[논문 리뷰] Multi-Armed Bandit Dynamic Beam Zooming for mmWave Alignment and Tracking

Nathan Blinn, Matthieu R. Bloch|arXiv (Cornell University)|2022. 09. 07.

Millimeter-Wave Propagation and Modeling인용 수 4

한 줄 요약

이 논문은 계층적 코드북을 사용한 mmWave 비추적 보상에 대한 저복잡도 다손대기 밴딧 알고리즘인 연속 하위수 제거(SSE)를 제안한다. 단일 모드 보상 구조와 고정 신뢰도 최적 암 식별을 활용하여, 최소한의 채널 상태 정보로 근사 최적 성능를 달성하며, 저신호대임비(SNR) 환경에서 다른 저복잡도 방법들보다 뚜렷한 성능 향상을 보인다. 또한 폐쇄형 표본 복잡도 분석을 통해 오프라인 파rameter 조정이 가능하다.

ABSTRACT

We propose an Integrated Sensing and Communication (ISAC) algorithm that exploits the structure of a hierarchical codebook of beamforming vectors using a best-arm identification Multi-Armed Bandit (MAB) approach for initial alignment and tracking of a Mobile Entity (ME). The algorithm, called Dynamic Beam Zooming (DBZ), performs beam adjustments that mitigate the severe outages associated with wireless mmWave systems and allow for adaptive control of the parameters governing communications. We analyze the sample complexity of DBZ and use it to inform how the algorithm adapts to the nonstationary MAB statistics based on ME motion and Signal-to-Noise Ratio (SNR). We perform extensive simulations to validate the approach and demonstrate that DBZ is competitive against existing Bayesian algorithms, without requiring channel multipath or fading knowledge. In particular, DBZ outperforms other low-complexity algorithms in the low SNR regime. We also illustrate the efficacy of DBZ in standardized rural and urban scenarios using NYU Sim.

연구 동기 및 목표

• mmWave 시스템에서의 완전한 비추적 스윕의 높은 학습 오버헤드 문제를 해결하기 위해 더 빠른 초기 비추적 보상 설정을 가능하게 하기 위해.
• 광범위한 채널 상태 정보나 학습이 필요한 베이지안 및 딥러닝 기반 비추적 보상 방법의 저복잡도 대안을 개발하기 위해.
• 비추적 코드북의 계층적 구조와 비추적 이득의 근사 단일 모드 성격을 활용하여 비추적 선택의 수렴 속도를 가속화하기 위해.
• 고정 신뢰도 최적 암 식별 설정에서 mmWave 비추적 보상에 대한 표본 복잡도와 정확성에 대한 이론적 보장을 제공하기 위해.
• 신뢰 수준 및 오차 허용 기준과 같은 설계 파rameter의 오프라인 최적화를 가능하게 하기 위해 폐쇄형 표본 복잡도 표현을 제공하기 위해.

제안 방법

• 코드북 비추적을 암으로 간주하는 다손대기 프레임워크 내에서 mmWave 비추적 보상을 고정 신뢰도 최적 암 식별 문제로 수식화한다.
• 낮은 신뢰도로 최적일 수 없는 하위수를 제거하는 순차적 샘플링 전략인 연속 하위수 제거(SSE)를 도입한다.
• 헤프딩 부등식을 기반으로 한 신뢰 구간을 사용하여 각 비추적의 진짜 평균 보상에 대한 경계를 설정하며, 채널 관측 후 경계를 갱신한다.
• 공간 상관관계를 활용하고 검색 공간을 줄이기 위해 계층적 코드북 구조를 활용하여 강력한 경로로 효율적인 비추적 조정을 가능하게 한다.
• 비추적 이득의 단일 모드 성격을 가정하여 최적일 수 없는 비추적을 잘라내어 수렴 속도를 향상시킨다.
• SSE의 폐쇄형 표본 복잡도 표현을 유도하여, 신뢰 수준 및 오차 허용 기준과 같은 설계 파ram터의 오프라인 최적화를 가능하게 한다.

실험 결과

연구 질문

• RQ1 완전한 채널 상태 정보가 필요 없이 근사 최적의 비추적 보상 성능을 달성할 수 있는 저복잡도 다손대기 밴딧 알고리즘이 존재하는가?
• RQ2 계층적 코드북 구조와 비추적 보상의 단일 모드 성격이 mmWave 비추적 보상에서 수렴 속도 향상에 어떻게 작용하는가?
• RQ3 고정 신뢰도 최적 암 식별 알고리즘의 이론적 표본 복잡도는 mmWave 비추적 보상 맥락에서 어떻게 표현되는가?
• RQ4 저신호대임비(SNR) 조건에서 SSE는 최신 베이지안 및 딥러닝 기반 비추적 보상 방법과 어떻게 비교되는가?
• RQ5 알고리즘의 표본 복잡도는 폐쇄형으로 표현될 수 있는가? 이를 통해 오프라인 파aram터 조정이 가능한가?

주요 결과

• SSE는 HPM와 같은 최신 베이지안 알고리즘과 유사한 성능를 달성하지만, 훨씬 낮은 계산 복잡도를 가지며 채널 상태 정보가 필요로 하지 않는다.
• 저신호대임비(SNR) 환경에서 UBA 및 HBA와 같은 다른 저복잡도 알고리즘보다 뛰어난 노이즈에 대한 강건성을 보이며 성능가 뛰어나다.
• 알고리즘의 표본 복잡도는 폐쇄형으로 유도되어, 신뢰 수준 및 오차 허용 기준과 같은 파arameter의 오프라인 최적화가 가능하다.
• 이론적 분석을 통해 고정 신뢰도 설정 하에서 SSE가 높은 확률로 최적의 비추적을 정확히 식별할 수 있음을 증명하였다.
• 비추적 이득의 단일 모드 구조는 비최적 비추적 하위수를 효과적으로 잘라내어 수렴 속도를 가속화한다.
• 느린 fading 채널에서의 광범위한 시뮬레이션을 통해 이론적 결과를 확인하고 알고리즘의 강건성과 효율성을 검증하였다.