[논문 리뷰] Active RIS vs. Passive RIS: Which Will Prevail in 6G?

Zijian Zhang, Linglong Dai외 5명|arXiv (Cornell University)|2021. 03. 28.

Advanced Wireless Communication Technologies참고 문헌 34인용 수 29

한 줄 요약

논문은 RIS-도움 네트워크에서 다중적 페이딩을 극복하기 위한 해법으로 활성 RIS를 도입하고, 실험으로 검증된 신호 모델을 제공하며, 점근적 성능을 분석하고, 활성 RIS-도움 MU-MISO 시스템에서 합계율 최대화를 위한 joint beamforming/reflect precoding 설계를 제시하여 수동 RIS 대비 상당한 sum-rate 이득을 보임.

ABSTRACT

As a revolutionary paradigm for controlling wireless channels, reconfigurable intelligent surfaces (RISs) have emerged as a candidate technology for future 6G networks. However, due to the "multiplicative fading" effect, the existing passive RISs only achieve limited capacity gains in many scenarios with strong direct links. In this paper, the concept of active RISs is proposed to overcome this fundamental limitation. Unlike passive RISs that reflect signals without amplification, active RISs can amplify the reflected signals via amplifiers integrated into their elements. To characterize the signal amplification and incorporate the noise introduced by the active components, we develop and verify the signal model of active RISs through the experimental measurements based on a fabricated active RIS element. Based on the verified signal model, we further analyze the asymptotic performance of active RISs to reveal the substantial capacity gain they provide for wireless communications. Finally, we formulate the sum-rate maximization problem for an active RIS aided multi-user multiple-input single-output (MU-MISO) system and a joint transmit beamforming and reflect precoding scheme is proposed to solve this problem. Simulation results show that, in a typical wireless system, passive RISs can realize only a limited sum-rate gain of 22%, while active RISs can achieve a significant sum-rate gain of 130%, thus overcoming the "multiplicative fading" effect.

연구 동기 및 목표

• RIS-도움 6G 네트워크에서 수동 RIS의 다중 곱 페이딩 한계를 극복할 필요성을 동기 부여한다.
• 통합 반사형 증폭기를 갖춘 활성 RIS를 제안하고 검증된 신호 모델을 개발한다.
• 점근적 성능을 특성화하고 이를 수동 RIS와 비교한다.
• 활성 RIS-도움 MU-MISO 시스템의 합계율 극대화 문제를 형식화하고 해결합니다.
• 현실적인 전력 및 잡음 조건에서 자기 간섭을 고려한 빔폼 설계를 확장한다.

제안 방법

• 증폭과 동적/정적 잡음 모두를 포함하는 활성 RIS의 신호 모델을 개발한다.; 제작된 활성 RIS 소자로 측정을 통해 모델을 검증한다.
• 활성 RIS와 수동 RIS의 점근적 SNR 표현을 도출하고 RIS 요소 수 N의 증가에 따른 스케일링을 비교한다.
• 활성 RIS-도움 MU-MISO 시스템에 대한 합계율 최대화 문제를 형식화하고 분수 프로그래밍(FP)을 이용한 공동 송신 빔폼 및 반사 프리코딩 스킴을 제안한다.
• 활성 RIS의 자기 간섭 모델링을 포함하고 ADMM/SUMT 기반의 교대 최적화 접근법을 제안한다.
• 현실적인 매개변수 하에서 활성 RIS가 수동 RIS보다 언제 성능 우위를 보이는지에 대한 성능 인사이트를 제공한다.

실험 결과

연구 질문

• RQ1 활성 RIS 신호 모델이 수동 RIS 모델과 어떻게 다른지, 어떤 잡음원이 고려되어야 하는가?
• RQ2 RIS 요소 수가 커질 때 활성 RIS의 점근적 SNR 이익은 수동 RIS에 비해 어떻게 되는가?
• RQ3 MU-MISO 시스템에서 합계율을 극대화하기 위해 송신 빔폼과 활성 RIS 반사 프리코딩을 어떻게 함께 설계할 수 있는가?
• RQ4 활성 RIS의 자기 간섭이 성능에 어떤 영향을 미치며 이를 최적화 프레임워크에서 어떻게 완화할 수 있는가?

주요 결과

• 활성 RIS는 반사 신호를 증폭하여 수동 RIS의 다중 페이딩을 극복하고 합계율에서 실질적인 이득을 낸다.
• 점근적 SNR은 활성 RIS에서 N, 수동 RIS에서 N^2으로 스케일링되나, 활성 RIS의 분모가 종종 훨씬 작아 실질적으로 더 큰 이득을 준다.
• 현실적인 매개변수 하에서 수동 RIS는 약 22%의 합계율 이득을, 활성 RIS는 약 130%의 합계율 이득을 보인다.
• FP를 기반으로 한 공동 빔폼 및 반사 프리코딩 스킴은 활성 RIS-도움 MU-MISO 시스템에서 합계율의 효과적인 최적화를 달성한다.
• 자기 간섭을 고려하더라도 제안된 최적화 프레임워크는 수동 RIS에 비해 상당한 성능 향상을 여전히 달성할 수 있다.