[論文レビュー] Trajectory Optimization and Phase-Shift Design in IRS Assisted UAV Network for High Speed Trains

Yu Min Park, Yan Kyaw Tun+2 more|arXiv (Cornell University)|Jul 2, 2021

Advanced Wireless Communication Technologies参考文献 15被引用数 4

ひとこと要約

本稿では、無人航空機（UAV）と知能反射表面（IRS）を統合したネットワークを提案し、高速鉄道（HST）の無線接続性を向上させる。UAVの軌道とIRSの位相シフトを共同最適化することで、すべてのHSTユーザーにおける最小達成データレートを最大化する。位相シフト最適化にはバイナリ整数線形プログラミング（BILP）を、軌道制御にはソフトアクタクリティカル（SAC）強化学習を用いる。固定IRSと比較して最大19.9%高いデータレートを達成し、固定位相シフト方式と比較しても4%高い性能を示しており、動的変化が激しいHST環境において優れた性能を発揮する。

ABSTRACT

The recent trend towards the high-speed transportation system has spurred the development of high-speed trains (HSTs). However, enabling HST users with seamless wireless connectivity using the roadside units (RSUs) is extremely challenging, mostly due to the lack of line of sight link. To address this issue, we propose a novel framework that uses intelligent reflecting surfaces (IRS)-enabled unmanned aerial vehicles (UAVs) to provide line of sight communication to HST users. First, we formulate the optimization problem where the objective is to maximize the minimum achievable rate of HSTs by jointly optimizing the trajectory of UAV and the phase-shift of IRS. Due to the non-convex nature of the formulated problem, it is decomposed into two subproblems: IRS phase-shift problem and UAV trajectory optimization problem. Next, a Binary Integer Linear Programming (BILP) and a Soft Actor-Critic (SAC) are constructed in order to solve our decomposed problems. Finally, comprehensive numerical results are provided in order to show the effectiveness of our proposed framework.

研究の動機と目的

• 頻繁なハンドオーバーや視線外（NLOS）遮断による、高速鉄道（HST）通信における断続的かつ信頼性の低い接続性の課題に対処すること。
• 無人航空機（UAV）に搭載された知能反射表面（IRS）を活用して、HSTユーザーの無線カバレッジとデータレートを向上させること。
• すべてのHSTユーザーにおける最小達成レートを最大化するために、UAVの軌道とIRSの位相シフトを共同最適化し、公平性と信頼性を確保すること。
• 非凸的かつNP困難な共同最適化問題に対処するため、取り扱いやすい部分問題に分解すること。
• 強化学習と効率的な位相シフト割り当てを用いて、急速に変化するHST環境にリアルタイムで適応可能な応答を可能にすること。

提案手法

• UAVがIRSを装備し、基地局（BS）からの信号を複数のHSTに反射する単一入力複数出力（SIMO）上行リンク環境をモデル化し、完璧なCSIを仮定する。
• 共同最適化問題は2つの部分問題に分解される：位相シフト最適化は、バイナリ整数線形プログラミング（BILP）で解く輸送問題（TP）定式化により実現される。
• UAV軌道最適化はマークフォールド決定過程（MDP）として定式化され、長期報酬（最小データレート）を最大化する目的でソフトアクタクリティカル（SAC）強化学習アルゴリズムで解かれる。
• BILPモデルは、チャネル品質とパスロスに基づいて反射素子をHSTに割り当て、リソース制約下での位相シフトのグローバル最適化を保証する。
• SACは、HSTの移動に応じて動的に適応する最適なUAV飛行経路を学習し、レートの公平性とカバレッジを向上させる。
• リアルタイムの位相シフト割り当てと適応的UAV移動性を統合することで、HST移動に応じた動的かつ低遅延な応答が可能になる。

実験結果

リサーチクエスチョン

• RQ1 IRS支援UAVは、視線外環境下で高速鉄道ユーザーの最小達成データレートをどのように向上させることができるか？
• RQ2 HST通信におけるシステム性能に、UAV軌道最適化とIRS位相シフト設計の相対的影響は何か？
• RQ3 強化学習は、高速移動するHSTに対してリアルタイムでUAV軌道を最適化するのに効果的か？
• RQ4 IRS反射素子の数は、システムの容量と計算複雑度にどのように影響するか？
• RQ5 UAV軌道とIRS位相シフトの共同最適化は、固定またはランダム設定と比較してどの程度優れているか？

主な発見

• 提案手法は、固定IRSを用いたシステムと比較して19.9%高い最小データレートを達成しており、動的位相シフト最適化の有効性を示している。
• 固定位相シフト設定と比較して4%高い性能を示しており、適応的IRSビームフォーミングの重要性が浮き彫りになっている。
• 強化学習に基づくUAV軌道最適化は、固定高度のUAVと比較して顕著に性能を向上させており、特に高移動度環境下で顕著である。
• BILPベースの位相シフト割り当ては、反射素子割り当てにおけるグローバル最適性を保証するが、反射素子数の増加に伴い計算コストが上昇する。
• 最適なUAV高度はHST位置とパスロスに応じて動的に変化し、200mがすべてのシナリオで最適ではないことが確認され、適応的制御の必要性が裏付けられた。
• 提案アルゴリズムはSAC学習で収束を示しており、エピソードが進むにつれて報酬が増加し、損失が低下していることから、効果的な方策学習が実現している。