[论文解读] Sum Rate Maximization for Multiuser MISO Downlink with Intelligent Reflecting Surface

Wang, Silei, Qiang Li+2 more|arXiv (Cornell University)|Dec 19, 2019

Advanced Wireless Communication Technologies参考文献 18被引用 10

一句话总结

本文提出了一种块协调加速投影梯度（APG）算法，通过联合优化波束成形与智能反射面（IRS）相位偏移，以在IRS辅助的多用户MISO下行链路系统中最大化和速率。该文推导出具有结构化凸约束和光滑目标函数的非凸和速率最大化问题的可处理重述形式，从而实现对连续与离散相位偏移的高效优化。仿真结果表明，该方法在性能上优于现有最先进方法，尤其在实际离散相位约束条件下表现更优。

ABSTRACT

The intelligent reflecting surface (IRS) is a planar array with massive reconfigurable passive elements, which can align the reflecting signals at the receivers via controlling the phase shifts at each element independently. Since IRS can be implemented without RF chain, it is seen as a cost-effective solution for boosting the spectral efficiency for the future communication system. This work considers the IRS-aided multiuser multi-input single-output downlink transmission, and our goal is to maximize the sum rate by jointly optimizing the transmit beamformer at the base station and the phase shifts, which can be either continuous or discrete, at the IRS. This sum rate maximization (SRM) problem is challenging, especially for the discrete-phase case. To tackle it, we first derive a more tractable equivalent formulation of the SRM problem with structured convex constraints and a smooth objective. From there, a custom-derived block-coordinated accelerated projected gradient algorithm is developed. Simulation results demonstrate that the proposed design outperforms state-of-the-art design in the sum rate performance.

研究动机与目标

• 在IRS辅助的多用户MISO下行链路系统中，通过联合优化波束成形与IRS相位偏移，最大化和速率。
• 解决在离散相位IRS约束下和速率最大化（SRM）问题中的非凸性与混合整数非线性挑战。
• 开发一种高效算法，明确考虑实际IRS硬件的离散相位特性，避免因简单量化导致的性能下降。
• 证明所提方法在提升频谱效率方面相对于现有设计的有效性。

提出的方法

• 利用速率-MMSE关系，将非凸SRM问题重述为具有结构化凸约束和光滑目标函数的等价形式。
• 应用近期离散相位优化文献中的引理1，通过惩罚项将离散相位约束转化为凸松弛形式。
• 提出一种定制的块协调加速投影梯度（APG）算法，通过快速收敛交替优化波束成形器与IRS相位偏移。
• 利用恒等式 log(x⁻¹) = max_w≥0 (−wx + log(w) + 1) 将和速率表示为辅助变量上的最大化问题，从而实现光滑优化。
• 实施一种交替优化框架，通过基于梯度的步骤迭代更新波束成形器与相位偏移。
• 采用惩罚参数 λ > λ̄ 以确保在松弛问题中离散相位解的全局最优性，其中 λ̄ 基于利普希茨连续性与相位分辨率推导得出。

实验结果

研究问题

• RQ1 如何在离散相位约束下重述IRS辅助的多用户MISO下行链路中的和速率最大化问题，以实现高效优化？
• RQ2 简单相位量化对系统性能有何影响？是否存在一种定制化优化方法可优于此类启发式方法？
• RQ3 块协调APG算法是否能在连续与离散相位偏移场景下，实现比现有方法更快的收敛速度与更高的和速率？
• RQ4 所提方法如何利用近期离散相位优化的进展，在硬件受限相位选择器存在的情况下确保最优性？
• RQ5 在实际IRS硬件约束下，所提设计相较于最先进算法在和速率方面的性能增益如何？

主要发现

• 所提算法收敛迅速，当N=100个IRS单元、P_max=5 dBm时，仅需数次迭代即可收敛。
• 对于连续相位IRS，所提设计的和速率高于文献[5]中的最先进算法，展现出更高的频谱效率。
• 对于1比特IRS（L=2），所提方法优于AO与BCD算法的简单量化版本，证明显式离散相位优化至关重要。
• 对于2比特IRS（L=4），所提方法再次实现高于量化对比方法的和速率，证实其在不同相位分辨率水平下的鲁棒性。
• 引入IRS显著提升了系统容量，IRS辅助方案在所有配置下均显著优于非IRS系统。
• 所提方法在不同IRS单元数（N）下保持优越性能，和速率随N增加而提升，并始终优于其他设计方案。