[论文解读] Fast Beam Training for RIS-Assisted Uplink Communication

Chandradeep Singh, Kamal Singh+1 more|arXiv (Cornell University)|Jul 23, 2021

Advanced Wireless Communication Technologies参考文献 9被引用 10

一句话总结

本文提出了一种用于可重构智能表面（RIS）辅助的毫米波上行链路通信的多轮波束训练码本，采用从粗到精的波束扫描策略，在后期阶段使用更窄的波束以提高检测精度。该方法通过在最后一轮细化搜索，以更少的训练符号实现更高的成功概率，从而降低了训练开销，优于以往的码本设计。

ABSTRACT

In this work, we propose a beam training codebook for Reconfigurable Intelligent Surface (RIS) assisted mmWave uplink communication. Beam training procedure is important to establish a reliable link between user node and Access point (AP). A codebook based training procedure reduces the search time to obtain best possible phase shift by RIS controller to align incident beam at RIS in the direction of receiving node. We consider a semi passive RIS to assist RIS controller with a feedback of minimum overhead. It is shown that the procedure detects a mobile node with high probability in a short interval of time. Further we use the same codebook at user node to know the desired direction of communication via RIS.

研究动机与目标

• 解决RIS辅助上行链路毫米波通信中的波束碰撞和低检测概率问题。
• 在动态、移动用户环境中，降低训练开销的同时保持高波束检测精度。
• 设计一种码本，使RIS和用户设备能够以最少的反馈实现高效的波束识别。
• 通过适应被动RIS反射的独特约束，将现有波束训练框架扩展至支持RIS辅助上行链路。
• 通过优化波束训练，实现RIS赋能的毫米波网络中可扩展且可靠的随机接入。

提出的方法

• 提出一种多轮波束训练码本，从宽波束开始，逐轮缩小波束宽度，以提高角度分辨率。
• 采用分层波束扫描策略，RIS控制器估计用户信号的入射角度，并在后续阶段细化搜索。
• 在最后一轮采用窄波束进行精细校正，以最小化误检并最大化检测概率。
• 根据RIS尺寸和系统约束动态调整每轮扫描的波束数量，优化训练开销与精度之间的权衡。
• 在用户侧集成相同的码本，实现通过RIS进行双向波束对准，减少反馈信令。
• 利用用户和AP端的单射频链路模拟波束成形，确保与混合预编码架构的兼容性。

实验结果

研究问题

• RQ1 在移动用户环境下，如何实现RIS辅助上行链路毫米波通信中的高效且可靠的波束训练？
• RQ2 何种波束码本结构能在存在干扰和路径损耗的情况下，最小化训练开销并最大化检测概率？
• RQ3 为何在最后一轮训练中缩小波束能提高角度分辨率并减少误检？
• RQ4 能否在RIS和用户设备上使用同一码本，以最少的反馈实现双向波束对准？
• RQ5 与现有码本相比，该方法在成功概率和训练符号效率方面表现如何？

主要发现

• 所提出的码本即使使用更少的训练符号，其成功概率也高于以往工作，例如文献[8]中的码本。
• 在最后一轮使用M=8个波束并进行精细校正（图3中的红线）优于M=4个波束且无校正的情况（蓝线），证明了精炼策略的优势。
• 减少最后一轮的分箱数T可提高检测精度，且在高信噪比下不损失成功概率，原因在于消除了低信噪比分箱。
• 该方法在降低训练开销的同时仍保持高检测概率，显示出在低信噪比环境下的鲁棒性。
• 在下行链路中，相同的码本可在用户端实现高接收信噪比，证实其在上行和下行场景中的有效性。
• 在高信噪比下，所提方法的速率性能优于现有方案，尤其在最后一轮应用精细校正时表现更优。