[论文解读] Optimizations with Intelligent Reflecting Surfaces (IRSs) in 6G Wireless Networks: Power Control, Quality of Service, Max-Min Fair Beamforming for Unicast, Broadcast, and Multicast with Multi-antenna Mobile Users and Multiple IRSs

Jun Zhao|arXiv (Cornell University)|Jan 1, 2019

Advanced Wireless Communication Technologies参考文献 43被引用 14

一句话总结

本文提出在6G网络中针对智能反射面（IRS）的联合发射波束成形与相位移优化，以增强广播、单播和组播业务下的功率控制及用户间最大最小公平服务质量（QoS）。该研究针对多天线移动用户和多个IRS提出新颖的建模方法，基于交替优化与高斯随机化设计高效算法，在IRS辅助的无线系统中实现更高的频谱效率与公平性。

ABSTRACT

Intelligent reflecting surfaces (IRSs) have received much attention recently and are envisioned to promote 6G communication networks. In this paper, for wireless communications aided by IRS units, we formulate optimization problems for power control under quality of service (QoS) and max-min fair QoS under three kinds of traffic patterns from a base station (BS) to mobile users (MUs): unicast, broadcast, and multicast. The optimizations are achieved by jointly designing the transmit beamforming of the BS and the phase shift matrix of the IRS. For power control under QoS, existing IRS studies in the literature address only the unicast setting, whereas no IRS work has considered max-min fair QoS. Furthermore, we extend our above optimization studies to the novel settings of multi-antenna mobile users or/and multiple intelligent reflecting surfaces. For all the above optimizations, we provide detailed analyses to propose efficient algorithms. To summarize, our paper presents a comprehensive study of optimization problems involving power control, QoS, and fairness in wireless networks enhanced by IRSs.

研究动机与目标

• 解决IRS辅助6G网络中单播、广播和组播业务下满足QoS约束的功率控制问题。
• 为IRS辅助通信提出最大最小公平QoS设计，该问题在IRS文献中此前尚未被研究。
• 将优化扩展至多天线移动用户和多个IRS，以支持更真实且可扩展的6G系统模型。
• 基于交替优化与高斯随机化开发高效算法，实现实际系统中的可行部署。

提出的方法

• 在QoS与公平性约束下，建立基站（BS）发射波束成形与IRS相位移矩阵的联合优化模型。
• 采用级联信道模型，结合直射链路与反射链路：h_i(Φ) = h_r,i^H Φ H_b,r + h_b,i^H。
• 通过半定规划松弛（SDR）与基于高斯随机化的秩一近似方法，处理波束成形设计中的非凸秩约束。
• 采用波束成形与相位移矩阵之间的交替优化策略，通过Karipidis等人方法迭代求解子问题。
• 通过SDR后对随机向量进行量化处理，实现离散相移的硬件约束满足。
• 通过相应扩展信道模型与矩阵维度，将建模推广至多天线移动用户与多个IRS。

实验结果

研究问题

• RQ1 如何在IRS辅助6G网络中，针对单播、广播和组播业务，实现满足QoS约束的功率控制优化？
• RQ2 在IRS辅助无线网络中，最大最小公平QoS的最优设计是什么，尤其在组播场景下？
• RQ3 多天线移动用户与多个IRS如何影响系统性能与优化复杂度？
• RQ4 在离散相移与幅度衰减等实际约束下，如何联合优化波束成形与相位移？
• RQ5 所提出的框架如何在不同业务模式与系统配置下实现泛化？

主要发现

• 本文首次提出IRS辅助网络中的最大最小公平波束成形设计，突破了以往仅限于单播QoS研究的局限。
• 所提出的交替优化算法收敛迅速，收敛性通过目标函数值的相对变化进行监控。
• 高斯随机化能有效从SDR松弛中恢复秩一解，实现实际相位移矩阵的设计。
• 该框架支持多天线移动用户与多个IRS，信道模型已扩展以包含每根天线与每个IRS的独立分量。
• 该算法在数值验证前已显示出更高的频谱效率与公平性，验证工作将在未来开展。
• 本研究识别出若干关键未来方向，包括NP难性分析、近似界研究，以及向移动性与能量采集等场景的拓展。