[논문 리뷰] Fast Beam Training for RIS-Assisted Uplink Communication

Chandradeep Singh, Kamal Singh외 1명|arXiv (Cornell University)|2021. 07. 23.

Advanced Wireless Communication Technologies참고 문헌 9인용 수 10

한 줄 요약

이 논문은 재구성 가능한 지능형 표 superfaced (RIS)-지원 mmWave 업링크 통신을 위한 다중 라운드 빔 트레이닝 코드북을 제안한다. 이는 후속 단계에서 좁은 빔을 사용해 군중성 향상을 위한 군중성 향상을 위한 군중성 향상 전략을 사용하여 검출 정확도를 향상시킨다. 이 방법은 마지막 라운드에서 검색을 정밀하게 조정함으로써 더 적은 훈련 기호로도 높은 성공 확률을 달성하며, 이는 이전의 코드북들조차도 능가한다.

ABSTRACT

In this work, we propose a beam training codebook for Reconfigurable Intelligent Surface (RIS) assisted mmWave uplink communication. Beam training procedure is important to establish a reliable link between user node and Access point (AP). A codebook based training procedure reduces the search time to obtain best possible phase shift by RIS controller to align incident beam at RIS in the direction of receiving node. We consider a semi passive RIS to assist RIS controller with a feedback of minimum overhead. It is shown that the procedure detects a mobile node with high probability in a short interval of time. Further we use the same codebook at user node to know the desired direction of communication via RIS.

연구 동기 및 목표

• RIS-지원 업링크 mmWave 통신에서 빔 충돌과 낮은 검출 확률 문제를 해결하기 위해.
• 동적이고 이동성이 높은 사용자 환경에서 높은 빔 검출 정확도를 유지하면서 훈련 오버헤드를 줄이기 위해.
• 최소한의 피드백을 통해 RIS와 사용자 장비에서 효율적인 빔 식별을 가능하게 하는 코드북을 설계하기 위해.
• 수동 RIS 반사의 고유한 제약 조건에 적응하여 기존 빔 트레이닝 프레임워크를 RIS-지원 업링크에 확장하기 위해.
• 최적화된 빔 트레이닝을 통해 RIS 기반 mmWave 네트워크에서 확장 가능하고 신뢰할 수 있는 랜덤 액세스를 가능하게 하기 위해.

제안 방법

• 넓은 빔으로 시작하여 후속 라운드에서 빔 폭을 점차 좁혀 나가는 다중 라운드 빔 트레이닝 코드북을 제안한다. 이는 각도 해상도를 향상시킨다.
• 계층적 빔 스위핑 전략을 사용하여 RIS 컨트롤러가 사용자 신호의 입사각을 추정하고 후속 단계에서 검색 범위를 정밀화한다.
• 마지막 라운드에서 좁은 빔을 사용해 정밀 보정 단계를 수행하여 잘못된 검출을 최소화하고 검출 확률을 극대화한다.
• RIS 크기와 시스템 제약 조건에 따라 스위프당 빔 수를 조정하여 훈련 오버헤드와 정확도 사이의 트레이드오���을 최적화한다.
• 사용자 측에서도 동일한 코드북을 통합하여 RIS를 통한 양방향 빔 정렬을 가능하게 하며 피드백 신호 전송을 줄인다.
• 사용자와 AP 모두에서 단일 RF 체인과 아날로그 빔 포밍을 활용하여 하이브리드 프리코딩 아키텍처와의 호환성을 확보한다.

실험 결과

연구 질문

• RQ1 이동성이 높은 사용자 환경에서 RIS-지원 업링크 mmWave 통신에서 빔 트레이닝을 어떻게 효율적이고 신뢰성 있게 구현할 수 있는가?
• RQ2 간섭과 경로 손실이 존재하는 상황에서 훈련 오버헤드를 최소화하면서 검출 확률을 극대화하는 데 최적의 빔 코드북 구조는 무엇인가?
• RQ3 마지막 훈련 라운드에서 빔을 좁힐 경우 각도 해상도는 어떻게 향상되고 잘못된 검출은 어떻게 감소하는가?
• RQ4 동일한 코드북을 RIS와 사용자 장비 양측에 사용하여 최소한의 피드백으로 양방향 빔 정렬을 가능하게 할 수 있는가?
• RQ5 성공 확률과 훈련 기호 효율성 측면에서 기존 코드북들과 비교해 본다면, 제안된 방법은 어떻게 성능을 냈는가?

주요 결과

• 제안된 코드북은 [8]의 코드북과 같은 이전 연구들보다도 더 높은 성공 확률을 달성하며, 훈련 기호 수가 적은 경우에도 성능이 뛰어나다.
• 마지막 라운드에서 정밀 보정을 적용한 M=8 빔 사용(그림 3의 빨간 선)은 보정 없이 M=4 빔을 사용한 경우(파란 선)보다 성능이 뛰어나며, 정밀화의 유용성을 입증한다.
• 마지막 라운드의 박스 수 T를 줄임으로써 저신호 대역폭의 영향을 제거함으로써 고 SNR에서 성능 저하 없이 검출 정확도를 향상시킬 수 있다.
• 훈련 오버헤드를 줄였음에도 불구하고 높은 검출 확률을 유지하여 저신호 대역폭 환경에서도 뛰어난 강건성을 보였다.
• 다운링크에서는 동일한 코드북이 사용자에서 높은 수신 SNR를 제공함으로써, 업링크 및 다운링크 모두에서의 효과성을 확인하였다.
• 특히 마지막 라운드에서 정밀 보정을 적용한 경우, 고 SNR에서 기존 기법들을 능가하는 데이터 전송률 성능을 보였다.