[논문 리뷰] Model-Free Optimization for Reconfigurable Intelligent Surface with Statistical CSI

Huayan Guo, Ying‐Chang Liang외 1명|arXiv (Cornell University)|2019. 12. 23.

Advanced Wireless Communication Technologies참고 문헌 22인용 수 5

한 줄 요약

이 논문은 완전한 또는 순간적인 채널 상태 정보(CSI)가 필요 없이 통계적 채널 상태 정보( CSI)만을 사용하여 재구성 가능한 지능형 표 superficies(RIS)를 위한 모델-프리 최적화 알고리즘 두 가지를 제안한다. 이는 정확한 CSI 없이도 효과적인 위상 이동 최적화를 가능하게 하며, 성능 향상이 뚜렷하며, 조정 파rameter에 대한 민감도가 낮고 온라인 구현이 가능한 것으로 나타났다. 알고리즘은 확률적 연속 볼록 근사 및 확률적 최대화-최소화 기반으로 설계되었으며, 낮은 무작위성 채널 환경에서 랜덤 위상 이동보다 뚜렷한 성능 향상을 보였다.

ABSTRACT

In this paper, a single user multiple input single output downlink wireless communication system is investigated, in which multiple reconfigurable intelligent surfaces (RISs) are deployed to improve the propagation condition. Our objective is to optimize the phase shift matrices of all the RISs by exploiting the statistical channel state information (CSI). In particular, two model-free algorithms are proposed, which are applicable for any channel statistical assumptions. Numerical results show that the proposed algorithms significantly outperform the random phase shift scheme, especially when the channel randomness is low.

연구 동기 및 목표

• RIS의 수동성으로 인해 완전한 CSI가 확보되지 않는 실용적 환경에서 RIS 위상 이동 최적화의 과제를 해결한다.
• 특정 채널 통계 가정에 종속되지 않는 최적화 알고리즘을 개발하여 다양한 전파 환경에 광범위하게 적용 가능하도록 보장한다.
• 통계적 CSI와 실시간 관측치만을 활용하여 RIS 위상 이동 최적화의 온라인 구현을 가능하게 한다.
• 반복적인 모델-프리 학습을 통해 최적의 위상 이동을 학습함으로써 사용자 장비에서 평균 가용 신호 대 잡음비(SNR)와 평균 가용 전송률을 극대화한다.
• 낮은 계산 복잡도와 채널 변동에 대한 강건성을 유지하면서 오프라인 최적 해에 가까운 성능를 달성한다.

제안 방법

• 통계적 CSI를 사용하여 평균 가용 전송률을 극대화하기 위한 확률적 연속 볼록 근사-기반 알고리즘(SSCA)을 제안하며, 반복적으로 통계적 CSI를 활용해 위상 이동 추정치를 개선한다.
• 평균 수신 SNR을 가용 전송률의 대체 목표로 최적화하는 온라인 구현 가능한 알고리즘을 설계한 확률적 최대화-최소화(SMM) 기반 알고리즘을 제안한다.
• 비볼록 목적 함수를 근사하기 위해 대체 함수를 사용하여, 볼록 하위문제를 통한 위상 이동 벡터의 반복적 갱신을 가능하게 한다.
• 효율적 채널 응답의 구조를 활용하여 최적화를 RIS 별로 분리하여 관리 가능한 구성요소로 나누어 분산 및 확장 가능한 구현을 가능하게 한다.
• 채널 분포에 대한 사전 지식이 없이도 들어오는 채널 관측치를 기반으로 위상 이동을 적응적으로 갱신하는 학습 기반 업데이트 규칙을 도입한다.
• 각 반복이 목적 함수를 향상시키므로 수렴성을 보장하며, 단계 크기 τ에 독립적인 수렴성을 확보한다.

실험 결과

연구 질문

• RQ1 완전한 또는 순간적인 채널 추정치에 의존하지 않고 통계적 CSI만을 사용하여 모델-프리 RIS 위상 이동 최적화를 달성할 수 있는가?
• RQ2 각 새로운 모델에 맞게 다시 설계하지 않고도 임의의 채널 통계 모델에 대해 강건하고 적응 가능한 최적화 알고리즘을 어떻게 설계할 수 있는가?
• RQ3 RIS 보조 시스템에서 평균 SNR 최적화가 평균 가용 전송률 극대화를 위한 타당한 대체 수단으로서 얼마나 유용한가?
• RQ4 RIS 수(K)가 증가할 경우, 특히 장기적 파rameter를 추정해야 할 수가 증가함에 따라 성능가 어떻게 변화하는가?
• RQ5 제안된 알고리즘은 최소한의 조정과 오프라인 校정 없이 온라인으로 구현 가능한가?

주요 결과

• 제안된 SSCA 기반 알고리즘은 평균 가용 전송률 극대화에서 거의 최적 성능를 달성하며, 오프라인 최적 해와 비교해 거의 무시할 수 있는 성능 손실를 보였다.
• 온라인 SMM 기반 알고리즘은 SSCA 기반 알고리즘과 유사한 성능를 달성하면서도 최소한의 조정으로 실시간 시스템에 구현 가능한 것으로 나타났다.
• 두 알고리즘 모두 랜덤 위상 이동 방식보다 뚜렷한 성능 향상을 보였으며, 중간 수준의 전송 전력에서 스펙트럼 효율성에서 약 10 dB의 이득을 기록했다.
• 성능 향상은 통계적 CSI가 더 신뢰할 수 있는 최적화 지침을 제공하는 낮은 채널 무작위성 환경에서 가장 두드러졌다.
• RIS 수(K)가 증가함에 따라 장기적 파rameter 추정 수가 증가함에 따라 통계적 CSI 기반 기법의 성능가 크게 악화되었으며, 이는 단일 RIS가 단일 사용자 시나리오에서 더 실용적일 수 있음을 시사한다.
• 알고리즘의 수렴 속도는 단계 크기 τ에 민감하지 않아 실제 구현에서의 강건성과 실용성을 보여주었다.