[論文レビュー] Stochastic Learning-Based Robust Beamforming Design for RIS-Aided Millimeter-Wave Systems in the Presence of Random Blockages

Gui Zhou, Cunhua Pan+4 more|arXiv (Cornell University)|Sep 21, 2020

Advanced Wireless Communication Technologies参考文献 22被引用数 6

ひとこと要約

本稿では、ランダムな遮蔽が発生する再構成可能知能表面（RIS）支援ミリ波システムにおける確率的学習ベースのロバストビームフォーミング設計を提案する。合計 outage確率の最小化問題を定式化し、ブロック確率的勾配降下法を用いて解くことで、全探索を回避しつつ効果的なビームフォーミング戦略を学習し、従来手法と比較して outage性能および有効データレートにおいて顕著な向上を達成する。

ABSTRACT

A fundamental challenge for millimeter wave (mmWave) communications lies in its sensitivity to the presence of blockages, which impact the connectivity of the communication links and ultimately the reliability of the entire network. In this paper, we analyze a reconfigurable intelligent surface (RIS)-aided mmWave communication system for enhancing the network reliability and connectivity in the presence of random blockages. To enhance the robustness of hybrid analog-digital beamforming in the presence of random blockages, we formulate a stochastic optimization problem based on the minimization of the sum outage probability. To tackle the proposed optimization problem, we introduce a low-complexity algorithm based on the stochastic block gradient descent method, which learns sensible blockage patterns without searching for all combinations of potentially blocked links. Numerical results confirm the performance benefits of the proposed algorithm in terms of outage probability and effective data rate.

研究の動機と目的

• 密集した都市環境におけるミリ波通信の信頼性を低下させるランダムな遮蔽の課題に対処すること。
• ハイブリッドアナログ・デジタルビームフォーミングを備えたRIS支援ミリ波ネットワークにおいて、合計outage確率を最小化することでシステムのロバスト性を向上させること。
• すべての可能な遮蔽パターンの全列挙を回避する低複雑度の最適化フレームワークを開発すること。
• チャネル不確実性下で、基地局のハイブリッドプレフィングとRISの受動的位相シフトを共同最適化することで、RISの実用的導入を可能とすること。

提案手法

• ランダムな遮蔽下での合計outage確率最小化を目的とした確率的最適化問題を定式化し、リンク遮蔽イベントの統計的性質を捉える。
• ブロック確率的勾配降下法（BSGD）を用いて、基地局のハイブリッドアナログ・デジタルビームフォーミングとRISの受動的ビームフォーミングを反復的に最適化する。
• モンテカルロサンプリングを用いて期待outage確率を推定し、遮蔽組み合わせの全列挙なしに効率的な勾配計算を可能にする。
• outage確率関数のヘッセ行列をバインドするための緩和技術を導入し、BSGDアルゴリズムの収束性と安定性を保証する。
• サンプリングされた遮蔽状態に基づいてビームフォーミングベクトルを適応的に調整する低複雑度の学習メカニズムを実装し、計算負荷を低減する。
• 収束性と数値的安定性を保証するため、ヘッセ行列の最大固有値に対する解析的バインドを導出する。

実験結果

リサーチクエスチョン

• RQ1 遮蔽がランダムかつ予測不能に発生するRIS支援ミリ波システムにおいて、どのようにしてロバストビームフォーミングを設計できるか？
• RQ2 ランダムな遮蔽が存在する状況下で、システムの信頼性（outage確率）と計算複雑度の最適なトレードオフは何か？
• RQ3 現実的な遮蔽統計を想定した場合、確率的最適化フレームワークは、最悪ケースまたは決定論的ビームフォーミング設計を上回る性能を達成できるか？
• RQ4 提案されたBSGDベースの学習手法は、全探索や決定論的最適化と比較して、性能と複雑度の面でどのように差をつけるか？
• RQ5 ランダムな遮蔽が存在するミリ波システムにおいて、RISの展開が有効データレートとoutage性能に与える影響は何か？

主な発見

• 提案された確率的学習ベースのビームフォーミング方式は、従来のロバストビームフォーミング設計と比較して、合計outage確率を顕著に低減する。
• アルゴリズムは、特に高遮蔽確率の状況下で有効データレートの面で優れた性能を示す。
• BSGDベースの手法は安定的かつ効率的に収束し、すべての可能な遮蔽パターンの組み合わせを探索するという過大な複雑度を回避する。
• 数値結果から、提案手法は遮蔽確率が上昇しても高いスペクトル効率を維持しており、低干渉および高干渉の両領域でベンチマーク手法を上回ることが示された。
• ヘッセ行列に対する解析的バインドにより、収束性と安定性が保証され、最適化フレームワークのロバスト性が裏付けられた。
• ハイブリッドプレフィングとRIS位相シフトの共同最適化により、中程度から高水準の遮蔽率下で有効データレートが30〜40％向上した。