Practical RIS Gain without the Pain via Randomization and Opportunistic Scheduling in 5G~NR Wireless Systems: Theory and Experiments

Technische Zusammenfassung: Praktischer RIS-Gewinn ohne Schmerzen durch Randomisierung und opportunistische Scheduling in 5G-NR-Funksystemen

Problemstellung
Rekonfigurierbare Intelligente Oberflächen (RIS) bieten einen vielversprechenden Weg zur Verbesserung der Signalstärke, der Abdeckung und des Durchsatzes in Beyond-5G-Systemen durch die Steuerung von Funkausbreitungsumgebungen. Herkömmliche RIS-unterstützte Systeme verlassen sich jedoch typischerweise auf eine explizite Schätzung des Kanalzustands (CSI), gefolgt von einer komplexen Optimierung der RIS-Phaseneinstellungen, um das Signal-zu-Rausch-Verhältnis (SNR) zu maximieren. In praktischen Mehrbenutzer-5G-New-Radio-(NR)-Umgebungen verursacht dieser Ansatz erheblichen Overhead bei der Kanalschätzung, der Rechenkomplexität und der Steuerungs-Signalisierung. Darüber hinaus kann die Integration optimierungsbasierter RIS-Designs in den 5G-NR-Protokollstack – insbesondere unter Berücksichtigung von CSI-Berichterstattung, Auswahl des Modulations- und Codierschemas (MCS) und Medium Access Control (MAC)-Scheduling – die theoretischen Gewinne solcher Designs erheblich mindern. Es besteht ein kritischer Bedarf an RIS-Strategien, die Reflexionseigenschaften nutzen, ohne eine explizite CSI-Erfassung oder eine Echtzeit-Phasenoptimierung zu erfordern.

Methodik
Diese Arbeit schlägt und validiert einen Ansatz mit geringer Komplexität vor, bei dem RIS-Phasenzustände zufällig zwischen vordefinierten Konfigurationen umgeschaltet werden, unabhängig vom instantanen CSI. Die daraus resultierenden Kanalschwankungen werden opportunistisch vom inhärenten Proportional-Fair-(PF)-Scheduling-Mechanismus genutzt, der in 5G NR nativ vorhanden ist.

1. Systemarchitektur: Die Autoren entwickelten einen End-to-End-5G-NR-Teststand, der den OpenAirInterface (OAI)-Softwarestack mit einem maßgeschneiderten, hausinternen RIS integriert. Das RIS ist ein 32×32-Uniform-Planar-Array (1024 Elemente), das bei 5 GHz mit einer Bandbreite von 300 MHz arbeitet und einstufige PIN-Dioden für die Phasenumschaltung verwendet. Der Teststand verwendet USRP B210 als Funkgeräte und arbeitet im Time-Division-Duplex-(TDD)-Modus mit einer Bandbreite von 40 MHz.
2. Randomisierungsstrategie: Anstatt Phasen für spezifische Benutzer zu optimieren, wählt das RIS zufällig Phasenvektoren aus einer vordefinierten Stichprobenverteilung aus, die von den Winkelrichtungen der User Equipments (UEs) abgeleitet ist. Die RIS-Konfiguration bleibt für ein Umschaltintervall $T_s$ fest, bevor sie in einen neuen zufälligen Zustand wechselt.
3. Opportunistisches Scheduling: Die 5G-Basisstation (gNB) nutzt einen PF-Scheduler. Der Scheduler wählt das UE mit dem höchsten PF-Metrik-Wert (instantaner Durchsatz geteilt durch langfristigen Durchschnittsdurchsatz) für die Übertragung aus. Der langfristige Durchschnitt wird unter Verwendung eines Exponentiell Gewichteten Gleitenden Durchschnitts (EWMA) mit einer Fenstergröße $T_c$ aktualisiert. Die Kernhypothese lautet, dass zufälliges RIS-Umschalten Kanalschwankungen erzeugt, die der PF-Scheduler nutzen kann, um Benutzer mit günstigen instantanen Bedingungen auszuwählen und somit RIS-Gewinne ohne explizite Koordination zu realisieren.
4. Theoretischer Rahmen: Die Autoren entwickelten ein theoretisches Modell, das die Interaktion zwischen RIS-Umschaltdynamik und PF-Scheduling charakterisiert. Sie analysierten die Konvergenz des Systemdurchsatzes, wenn das PF-Fenster $T_c$ zunimmt, und leiteten Designrichtlinien zur Auswahl von $T_s$ und $T_c$ zur Maximierung des Durchsatzes ab.
5. Experimentelle Validierung: Experimente wurden mit zwei UEs in einer Innenraumumgebung durchgeführt, in der der direkte Sichtverbindungspfad blockiert war. Die Studie bewertete die Empfangsleistung des Referenzsignals (RSRP), die Blockfehlerrate (BLER), den MCS-Index und den Durchsatz unter verschiedenen RIS-Umschaltintervallen ($T_s$) und PF-Gleitfenstern ($T_c$).

