[论文解读] Capacity Characterization for Intelligent Reflecting Surface Aided MIMO Communication

Shuowen Zhang, Rui Zhang|arXiv (Cornell University)|Oct 3, 2019

Advanced Wireless Communication Technologies参考文献 41被引用 35

一句话总结

本论文在频率平坦和频域选择性衰落下，联合优化 IRS 反射系数与 MIMO 发送协方差以刻画并最大化 IRS 支持的 MIMO 系统的容量。它提出具有对子问题的封闭解的交替优化算法，并证明在没有 IRS 的传统 MIMO 相比下的容量增益。

ABSTRACT

Intelligent reflecting surface (IRS) is a promising solution to enhance the wireless communication capacity both cost-effectively and energy-efficiently, by properly altering the signal propagation via tuning a large number of passive reflecting units. In this paper, we aim to characterize the fundamental capacity limit of IRS-aided point-to-point multiple-input multiple-output (MIMO) communication systems with multi-antenna transmitter and receiver in general, by jointly optimizing the IRS reflection coefficients and the MIMO transmit covariance matrix. First, we consider narrowband transmission under frequency-flat fading channels, and develop an efficient alternating optimization algorithm to find a locally optimal solution by iteratively optimizing the transmit covariance matrix or one of the reflection coefficients with the others being fixed. Next, we consider capacity maximization for broadband transmission in a general MIMO orthogonal frequency division multiplexing (OFDM) system under frequency-selective fading channels, where transmit covariance matrices can be optimized for different subcarriers while only one common set of IRS reflection coefficients can be designed to cater to all subcarriers. To tackle this more challenging problem, we propose a new alternating optimization algorithm based on convex relaxation to find a high-quality suboptimal solution. Numerical results show that our proposed algorithms achieve substantially increased capacity compared to traditional MIMO channels without the IRS, and also outperform various benchmark schemes. In particular, it is shown that with the proposed algorithms, various key parameters of the IRS-aided MIMO channel such as channel total power, rank, and condition number can be significantly improved for capacity enhancement.

研究动机与目标

• 推动对 IRS 支持的 MIMO 的容量特性刻画，以利用被动反射面实现更高数据速率。
• 在功率和单位模约束下，提出 IRS 反射系数与传输协方差的联合优化。
• 推导可处理的解及见解，覆盖窄带（频率平坦）和带宽较宽的通道（OFDM）。
• 展示 IRS 设计如何影响信道功率、秩和条件数，从而提升容量。

提出的方法

• 将 IRS 支持的 MIMO 信道建模为 H 加 R phi T，其中 phi = diag(alpha1,...,alphaM) 且 |alpha_m|=1。
• 将容量优化建模并转化为 (P1)，对 Q 与 phi 进行联合优化。
• 开发一个交替优化算法来求解子问题：在固定 phi 的情况下优化 Q，在固定 Q 及其他 alpha 之下优化每个 alpha_m。
• 给出 Q 子问题的闭式解，通过特征模态（水位）在有效信道下实现。
• 对于 alpha_m 的优化，将其转化为具有秩为一的结构的凹问题，在单位模约束下给出闭式解。
• 通过允许每个子载波的协方差设计并采用共同的 IRS 反射集合，扩展到 OFDM，并对高质量子最优解应用凸松弛。

实验结果

研究问题

• RQ1 在 IRS 与 MIMO 联合优化下，IRS 支持的点对点 MIMO 的基本容量极限是什么？
• RQ2 在频率平坦衰落下，应如何与传输协方差共同设计 IRS 反射系数以最大化容量？
• RQ3 如何将该联合设计扩展到带宽较宽的 MIMO-OFDM，其中跨子载波具有共同的 IRS 反射模式？
• RQ4 在平坦和频率选择性衰落下，与基准方法相比，所提出的交替优化算法的性能提升是多少？

主要发现

• 该交替优化框架至少收敛到 P1 问题的局部最优解。
• 在固定 phi 下优化 Q，利用特征模态传输和水位在有效的 IRS 增强信道下得到最优 Q。
• 通过利用相关矩阵的秩一结构，可以得到 alpha_m 的闭式解。
• 在 OFDM 设置中，基于凸松弛的交替优化在跨子载波拥有共同 IRS 反射模式时产生高质量的次优解。
• 数值结果显示，在没有 IRS 的传统 MIMO 与基准方法相比，IRS 设计带来显著容量增益，并在信道总功率、秩和条件数方面得到提升。