[论文解读] Power-Efficient Resource Allocation for Multiuser MISO Systems via Intelligent Reflecting Surfaces

Xianghao Yu, Dongfang Xu+2 more|arXiv (Cornell University)|May 14, 2020

Advanced Wireless Communication Technologies参考文献 12被引用 12

一句话总结

本文提出一种用于智能反射面（IRS）辅助多用户MISO系统中联合波束成形与相位移优化的内部逼近（IA）算法，旨在最小化发射功率的同时确保服务质量（QoS）。与以往方法不同，该IA算法可保证收敛至KKT解，并在能效方面优于传统MIMO和SDR方法。

ABSTRACT

Intelligent reflecting surfaces (IRSs) are regarded as key enablers of next-generation wireless communications, due to their capability of customizing the wireless propagation environment. In this paper, we investigate power-efficient resource allocation for IRS-assisted multiuser multiple-input single-output (MISO) systems. To minimize the transmit power, both the beamforming vectors at the access point (AP) and phase shifts at the IRS are jointly optimized while taking into account the minimum required quality-of-service (QoS) of the users. To tackle the non-convexity of the formulated optimization problem, an inner approximation (IA) algorithm is developed. Unlike existing designs, which cannot guarantee local optimality, the proposed algorithm is guaranteed to converge to a Karush-Kuhn-Tucker (KKT) solution. Our simulation results show the effectiveness of the proposed algorithm compared to baseline schemes and reveal that deploying IRSs is more promising than leveraging multiple antennas at the AP in terms of energy efficiency.

研究动机与目标

• 通过利用智能反射面（IRS）作为无源、低成本的信道调控器，解决多用户MISO系统中的能效挑战。
• 制定一个非凸优化问题，以最小化总发射功率，同时满足各用户的服务质量（QoS）约束。
• 克服现有交替最小化（AltMin）和半定松弛（SDR）方法的局限性，这些方法无法保证局部最优性或约束满足。
• 提出一种新颖的内部逼近（IA）算法，确保收敛至KKT解，从而实现可靠且最优的节能资源分配。

提出的方法

• 将功率最小化问题表述为非凸优化问题，联合设计接入点（AP）的波束成形向量与IRS的相位移。
• 应用内部逼近（IA）方法将非凸约束凸化，通过迭代求解一系列凸子问题。
• 利用拉格朗日松弛和KKT条件推导最优波束成形矩阵的结构，并通过矩阵秩分析证明其秩为一。
• 引入基于惩罚的重构方法以处理秩一约束，从而实现高效的迭代优化。
• 利用IRS元件为无源器件且不消耗功率的特性，使其成为绿色通信系统的理想选择。
• 通过松弛秩约束后利用强对偶性与Slater条件，确保收敛至KKT点。

实验结果

研究问题

• RQ1 能否设计一种优化框架，联合优化波束成形与IRS相位移，以在多用户MISO系统中最小化发射功率？
• RQ2 所提出的内部逼近（IA）算法是否能保证收敛至KKT解，而不同于现有AltMin与SDR方法？
• RQ3 在发射功率降低方面，IRS部署的能效与在AP处增加多根天线相比如何？
• RQ4 增加反射元件数量对系统能效有何影响？其性能是否优于增加发射天线数量？
• RQ5 所提出的算法能否在使用随机初始化的SDR替代方案中，确保QoS约束在功率最小化过程中得到满足？

主要发现

• 所提出的IA算法可收敛至Karush-Kuhn-Tucker（KKT）解，保证局部最优性，而现有基于SDR的AltMin方法缺乏此类收敛保证。
• 仿真结果表明，IA算法在发射功率方面优于基线SDR-based AltMin方案，展现出更优的能效性能。
• 随着IRS反射元件数量的增加，能效单调提升，因为其提供了更多自由度来调控传播环境，且无需额外功耗。
• 与在AP处增加发射天线相比，部署IRS更具能效优势，因为额外的射频链路会带来显著的电路功耗，从而抵消发射功率的增益。
• 系统的平均能效随反射元件数量（M）增加而提升，而随发射天线数量（N_t）增加而下降，这是由于额外射频链路导致的电路功耗上升。
• 通过KKT条件的分析，严格证明了最优波束成形矩阵的秩一结构，验证了该解框架的最优性。