Hauptbeiträge

1. End-to-End-Teststand: Die Entwicklung und Demonstration eines Echtzeit-Over-the-Air-(OTA)-5G-NR-Systems, das einen OAI-basierten gNB und eine physisch gebaute RIS integriert, mit Quantifizierung der Leistungsgewinne in einer realistischen Protokollstack-Umgebung.
2. Theoretische Konvergenz: Analytischer Beweis (Satz 1), der zeigt, dass, wenn das PF-Scheduling-Fenster $T_c$ groß wird, der langfristige Durchsatz eines Systems mit zufällig konfiguriertem RIS gegen den Durchsatz konvergiert, der durch ein optimiertes RIS unter Round-Robin-(RR)-Scheduling erreicht wird.
3. Designrichtlinien: Analytische Herleitung (Satz 2), die die Beziehung zwischen dem PF-Fenster $T_c$, dem RIS-Umschaltintervall $T_s$, der Anzahl der UEs und der Anzahl der RIS-Zustände herstellt. Die Analyse zeigt, dass $T_c$ nur logarithmisch mit der Anzahl der UEs und RIS-Zustände skalieren muss, um nahezu optimalen Durchsatz zu erreichen.
4. Experimentelle Verifikation: Empirischer Nachweis, dass ein zufällig abgestimmtes RIS, wenn es mit PF-Scheduling kombiniert wird, eine Leistung (RSRP, BLER, MCS, Durchsatz) erreicht, die mit optimierten RIS-Designs vergleichbar ist, ohne den Overhead der CSI-Erfassung oder Phasenoptimierung.
5. Robustheit gegenüber UE-Standorten: Experimentelle Belege zeigen, dass selbst bei willkürlichen UE-Standorten (die nicht notwendigerweise mit RIS-Strahlformungsrichtungen ausgerichtet sind) das randomisierte RIS-System ein System ohne RIS signifikant übertrifft.

Ergebnisse

• Leistungsgewinne: In Single-UE-Szenarien erzielte das RIS eine RSRP-Steigerung von 10–13 dB (eine Leistungssteigerung von >10×), was zu einer Durchsatzsteigerung von ~26 Mbps (ohne RIS) auf ~53 Mbps (mit RIS) führte.
• Durchsatzvergleich: In Mehrbenutzer-Scheduling-Szenarien erreichte das randomisierte RIS mit PF-Scheduling Durchsatzniveaus, die sich dem „genie-aided"-Benchmark (optimiertes RIS mit RR-Scheduling) annäherten. Insbesondere erzielte das System mit einem PF-Fenster $T_c = 10$ s und einem RIS-Umschaltintervall $T_s = 5$ s einen aggregierten Durchsatz von 52 Mbps und übertraf damit deutlich die RIS-freie Basislinie (26 Mbps) sowie das Round-Robin-Scheduling mit zufälligem RIS (~40–48 Mbps).
• Parameterempfindlichkeit: Die Experimente bestätigten, dass ein mittleres RIS-Umschaltintervall ($T_s \approx 5–9$ s) den besten Durchsatz liefert. Ist $T_s$ zu groß, versagt das System darin, RIS-Zustände innerhalb des Mittelungsfensters zu erkunden; ist $T_s$ zu klein, bleibt nicht genügend Zeit für die Stabilisierung der MCS-Anpassung, bevor das RIS neu konfiguriert wird.
• Fairness: Trotz des opportunistischen Charakters des Scheduling behielt das System die langfristige Fairness bei, wobei die UEs über die Dauer des Experiments annähernd gleiche Zeitschlitze erhielten.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass die Integration eines RIS in 5G-Systeme nicht unbedingt erhebliche Komplexität oder eine explizite CSI-Optimierung erfordert. Die Kernaussage ist, dass ein randomisierter RIS-Betrieb, kombiniert mit nativen 5G-NR-Opportunistischen-Scheduling-Mechanismen, ausreicht, um den Großteil der Leistungsgewinne zu erzielen, die üblicherweise optimierungsbasierten RIS-Designs zugeschrieben werden.

Dieser Ansatz bietet einen praktischen und skalierbaren Weg für den realen RIS-Einsatz, da:

• Er den Overhead der expliziten CSI-Erfassung und Phasenoptimierung eliminiert.
• Er keine Koordination zwischen dem RIS und dem 5G-NR-System erfordert.
• Er die bestehende 5G-NR-Scheduling-Infrastruktur (PF-Scheduler) nutzt, um RIS-Vorteile zu realisieren.
• Er signifikante Leistungsverbesserungen bietet, selbst wenn die UE-Standorte willkürlich sind und nicht perfekt mit RIS-Strahlformungsrichtungen ausgerichtet sind.

Die Autoren schließen, dass ihre Experimente zwar in einem spezifischen Indoor-Setup mit zwei Benutzern durchgeführt wurden, das Konzept sich jedoch auf praktische Mehrantennensysteme mit einer größeren Anzahl von Benutzern erstreckt und eine viable Alternative zu komplexen optimierungsbasierten RIS-Strategien darstellt.