[논문 리뷰] Terahertz-Band Joint Ultra-Massive MIMO Radar-Communications: Model-Based and Model-Free Hybrid Beamforming

Ahmet M. Elbir, Kumar Vijay Mishra외 1명|arXiv (Cornell University)|2021. 02. 27.

Millimeter-Wave Propagation and Modeling참고 문헌 80인용 수 169

한 줄 요약

이 논문은 그룹형 서브어레이(GoSA) 아키텍처를 갖춘 초초음파 MIMO 시스템을 사용한 백터 주파수 대역 공동 레이더-통신을 위한 하이브리드 beamforming 프레임워크를 제안한다. 모델 기반 및 모델리스 딥러닝 기법을 도입하여 하드웨어 복잡도와 계산 시간을 감소시키고, 위상 보정을 통해 beam split를 완화함으로써 스펙트럼 효율성을 높이며, 전통적인 방법에 비해 500배 빠른 계산 시간을 달성한다.

ABSTRACT

Wireless communications and sensing at terahertz (THz) band are increasingly investigated as promising short-range technologies because of the availability of high operational bandwidth at THz. In order to address the extremely high attenuation at THz, ultra-massive multiple-input multiple-output (MIMO) antenna systems have been proposed for THz communications to compensate propagation losses. However, the cost and power associated with fully digital beamformers of these huge antenna arrays are prohibitive. In this paper, we develop wideband hybrid beamformers based on both model-based and model-free techniques for a new group-of-subarrays (GoSA) ultra-massive MIMO structure in low-THz band. Further, driven by the recent developments to save the spectrum, we propose beamformers for a joint ultra-massive MIMO radar-communications system, wherein the base station serves multi-antenna user equipment (RX), and tracks radar targets by generating multiple beams toward both RX and the targets. We formulate the GoSA beamformer design as an optimization problem to provide a trade-off between the unconstrained communications beamformers and the desired radar beamformers. To mitigate the beam split effect at THz band arising from frequency-independent analog beamformers, we propose a phase correction technique to align the beams of multiple subcarriers toward a single physical direction. To further decrease the ultra-massive MIMO computational complexity and enhance robustness, we also implement deep learning solutions to the proposed model-based hybrid beamformers. Numerical experiments demonstrate that both techniques outperform the conventional approaches in terms of spectral efficiency and radar beampatterns, as well as exhibiting less hardware cost and computation time.

연구 동기 및 목표

• 공동 레이더-통신을 위한 초초음파 MIMO 시스템에서의 높은 경로 손실과 하드웨어 비용을 해결한다.
• 저THz 대역에서 스펙트럼 효율성과 하드웨어 복잡도를 균형 잡는 하이브리드 beamforming 기법을 개발한다.
• 광대역 THz 시스템에서 주파수에 독립적인 아날로그 beamformer에 의해 유발되는 beam split를 완화한다.
• 이차 통계 채널 특성을 활용하여 채널 피드백 오버헤드를 감소시킨다.
• 초초음파 MIMO 시스템에서 저복잡도, 고성능 beamforming을 가능하게 하는 딥러닝 기반 기법을 구현한다.

제안 방법

• 완전 연결형 어레이에 비해 위상 시프터 수를 줄여 하드웨어 비용을 감소시키기 위해 GoSA 초초음파 MIMO 아키텍처를 제안한다.
• 통신 및 레이더 성능를 고려한 최적화 문제로 하이브리드 beamforming을 수립한다.
• 중앙 주파수 fc를 사용하여 아날로그 beamformer 위상 조정을 통해 서브캐리어 간 비트를 정렬하는 위상 보정 기법을 구현한다.
• 채널 상태 정보(CSI) 및 채널 공분산 행렬을 활용하여 피드백 오버헤드를 줄인 모델 기반 beamformer를 설계한다.
• 대규모 데이터셋을 기반으로 딥러닝을 적용하여 모델리스 beamforming을 구현하고, 병렬 GPU 처리를 통해 최적의 beamformer를 근사한다.
• 비용이 많이 드는 위상 시프터 재구성 방지를 위해 beam split 보정 기능을 베이스밴드 beamformer에 통합한다.

실험 결과

연구 질문

• RQ1 공동 레이더-통신 시스템에서 초초음파 MIMO에 대한 하이브리드 beamforming은 어떻게 설계할 수 있으며, 스펙트럼 효율성과 하드웨어 비용을 어떻게 균형 잡을 수 있는가?
• RQ2 주파수에 독립적인 아날로그 beamformer는 광대역 THz 시스템에서 비트 정렬에 어떤 영향을 미치며, beam split는 어떻게 보정할 수 있는가?
• RQ3 모델리스 딥러닝 기반 beamforming은 계산 시간을 크게 줄이고도 CSI 기반 방법과 유사한 성능을 달성할 수 있는가?
• RQ4 이차 통계 채널 특성을 활용하면 초초음파 MIMO 시스템에서 피드백 오버헤드가 어떻게 감소하는가?
• RQ5 완전 연결형과 부분 연결형 GoSA 아키텍처 간의 스펙트럼 효율성 및 레이더 정확도 측면에서 성능 상충 관계는 어떠한가?

주요 결과

• GoSA 아키텍처는 완전 연결형 및 AoSA 아키텍처에 비해 위상 시프터 수를 최소화함으로써 하드웨어 복잡도를 감소시킨다.
• 제안된 beam split 보정 기법은 광대역 시스템에서 스펙트럼 효율성을 복원하여 주파수에 독립적인 아날로그 beamformer로 인한 성능 저하를 제거한다.
• 모델리스 딥러닝 beamforming은 CSI 기반 방법과 5% 이내의 스펙트럼 효율성을 확보하면서도 계산 시간을 약 500배 감소시킨다.
• 채널 공분산 행렬 기반 beamformer의 경우 CSI 기반 방법 대비 피드백 오버헤드를 90% 감소시켰고, 성능 손실는 미미한 수준이다.
• 부분 연결형 GoSA 아키텍처는 완전 연결형 아키텍처에 비해 略적으로 열악한 성능를 보이지만, 복잡도와 성능 간의 유리한 상충 관계를 제공한다.
• 모델리스 접근법은 MO 기반 방법 대비 계산 시간을 0.0058초로 단축시켜 초초음파 MIMO 시스템에 대한 뛰어난 확장성을 입증한다.