[논문 리뷰] Trajectory Optimization and Phase-Shift Design in IRS Assisted UAV Network for High Speed Trains

Yu Min Park, Yan Kyaw Tun외 2명|arXiv (Cornell University)|2021. 07. 02.

Advanced Wireless Communication Technologies참고 문헌 15인용 수 4

한 줄 요약

이 논문은 고속열차(HST)의 무선 연결성을 향상시키기 위해 지능형 반사면(IRS)을 활용한 무인항공기(UAV) 네트워크를 제안하며, UAV의 비행 경로와 IRS의 위상각을 공동 최적화하여 최소로 달 đạt 가능한 데이터 전송률을 극대화한다. 위상각 최적화에는 이진정수선형계획법(BILP)을, 비행 경로 제어에는 소프트 액터-크리틱(SAC) 강화학습을 사용하여, 고정된 IRS와 비교해 최대 19.9% 높은 데이터 전송률을 달성하고 고정된 위상각 기반 시스템과 비교해 4% 높은 성능을 보이며, 동적인 HST 환경에서 뛰어난 성능을 입증한다.

ABSTRACT

The recent trend towards the high-speed transportation system has spurred the development of high-speed trains (HSTs). However, enabling HST users with seamless wireless connectivity using the roadside units (RSUs) is extremely challenging, mostly due to the lack of line of sight link. To address this issue, we propose a novel framework that uses intelligent reflecting surfaces (IRS)-enabled unmanned aerial vehicles (UAVs) to provide line of sight communication to HST users. First, we formulate the optimization problem where the objective is to maximize the minimum achievable rate of HSTs by jointly optimizing the trajectory of UAV and the phase-shift of IRS. Due to the non-convex nature of the formulated problem, it is decomposed into two subproblems: IRS phase-shift problem and UAV trajectory optimization problem. Next, a Binary Integer Linear Programming (BILP) and a Soft Actor-Critic (SAC) are constructed in order to solve our decomposed problems. Finally, comprehensive numerical results are provided in order to show the effectiveness of our proposed framework.

연구 동기 및 목표

• 자주 발생하는 핸드오버와 비선시각(NLOS) 차단으로 인한 간헐적이고 신뢰할 수 없는 고속열차(HST) 통신 환경의 문제를 해결하기 위해.
• 무인항공기(UAV)에 장착된 지능형 반사면(IRS)을 활용하여 HST 사용자의 무선 커버리지와 데이터 전송률을 향상시키기 위해.
• 모든 HST 사용자 간 최소 달달 수 있는 전송률을 극대화하기 위해 UAV 비행 경로와 IRS 위상각을 공동 최적화하여 공정성과 신뢰성을 확보하기 위해.
• 공동 최적화 문제의 비볼록성과 NP-완전성에 기인한 난이도를 해결하기 위해 문제를 다루기 쉬운 부분문제로 분해하기 위해.
• 강화학습과 효율적인 위상각 할당을 통해 고속으로 변화하는 HST 환경에 실시간으로 적응할 수 있는 능력을 확보하기 위해.

제안 방법

• 기지국(BS)에서 방출된 신호를 IRS를 통해 반사하여 다수의 HST에 전달하는 단일입력다중출력(SIMO) 업링크 시나리오를 모델링하며, 완벽한 CSI를 가정한다.
• 공동 최적화 문제를 두 부분문제로 분해한다: 이진정수선형계획법(BILP)을 사용해 운반 문제(TP) 공식화된 IRS 위상각 최적화.
• UAV 비행 경로 최적화는 마르코프 결정과정(MDP)으로 공식화하고, 최장기 보상(최소 데이터 전송률)을 극대화하기 위해 소프트 액터-크리틱(SAC) 강화학습 알고리즘을 사용해 해결한다.
• BILP 모델은 채널 품질과 경로 손실을 기반으로 반사판을 HST에 할당하여 자원 제약 조건 하에서 위상각의 전역 최적화를 보장한다.
• SAC은 HST 이동에 따라 동적으로 적응하는 최적의 UAV 비행 경로를 학습하여 전송률의 공정성과 커버리지 향상을 향상시킨다.
• 실시간 위상각 할당과 적응형 UAV 이동성을 통합하여 HST 이동성에 대한 동적이고 저지연 반응을 가능하게 한다.

실험 결과

연구 질문

• RQ1 IRS 보조 UAV가 비선시각 환경에서 고속열차 사용자의 최소 달달 수 있는 전송률을 어떻게 향상시킬 수 있는가?
• RQ2 HST 통신 환경에서 UAV 비행 경로 최적화와 IRS 위상각 설계 중 어느 것이 시스템 성능에 더 큰 영향을 미치는가?
• RQ3 강화학습이 빠르게 이동하는 고속열차를 위해 실시간으로 UAV 비행 경로를 최적화하는 데 효과적으로 작용할 수 있는가?
• RQ4 IRS 반사판의 수가 시스템의 용량과 계산 복잡도에 어떤 영향을 미치는가?
• RQ5 UAV 비행 경로와 IRS 위상각을 공동 최적화하는 것이 고정 또는 무작위 설정보다 얼마나 뛰어난 성능을 보이는가?

주요 결과

• 제안된 방법은 고정된 IRS를 사용하는 시스템 대비 최소 데이터 전송률이 19.9% 높게 달성되어 동적 위상각 최적화의 효과를 입증한다.
• 고정된 위상각 설정보다 4% 높은 성능을 보이며, 적응형 IRS 빔포밍의 중요성을 강조한다.
• 강화학습 기반의 UAV 비행 경로 최적화는 특히 고속 이동 환경에서 고정 고도 UAV보다 성능 향상이著명하다.
• BILP 기반의 위상각 할당은 반사판 할당의 전역 최적성을 보장하지만, 반사판 수가 증가함에 따라 계산 비용이 증가한다.
• 최적의 UAV 고도는 HST 위치와 경로 손실에 따라 동적으로 변하며, 모든 시나리오에서 200m가 최적은 아니며, 이는 적응형 제어의 필요성을 확인한다.
• 제안된 알고리즘은 SAC 학습에서 수렴을 달성하며, 에피소드가 진행됨에 따라 보상은 증가하고 손실은 감소하여 효과적인 정책 학습을 나타낸다.