[论文解读] Chernoff Bounds and Saddlepoint Approximations for the Outage Probability in Intelligent Reflecting Surface Assisted Communication Systems

Tianxiong Wang, Gaojie Chen+2 more|arXiv (Cornell University)|Aug 12, 2020

Advanced Wireless Communication Technologies参考文献 20被引用 9

一句话总结

本文提出了一种Cramer-Rao界和鞍点近似方法，以精确分析智能反射面（IRS）辅助通信系统中的中断概率。通过结合梯度下降优化参数的Cramer-Rao不等式与大N情况下的鞍点近似，该方法实现了更紧致的边界估计，并在高信噪比（SNR）区域实现了渐近精确的中断性能预测，显著优于传统的中心极限定理（CLT）近似方法。

ABSTRACT

We analyze the outage probability of an intelligent reflecting surface (IRS)-assisted communication network. A tight upper bound on the outage probability is formulated based on the Chernoff inequality. Furthermore, through an exact asymptotic (a large number of reflecting elements) analysis based on a saddlepoint approximation, we derive closed-form expressions of the outage probability for systems with and without a direct link and obtain the corresponding diversity orders. Simulation results corroborate our theoretical analysis and show the inaccuracies inherent in using the central limit theorem (CLT) to analyze system performance. Our analysis is accurate even for a small number of IRS elements in the high signal-to-noise ratio (SNR) regime.

研究动机与目标

• 解决在IRS辅助系统中，传统中心极限定理（CLT）近似在高信噪比（SNR）区域存在的不准确性问题。
• 通过使用优化参数的Cramer-Rao不等式，推导出更紧致的中断概率上界。
• 推导出在存在和不存在直射链路情况下，IRS系统中断概率的渐近精确闭式表达式。
• 量化分集增益阶数，并通过仿真验证所提方法的准确性。
• 证明鞍点近似在小N值和高SNR区域下，相较于CLT能提供更优的尾部概率估计。

提出的方法

• 利用端到端SNR的矩生成函数，构建Cramer-Rao上界以估计中断概率。
• 通过梯度下降法（GDM）优化Cramer-Rao上界参数，以实现更紧致的边界。
• 对大N情况下的SNR分布拉普拉斯变换应用鞍点近似，重点分析其尾部分布特性。
• 在视 Line-of-Sight（LoS）与非视 Line-of-Sight（NLoS）条件下，推导出端到端SNR累积分布函数（CDF）的闭式渐近表达式。
• 利用鞍点近似方法估计独立同分布（i.i.d.）瑞利衰落信道增益之和的概率密度函数（PDF）与累积分布函数（CDF）。
• 通过在不同反射单元数量和SNR水平下进行蒙特卡洛仿真，验证分析结果的正确性。

实验结果

研究问题

• RQ1 在高SNR区域，Cramer-Rao界与CLT在近似IRS系统中断概率时的表现如何比较？
• RQ2 当反射单元数量较大时，IRS系统中断概率的渐近行为如何？
• RQ3 直射链路的存在如何影响IRS辅助系统中的中断概率与分集增益？
• RQ4 对于IRS信道分布，鞍点近似是否能提供比CLT更精确的尾部概率估计？
• RQ5 IRS系统在有无直射链路时的分集增益阶数是多少？其随反射单元数量的增加如何变化？

主要发现

• 在高SNR区域，Cramer-Rao界显著优于CLT近似，当N = 16且SNR > 20 dB时，边界更加紧致。
• 即使在小N值（如N = 16）下，鞍点近似也能提供高SNR尾部区域的精确渐近表达式。
• 对于无直射链路的IRS系统，分集增益阶数为d₂ = N + 1，表明随着N增加，分集增益显著提升。
• 直射链路的存在带来显著性能增益，可降低达到目标中断概率所需的发射SNR（例如，在N = 16时，将10⁻⁴中断概率的SNR需求从30 dB降低至20 dB）。
• 鞍点近似与Cramer-Rao界的预测结果与蒙特卡洛仿真结果高度一致，验证了其在不同系统配置下的准确性和鲁棒性。
• CLT近似无法准确捕捉高SNR区域的中断概率，尤其是在尾部区域，而所提方法仍保持可靠性。