[논문 리뷰] Codebook Design and Beam Training for Extremely Large-Scale RIS: Far-Field or Near-Field?

Xiuhong Wei, Linglong Dai외 3명|arXiv (Cornell University)|2021. 09. 21.

Advanced Wireless Communication Technologies인용 수 10

한 줄 요약

이 논문은 근거리 채널 모델에 부합하는 근거리 코드북을 설계하여 기존의 원거리 코드북으로 인한 성능 손실을 보완함으로써 초대규모 재구성 가능 지능형 표면(XL-RIS)에 대한 근거리 비드 트레이닝 방식을 제안한다. 계층적 근거리 비드 트레이닝 방식은 오버헤드를 90% 감소시키면서도 최적의 도달률의 92%를 달성하여 원거리 비드 트레이닝보다 근거리 XL-RIS 시스템에서 뚜렷한 성능 우월성을 보인다.

ABSTRACT

Reconfigurable intelligent surface (RIS) can improve the capacity of the wireless communication system by providing the extra link between the base station (BS) and the user. In order to resist the "multiplicative fading" effect, RIS is more likely to develop into extremely large-scale RIS (XL-RIS) for future 6G communications. Beam training is an effective way to acquire channel state information (CSI) for the XL-RIS assisted system. Existing beam training schemes rely on the far-field codebook, which is designed based on the far-field channel model. However, due to the large aperture of XL-RIS, the user is more likely to be in the near-field region of XL-RIS. The far-field codebook mismatches the near-field channel model. Thus, the existing far-field beam training scheme will cause severe performance loss in the XL-RIS assisted near-field communications. To solve this problem, we propose the efficient near-field beam training schemes by designing the near-field codebook to match the near-field channel model. Specifically, we firstly design the near-field codebook by considering the near-field cascaded array steering vector of XL-RIS. Then, the optimal codeword for XL-RIS is obtained by the exhausted training procedure between the XL-RIS and the user. In order to reduce the beam training overhead, we further design a hierarchical near-field codebook and propose the corresponding hierarchical near-field beam training scheme, where different levels of sub-codebooks are searched in turn with reduced codebook size. Simulation results show the two proposed near-field beam training schemes both perform better than the existing far-field beam training scheme. Particulary, the hierarchical near-field beam training scheme can greatly reduce the beam training overhead with acceptable performance loss.

연구 동기 및 목표

• 근거리 XL-RIS 시스템에서 원거리 코드북을 사용할 경우 발생하는 성능 저하 문제를 해결하기 위해.
• XL-RIS의 근거리 영역에서의 계단식 어레이 스티어링 벡터를 정확히 모델링할 수 있는 근거리 코드북을 설계하기 위해.
• 고스펙 효율성을 유지하면서 XL-RIS 시스템의 비드 트레이닝 오버헤드를 줄이기 위해.
• 다단계 코드워드 탐색이 가능하면서도 복잡도를 감소시킬 수 있는 계층적 비드 트레이닝 방식을 개발하기 위해.
• 근거리 XL-RIS 환경에서 기존의 원거리 비드 트레이닝 방식에 비해 근거리 비드 트레이닝의 우월성을 검증하기 위해.

제안 방법

• 사용자의 위치를 고려하여 XL-RIS의 근거리 계단식 어레이 스티어링 벡터 기반의 근거리 코드북을 설계한다.
• 전체 근거리 코드북을 탐색하여 최적의 코드워드를 식별하기 위해 전수 비드 트레이닝 절차를 구현한다.
• 다중 수준의 서브-코드북을 포함하는 계층적 근거리 코드북 구조를 제안하며, 각 수준은 점점 더 높은 해상도를 갖는다.
• 각 수준의 계층적 코드북에서 사용자 피드백에 기반해 적응형 샘플링 범위와 단위를 업데이트하여 탐색을 정밀화한다.
• 단계 제어 파라미터 δ = 0.25와 초기 단위 크기 Δ¹ = 4Δ를 적용하여 각 수준에서 탐색 공간을 동적으로 감소시킨다.
• 각 수준에서 최적의 코드워드 인덱스 l_{k,opt}를 피드백하여 다음 수준의 탐색을 안내함으로써 불필요한 탐색을 최소화한다.

Figure 1: The XL-RIS assisted wireless communication system.

실험 결과

연구 질문

• RQ1 XL-RIS 근거리 채널 모델에 맞게 설계된 근거리 코드북이 기존의 원거리 코드북보다 비드 트레이닝 성능에서 뛰어나게 되는가?
• RQ2 계층적 근거리 비드 트레이닝 방식은 어떻게 오버헤드를 줄이면서도 높은 성능을 유지하는가?
• RQ3 근거리 XL-RIS 시스템에서 비드 트레이닝 오버헤드와 도달률 사이의 상충 관계는 어떠한가?
• RQ4 다단계 탐색 전략은 전수 탐색 대비 성능을 얼마나 유지하는가?
• RQ5 근거리 비드 트레이닝은 XL-RIS 시스템에서 완벽한 CSI 비드 포밍과 비교해 어떻게 성능를 발휘하는가?

주요 결과

• 제안된 근거리 비드 트레이닝 방식은 특히 XL-RIS의 근거리 영역에서 기존의 원거리 비드 트레이닝 방식보다 더 높은 도달률 성능을 달성한다.
• 계층적 근거리 비드 트레이닝 방식은 전수 근거리 방식 대비 약 10%의 오버헤드로 감소시켜 147,628개 대비 15,927개의 트레이닝 코드워드를 구현한다.
• 계층적 방식은 전수 근거리 비드 트레이닝 방식의 도달률 성능 약 92%를 달성한다.
• 계층적 방식에서 발생하는 성능 손실은 주로 수준 간 오류 전파에 기인하지만, 실용적 구현에 있어 수용 가능한 수준이다.
• 원거리 비드 트레이닝 방식은 모델 불일치로 인해 근거리 XL-RIS 환경에서 심각한 성능 저하를 겪는다.
• 시뮬레이션 결과는 근거리 코드북 설계가 XL-RIS 시스템에서 고성능 비드 트레이닝을 위해 필수적임을 확인한다.

Figure 2: The near-field region and the far-field region [ 21 ] .