[论文解读] Weighted Sum-Rate Maximization for Reconfigurable Intelligent Surface Aided Wireless Networks

Huayan Guo, Ying‐Chang Liang+2 more|arXiv (Cornell University)|Dec 27, 2019

Advanced Wireless Communication Technologies参考文献 50被引用 28

一句话总结

该论文提出了一种低复杂度算法，用于可重构智能表面（RIS）辅助的多用户MISO下行链路系统中联合波束成形与相位移优化，以最大化加权和速率（WSR）。在完美信道状态信息（CSI）下采用分数规划，在不完美CSI下采用随机连续凸逼近（SSCA），该方法在RIS优化下实现了高达4 dB的频谱效率增益，同时在信道不确定性低于10%时仍保持鲁棒性。

ABSTRACT

Reconfigurable intelligent surfaces (RIS) is a promising solution to build a programmable wireless environment via steering the incident signal in fully customizable ways with reconfigurable passive elements. In this paper, we consider a RIS-aided multiuser multiple-input single-output (MISO) downlink communication system. Our objective is to maximize the weighted sum-rate (WSR) of all users by joint designing the beamforming at the access point (AP) and the phase vector of the RIS elements, while both the perfect channel state information (CSI) setup and the imperfect CSI setup are investigated. For perfect CSI setup, a low-complexity algorithm is proposed to obtain the stationary solution for the joint design problem by utilizing the fractional programming technique. Then, we resort to the stochastic successive convex approximation technique and extend the proposed algorithm to the scenario wherein the CSI is imperfect. The validity of the proposed methods is confirmed by numerical results. In particular, the proposed algorithm performs quite well when the channel uncertainty is smaller than 10%.

研究动机与目标

• 解决在RIS辅助的多用户MISO下行链路系统中，通过联合波束成形与相位移优化以最大化加权和速率（WSR）的挑战。
• 研究完美与不完美信道状态信息（CSI）场景，评估系统在实际信道估计误差下的鲁棒性。
• 在完美CSI情况下，利用分数规划设计一种低复杂度算法以获得驻定解。
• 通过利用随机连续凸逼近（SSCA）将框架扩展至不完美CSI，以最大化平均WSR。
• 展示RIS部署的性能增益，以及RIS位置和用户分布对系统速率的影响。

提出的方法

• 将WSR最大化问题建模为具有功率约束和RIS相位移约束的非凸优化问题。
• 在完美CSI情况下，应用分数规划（FP）技术将WSR问题转化为一系列参数化子问题，以实现高效求解。
• 设计一种迭代算法，交替优化波束成形向量与RIS相位移，收敛至驻定解。
• 将框架扩展至不完美CSI，通过将信道不确定性建模为具有已知分布的随机变量。
• 利用随机连续凸逼近（SSCA）迭代逼近期望WSR，并求解得到的凸子问题。
• 引入基于惩罚的方法，在优化过程中处理RIS相位移的单位模约束。

实验结果

研究问题

• RQ1 在完美CSI下，如何通过联合波束成形与RIS相位移优化最大化多用户MISO系统中的WSR？
• RQ2 与无RIS或随机相位移的常规系统相比，RIS部署能带来多大的性能增益？
• RQ3 信道估计不确定性如何影响WSR性能？所提出的算法是否能在不完美CSI下保持高性能？
• RQ4 RIS部署位置和用户分布对平均系统速率有何影响？
• RQ5 RIS尺寸（元件数量）如何影响可实现的WSR和系统频谱效率？

主要发现

• 在使用100个无源元件时，与非优化RIS部署相比，所提算法在频谱效率上实现了高达4 dB的增益。
• 在完美CSI下，所提算法性能与交替优化相当，且每轮迭代复杂度更低，收敛至相同的驻定解。
• 在不完美CSI场景下，当信道不确定性低于10%（方差ϱ ≤ 0.5）时，算法性能损失小于3 dB。
• 随着RIS尺寸N增大，平均WSR显著提升，且N=200时的性能与N=100时8 dB发射功率下的性能相当。
• 在最优位置部署RIS（如D_I = 195 m）可获得比次优位置更高的平均速率，性能对AP-RIS与RIS-用户链路路径损耗乘积敏感。
• CDF结果表明，所提方案在随机用户位置下仍保持稳定且高性能，表明对用户移动性和分布具有鲁棒性。