[논문 리뷰] Beam Training and Tracking in MmWave Communication: A Survey

Yi Wang, Zhiqing Wei외 1명|arXiv (Cornell University)|2022. 05. 20.

Millimeter-Wave Propagation and ModelingEngineering인용 수 18

한 줄 요약

이 종합적 서베이는 밀리미터 웨이브(mmWave) 통신에서 고과부하 및 이동성에 의한 비트 오차 정렬 문제를 해결하기 위해 레이저 기반 트레이닝 및 트래킹 기법에 대해 종합적인 개요를 제공한다. 향후 6G 네트워크를 위한 빠르고 정확하며 강건한 비트 정렬을 가능하게 하기 위해 하이브리드 비트포밍, 머신러닝, 통합 감지-통신 시스템 등의 고급 기법을 제안한다.

ABSTRACT

Communicating on millimeter wave (mmWave) bands is ushering in a new epoch of mobile communication which provides the availability of 10 Gbps high data rate transmission. However, mmWave links are easily prone to short transmission range communication because of the serious free space path loss and the blockage by obstacles. To overcome these challenges, highly directional beams are exploited to achieve robust links by hybrid beamforming. Accurately aligning the transmitter and receiver beams, i.e. beam training, is vitally important to high data rate transmission. However, it may cause huge overhead which has negative effects on initial access, handover, and tracking. Besides, the mobility patterns of users are complicated and dynamic, which may cause tracking error and large tracking latency. An efficient beam tracking method has a positive effect on sustaining robust links. This article provides an overview of the beam training and tracking technologies on mmWave bands and reveals the insights for future research in the 6th Generation (6G) mobile network. Especially, some open research problems are proposed to realize fast, accurate, and robust beam training and tracking. We hope that this survey provides guidelines for the researchers in the area of mmWave communications.

연구 동기 및 목표

• mmWave 시스템에서 급격한 채널 변화와 사용자 이동성으로 인한 높은 트레이닝 과부하 및 비트 오차 정렬 문제를 해결한다.
• 대규모 mmWave MIMO 시스템에서 과도한 피드백과 피LOT 과부하로 인한 전통적 비트 트레이닝의 한계를 극복한다.
• 기계학습을 활용한 지능형 비트 관리 기법을 탐구하여 검색 공간을 줄이고 동적 환경에 대한 적응성을 향상시킨다.
• 통합 감지 및 통신(ISAC) 및 THz 대역 비트포밍을 향후 강건한 mmWave 및 테라헤르츠 통신을 위한 방향으로 조사한다.
• 6G 네트워크를 위한 빠르고 정확하며 에너지 효율적인 비트 트레이닝 및 트래킹을 가능하게 하는 열린 연구 과제를 규명한다.

제안 방법

• 완전 탐색, 코드북 기반, 하이브리드 비트포밍 기법을 포함한 기존 비트 트레이닝 및 트래킹 방법을 서베이하고 분류한다.
• 대규모 안테나 어레이를 갖춘 mmWave 시스템에서 채널 상태 정보(CSI) 피드백 및 비트 정렬 절차의 역할을 분석한다.
• 딥 러닝 및 강화 학습을 포함한 머신러닝 기반 접근법을 도입하여 채널 동역학을 학습하고 비트 검색 복잡도를 감소시킨다.
• 공통 감지 및 통신 능력을 활용하여 전용 피LOT 및 피드백이 필요 없도록 하는 이중기능 레이더-통신(DFRC) 시스템을 제안한다.
• 높은 경로 손실, 공간 비정적 특성, 정확한 CSI 추정이 필요한 등 테라헤르츠(THz) 대역 비트포밍의 과제를 검토한다.
• 디지털 및 아날로그 비트포밍을 조합함으로써 스펙트럼 효율성과 하드웨어 비용을 균형 잡는 하이브리드 프리코딩 아키텍처를 평가한다.

실험 결과

연구 질문

• RQ1 대규모 안테나 어레이를 갖춘 mmWave 시스템에서 비트 트레이닝 과부하를 어떻게 최소화할 수 있는가?
• RQ2 고속 사용자 이동성과 환경 차단으로 인해 비트 정렬을 유지하는 데 있어 핵심 과제는 무엇인가?
• RQ3 기계학습 기법은 동적 mmWave 환경에서 비트 선택 및 트래킹의 속도와 정확도를 어떻게 향상시킬 수 있는가?
• RQ4 통합 감지 및 통신(ISAC) 시스템은 비트 트레이닝에서 피드백 및 피LOT 과부하를 어떻게 줄일 수 있는가?
• RQ5 mmWave 대역과 테라헤르츠(THz) 대역 간의 비트포밍 및 비트 트래킹에서의 근본적 차이점과 과제는 무엇인가?

주요 결과

• mmWave 대역에서의 고도로 방향성 있는 비트포밍은 에너지를 좁은 비트에 집중시켜 통신 범위를 크게 연장하고 스펙트럼 효율성을 향상시킬 수 있다.
• 기존의 비트 트레이닝 방법은 특히 빠르게 변화하는 AoD/AoA를 갖는 고속 이동성 환경에서 대규모 안테나 어레이로 인해 과도한 과부하를 야기한다.
• 기계학습 기반 비트 트레이닝은 채널 동역학과 사용자 이동 패턴을 학습함으로써 비트 검색 공간을 줄이고 더 빠른 수렴을 가능하게 한다.
• 통합 감지 및 통신(ISAC) 시스템은 전용 피LOT 및 업링크 피드백이 필요 없게 하여 스펙트럼 효율성을 향상시키고 지연을 감소시킨다.
• THz 대역 비트포밍은 mmWave보다 더 큰 과제를 안고 있으며, 더 높은 경로 손실과 공간 비정적 특성으로 인해 정밀한 CSI 추정 및 비트 관리가 필요하다.
• 하이브리드 비트포밍 아키텍처는 하드웨어 비용을 줄이지만 비트포밍 이득을 떨어뜨릴 수 있는 제약을 도입하므로 아날로그 및 디지털 프리코더의 신중한 설계가 필요하다.