[논문 리뷰] Near-Field Beam Management for Extremely Large-Scale Array Communications

Changsheng You, Yunpu Zhang외 6명|arXiv (Cornell University)|2023. 06. 28.

Antenna Design and Optimization인용 수 15

한 줄 요약

이 논문은 XL-배열에서의 근거리 빔 관리(near-field beam management)를 조사하고 빔 학습, 추적, 스케줄링을 다루며, 오버헤드를 줄이고 다중 사용자 성능을 개선하기 위해 계층적/극-도메인 코드북(polar-domain codebooks)과 방법들을 제안한다.

ABSTRACT

Extremely large-scale arrays (XL-arrays) have emerged as a promising technology to achieve super-high spectral efficiency and spatial resolution in future wireless systems. The large aperture of XL-arrays means that spherical rather than planar wavefronts must be considered, and a paradigm shift from far-field to near-field communications is necessary. Unlike existing works that have mainly considered far-field beam management, we study the new near-field beam management for XL-arrays. We first provide an overview of near-field communications and introduce various applications of XL-arrays in both outdoor and indoor scenarios. Then, three typical near-field beam management methods for XL-arrays are discussed: near-field beam training, beam tracking, and beam scheduling. We point out their main design issues and propose promising solutions to address them. Moreover, other important directions in near-field communications are also highlighted to motivate future research.

연구 동기 및 목표

• 6G 시대 고주파 시스템에서 XL-배열에 대한 원거리(Far-field) 모델링에서 근거리(near-field) 모델링으로의 전환을 촉구한다.
• 근거리 XL-배열 통신의 실용적 응용 및 도전과제를 소개한다.
• 근거리 빔 관리의 세 가지 핵심 과제인 학습(training), 추적(tracking), 스케줄링(schedule)를 조사하고 유망한 해결책을 제시한다.
• 채널 모델링, ML 기반 설계, 하드웨어 인식 구현 등에서의 미해결 문제와 향후 방향을 강조한다.

제안 방법

• 근거리 에너지 확산(energy-spread)과 극-도메인(각-거리) 코드북의 필요성에 대해 논의한다.
• 2D 코드북을 활용한 2D 근거리 빔 학습을 제안하고, 학습 오버헤드를 줄이기 위해 계층적 코드북을 개발한다.
• 저오버헤드를 달성하기 위한 이단계/두단계의 계층적 접근법을 포함한 빠른 근거리 빔 학습 방법을 제시한다.
• 빔 분할(beam-split) 효과를 완화하기 위해 트루-타임-딜레이(true-time-delay, TTD)를 이용한 대역폭이 넓은 근거리 빔 학습을 설명한다.
• EKF/UKF 기반 및 보조 정보 예측과 함께 단일 배열 및 다중 배열 협업을 포함한 근거리 빔 추적 접근법을 개요한다.
• 근거리/혼합 필드 빔 스케줄링을 설명하고, LDMA를 도입하며 다중 사용자 접근 및 혼합 필드 간섭에 미치는 거리-각(dimensions)의 영향을 다룬다.

실험 결과

연구 질문

• RQ1 XL-배열에서 구면 파동(wavefront)을 고려한 효율적인 근거리 코드북 및 빔 학습 절차를 어떻게 설계할 수 있는가?
• RQ2 높은 이동성 및 큰 극-도메인 코드북에서 근거리 빔 추적이 신뢰 가능한 링크를 어떻게 유지할 수 있는가?
• RQ3 XL-배열 시스템에서 스케줄링과 전력 할당이 거리 도메인(LDMA) 및 근거리/원거리 혼합 시나리오를 어떻게 활용해야 하는가?
• RQ4 근거리 XL-배열 빔 관리에서 하드웨어, ML 통합, ISAC/IRS 통합에 대한 실용적 고려사항은 무엇인가?

주요 결과

• 2단계 근거리 빔 학습은 전수 탐색에 근접한 높은 성공률을 달성할 수 있으며 오버헤드는 크게 감소한다(518대 3072 심볼).
• 2단계 계층적 근거리 학습은 오버헤드를 크게 감소시키며(24 심볼), 전수 탐색에 비해 성능 손실은 미미하다.
• 원거리 계층형 학습은 근거리 채널의 모델 불일치로 인해 성능이 저조하다.
• 근거리 빔 초점화는 LDMA를 가능하게 하여 유사한 각도에서 범위 정보를 활용해 다수의 사용자를 동시에 서비스할 수 있으며, 혼합 필드 스케줄링은 하이브리드 시나리오에서 간섭과 성능의 균형에 잠재력이 있다.
• 여러 XL-배열과의 협업 근거리 추적은 여러 배열로부터 각도 추정치를 결합하여 사용자를 위치시킴으로써 명시적 거리 추적을 피할 수 있다.