[论文解读] Fast Beam Training and Alignment for IRS-Assisted Millimeter Wave/Terahertz Systems

Peilan Wang, Jun Fang+2 more|arXiv (Cornell University)|Mar 9, 2021

Advanced Wireless Communication Technologies参考文献 41被引用 69

一句话总结

该论文提出了一种针对IRS辅助的毫米波/太赫兹系统的快速、低开销波束训练方法，通过利用压缩相位无关测量和基于集合交集的算法，实现最优波束对准。通过利用级联信道的稀疏结构并使用多方向波束序列，该方法在将训练开销降低95%的同时，实现了接近穷举搜索的性能。

ABSTRACT

Intelligent reflecting surface (IRS) has emerged as a competitive solution to address blockage issues in millimeter wave (mmWave) and Terahertz (THz) communications due to its capability of reshaping wireless transmission environments. Nevertheless, obtaining the channel state information of IRS-assisted systems is quite challenging because of the passive characteristics of the IRS. In this paper, we consider the problem of beam training/alignment for IRS-assisted downlink mmWave/THz systems, where a multi-antenna base station (BS) with a hybrid structure serves a single-antenna user aided by IRS. By exploiting the inherent sparse structure of the BS-IRS-user cascade channel, the beam training problem is formulated as a joint sparse sensing and phaseless estimation problem, which involves devising a sparse sensing matrix and developing an efficient estimation algorithm to identify the best beam alignment from compressive phaseless measurements. Theoretical analysis reveals that the proposed method can identify the best alignment with only a modest amount of training overhead. Simulation results show that, for both line-of-sight (LOS) and NLOS scenarios, the proposed method obtains a significant performance improvement over existing state-of-art methods. Notably, it can achieve performance close to that of the exhaustive beam search scheme, while reducing the training overhead by 95%.

研究动机与目标

• 该论文旨在解决由于IRS的无源特性以及导频开销较高，导致在IRS辅助的毫米波/太赫兹系统中获取精确信道状态信息（CSI）的挑战。
• 其重点在于波束训练/对准，而非完整的CSI估计，以降低复杂度和开销。
• 目标是识别在视 Line-of-Sight（LOS）和非视 Line-of-Sight（NLOS）场景下，主路径的最优离开角（AoD）和到达角（AoA）。
• 该方法需在实际损伤（如相位噪声和载波频率偏移（CFO））下有效工作，这些损伤会破坏相位信息。
• 旨在优于现有方法，特别是在低信噪比（SNR）场景和单载波系统中，这些场景下先前方法会失效。

提出的方法

• 波束训练过程通过多轮‘全角度扫描’实现，使用预先设计的多方向波束序列来探测角度空间。
• 该方法将波束训练建模为联合稀疏感知与相位无关估计问题，避免依赖相位测量。
• 开发了一种基于集合交集的方案，从多轮扫描中获得的压缩相位无关测量中识别最佳波束对准。
• 基站（BS）的主动波束成形器与IRS上的无源波束成形器使用结构化、多方向序列，实现方向识别，而无需基于调制的波束指纹技术。
• 理论分析表明，通过利用级联信道的稀疏结构，该方法可在适度训练开销下实现可靠的对准。
• 该方法对相位噪声和CFO具有鲁棒性，因其依赖于幅度测量和方向支撑集的交集。

实验结果

研究问题

• RQ1 能否为IRS辅助的毫米波/太赫兹系统设计一种波束训练方法，实现接近穷举搜索的性能，同时显著降低训练开销？
• RQ2 在相位噪声和CFO存在的情况下，如何实现波束对准，此时相位信息不可靠或不可用？
• RQ3 该方法能否在LOS和非LOS（NLOS）传播场景下均有效工作，且仅需极少的CSI反馈？
• RQ4 是否可能仅通过压缩的、相位无关的测量识别最优波束对准，而无需完整CSI估计？
• RQ5 在成功概率和波束成形增益方面，该方法与现有最先进的波束训练方案相比如何，特别是在低信噪比条件下？

主要发现

• 与穷举波束搜索相比，所提方法将训练开销降低了95%，同时实现了接近最优的性能。
• 在LOS和NLOS场景下，即使导频数量有限，该方法的成功率也接近穷举搜索。
• 在所有测试的SNR水平下，该方法的波束成形增益比（BGR）与穷举搜索的差距在5%以内。
• 在低SNR条件下，该方法优于SwiftLink和AgileLink，尤其得益于其对相位噪声和估计误差累积的鲁棒性。
• 理论分析证实，正确识别最佳对准的概率有系统参数的下界，确保了可靠性。
• 该方法在单载波系统中有效，而先前方法依赖子载波特定的波束指纹，无法适用。