[논문 리뷰] Reflection Resource Management for Intelligent Reflecting Surface Aided Wireless Networks

Yulan Gao, Chao Yong외 4명|arXiv (Cornell University)|2020. 02. 02.

Advanced Wireless Communication Technologies참고 문헌 39인용 수 10

한 줄 요약

이 논문은 모듈식 IRS 아키텍처를 사용하여 스마트 반사면(IR)을 이용한 두 홉 무선 네트워크에 대한 새로운 반사 자원 관리(RRM) 프레임워크를 제안한다. 이는 독립된 모듈의 선택적 활성화를 가능하게 하여 공정성과 에너지 효율성을 최적화한다. 혼합 ℓ1,F-노름을 통한 그룹 스파arsity 제약 하에 트리거된 모듈 선택, 전송 전력 할당, 수동 beamforming의 공동 최적화를 수식화함으로써, 저자들은 최소 SINR을 최대화하는 이중 블록 ADMM 알고리즘을 개발하였다. 이는 전통적인 IRS 설계 대비 뛰어난 스펙트럼 및 에너지 효율성을 달성한다.

ABSTRACT

In this paper, the adoption of an intelligent reflecting surface (IRS) for multiple single-antenna source terminal (ST)-DT pairs in two-hop networks is investigated. Different from the previous studies on IRS that merely focused on tuning the reflection coefficient of all the reflection elements at IRS, in this paper, we consider the true reflection resource management. Specifically, the true reflection resource management can be realized via trigger module selection based on our proposed IRS architecture that all the reflection elements are partially controlled by multiple parallel switches of controller. As the number of reflection elements increases, the true reflection resource management will become urgently needed in this context, which is due to the non-ignorable energy consumption. Moreover, the proposed modular architecture of IRS is designed to make the reflection elements part independent and controllable. As such, our goal is to maximize the minimum signal-to-interference-plus-noise ratio (SINR) at DTs via a joint trigger module subset selection, transmit power allocation of STs, and the corresponding passive beamforming of the trigger modules, subject to per ST power budgets and module size constraint. Whereas this problem is NP-hard due to the module size constraint, to deal with it, we transform the hard module size constraint into the group sparse constraint by introducing the mixed row block norm, which yields a suitable semidefinite relaxation. Additionally, the parallel alternating direction method of multipliers (PADMM) is proposed to identify the trigger module subset, and then subsequently the transmit power allocation and passive beamforming can be obtained by solving the original minimum SINR maximization problem without the group sparse constraint via partial linearization for generalized fractional programs.

연구 동기 및 목표

• 5G 및 그 이후 네트워크에서 증가하는 에너지 및 스펙트럼 효율성 요구를 충족시키기 위해 제어 가능하고 독립적인 반사 모듈을 갖춘 모듈식 IRS 아키텍처를 도입한다.
• 기존 IRS 설계가 단지 위상 이동만 최적화하는 데 그치는 한계를 극복하기 위해, 모듈의 선택적 활성화를 가능하게 하는 진정한 반사 자원 관리(RRM) 프레임워크를 제안한다.
• 각 소스 단말기의 전력 제약과 모듈 크기 제약 하에 다수의 사용자 쌍 간 최소 신호 대 간섭 및 노이즈 비율(SINR)을 최대화함으로써 공정성을 확보한다.
• 비볼록이며 NP-하드 문제 구조를 가진 문제에 대해 모듈 선택, 전력 할당, 수동 beamforming을 공동으로 최적화하는 효율적인 알고리즘을 개발한다.
• 주어진 네트워크 설정에서 최적의 활성화된 모듈 수가 존재함을 보여줌으로써 모듈식 IRS 설계의 에너지 효율성(EE) 이점을 입증한다.

제안 방법

• 모듈 활성화 제약 조건을 모델링하기 위해 혼합 ℓ1,F-노름을 사용하여 문제를 그룹 스파arsity 최적화로 변환함으로써 적절한 정수형 완화를 가능하게 한다.
• 분리 가능한 구조를 활용하여 효율적인 계산을 가능하게 하는 이중 블록 분할 다중 승수 방법(ADMM) 알고리즘을 제안하여 완화된 문제를 해결한다.
• beamforming 행렬과 이중 변수 간의 반복 갱신을 통해 알고리즘이 작동하며, 각 하위 문제에 대해 하향 기울기 방법을 사용하여 닫힌 형태의 해를 유도한다.
• 핵 노름의 하향 기울기 기반으로 소프트 스레셔닝 유사 연산을 통해 각 모듈의 최적 beamforming 행렬을 구한다.
• ℓ1,F-노름에 의해 강제되는 그룹 스파arsity를 통해 모듈 선택이 암묵적으로 처리되며, 영 블록은 비활성 모듈을 나타낸다.
• ADMM 수렴 조건을 만족하므로 비볼록 문제에 대한 신뢰성 있는 최적화가 보장된다.

실험 결과

연구 질문

• RQ1 다중 사용자 IRS를 갖춘 네트워크에서 에너지 효율성을 최대화하는 데 최적의 활성화된 IRS 모듈 수는 얼마인가?
• RQ2 공정성과 에너지 효율성을 위해 독립된 IRS 모듈의 선택적 활성화를 가능하게 하기 위해 반사 자원 관리를 효과적으로 모델링하는 방법은 무엇인가?
• RQ3 모듈 선택, 전력 할당, 수동 beamforming의 공동 최적화가 단지 위상 조정만 하는 기존 IRS 설계를 능가할 수 있는가?
• RQ4 모듈식 IRS 아키텍처는 다수의 사용자 쌍을 가진 두 홉 무선 네트워크의 스펙트럼 및 에너지 효율성에 어떤 영향을 미치는가?
• RQ5 제안된 ADMM 기반 알고리즘이 기준 대비 수렴 성능과 SINR 공정성 측면에서 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 RRM 프레임워크는 모든 사용자 쌍 간 최소 SINR을 최대화함으로써 뚜렷한 공정성 향상을 달성하며, 단지 위상 조정만 최적화하는 기존 IRS 설계를 능가한다.
• 수치 결과는 에너지 효율성을 최대화하는 데 최적의 활성화된 IRS 모듈 수가 존재함을 확인하며, 지능적인 모듈 선택의 필요성을 입증한다.
• ADMM 기반 알고리즘은 신뢰성 있게 수렴하며 근사 최적 성능을 달성하며, 그룹 스파arsity 제약 조건이 ℓ1,F-노름 완화를 통해 효과적으로 모듈 선택을 가능하게 한다.
• 적절한 모듈 활성화를 통해 에너지 효율성 성능이 향상되며, 최적의 활성 모듈 수는 시스템 파라미터에 따라 달라지므로 동적 RRM의 가치가 높아진다.
• 모듈 수준 제어 또는 그룹 스파arsity를 고려하지 않는 기준 기법 대비 제안된 방법은 더 뛰어난 스펙트럼 효율성과 공정성을 달성한다.
• 이론적 분석과 시뮬레이션을 통해 혼합 ℓ1,F-노름이 모듈 활성화 제약 조건을 효과적으로 모델링하며, NP-하드 문제의 취급 가능한 정수형 완화를 가능하게 한다.