[论文解读] User Assignment with Distributed Large Intelligent Surface (LIS) Systems

Sha Hu, Krishna Chitti+2 more|arXiv (Cornell University)|Sep 6, 2017

Advanced Wireless Communication Technologies参考文献 12被引用 7

一句话总结

该论文提出了一种分布式大型智能表面（LIS）系统的最优用户关联方案，其中从M个LIS-Unit中选择K个来服务K名用户。通过将用户关联建模为以接收信号强度（RSS）为代价度量的和速率最大化线性和分配问题（LSAP）与最小速率最大化线性瓶颈分配问题（LBAP），该方法利用Kuhn-Munkres和阈值算法在O(KM²)复杂度下实现近似最优性能。

ABSTRACT

In this paper, we consider a wireless communication system where a large intelligent surface (LIS) is deployed comprising a number of small and distributed LIS-Units. Each LIS-Unit has a separate signal process unit (SPU) and is connected to a central process unit (CPU) that coordinates the behaviors of all the LIS-Units. With such a LIS system, we consider the user assignments both for sum-rate and minimal user-rate maximizations. That is, assuming $M$ LIS-Units deployed in the LIS system, the objective is to select $K$ ($K\!\leq\!M$) best LIS-Units to serve $K$ autonomous users simultaneously. Based on the nice property of effective inter-user interference suppression of the LIS-Units, the optimal user assignments can be effectively found through classical linear assignment problems (LAPs) defined on a bipartite graph. To be specific, the optimal user assignment for sum-rate and user-rate maximizations can be solved by linear sum assignment problem (LSAP) and linear bottleneck assignment problem (LBAP), respectively. The elements of the cost matrix are constructed based on the received signal strength (RSS) measured at each of the $M$ LIS-Units for all the $K$ users. Numerical results show that, the proposed user assignments are close to optimal user assignments both under line-of-sight (LoS) and scattering environments.

研究动机与目标

• 解决从M个分布式LIS-Unit中选择最佳K个来服务K名独立用户的挑战，应用于大规模智能表面（LIS）系统。
• 在分布式LIS-Unit表面面积有限的实际部署约束下，最大化系统和速率与最小用户速率。
• 开发一种低复杂度、可扩展的用户关联框架，利用LIS-Unit的干扰抑制能力。
• 在视 Line-of-Sight（LoS）与散射环境中，通过基于RSS的代价矩阵实现高效用户关联。
• 提供一种计算上可行的解决方案，接近最优性能，且无需穷举搜索。

提出的方法

• 将每个LIS-Unit对每个用户的接收信号强度（RSS）作为用户关联的主要度量指标。
• 使用RSS值作为边权重，在K名用户与M个LIS-Unit之间构建加权二分图。
• 将和速率最大化建模为线性和分配问题（LSAP），通过Kuhn-Munkres算法求解。
• 将最小用户速率最大化建模为线性瓶颈分配问题（LBAP），通过阈值算法求解。
• 仅在离散点（可能仅为每个LIS-Unit的中心）进行RSS测量，以降低计算复杂度。
• 确保两种算法在理论上的收敛性与O(KM²)时间复杂度，保证最优解。

实验结果

研究问题

• RQ1 在分布式LIS系统中，用户关联能否被建模为经典分配问题，以实现接近最优的性能？
• RQ2 在LoS与散射环境中，基于RSS的用户关联性能与暴力穷举最优关联相比如何？
• RQ3 简化RSS测量（例如仅在每个LIS-Unit中心测量）对用户关联性能有何影响？
• RQ4 所提方法是否能在显著降低复杂度的前提下，实现接近最优的和速率与最小速率性能，相比穷举搜索？
• RQ5 在实际传播条件（如墙体反射与非LoS场景）下，用户关联框架的鲁棒性如何？

主要发现

• 通过LSAP与LBAP实现的用户关联在LoS与散射环境中均表现出与最优暴力穷举解非常接近的性能。
• 数值结果表明，LSAP实现的和速率最大化与LBAP实现的最小速率最大化，显著优于随机用户关联。
• 简化RSS测量（仅在每个LIS-Unit中心评估信号强度）仅导致轻微性能下降，尤其在用户距离较远或LIS-Unit尺寸较小时更为明显。
• 当L=0.2且M=5个LIS-Unit时，简化RSS下的最小用户速率仅比全RSS测量时略低，表明其具有很强的实际可行性。
• O(KM²)的时间复杂度确保了可扩展性与实时适用性，使该方法适用于动态用户与LIS-Unit配置。
• LIS-Unit在抑制用户间干扰方面的有效性，使得RSS可作为用户可实现速率的可靠代理，验证了该框架的核心假设。