[논문 리뷰] Reconfigurable Intelligent Surface for Green Edge Inference

Sheng Hua, Yong Zhou외 2명|arXiv (Cornell University)|2019. 12. 02.

Advanced Wireless Communication Technologies참고 문헌 43인용 수 23

한 줄 요약

이 논문은 전체 네트워크 전력 소비를 최소화하기 위해 업링크/다운링크 beamforming, 전송 전력, 그리고 RIS 위상 시프트를 공동 최적화하는 재구성 가능한 지능형 표면(RIS) 지원 녹색 엣지 인퍼런스 시스템을 제안한다. 혼합 ℓ₁,₂-노름과 차분-凸(DC) 프로그래밍을 활용한 블록 구조 최적화(BSO) 기반 알고리즘은 기준 대비 최대 45% 낮은 전력 소비를 달성하며, 특히 높은 SINR 요구 조건에서 뛰어난 성능을 보인다.

ABSTRACT

Reconfigurable intelligent surface (RIS) as an emerging cost-effective technology can enhance the spectrum- and energy-efficiency of wireless networks. In this paper, we consider an RIS-aided green edge inference system, where the inference tasks generated from resource-limited mobile devices (MDs) are uploaded to and cooperatively performed at multiple resource-enhanced base stations (BSs). Taking into account both the computation and uplink/downlink transmit power consumption, we formulate an overall network power consumption minimization problem, which calls for the joint design of the set of tasks performed by each BS, transmit and receive beamforming vectors of the BSs, transmit power of the MDs, and uplink/downlink phase-shift matrices at the RIS. Such a problem is a mixed combinatorial optimization problem with nonconvex constraints and is highly intractable. To address the challenge of the combinatorial objective, a group sparse reformulation is proposed by exploiting the group sparsity structure of the beamforming vectors, while a block-structured optimization (BSO) approach is proposed to decouple the optimization variables. Finally, we propose a BSO with mixed $\ell_{1,2}$-norm and difference-of-convex-functions (DC) based three-stage framework to solve the problem, where the mixed $\ell_{1,2}$-norm is adopted to induce the group sparsity of beamforming vectors and DC is adopted to effectively handle the nonconvex rank-one constraint after matrix lifting. Numerical results demonstrate the supreme gain of deploying an RIS and confirm the effectiveness of the proposed algorithm over the baseline algorithms.

연구 동기 및 목표

• 업링크 및 다운링크 전송 전력과 계산 부하로 인한 엣지 인퍼런스 시스템의 높은 에너지 소비 문제를 해결하기 위함.
• 다중 기지국 및 다중 모바일 디바이스(MD) 환경에서 업링크/다운링크 beamforming, 전송 전력, RIS 위상 시프트를 공동 최적화하는 프레임워크 설계.
• 목표 신호대간섭가우성비(SINR)와 인퍼런스 정확도를 유지하면서 총 네트워크 전력 소비를 최소화하기 위함.
• RIS와 beamforming 설계의 공동 최적화에서 발생하는 고도로 비볼록, 혼합 정수, 조합 최적화 문제를 해결하기 위한 실용적인 알고리즘 개발.
• 다양한 SINR 영역에서 제안된 알고리즘이 에너지 소비를 줄이는 데서의 우수성을 검증하기 위함.

제안 방법

• 공동 최적화 문제를 세 단계의 순차적 하위문제로 분해하기 위해 블록 구조 최적화(BSO) 프레임워크를 제안함: beamforming, 위상 시프트, 전력 할당.
• 혼합 ℓ₁,₂-노름을 적용하여 업링크 및 다운링크 beamforming 벡터에서 그룹 스파arsity를 유도함으로써 기지국 간 작업 협업을 촉진함.
• beamforming 행렬의 비볼록 랭크-1 제약 조건을 볼록 근사화하기 위해 행렬 리프팅(Matrix lifting)을 사용한 후, DC 프로그래밍을 통해 저랭크 해를 복원함.
• DC 기반 접근법은 비볼록 위상 시프트 행렬 최적화를 효율적으로 처리하여 타당성과 수렴성을 보장함.
• 알고리즘은 세 단계 반복 프레임워크에서 beamforming, 위상 시프트, 전력 할당을 번갈아 최적화함.
• SDR 기반 하위문제에서 가우시안 랜덤화를 후속 조치로 사용하지만, DC 기반 하위문제에서는 반복 과정 전반에 걸쳐 타당성이 유지됨을 입증함.

실험 결과

연구 질문

• RQ1 RIS 도입을 통해 업링크 및 다운링크 전송을 공동 최적화함으로써 엣지 인퍼런스 시스템의 전체 네트워크 전력 소비를 크게 줄일 수 있는가?
• RQ2 비볼록 제약 조건 하에서 beamforming, 전송 전력, RIS 위상 시프트의 공동 설계를 실용적인 최적화 문제로 어떻게 공식화할 수 있는가?
• RQ3 혼합 ℓ₁,₂-노름이 에너지 효율성을 높이기 위해 beamforming 벡터에 그룹 스파arsity를 유도하는 데 미치는 영향은 무엇인가?
• RQ4 RANK-1 위상 시프트 행렬 최적화에서 SDR 대비 DC 프로그래밍이 타당성과 수렴성 유지에 있어 어떻게 비교되는가?
• RQ5 제안된 알고리즘이 특히 높은 SINR 요구 조건에서 기준 대비 더 높은 에너지 효율성을 달성하는가?

주요 결과

• 제안된 BSO-ℓ₁,₂-DC 알고리즘은 기준 알고리즘 대비 고 SINR 영역에서 전체 네트워크 전력 소비를 최대 45% 감소시킴.
• 저 SINR 영역에서는 총 전력 소비가 20% 감소함.
• BSO-ℓ₁,₂-DC 알고리즘은 반복 과정 전반에 걸쳐 타당성을 유지하는 반면, SDR 기반 대비는 자주 타당해를 찾지 못하고 조기에 종료됨.
• 6W 전력 예산 하에서, SDR 기반 변종 대비 모바일 디바이스의 SINR이 약 2dB 높아짐.
• BSO-ℓ₁,₂-DC 하에서 기지국이 수행하는 작업 수가 최소화되어, 그룹 스파arsity 향상으로 인한 계산 에너지 효율성 향상을 나타냄.
• 성능 향상은 고 SINR 시나리오에서 가장 두드러지며, 고품질 서비스 요구 조건에 대한 알고리즘의 효과성을 확인함.