核心概念
지능형 표면(IS)의 반사 요소(RE)를 세 그룹으로 나누어 무작위 샘플링을 통해 무선 환경의 통계적 특징을 추출하고, 이를 활용하여 채널 정보 없이도 IS의 위상 변화를 효과적으로 조정할 수 있는 적응형 블라인드 빔포밍 알고리즘을 제안한다.
摘要
이 논문은 지능형 표면(IS) 기술에서 채널 정보 없이도 효과적인 빔포밍을 수행할 수 있는 적응형 블라인드 빔포밍 알고리즘을 제안한다.
기존의 블라인드 빔포밍 알고리즘인 RFocus와 CSM은 직접 경로(LoS)가 충분히 강한 경우에만 효과적으로 작동하지만, 직접 경로가 약한 비직접 경로(NLoS) 상황에서는 성능이 저하될 수 있다는 문제점을 지적한다.
이를 해결하기 위해 제안하는 GCSM(Grouped Conditional Sample Mean) 알고리즘은 IS의 반사 요소(RE)를 세 그룹으로 나누어 무작위 샘플링을 수행하고, 이를 통해 무선 환경의 통계적 특징을 추출한다. 이를 바탕으로 채널 정보 없이도 IS의 위상 변화를 효과적으로 조정할 수 있다.
GCSM 알고리즘은 LoS와 NLoS 상황 모두에서 성능 향상을 보장하며, 기존 알고리즘에 비해 훨씬 적은 무작위 샘플링으로도 우수한 성능을 달성할 수 있다. 또한 다중 사용자 환경으로 확장할 수 있는 방법도 제시한다.
統計資料
직접 경로(LoS) 채널 강도 |h0|가 충분히 크지 않으면 기존 블라인드 빔포밍 알고리즘(RFocus, CSM)이 실패할 수 있다.
제안하는 GCSM 알고리즘은 LoS와 NLoS 상황 모두에서 성능 향상을 보장한다.
GCSM 알고리즘은 기존 알고리즘에 비해 훨씬 적은 무작위 샘플링으로도 우수한 성능을 달성할 수 있다.
引述
"지능형 표면(IS)의 반사 요소(RE)를 세 그룹으로 나누어 무작위 샘플링을 통해 무선 환경의 통계적 특징을 추출하고, 이를 활용하여 채널 정보 없이도 IS의 위상 변화를 효과적으로 조정할 수 있는 적응형 블라인드 빔포밍 알고리즘을 제안한다."
"제안하는 GCSM 알고리즘은 LoS와 NLoS 상황 모두에서 성능 향상을 보장하며, 기존 알고리즘에 비해 훨씬 적은 무작위 샘플링으로도 우수한 성능을 달성할 수 있다."