[논문 리뷰] Joint Computation and Communication Resource Optimization for Beyond Diagonal UAV-IRS Empowered MEC Networks

Asad Mahmood, Thang X. Vu외 3명|arXiv (Cornell University)|2023. 11. 13.

IoT and Edge/Fog Computing인용 수 4

한 줄 요약

이 논문은 모바일 에지 컴퓨팅(MEC) 네트워크에서 UAV에 장착된 초과경계지능반사표면(BD-IRS)의 공동 최적화 프레임워크를 제안하여 최악의 상황에서 시스템 지연을 최소화한다. UAV 배치, 작업 분할, 계산 자원 할당, 전력 제어 및 비침습형 포커싱을 공동으로 최적화함으로써, 기준 대비 지연을 7.25% 감소시키고, 기존의 초과경계 IRS 시스템 대비 스펙트럼 효율을 17.77% 향상시킨다.

ABSTRACT

Recent advancements in 6G systems signal a leap towards universal connectivity and ultra-reliable, low-latency communications for real-time data devices. Yet, these advancements encounter obstacles such as limited device battery life and computational power, along with urban signal blockages. To counter these, Intelligent Reconfigurable Surfaces (IRS) within Mobile Edge Cloud (MEC) infrastructures offer enhanced computing to overcome device limitations and create alternative communication paths. Despite these improvements, connectivity issues remain for remote areas. Our paper presents the Beyond Diagonal IRS (BD-IRS or IRS 2.0), integrated with UAVs in MEC networks (BD-IRS-UAV), providing on-demand links for remote users to offload tasks, tackling resource and battery limitations. We propose a joint optimization strategy to reduce system's worst-case latency and UAV hovering time by optimizing BD-IRS-UAV deployment and resource allocation. This challenge is approached by dividing it into two sub-problems: BD-IRS-UAV Placement and Computational Resource Optimization, and Communication Resource Optimization, each solved iteratively. This design significantly enhances system performance, showing a $17.75\%$ increase over traditional diagonal IRS and a $25.43\%$ improvement over IRS on buildings, with a $13.44\%$ enhancement in worst-case latency compared to binary offloading schemes.

연구 동기 및 목표

• 대규모 IoT와 데이터 집약적 응용 프로그램을 수반하는 6G 기반 모바일 에지 컴퓨팅(MEC) 네트워크에서 높은 지연과 제한된 계산 능력 문제를 해결한다.
• 수동 비침습형 포커싱의灵活性와 시스템 성능을 제한하는 기존의 초과경계 위상 이동 IRS 아키텍처의 한계를 극복한다.
• 유동성과 동적 재구성 가능성을 통해 MEC 네트워크에서 커버리지, 용량 및 에너지 효율성을 향상시키기 위해 새로운 BD-IRS-UAV 아키텍처를 도입한다.
• UAV 위치, 작업 오프로딩, 계산 자원 할당, 전력 제어 및 비침습형 포커싱 설계를 공동으로 최적화하여 최악의 상황에서 시스템 지연을 최소화한다.
• 기존의 단일 연결 초과경계 IRS와 비교하여 고급 IRS 아키텍처(완전 연결형 및 그룹 연결형)의 성능을 MEC 시나리오에서 평가한다.

제안 방법

• 비볼록, 비선형, NP-난이도 최적화 문제를 두 개의 하위문제로 분해한다: (1) UAV 배치, 작업 분할 및 계산 자원 할당; (2) 전력 할당, 비침습형 포커싱 및 위상 이동 설계.
• 성질 반복 근사(Successive Convex Approximation, SCA) 및 D.C. 프로그래밍과 같은 표준 기법을 사용하여 각 하위문제를 볼록 최적화 형태로 변환한다.
• 서로 다른 하위문제를 번갈아가며 반복적으로 해결함으로써 수렴하는 부분 최적해를 확보하기 위해 교차 최적화를 활용한다.
• 비초과경계적이고 민감한 위상 이동 제어를 가능하게 하기 위해 완전 연결형 및 그룹 연결형 토폴로지의 BD-IRS 2.0 아키텍처를 활용한다.
• 최적의 βn에 기반해 각 사용자의 작업을 로컬 및 엣지 계산으로 분할하는 부분 오프로딩과 통합함으로써 계산 지연과 오프로딩 지연을 균형 잡는다.
• 총 지연을 최소화하기 위해 로컬 계산 시간과 오프로딩 계산 시간이 동일한 조건을 이용해 최적의 작업 분할(βn)에 대한 닫힌 형태의 수식을 유도한다.

Figure 1 : System model

실험 결과

연구 질문

• RQ1 BD-IRS-UAV의 통합은 MEC 네트워크에서 기존의 초과경계 IRS 대비 시스템 지연과 스펙트럼 효율을 어떻게 향상시키는가?
• RQ2 완전 연결형, 그룹 연결형, 단일 연결형 등 다양한 IRS 아키텍처가 MEC 환경에서 지연과 데이터 오프로딩 속도 측면에서 시스템 성능에 어떤 영향을 미치는가?
• RQ3 UAV 위치, 계산 자원 할당 및 비침습형 포커싱의 공동 최적화가 최악의 상황에서 시스템 지연을 얼마나 줄이는가?
• RQ4 고밀도 사용자 환경에서 최적의 작업 분할을 통한 부분 오프로딩이 바이너리 오프로딩 또는 전체 엣지 오프로딩보다 얼마나 뛰어난가?
• RQ5 완전 연결형 대비 그룹 연결형 BD-IRS 아키텍처에서 성능 향상과 구현 복잡성 간의 상충 관계는 어떠한가?

주요 결과

• 제안된 최적화 프레임워크는 바이너리 오프로딩, 전체 엣지 오프로딩 및 고정 계산 자원 할당 기준 대비 최악의 상황에서 시스템 지연을 7.25% 감소시킨다.
• 완전 연결형 및 그룹 연결형 아키텍처를 갖춘 BD-IRS는 기존의 단일 연결 초과경계 IRS 대비 17.77% 높은 데이터 전송 속도를 달성하여 뛰어난 스펙트럼 효율성을 입증한다.
• 그룹 연결형 BD-IRS 아키텍처는 완전 연결형 설계와 유사한 성능을 달성하지만, 위상 이동 요소 수가 줄어들어 복잡도가 크게 낮아서 유리하다.
• 사용자 수가 증가할수록 제안된 부분 오프로딩 기법이 바이너리 오프로딩 대비 성능 향상이 더욱 두드러지며, 혼잡 상황에서도 지연 감소가 효과적으로 스케일링된다.
• 로컬 계산 시간과 오프로딩 계산 시간이 균형을 이루었을 때 시스템 지연이 최소화되며, 이는 유도된 최적의 작업 분할 계수 βn를 통해 달성된다.
• 몬테카를로 시뮬레이션을 통해 고급 IRS 아키텍처가 더 빠른 데이터 오프로딩을 가능하게 하여, 다양한 작업 크기를 가진 사용자 간의 공정성 향상과 더 효율적인 계산 자원 할당이 가능함을 확인했다.

Figure 2 : Road-map of iterative algorithms.