[논문 리뷰] Fast Beam Training and Alignment for IRS-Assisted Millimeter Wave/Terahertz Systems

Peilan Wang, Jun Fang외 2명|arXiv (Cornell University)|2021. 03. 09.

Advanced Wireless Communication Technologies참고 문헌 41인용 수 69

한 줄 요약

이 논문은 압축된 단상 측정과 집합 교차 기반 알고리즘을 활용하여 IRS 보조 mmWave/THz 시스템에서 빠르고 저비용의 비음향 기반 보상 방법을 제안한다. 다중 경로 채널의 희박한 구조를 이용하고 다중 방향 보상 시퀀스를 사용함으로써, 전수 검색에 가까운 성능을 달성하면서도 훈련 오버헤드를 95% 감소시킨다.

ABSTRACT

Intelligent reflecting surface (IRS) has emerged as a competitive solution to address blockage issues in millimeter wave (mmWave) and Terahertz (THz) communications due to its capability of reshaping wireless transmission environments. Nevertheless, obtaining the channel state information of IRS-assisted systems is quite challenging because of the passive characteristics of the IRS. In this paper, we consider the problem of beam training/alignment for IRS-assisted downlink mmWave/THz systems, where a multi-antenna base station (BS) with a hybrid structure serves a single-antenna user aided by IRS. By exploiting the inherent sparse structure of the BS-IRS-user cascade channel, the beam training problem is formulated as a joint sparse sensing and phaseless estimation problem, which involves devising a sparse sensing matrix and developing an efficient estimation algorithm to identify the best beam alignment from compressive phaseless measurements. Theoretical analysis reveals that the proposed method can identify the best alignment with only a modest amount of training overhead. Simulation results show that, for both line-of-sight (LOS) and NLOS scenarios, the proposed method obtains a significant performance improvement over existing state-of-art methods. Notably, it can achieve performance close to that of the exhaustive beam search scheme, while reducing the training overhead by 95%.

연구 동기 및 목표

• . IRS의 수동성과 높은 피LOT 오버헤드로 인해 IRS 보조 mmWave/THz 시스템에서 정확한 채널 상태 정보(CSI) 확보 문제를 해결하고자 한다.
• 복잡성과 오버헤드를 줄이기 위해 전체 CSI 추정이 아닌 보상 트레이닝/정렬에 집중한다.
• LOS 및 NLOS 환경 모두에서 주요 경로의 최적 도착각(AoD)과 도착각(AoA)을 식별하는 것이 목적이다.
• 위상 노이즈와 캐리어 주파수 오프셋(CFO)과 같은 실용적 제약 조건에서도 작동해야 하며, 이는 위상 정보를 손상시키기 때문이다.
• 기존 방법이 실패하는 저SNR 환경과 싱글 캐리어 시스템에서 기존 방법을 능가하고자 한다.

제안 방법

• . 보상 트레이닝 과정은 사전 설계된 다중 방향 보상 시퀀스를 사용하여 다중 라운드의 '전방향 스캔'을 수행하여 각도 공간을 탐색한다.
• 이 방법은 위상 측정에 의존하지 않는 공동 희박 센싱 및 단상 추정 문제로 보상 트레이닝을 공식화한다.
• 다중 스캔 라운드 동안의 압축된 단상 측정에서 최적의 보상 정렬을 식별하기 위해 집합 교차 기반 기법을 개발한다.
• BS의 주동 보상기와 IRS의 수동 보상기 모두 구조화된 다중 방향 시퀀스를 사용하여 변조 기반 보상 지문 없이 방향을 식별할 수 있도록 한다.
• 이론적 분석을 통해 다중 경로 채널의 희박한 구조를 이용함으로써 적은 훈련 오버헤드로 신뢰할 수 있는 정렬을 달성할 수 있음을 입증한다.
• 이 방법은 위상 노이즈와 CFO에 대해 강건하며, 크기 기반 측정과 방향 지원의 교차에 의존하기 때문이다.

실험 결과

연구 질문

• RQ1 . IRS 보조 mmWave/THz 시스템에서 전수 검색에 가까운 성능을 달성하면서도 훨씬 낮은 훈련 오버헤드를 확보할 수 있는 보상 트레이닝 방법을 설계할 수 있는가?
• RQ2 . 위상 노이즈와 CFO가 존재하는 상황에서 위상 정보가 신뢰할 수 없거나 이용 불가능할 경우 보상 정렬을 어떻게 달성할 수 있는가?
• RQ3 . 최소한의 CSI 피드백으로도 LOS 및 비LOS(비LOS) 전파 환경 모두에서 효과적으로 작동할 수 있는가?
• RQ4 . 전체 CSI 추정이 필요 없이 압축된 단상 측정만으로 최적의 보상 정렬을 식별할 수 있는가?
• RQ5 . 저SNR 조건에서 기존 최첨단 보상 트레이닝 기법과 비교해 성공률 및 보상 성능 향상 측면에서 제안된 방법은 어떻게 성능을 내는가?

주요 결과

• . 제안된 방법은 전수 검색 대비 훈련 오버헤드를 95% 감소시키며, 거의 최적의 성능을 달성한다.
• LOS 및 NLOS 환경 모두에서 제한된 훈련 피LOT을 사용함에도 불구하고 전수 검색과 유사한 성공률를 달성한다.
• 제안된 방법의 보상 성능 비율(BGR)은 모든 테스트된 SNR 수준에서 전수 검색과 5% 이내로 유지된다.
• 저SNR 환경에서는 SwiftLink와 AgileLink를 능가하며, 이는 위상 노이즈 및 추정 오차 누적에 대한 강건성 덕분이다.
• 이론적 분석을 통해 최적 정렬을 올바르게 식별할 확률이 시스템 파라미터의 함수로 아래bound되어 있음을 확인하여 신뢰성을 보장한다.
• 기존 방법이 서브캐리어 기반 보상 지문에 의존하는 것과 달리, 이 방법은 싱글 캐리어 시스템에서도 효과적이다.