[논문 리뷰] An Efficient CSI Acquisition Method for Intelligent Reflecting Surface-assisted mmWave Networks

Yaoshen Cui, Haifan Yin|arXiv (Cornell University)|2019. 12. 27.

Advanced Wireless Communication Technologies참고 문헌 17인용 수 19

한 줄 요약

이 논문은 새로운 반사 단위 집합(RUS) 프레임워크를 통해 채널의 희소성과 IRS 기하학을 활용하여 IRS 보조 mmWave 네트워크를 위한 저복잡도 CSI 획득 방법을 제안한다. 최적의 위상 시프트 코드워드를 통해 직시 경로(LoS) 거리를 추정하고 다중 경로 응답을 재구성함으로써, 20 OFDM 심볼 이내(0.167 ms)에 정확한 채널 추정을 달성하며, 최신 기술 대비 순수 훈련 오버헤드를 수 개의 주기로 감소시킨다. 시뮬레이션에서는 최대 27 dB의 SNR 향상을 달성한다.

ABSTRACT

Millimeter-wave (mmWave) communication is one of the key enablers of the fifth-generation cellular networks (5G). However, one of the fundamental challenges of mmWave communication is the susceptibility to blockage effects. One way to alleviate this effect is the use of Intelligent Reflecting Surface (IRS). Nevertheless, due to the large number of the reflecting elements on IRS, the channel estimation turns out to be a challenging problem. This paper proposes a low-complexity channel information acquisition method for IRS-assisted mmWave communication system. Our idea consists in exploiting the sparsity of the mmWave channel and the topology of IRS itself. Compared to the state-of-the-art methods, our proposed method requires much less time-frequency resource in the acquisition of channel information. Large performance gains are confirmed in simulation, which prove the effectiveness of our proposed method.

연구 동기 및 목표

• 대규모 IRS 보조 mmWave 시스템에서 CSI 획득의 높은 훈련 오버헤드 문제를 해결한다.
• 수동적이고 전력이 공급되지 않는 반사 요소와 많은 수의 요소로 인해 발생하는 CSI 추정의 어려움을 극복한다.
• mmWave 채널의 희소성과 IRS의 구조적 기하학을 활용하여 훈련 자원 소비를 줄인다.
• 장애물이 많은 mmWave 환경에서 실시간 채널 추정을 위한 실용적이고 저복잡도의 방법을 개발한다.
• 지능형 반사 표면을 활용하여 효율적인 비드포밍과 커버리지 향상을 가능하게 한다.

제안 방법

• 채널 추정을 위해 인접한 IRS 요소들을 하나의 단위로 간주하는 반사 단위 집합(RUS)의 개념을 도입한다.
• 수신 전력의 최대화를 통해 최적의 위상 시프트 코드워드를 사용하여 각 RUS와 사용자 단말(UE) 간의 직시 경로(LoS) 거리를 추정한다.
• mmWave 채널의 희소성과 IRS의 기하학적 구조를 활용하여 제한된 RUS-UE 거리 추정치로부터 전체 채널을 재구성한다.
• 추정된 RUS-UE 거리 기반으로 채널을 다중 경로 응답으로 모델링하고, 최소 제곱 기반 추정을 적용하여 채널 벡터를 복원한다.
• 추정치가 가우시안 노이즈에 의해 훼손되는 노이즈 인식 채널 추정 모델을 적용하며, 노이즈 분산은 파rameter σₑ로 표현된다.
• RUS 기반 추정 프레임워크를 다중 안테나 AP/UE 구성으로 확장하여 다중 안테나 시스템으로 일반화한다.

실험 결과

연구 질문

• RQ1 채널의 희소성과 IRS 기하학을 활용하여, 훨씬 더 낮은 훈련 오버헤드로 IRS 보조 mmWave 시스템의 CSI를 정확하게 추정할 수 있는가?
• RQ2 채널 추정 품질(σₑ)과 UE 위치에 따라 제안된 RUS 기반 CSI 획득 방법의 성능가 어떻게 변화하는가?
• RQ3 대규모 IRS 구현에서 효과적인 CSI 획득을 위해 필요한 최소 OFDM 심볼 수는 얼마인가?
• RQ4 고정 위상 시프트 및 전통적인 훈련 기반 방법과 비교할 때, 제안된 방법의 성능은 SNR 및 위치 추정 정확도 측면에서 어떻게 되는가?
• RQ5 RUS 프레임워크는 장애물이 많은 mmWave 환경에서 정확한 UE 위치 추정 및 비드포밍을 가능하게 하는가?

주요 결과

• 채널 추정 품질이 높을 경우(σₑ = 0.1), 고정 위상 시프트 반사 방식 대비 평균 27 dB의 SNR 향상을 달성하며, 커버리지 향상 효과가 뚜렷하다.
• 8,192개의 반사 요소가 있는 경우조차도 CSI 획득에 약 20개의 OFDM 심볼(120 kHz 서브캐리어 간격 기준 0.167 ms)만 소요된다.
• UE가 IRS에서 멀어질수록 위치 추정 오차는 증가하지만, 다양한 UE 위치에서도 견고한 성능 유지를 유지한다.
• x축 및 y축을 따라 다양한 UE 위치에서 수신 SNR가 높게 유지되며, 동적 환경에서의 효과성을 확인한다.
• 특히 고감쇠 또는 장애물에 의한 차단 상황에서 고정 위상 시프트(θₙ = 1) 기반 기준 대비 큰 성능 향상을 보인다.
• 시뮬레이션 결과는 제안된 RUS 기반 접근법이 극히 낮은 훈련 오버헤드로도 높은 정확도의 채널 추정을 달성함을 확인하며, 실시간 mmWave 시스템에 적합함을 입증한다.