[论文解读] Distributed Beam Training for Intelligent Reflecting Surface Enabled Multi-Hop Routing

Weidong Mei, Rui Zhang|arXiv (Cornell University)|Jun 22, 2021

Advanced Wireless Communication Technologies参考文献 11被引用 4

一句话总结

本文提出了一种智能反射面（IRS）辅助的多跳无线网络分布式波束训练方案，实现了无需全面信道估计的联合主动/被动波束成形与最优路径选择。通过利用信道的时不变特性并结合控制器间的协作训练，该方法在显著降低训练开销与复杂度的同时，实现了接近顺序波束搜索的端到端信道增益。

ABSTRACT

Intelligent reflecting surface (IRS) is an emerging technology to enhance the spectral and energy efficiency of wireless communications cost-effectively. This letter considers a new multi-IRS aided wireless network where a cascaded line-of-sight (LoS) link is established between the base station (BS) and a remote user by leveraging the multi-hop signal reflection of selected IRSs. As compared to the conventional single-/double-hop IRS system, multi-hop IRS system provides more pronounced path diversity and cooperative passive beamforming gains, especially in the environment with dense obstacles. However, a more challenging joint active/passive beamforming and multi-hop beam routing problem also arises for maximizing the end-to-end channel gain. Furthermore, the number of IRS-associated channel coefficients increases drastically with the number of IRS hops. To tackle the above issues, in this letter we propose a new and efficient beam training based solution by considering the use of practical codebook-based BS/IRS active/passive beamforming without the need of explicit channel estimation. Instead of exhaustively or sequentially searching over all combinations of active and passive beam patterns for each beam route, a distributed beam training scheme is proposed to reduce the complexity, by exploiting the (nearly) time-invariant BS-IRS and inter-IRS channels and the cooperative training among the BS and IRSs' controllers. Simulation results show that our proposed design achieves the end-to-end channel gain close to that of the sequential beam search, but at a much lower training overhead and complexity.

研究动机与目标

• 解决多-IRS系统中联合主动/被动波束成形与多跳波束路由的高复杂度问题。
• 通过避免显式信道估计，消除对全面或顺序波束搜索的需求。
• 降低大规模IRS与波束波束模式下多跳IRS网络的训练开销。
• 通过基于码本的波束成形与协同控制器训练，实现实际部署。
• 在计算与时间复杂度均较低的前提下，实现接近最优的端到端信道增益。

提出的方法

• 系统在基站（BS）与每个IRS处使用预定义的主动/被动波束成形码本，将波束波束模式限制在有限集合内。
• 设计了一种分布式波束训练协议，其中BS与IRS控制器交换本地波束路由表（BRT），以构建全局BRT。
• 全局BRT使能高效的多跳路径选择与联合波束成形设计，而无需获取完整信道状态信息（CSI）。
• 该方法利用（近似）时不变的BS-IRS与IRS间信道，以减少训练开销。
• 波束训练在控制器之间协作进行，最大限度减少冗余或全面搜索。
• 该方法在BS与IRS上分别使用基于DFT的码本生成波束波束模式，波束模式数分别为16和32。

实验结果

研究问题

• RQ1 在无需全面波束搜索的情况下，分布式波束训练方案是否能在多-IRS多跳系统中实现接近最优的端到端信道增益？
• RQ2 在信道增益与训练开销方面，所提出的分布式波束训练方案相较于顺序波束搜索的性能表现如何？
• RQ3 IRS元素数量与Rician因子对所提方法与顺序波束搜索之间性能差距的影响是什么？
• RQ4 路径长度（跳数）如何影响该分布式训练方案的近似误差与性能？
• RQ5 在优化波束成形与路由条件下，散射多径分量在多大程度上会降低系统性能？

主要发现

• 所提出的分布式波束训练在所有测试配置下，端到端信道功率增益与顺序波束搜索的差距极小（小于1.5 dB）。
• 当每维IRS元素数超过22时，性能差距略有增加，原因在于最优路径中的跳数更高。
• 当Rician因子增至15 dB或以上时，所提方法与顺序波束搜索之间的性能差距变得可忽略，表明近似精度得到提升。
• 对于靠近基站的用户2，性能差距更小，因为其最优反射路径跳数更少，从而减少了累积训练误差。
• 级联视 Line-of-Sight（LoS）信道功率增益与总体信道增益相当，表明散射多径分量对总信道功率的贡献可忽略不计。
• 与全面或顺序波束搜索相比，所提方法显著降低了训练开销与复杂度，同时保持了接近最优的性能。