[논문 리뷰] Distributed Beam Training for Intelligent Reflecting Surface Enabled Multi-Hop Routing

Weidong Mei, Rui Zhang|arXiv (Cornell University)|2021. 06. 22.

Advanced Wireless Communication Technologies참고 문헌 11인용 수 4

한 줄 요약

이 논문은 지능형 반사면(IR)을 활용한 다중 홉 무선 네트워크를 위한 분산형 비례 기울임 설계 기법을 제안하며, 철저한 채널 추정 없이도 공동 활성/비활성 비례 기울임 설계와 최적 경로 선택을 가능하게 한다. 시간에 따라 변하지 않는 채널 특성과 컨트롤러 간 협업 학습을 활용하여, 순차적 비례 기울임 설계와 비슷한 종단 간 채널 이득을 달성하지만 훨씬 낮은 학습 오버헤드와 복잡도를 갖는다.

ABSTRACT

Intelligent reflecting surface (IRS) is an emerging technology to enhance the spectral and energy efficiency of wireless communications cost-effectively. This letter considers a new multi-IRS aided wireless network where a cascaded line-of-sight (LoS) link is established between the base station (BS) and a remote user by leveraging the multi-hop signal reflection of selected IRSs. As compared to the conventional single-/double-hop IRS system, multi-hop IRS system provides more pronounced path diversity and cooperative passive beamforming gains, especially in the environment with dense obstacles. However, a more challenging joint active/passive beamforming and multi-hop beam routing problem also arises for maximizing the end-to-end channel gain. Furthermore, the number of IRS-associated channel coefficients increases drastically with the number of IRS hops. To tackle the above issues, in this letter we propose a new and efficient beam training based solution by considering the use of practical codebook-based BS/IRS active/passive beamforming without the need of explicit channel estimation. Instead of exhaustively or sequentially searching over all combinations of active and passive beam patterns for each beam route, a distributed beam training scheme is proposed to reduce the complexity, by exploiting the (nearly) time-invariant BS-IRS and inter-IRS channels and the cooperative training among the BS and IRSs' controllers. Simulation results show that our proposed design achieves the end-to-end channel gain close to that of the sequential beam search, but at a much lower training overhead and complexity.

연구 동기 및 목표

• 다중-IRS 시스템에서 공동 활성/비활성 비례 기울임 설계와 다중 홉 비례 기울임 라우팅의 높은 복잡도 문제를 해결하기 위해.
• 명시적 채널 추정을 피하기 위해 철저하거나 순차적 비례 기울임 검색이 필요 없도록 하기 위해.
• 대규모 IRS 수와 비례 패턴을 가진 다중 홉 IRS 네트워크에서 학습 오버헤드를 줄이기 위해.
• 코드북 기반 비례 기울임 설계와 협업 컨트롤러 학습을 통해 실용적 구현을 가능하게 하기 위해.
• 낮은 계산 및 시간 복잡도로 근사 최적의 종단 간 채널 이득을 달성하기 위해.

제안 방법

• BS와 각 IRS에서 사전 정의된 활성/비활성 비례 기울임 코드북을 사용하여 비례 패턴을 유한한 집합으로 제한한다.
• 분산형 비례 기울임 학습 프로토콜을 설계하여 BS와 IRS 컨트롤러가 지역 비례 라우팅 표(BRT)를 교환하여 전역 BRT를 구축한다.
• 전역 BRT를 통해 전체 채널 상태 정보(CSI) 확보 없이도 효율적인 다중 홉 경로 선택과 공동 비례 기울임 설계를 가능하게 한다.
• 시간에 따라 거의 변하지 않는 BS-IRS 및 IRS 간 채널 특성을 활용하여 학습 오버헤드를 줄인다.
• 컨트롤러 간 협업 학습을 통해 중복되거나 철저한 검색을 방지한다.
• BS와 IRS에서 DFT 기반 코드북을 사용하여 비례 패턴을 생성하며, 각각 16개와 32개의 패턴을 사용한다.

실험 결과

연구 질문

• RQ1 철저한 비례 기울임 검색 없이도 다중-IRS 다중 홉 시스템에서 분산형 비례 기울임 학습 기법이 근사 최적의 종단 간 채널 이득을 달성할 수 있는가?
• RQ2 제안된 분산형 비례 기울임 학습의 성능이 채널 이득과 학습 오버헤드 측면에서 순차적 비례 기울임 검색과 비교해 어떻게 되는가?
• RQ3 IRS 요소 수와 Rician 계수의 증가가 제안된 방법과 순차적 비례 기울임 검색 간 성능 격차에 미치는 영향은 무엇인가?
• RQ4 경로 길이(화물 수)가 분산 학습 기법의 근사 오차와 성능에 미치는 영향은 어떠한가?
• RQ5 최적의 비례 기울임 설계와 라우팅 조건 하에서 산산이 흩어진 다중 경로 성분이 시스템 성능에 얼마나 떨어뜨리는가?

주요 결과

• 제안된 분산형 비례 기울임 학습은 모든 테스트 구성에서 순차적 비례 기울임 검색과 비교해 종단 간 채널 전력 이득 격차가 1.5 dB 이내로 유지된다.
• IRS 요소 수가 한 변당 22개를 초과할 경우 최적 경로의 홉 수가 증가함에 따라 성능 격차가 약간 증가한다.
• Rician 계수가 15 dB 이상으로 증가할수록 제안된 방법과 순차적 비례 기울임 검색 간 성능 격차가 거의 사라지며, 이는 근사 정확도 향상을 의미한다.
• BS에 더 가까운 사용자 위치 2의 경우 최적 반사 경로의 홉 수가 적어 학습 오차가 누적되는 정도가 줄어들어 성능 격차가 더 작다.
• 연쇄적 LOS 채널 전력 이득은 전체 채널 이득과 유사하여 산산이 흩어진 다중 경로 성분이 총 채널 전력에 기여하는 바가 미미하다는 것을 시사한다.
• 제안된 방법은 철저하거나 순차적 비례 기울임 검색에 비해 학습 오버헤드와 복잡도를 크게 줄였으며, 근사 최적의 성능를 유지한다.