[논문 리뷰] Two-Timescale Design for RIS-aided Cell-free Massive MIMO Systems with Imperfect CSI

Mahdi Eskandari, Kangda Zhi외 3명|arXiv (Cornell University)|2023. 03. 14.

Advanced Wireless Communication Technologies인용 수 5

한 줄 요약

이 논문은 불완전한 채널 상태 정보(CSI) 하에서 RIS 보조 셀리스 매크로 MIMO 시스템을 위한 이중 시간스케일 비트포밍 설계를 제안한다. 통계적 CSI(S-CSI)를 활용해 수동 RIS 위상 보정을, 실시간 CSI(I-CSI)를 활용해 액세스 포인트에서의 능동 비트포밍을 수행한다. 선형 최소 제곱 오차(LMMSE) 추정기와 딥 강화학습(SAC)을 활용하여, CSI의 불완전성에도 불구하고 스펙트럼 효율을 극대화한다. 기존 설계 대비 뚜렷한 성능 향상을 달성한다.

ABSTRACT

The objective of this paper is to evaluate the effectiveness of a two-timescale transmission design in cell-free massive multi-input multiple-output (MIMO) systems incorporating reconfigurable intelligent surfaces (RISs) under the assumption of imperfect channel state information (CSI). We examine the Rician channel model and formulate the passive beamforming for the RISs based on statistical channel state information (S-CSI). To that end, we put forth a linear minimum mean square error (LMMSE) estimator with the aim of estimating the aggregation of channels from the users to the APs within each channel coherence interval. Meanwhile, the active beamforming for the radio units (APs) is executed using the maximum ratio combining (MRC) approach, which utilizes the instantaneous aggregated channels, that result from the combination of the direct and reflected channels from the RISs. Subsequently, we derive the closed-form expressions of the achievable uplink spectral efficiency (SE), which is a function of S-CSI elements such as distance-dependent path loss, Rician factors as well as the number of RIS elements and AP antennas. We then optimize the phase shifts of the RISs to maximize the sum SE of the users, utilizing the soft actor-critic (SAC) which is a deep reinforcement learning (RL) method, and relying on the derived closed-form expressions. Numerical evaluations affirm that, despite the presence of imperfect CSI, the deployment of RIS in cell-free systems can lead to significant performance improvement.

연구 동기 및 목표

• 실제 환경에서 완벽한 채널 지식이 불가능하므로, RIS 보조 셀리스 매크로 MIMO 시스템에서 불완전한 CSI 문제를 해결한다.
• RIS 위상 보정은 장기적인 통계적 CSI(S-CSI) 기반으로 최적화하고, 액세스 포인트의 능동 비트포밍은 단기적인 실시간 CSI(I-CSI)를 기반으로 하는 이중 시간스케일 전송 프레임워크를 개발한다.
• 경로 손실, 루이지안 인자, RIS 요소 수, AP 안테나 수 등의 S-CSI 매개변수에 따라 상향링크 스펙트럼 효율(SE)의 닫힌 형태 식을 수립한다.
• 불완전한 CSI 조건 하에서 합산 SE를 극대화하기 위해 딥 강화학습(SAC)을 활용해 RIS 위상 보정을 최적화한다.
• 실제 채널 조건 하에서 수치적 평가를 통해 제안된 설계의 강인성과 성능 향상을 검증한다.

제안 방법

• 각 코herence 간격 동안 통계적 CSI(S-CSI)를 활용해 사용자에서 액세스 포인트(APs)로 향하는 통합 채널을 선형 최소 제곱 오차(LMMSE) 추정기로 추정한다.
• 직접 링크와 RIS 반사 링크로 구성된 실시간 통합 채널을 기반으로, AP에서 최대 비율 복합(MRC)을 사용해 능동 비트포밍을 수행한다.
• 거리에 따라 변하는 경로 손실, 루이지안 인자, RIS 요소 수, AP 안테나 수 등의 S-CSI 매개변수를 포함한 상향링크 스펙트럼 효율(SE)에 대한 닫힌 형태 식을 유도한다.
• RIS 위상 보정을 강화학습(RL) 문제로 모델링하고, 유연한 액터-크리틱(SAC) 알고리즘을 사용해 유도된 SE 식을 기반으로 최적화한다.
• 느린 RIS 최적화와 빠른 AP 처리를 분리하는 이중 시간스케일 프레임워크 내에서 S-CSI 기반 RIS 비트포밍과 I-CSI 기반 AP 비트포밍을 통합한다.
• 유도된 SE 식을 SAC에서 보상 함수로 사용하여, 불완전한 CSI 조건 하에서 RIS 위상 보정 최적화를 위한 샘플 효율적인 정책 학습을 가능하게 한다.

실험 결과

연구 질문

• RQ1 통계적 CSI만 이용 가능한 상황에서, 이중 시간스케일 설계는 RIS 보조 셀리스 매크로 MIMO 시스템의 스펙트럼 효율을 어떻게 향상시키는가?
• RQ2 불완전한 CSI 하에서 딥 강화학습(SAC)은 합산 스펙트럼 효율을 극대화하기 위해 RIS 위상 보정을 얼마나 효과적으로 최적화할 수 있는가?
• RQ3 경로 손실, 루이지안 인자, RIS 요소 수, AP 안테나 수 등의 핵심 S-CSI 매개변수는 가시 가능한 스펙트럼 효율에 어떤 영향을 미치는가?
• RQ4 기존의 완벽한 CSI 가정에 의존하는 전통적 설계 대비 제안된 이중 시간스케일 설계는 어떤 성능 향상을 제공하는가?
• RQ5 실제 구현 환경에서 채널 추정 오차와 불완전한 CSI에 대해 제안된 설계는 얼마나 강인한가?

주요 결과

• 제안된 이중 시간스케일 설계는 불완전한 CSI 조건 하에서도 뚜렷한 스펙트럼 효율 향상을 달성하며, 채널 추정 오차에 대해 강인함을 입증한다.
• S-CSI를 활용한 RIS 위상 보정 최적화는 빈번한 CSI 피드백이 필요 없이 안정적인 성능을 제공하여 오버헤드를 감소시킨다.
• 유연한 액터-크리틱(SAC) 알고리즘이 최적의 RIS 위상 보정을 효과적으로 학습하여, 히وري스틱 및 비학습 기반 접근법을 능가하는 합산 SE 극대화 성능을 보인다.
• 루이지안 인자가 높고 RIS 요소 수가 많을수록 스펙트럼 효율이 증가하며, 이는 RIS 배치에 대한 풍부한 산란 환경의 가치를 확인한다.
• 닫힌 형태의 SE 식은 시스템 행동을 정확히 기록하며 효율적인 RL 기반 최적화를 가능하게 하여 분석 프레임워크의 타당성을 검증한다.
• 수치적 결과는 RIS 통합이 셀리스 매크로 MIMO에서 커버리지와 스펙트럼 효율을 향상시키며, 특히 장애물 존재 또는 에지 사용자 시나리오에서 뚜렷한 개선 효과를 보임을 확인한다.