワークの構築。
• 低コストのRISハードウェアを用いたグリーン6G無線ネットワークの実行可能でエネルギー効率の高い解決策の開発。

提案手法

• 送信電力最小化問題を、結合変数および単位モジュラス制約を含む非凸最適化問題として定式化する。
• 交互最適化フレームワークを用いて問題を2つの部分問題に分解する：ビームフォーミングベクトル最適化（SOCP）および位相シフト行列最適化（QCQP）。
• 行列リフト技術を用いてQCQP部分問題を低ランク行列最適化問題に変換する。
• 非凸なランク1制約をトレースノルムとスペクトルノルムの差分凸関数として表現する。
• 主問題および双対問題の凸緩和を繰り返し解く効率的なDCアルゴリズムを開発する。
• スペクトルノルムの部分勾配計算を用いて、位相シフト行列の反復的改善を可能にする。

実験結果

リサーチクエスチョン

• RQ1 RIS強化型認知無線ネットワークにおいて、送信電力を最小化するために、ビームフォーミングと位相シフトの共同最適化を効果的に定式化する方法は何か？
• RQ2 高次元RIS環境における半定値緩和（SDR）手法と正確なランク1制約処理の間の性能ギャップは何か？
• RQ3 差分凸（DC）プログラミングアプローチは、従来の凸緩和手法に比べ、送信電力最小化および実行可能性の面で優れた性能を示せるか？
• RQ4 RIS素子数の増加が、総送信電力およびシステム性能に与える影響は何か？
• RQ5 RIS支援CRネットワークにおける、QoS要件（SINR閾値）とエネルギー効率のトレードオフは何か？

主な発見

• 提案された交互DCアルゴリズムは、特に高次元設定において、交互SDR手法よりも顕著に低い送信電力を達成する。
• SINR要件が高くなるに従い、総送信電力が増加する。これは、QoSとエネルギー効率の間のトレードオフを確認している。
• RIS素子数が増加するにつれて、総送信電力が減少する。これは、より大きなRISアレイがスケーラビリティおよび性能向上をもたらすことを示している。
• DCベースの手法はランク1制約の実行可能性を維持しているが、SDRはしばしばランク不足の解を生じる。
• シミュレーション結果は、提案手法が、送信電力最小化およびノイズロバストネスの両面で、最先端の凸緩和技術を上回ることを検証している。
• RIS支援CRネットワークは、RISを備えない従来のCRネットワークに比べ、スペクトル効率およびエネルギー効率が優れている。これは、知能表面の有効性を確認している。