[論文レビュー] Model-Free Optimization for Reconfigurable Intelligent Surface with Statistical CSI

Huayan Guo, Ying‐Chang Liang+1 more|arXiv (Cornell University)|Dec 23, 2019

Advanced Wireless Communication Technologies参考文献 22被引用数 5

ひとこと要約

本稿では、完全なまたは即時のCSIに依存せずに、統計的チャネル状態情報（CSI）のみを用いて、再構成可能知的表面（RIS）のためのモデルフリー最適化アルゴリズムを2つ提案する。これにより、正確なCSIが得られない状況下でも、効果的な位相シフト最適化が可能になる。これらのアルゴリズムは、確率的逐次凸近似（SSCA）および確率的マジョライゼーション・ミニマライゼーション（SMM）に基づくものであり、特に低ランダム性のチャネル環境下で、ランダム位相シフトに比べて顕著な性能向上を達成する。また、調整パrameterへの感受性が低く、オンライン展開が可能である。

ABSTRACT

In this paper, a single user multiple input single output downlink wireless communication system is investigated, in which multiple reconfigurable intelligent surfaces (RISs) are deployed to improve the propagation condition. Our objective is to optimize the phase shift matrices of all the RISs by exploiting the statistical channel state information (CSI). In particular, two model-free algorithms are proposed, which are applicable for any channel statistical assumptions. Numerical results show that the proposed algorithms significantly outperform the random phase shift scheme, especially when the channel randomness is low.

研究の動機と目的

• RISの受動的特性により、完全なCSIが得られない実用的状況下で、RISの位相シフトを最適化する課題に対処すること。
• 特定のチャネル統計的仮定に依存しない最適化アルゴリズムの開発により、さまざまな伝搬環境に広く適用可能であることを保証すること。
• 統計的CSIとリアルタイム観測値のみを活用することで、RIS位相シフト最適化のオンライン展開を可能にすること。
• 反復的かつモデルフリーな学習により、最適な位相シフトを学習することで、ユーザー端末における平均達成速率および平均SNRを最大化すること。
• 低い計算複雑性とチャネル変動へのロバストネスを維持しながら、オフライン最適解に近い性能を達成すること。

提案手法

• 統計的CSIを用いて平均達成速率を最大化するための確率的逐次凸近似（SSCA）に基づくアルゴリズムを提案し、反復的に位相シフト推定値を改善する。
• 平均受信SNRを達成速率の代理として最適化する、オンライン実装可能なSMMベースのアルゴリズムを設計する。
• 非凸目的関数を近似するための代理関数を用い、凸部分問題による反復的位相シフトベクトルの更新を可能にする。
• 有効チャネル応答の構造を活用して最適化を各RISごとに分解し、分散的かつスケーラブルな実装を可能にする。
• チャネル分布の事前知識を必要とせず、到着するチャネル観測値を用いて位相シフトを適応的に更新する学習ベースの更新ルールを導入する。
• 各反復で目的関数が改善されることを証明することで収束を保証し、ステップサイズτに依存しない収束性を確保する。

実験結果

リサーチクエスチョン

• RQ1 完全なまたは即時のチャネル推定に依存せずに、統計的CSIのみを用いてモデルフリーRIS位相シフト最適化を達成できるか？
• RQ2 各新しいモデルに対して再設計を行わず、任意のチャネル統計的モデルに耐性があり適応可能な最適化アルゴリズムをどのように実現できるか？
• RQ3 RIS支援システムにおいて、平均SNRの最適化が平均達成速率を最大化する有効な代理としてどの程度適しているか？
• RQ4 RISの数が増加する場合、特に長期パrameterの推定対象が増加する状況において、アルゴリズムの性能はどのようにスケーリングするか？
• RQ5 提案されたアルゴリズムは、オフラインキャリブレーションを必要とせず、最小限の調整でオンライン展開が可能か？

主な発見

• 提案されたSSCAベースのアルゴリズムは、オフライン最適解にほぼ等しい性能を達成し、性能損失は無視できるほど小さい。
• オンラインSMMベースのアルゴリズムは、SSCAベースのアルゴリズムと同等の性能を達成するが、最小限の調整でリアルタイムシステムに展開可能である。
• 両アルゴリズムとも、ランダム位相シフト方式に比べて顕著に優れた性能を示し、中程度の送信電力下でスペクトル効率に約10 dBの向上を達成する。
• 性能向上は、チャネルランダム性が低い環境で特に顕著であり、この状況下では統計的CSIがより信頼性の高い最適化指針を提供する。
• RISの数（K）が増加するにつれて、長期パrameterの推定対象が増加するため、統計的CSIベースの手法の性能が著しく低下する傾向が見られ、単一ユーザー環境では1つのRISがより実用的である可能性を示唆する。
• アルゴリズムの収束速度はステップサイズτに敏感ではなく、実世界の展開においてもロバストで実用的であることを示している。