[논문 리뷰] Fast mmwave Beam Alignment via Correlated Bandit Learning

Wen Wu, Nan Cheng외 5명|arXiv (Cornell University)|2019. 09. 07.

Millimeter-Wave Propagation and Modeling참고 문헌 32인용 수 4

한 줄 요약

이 논문은 밀리미터파 비트 간 공간 상관관계와 채널 변동에 대한 사전 지식을 활용하여 비트 정렬 지연을 줄이는 계층적 빔 정렬(Hierarchical Beam Alignment, HBA) 알고리즘을 제안한다. 빔 선택을 확률적 다중 손잡이 도박 문제로 모델링함으로써 HBA는 최적의 빔 쌍에 수렴하는 데 시간을 단축시켜 다중 경로 환경에서 정렬 시간을 수백밀리초에서 몇 밀리초로 줄였다. 이는 IEEE 802.11ad 방법보다 수개의 주기로 성능을 뛰어넘는다.

ABSTRACT

Beam alignment (BA) is to ensure the transmitter and receiver beams are accurately aligned to establish a reliable communication link in millimeter-wave (mmwave) systems. Existing BA methods search the entire beam space to identify the optimal transmit-receive beam pair, which incurs significant BA latency on the order of seconds in the worst case. In this paper, we develop a learning algorithm to reduce BA latency, namely Hierarchical Beam Alignment (HBA) algorithm. We first formulate the BA problem as a stochastic multi-armed bandit problem with the objective to maximize the cumulative received signal strength within a certain period. The proposed algorithm takes advantage of the correlation structure among beams such that the information from nearby beams is extracted to identify the optimal beam, instead of searching the entire beam space. Furthermore, the prior knowledge on the channel fluctuation is incorporated in the proposed algorithm to further accelerate the BA process. Theoretical analysis indicates that the proposed algorithm is asymptotically optimal. Extensive simulation results demonstrate that the proposed algorithm can identify the optimal beam with a high probability and reduce the BA latency from hundreds of milliseconds to a few milliseconds in the multipath channel, as compared to the existing BA method in IEEE 802.11ad.

연구 동기 및 목표

• 기계적 탐색 방법을 사용할 경우 수 초에 이르는 높은 빔 정렬 지연 문제를 해결하기 위해.
• 자주 재정렬이 필요한 이동성과 동적인 환경에서 빔 정렬 지연을 줄이기 위해.
• 비트 간 공간 상관관계와 채널 변동에 대한 사전 지식을 활용하여 체계적 스캔 없이도 수렴 속도를 높이기 위해.
• 유한한 손실을 갖는 점 渐진적으로 최적의 학습 기반 빔 정렬 알고리즘을 개발하기 위해.
• 실제 다중 경로 조건 하에서 기존 표준인 IEEE 802.11ad보다 속도와 신뢰성 면에서 뛰어난 성능을 내기 위해.

제안 방법

• 시간에 따라 누적 수신 신호 세기를 최대화하기 위해 빔 정렬을 확률적 다중 손잡이 도박 문제로 공식화한다.
• 다중 모드 함수를 사용하여 빔 상관관계를 모델링함으로써 제한된 측정치로부터 인근 빔에 대한 추론을 가능하게 한다.
• 채널 변동에 대한 사전 지식을 통합하여 불필요한 탐색을 줄이고 수렴 속도를 향상시킨다.
• 계층적 트리 구조를 사용하여 빔 후보를 세 부분으로 분할한다: 최적의 빔, 근접 최적의 빔, 열등한 빔.
• 빔 서브셋에 대한 경계를 사용한 손실 분석을 적용하여 점 渐진적으로 최적임을 증명하며, 이론적 손실은 $ O( ext{polylog}(T) imes T^{( heta+1)/( heta+2)}) $ 로 유한하게 경계된다.
• 고정된 빔 선택 전략을 적용하여 고상관 영역에서 탐색을 우선시하면서 중복 측정을 최소화한다.

실험 결과

연구 질문

• RQ1 밀리미터파 채널에서 빔 상관관계를 효과적으로 활용하여 정렬을 위한 빔 측정 수를 줄일 수 있는가?
• RQ2 채널 동역학에 대한 사전 지식을 학습 기반 빔 정렬 프레임워크에 통합하여 수렴 속도를 높일 수 있는가?
• RQ3 상관된 빔 보상 구조 하에서 빔 정렬의 이론적 성능 한계는 무엇인가?
• RQ4 도박 기반 접근 방식이 실제 다중 경로 환경에서 밀리초 이하의 빔 정렬 지연을 달성할 수 있는가?
• RQ5 제안된 HBA 알고리즘이 IEEE 802.11ad 빔 정렬 표준과 비교해 성능과 지연 면에서 어떻게 다른가?

주요 결과

• HBA 알고리즘은 다중 경로 환경에서 빔 정렬 지연을 수백밀리초에서 몇 밀리초로 줄여, IEEE 802.11ad와 비교해 수개의 주기로 감소시켰다.
• 이론적 분석을 통해 HBA의 손실이 유한하고 점 渐진적으로 최적임을 증명하였으며, 손실은 $ O( ext{polylog}(T) imes T^{( heta+1)/( heta+2)}) $ 로 스케일링된다.
• 채널의 매끄러움이 알려져 있을 경우 손실은 $ O( heta imes ext{polylog}(T) imes heta imes heta) $ 로 줄어들며, 이는 $ O( heta imes ext{polylog}(T) imes heta) $ 로 달성된다.
• 기계적 탐색보다 훨씬 적은 측정 수로 최적의 빔 쌍을 식별할 확률이 높다.
• 채널 변동에 대한 대략적인 사전 지식이 있을지라도 HBA는 뛰어난 성능을 유지하여 불완전한 채널 모델에 대해 강건함을 보였다.
• 시뮬레이션 결과는 HBA가 빔 상관관계를 효과적으로 활용하여 다이나믹한 밀리미터파 환경에서 중복 탐색을 피하고 수렴을 가속화함을 확인했다.