[论文解读] Fast Beam Training for IRS-Assisted Multiuser Communications

Changsheng You, Beixiong Zheng+1 more|ArXiv.org|May 24, 2020

Advanced Wireless Communication Technologies参考文献 11被引用 5

一句话总结

本文提出了一种智能反射面（IRS）辅助多用户系统中的多波束训练方法，将IRS反射单元划分为子阵列，以实现在时间上同时波束赋形。通过比较训练符号中的接收信号功率，用户能够以高概率识别出最优波束方向，与传统单波束训练相比，训练开销最高可降低50%，同时保持相当的无源波束成形增益。

ABSTRACT

In this letter, we consider an intelligent reflecting surface (IRS)-assisted multiuser communication system, where an IRS is deployed to provide virtual line-of-sight (LoS) links between an access point (AP) and multiple users. We consider the practical codebook-based IRS passive beamforming and study efficient design for IRS reflect beam training, which is challenging due to the large number of IRS reflecting elements. In contrast to the conventional single-beam training, we propose a new multi-beam training method by dividing the IRS reflecting elements into multiple sub-arrays and designing their simultaneous multi-beam steering over time. By simply comparing the received signal power over time, each user can detect its optimal IRS beam direction with a high probability, even without searching over all possible beam directions as the single-beam training. Simulation results show that our proposed multi-beam training significantly reduces the training time of conventional single-beam training and yet achieves comparable IRS passive beamforming performance for data transmission.

研究动机与目标

• 解决由于IRS反射单元数量庞大而导致的传统单波束训练在IRS辅助多用户系统中训练开销过高的问题。
• 在保持高无源波束成形性能的同时减少训练时间。
• 实现在不进行所有波束方向穷举搜索的情况下高效识别波束。
• 设计一种确定性、低开销的波束训练方法，优于基于随机哈希的替代方案。

提出的方法

• 将IRS划分为M个子阵列，在每个训练符号期间并行地将各子阵列波束指向不同的波束方向。
• 使用多波束码本，在时间上同时从多个子阵列波束赋形。
• 使每个用户能够通过在训练符号间简单比较接收信号功率或信噪比（SNR），检测其最优波束方向。
• 利用准静态接入点（AP）-IRS信道，固定AP的发射波束，从而简化波束训练过程。
• 采用确定性波束扫描策略，避免随机哈希，确保波束识别的可预测性和高效性。
• 使用指示函数计算波束识别成功率和平均可实现速率，以评估性能。

实验结果

研究问题

• RQ1 多波束训练是否能在不牺牲波束成形性能的前提下，降低IRS辅助多用户系统的训练开销？
• RQ2 IRS子阵列数量如何影响波束识别准确率和可实现速率？
• RQ3 所提出的确定性多波束训练方法与基于随机哈希的多波束训练相比，在波束识别和波束成形增益方面表现如何？
• RQ4 增加子阵列数量时，训练时间减少与波束间干扰之间的权衡关系如何？
• RQ5 在高信噪比（SNR）下，该方法是否仍能以极低训练开销实现高波束识别成功率？

主要发现

• 当M=2时，与单波束训练相比，该方法将训练开销降低了25%（120 vs. 160个符号），同时保持了相似的波束识别成功率和可实现速率。
• 当M=4时，训练时间减少50%（80 vs. 160个符号），在46.4 dB SNR下，波束识别成功率约为92%。
• 当M=8时，由于波束间干扰显著增加，波束识别准确率明显下降，尽管训练时间进一步缩短，但无源波束成形增益降低。
• 在所有测试的M值（2、4、8）下，所提出的方法在波束识别准确率和无源波束成形增益方面均优于基于随机哈希（RH）的多波束训练方法。
• 在M=2时，RH方法在高SNR下性能较差，因为其仅随机覆盖一半波束方向，导致基于投票的波束识别方法效果受限。
• 该方法在显著降低训练开销的同时，保持了与单波束训练相当的无源波束成形性能，因此适用于实际IRS部署。