[論文レビュー] Reconfigurable Intelligent Surface for Green Edge Inference
本稿では、上行／下行ビームフォーミング、送信電力、RIS位相シフトを共同最適化することで、全体のネットワーク消費電力を最小化する再構成可能知能表面（RIS）支援グリーンエッジインフェレンスシステムを提案する。混合ℓ₁,₂-ノルムと差集合凸（DC）プログラミングを用いたブロック構造最適化により、ベースラインと比較して最大45％の電力消費削減を達成し、特に高SINR要件下で顕著な効果を示す。
Reconfigurable intelligent surface (RIS) as an emerging cost-effective technology can enhance the spectrum- and energy-efficiency of wireless networks. In this paper, we consider an RIS-aided green edge inference system, where the inference tasks generated from resource-limited mobile devices (MDs) are uploaded to and cooperatively performed at multiple resource-enhanced base stations (BSs). Taking into account both the computation and uplink/downlink transmit power consumption, we formulate an overall network power consumption minimization problem, which calls for the joint design of the set of tasks performed by each BS, transmit and receive beamforming vectors of the BSs, transmit power of the MDs, and uplink/downlink phase-shift matrices at the RIS. Such a problem is a mixed combinatorial optimization problem with nonconvex constraints and is highly intractable. To address the challenge of the combinatorial objective, a group sparse reformulation is proposed by exploiting the group sparsity structure of the beamforming vectors, while a block-structured optimization (BSO) approach is proposed to decouple the optimization variables. Finally, we propose a BSO with mixed $\ell_{1,2}$-norm and difference-of-convex-functions (DC) based three-stage framework to solve the problem, where the mixed $\ell_{1,2}$-norm is adopted to induce the group sparsity of beamforming vectors and DC is adopted to effectively handle the nonconvex rank-one constraint after matrix lifting. Numerical results demonstrate the supreme gain of deploying an RIS and confirm the effectiveness of the proposed algorithm over the baseline algorithms.
研究の動機と目的
- 上行／下行送信電力および計算負荷に起因するエッジインフェレンスシステムにおける高いエネルギー消費を是正すること。
- 複数のBSおよび複数のMDを想定したマルチBS・マルチMD環境下で、上行／下行ビームフォーミング、送信電力、RIS位相シフトを共同最適化するフレームワークを設計すること。
- ターゲットの信号対インターーフェレンス＋ノイズ比（SINR）およびインフェレンス精度を維持しつつ、総ネットワーク消費電力を最小化すること。
- RISとビームフォーミング設計の共同最適化から生じる極めて非凸的で混合整数型の組み合わせ最適化問題を解くための実用的アルゴリズムを開発すること。
- さまざまなSINR領域において、提案アルゴリズムがエネルギー消費削減において優位性を示すことを検証すること。
提案手法
- ブロック構造最適化（BSO）フレームワークを提案し、共同最適化をビームフォーミング、位相シフト、電力割り当ての3段階の逐次サブ問題に分離する。
- 混合ℓ₁,₂-ノルムを用いて、上行および下行ビームフォーミングベクトルにおけるグループスパarsityを誘導し、基地局間のタスク協調を促進する。
- 行列リフトを用いて、ビームフォーミング行列に対する非凸的ランク1制約を凸緩和に変換し、その後DCプログラミングにより低ランク解を回復する。
- DCに基づくアプローチは、非凸的位相シフト行列最適化を効率的に処理し、妥当性と収束性を保証する。
- アルゴリズムは、3段階の反復フレームワーク内でビームフォーミング、位相シフト、電力割り当てを交互に最適化する。
- SDRベースのサブ問題ではガウス確率化をバックアップとして用いるが、DCベースのサブ問題は反復全体にわたり妥当性を維持することが示された。
実験結果
リサーチクエスチョン
- RQ1RISの導入により、上行および下行伝送を共同最適化することで、エッジインフェレンスシステムにおける全体のネットワーク消費電力を顕著に削減できるか？
- RQ2非凸的制約下で、ビームフォーミング、送信電力、RIS位相シフトの共同設計をどのように実用的最適化問題として定式化できるか？
- RQ3混合ℓ₁,₂-ノルムの導入が、エネルギー効率向上に寄与するビームフォーミングベクトルにおけるグループスパarsityをどのように誘導するか？
- RQ4ランク1位相シフト行列最適化において、DCプログラミングはSDRに比べて妥当性と収束性をどのように向上させるか？
- RQ5提案アルゴリズムは、特に高SINR要件下において、ベースライン手法に比べて優れたエネルギー効率を達成するか？
主な発見
- 提案されたBSO-ℓ₁,₂-DCアルゴリズムは、高SINR領域においてベースラインアルゴリズムと比較して、全体のネットワーク消費電力を最大45％削減した。
- 低SINR領域では、合計電力消費が20％削減された。
- BSO-ℓ₁,₂-DCアルゴリズムは反復全体にわたり妥当性を維持したが、SDRベースの類似手法はしばしば妥当な解が得られず、早期に停止した。
- 6Wの電力予算下で、SDRベースの変種と比較して、移動端末のSINRが約2dB高い水準を達成した。
- BSO-ℓ₁,₂-DC下では、基地局が処理するタスク数が最小化され、グループスパarsityの向上に起因する計算エネルギー効率の向上が示された。
- 性能向上は特に高SINRシナリオで顕著であり、高品質サービス要件に適したアルゴリズムの有効性が裏付けられた。
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。