[논문 리뷰] Reconfigurable Intelligent Surface-Assisted Aerial-Terrestrial Communications via Multi-Task Learning

Xuelin Cao, Bo Yang외 5명|arXiv (Cornell University)|2021. 04. 14.

Advanced Wireless Communication Technologies참고 문헌 57인용 수 4

한 줄 요약

이 논문은 다중작업 학습(MTL)을 활용하여 재구성 가능한 지능형 표면(RIS)을 지원하는 항공-지상 통신을 위한 전송 프로토콜을 제안한다. 이는 RIS의 위상 시프트와 사용자 쌍화를 최적화하여 시스템 처리량을 크게 향상시키고, 기존 방법 대비 계산 시간을 4개 주문 수준으로 감소시킨다.

ABSTRACT

The aerial-terrestrial communication system constitutes an efficient paradigm for supporting and complementing terrestrial communications. However, the benefits of such a system cannot be fully exploited, especially when the line-of-sight (LoS) transmissions are prone to severe deterioration due to complex propagation environments in urban areas. The emerging technology of reconfigurable intelligent surfaces (RISs) has recently become a potential solution to mitigate propagation-induced impairments and improve wireless network coverage. Motivated by these considerations, in this paper, we address the coverage and link performance problems of the aerial-terrestrial communication system by proposing an RIS-assisted transmission strategy. In particular, we design an adaptive RIS-assisted transmission protocol, in which the channel estimation, transmission strategy, and data transmission are independently implemented in a frame. On this basis, we formulate an RIS-assisted transmission strategy optimization problem as a mixed-integer non-linear program (MINLP) to maximize the overall system throughput. We then employ multi-task learning to speed up the solution to the problem. Benefiting from multi-task learning, the computation time is reduced by about four orders of magnitude. Numerical results show that the proposed RIS-assisted transmission protocol significantly improves the system throughput and reduces the transmit power.

연구 동기 및 목표

• 도시 환경에서의 차단 및 경로 손실로 인한 항공-지상 네트워크의 커버리지 및 링크 성능 저하 문제를 해결한다.
• 복잡한 전파 환경에서 UAV의 라인오브사이트(LoS) 링크 차단 및 고속 이동성의 한계를 극복한다.
• 다중 사용자 다운링크 환경에서 시스템 처리량을 최대화하기 위해 RIS 구성과 사용자 쌍화를 최적화한다.
• RIS 최적화를 위한 혼합정수비선형계획문제(MINLP)를 해결하는 데 발생하는 계산 부담을 감소시킨다.

제안 방법

• 채널 추정, 전송 전략, 데이터 전송을 분리하는 프레임 기반 RIS 지원 전송 프로토콜을 설계한다.
• 시스템 처리량을 최대화하기 위해 RIS 최적화 문제를 혼합정수비선형계획문제(MINLP)로 수식화한다.
• RIS 컨트롤러에서 다중작업 학습(MTL) 모델을 학습하여 사용자 쌍화와 RIS 위상 시프트 설정을 동시에 예측한다.
• 기존 수학적 최적화 방식을 대체하기 위해 MTL을 활용하여 추론 속도를 향상시키고, 계산 시간을 4개 주문 수준으로 감소시킨다.
• MTL 성능 평가를 위해 교차 알고리즘과 공간 분할 및 바운드(sBB)를 벤치마크로 활용한다.
• 공유된 특징 표현을 활용하여 종합 분류(사용자 쌍화)와 회귀(위상 시프트 최적화)를 동시에 수행하는 엔드 투 엔드 MTL을 활용한다.

실험 결과

연구 질문

• RQ1 RIS 지원 항공-지상 네트워크에서 처리량을 최대화하기 위해 RIS 구성과 사용자 쌍화를 어떻게 공동 최적화할 수 있는가?
• RQ2 다중작업 학습은 RIS 구현을 위한 MINLP 최적화 문제를 해결하는 데 있어 계산 지연을 얼마나 감소시키는가?
• RQ3 UAV-사용자 쌍의 수가 증가함에 따라 MTL 기반 RIS 최적화 성능은 어떻게 스케일링되는가?
• RQ4 RIS 지원 전송을 사용할 경우 시스템 처리량과 전송 전력 간의 상호 상충 관계는 어떠한가?
• RQ5 학습 샘플 수가 MTL 모델의 추론 정확도와 강건성에 미치는 영향은 무엇인가?

주요 결과

• 제안된 RIS 지원 전송 프로토콜은 RIS가 없는 시스템 대비 최대 수백 배의 처리량 향상을 달성한다.
• 다중작업 학습은 기존 방법 대비 MINLP 문제 해결을 위한 계산 시간을 약 4개 주문 수준으로 감소시킨다.
• MTL 모델은 높은 추론 정확도를 유지하며, UAV-사용자 쌍의 수가 증가함에 따라 분류 정확도가 약간 감소할 뿐이며, sBB 및 교차 알고리즘을 능가한다.
• 위상 시프트 회귀 예측의 평균 제곱오차(MSE)는 MTL이 sBB나 교차 알고리즘보다 유의미하게 낮으며, 특히 사용자 쌍 수가 많아질수록 뚜렷하다.
• 두 대의 UAV-사용자 쌍을 처리할 경우, 추론 시간은 sBB의 3.2ms에서 MTL의 0.0145ms로 급격히 감소하여 극적인 속도 향상을 보인다.
• 학습 데이터가 제한된 경우 성능 향상이 가장 두드러지며, 데이터 양이 10%에서 90%로 증가할 경우 분류 정확도가 크게 향상되며, 특히 8개의 UAV-사용자 쌍에서 두드러진다.