[논문 리뷰] Beyond 5G RIS mmWave Systems: Where Communication and Localization Meet

Jiguang He, Fan Jiang외 4명|arXiv (Cornell University)|2021. 09. 16.

Advanced Wireless Communication Technologies인용 수 9

한 줄 요약

이 논문은 RIS 유도 채널 희소성과 위치 인지 비트포밍을 활용하여 통신 및 정위치화를 통합 최적화하는 Reconfigurable Intelligent Surface (RIS)-보조 mmWave 시스템을 위한 공동 설계 프레임워크를 제안한다. 사전 위치 지식을 활용하고 파ilot 오버헤드를 최적화함으로써, 무작위 단계 프로파일 대비 최대 2배 높은 스펙트럼 효율성과 10배 낮은 정위치화 오차를 달성하며, 5–25%의 훈련 오버헤드로 균형 잡힌 성능 트레이드오프를 가능하게 한다.

ABSTRACT

Upcoming beyond fifth generation (5G) communications systems aim at further enhancing key performance indicators and fully supporting brand new use cases by embracing emerging techniques, e.g., reconfigurable intelligent surface (RIS), integrated communication, localization, and sensing, and mmWave/THz communications. The wireless intelligence empowered by state-of-the-art artificial intelligence techniques has been widely considered at the transceivers, and now the paradigm is deemed to be shifted to the smart control of radio propagation environment by virtue of RISs. In this article, we argue that to harness the full potential of RISs, localization and communication must be tightly coupled. This is in sharp contrast to 5G and earlier generations, where localization was a minor additional service. To support this, we first introduce the fundamentals of RIS mmWave channel modeling, followed by RIS channel state information acquisition and link establishment. Then, we deal with the connection between localization and communications, from a separate and joint perspective.

연구 동기 및 목표

• 초-5G 시스템에서 통신, 정위치화, 센싱의 통합 요구를 RIS 기술을 활용하여 해결하기 위해.
• RIS 보조 mmWave 시스템에서 높은 훈련 오버헤드와 채널 추정 과제를 공동 통신 및 정위치화 설계를 통해 극복하기 위해.
• 정위치화와 통신 간 상호보완적 관계를 구축하여, 위치 정보가 채널 추정 오버헤드를 감소시키고 링크 신뢰성을 향상시키기 위해.
• 고성능 스펙트럼 효율성과 낮은 정위치화 오차를 동시에 확보하기 위해 RIS 단계 프로파일을 최적화하는 동시 정위치화 및 통신(SLAC) 프레임워크를 개발하기 위해.
• 다양한 파ilot 오버헤드와 RIS 크기 조건 하에서 통신 속도(세그먼트 효율, SE)와 정위치화 정확도(정위치화 오차 한계, PEB) 간의 트레이드오프를 평가하기 위해.

제안 방법

• 근거리 효과와 RIS 요소 간 상호 커플링을 고려한 RIS 보조 시스템을 위한 기하학적 mmWave 채널 모델을 개발한다.
• mmWave 채널의 희소성 특성을 활용하고, 파ilot 전송을 위해 방향성 또는 무작위 RIS 단계 프로파일을 사용하는 저복잡도 채널 추정 방법을 제안한다.
• RIS 반사 신호에서의 피셔 정보를 기반으로 정위치화 오차(PEB)의 이론적 하한을 도출하기 위해 크래머-라오 하한(Cramér–Rao bound, CRB) 분석을 도입한다.
• 사전 위치 지식을 기반으로 RIS 단계 프로파일을 적응적으로 설정하여 SE와 PEB 간 균형을 이루는 공동 최적화 프레임워크를 설계한다.
• 다양한 파ilot 지속시간(Tp)과 RIS 구성 조건에서 성능 트레이드오프를 평가하기 위해 단일 RIS(16×16 또는 32×32 요소)를 사용한 SISO 시스템 모델을 활용한다.
• 고정된 코herence 시간(Tc = 1000 기호)을 가진 시뮬레이션 기반 평가를 통해 다양한 Tp 값과 RIS 프로파일 조건에서 SE와 PEB를 분석한다.

실험 결과

연구 질문

• RQ1 사전 위치 지식은 RIS 보조 mmWave 시스템에서 훈련 오버헤드를 어떻게 줄이고 채널 추정 정확도를 향상시킬 수 있는가?
• RQ2 RIS 보조 SLAC 시스템에서 스펙트럼 효율성(SE)과 정위치화 오차 한계(PEB) 간 최적의 트레이드오프는 무엇인가?
• RQ3 RIS 크기(256 대비 1024 요소)는 SLAC 시스템에서 달성 가능한 SE와 PEB에 어떤 영향을 미치는가?
• RQ4 파ilot 전송 중 방향성 대비 무작위 RIS 단계 프로파일 사용이 정위치화 및 통신 성능에 미치는 영향은 무엇인가?
• RQ5 SLAC에서 높은 SE와 낮은 PEB 간 균형 잡힌 성능을 달성하기 위해 필요한 파ilot 오버헤드(Tp)는 어느 정도인가?

주요 결과

• 사전 위치 지식을 활용할 경우, 무작위 단계 프로파일 대비 최대 스펙트럼 효율성이 2배 향상되고 최소 정위치화 오차(PEB)가 10배 감소한다.
• 32×32 RIS(1024 요소)는 16×16 RIS(256 요소) 대비 약 4배 높은 스펙트럼 효율성과 2–4배 낮은 PEB를 달성하여 RIS 개구부 크기의 상당한 영향을 입증한다.
• 균형 잡힌 SE와 PEB 성능을 위한 최적의 파ilot 오버헤드는 방향성 RIS 프로파일의 경우 약 5%, 무작위 프로파일의 경우 약 25%이며, RIS 크기에 관계없이 동일하다.
• Tp가 너무 작을 경우(<3 기호), 위치 추정이 열악해져 잘못된 위치로 비트포밍이 이루어져 SE와 PEB가 모두 악화된다.
• Tp가 너무 클 경우, 채널 추정이 매우 우수하더라도 데이터 전송에 충분한 시간이 확 확보되지 않아 통신 속도가 크게 감소한다.
• 세 가지 성능 영역이 식별되었다: (i) 낮은 Tp에서 열악한 성능, (ii) 높은 Tp에서 정밀도는 높지만 데이터 전송 속도가 낮은 성능, (iii) SE–PEB 곡선의 피크 근처에서 최적의 균형을 이룬 중간 Tp 값에서의 최적 성능.