Transformer-Based Hybrid Beamforming with Reconfigurable Pixel Antenna for HAPS Communications

기술 요약: HAPS 통신을 위한 재구성 가능 픽셀 안테나 기반의 트랜스포머 하이브리드 빔포밍

문제 제기
성층권에서 운영되는 고고도 플랫폼 스테이션 (HAPS) 은 광범위한 커버리지와 강력한 시선 (LoS) 연결성을 제공하는 6G 우주 - 대기 - 지상 네트워크의 핵심 구성 요소로 구상되고 있습니다. 엄격한 데이터 속도 요구 사항을 충족하면서 자유 공간 경로 손실을 보상하기 위해 대규모 다중 입력 다중 출력 (MIMO) 이 필수적입니다. 그러나 전용 라디오 주파수 (RF) 체인이 안테나당 할당됨에 따른 과도한 하드웨어 비용과 전력 소모로 인해 HAPS 페이로드에 완전 디지털 빔포밍을 적용하는 것은 비현실적입니다. 하이브리드 빔포밍 (HBF) 은 RF 체인을 줄여 해결책을 제시하지만, 기존의 HBF 아키텍처는 고정 패턴 안테나 요소에 의존합니다. 각도 확산이 제한된 LoS 또는 근접 LoS 성분이 지배적인 HAPS 채널에서 정적 복사 패턴은 배열이 지배적인 공간 방향으로 에너지를 집중시키는 능력을 제한하여 잠재적인 배열 및 채널 이득이 충분히 활용되지 못하게 합니다.

재구성 가능 픽셀 안테나 (RPA) 는 복사 패턴의 동적 선택을 허용함으로써 추가적인 자유도를 도입하지만, 이산 패턴 선택, 아날로그 빔포밍, 디지털 프리코딩을 공동으로 최적화하는 것은 매우 복잡한 혼합 정수 비선형 프로그래밍 (MINLP) 문제를 생성합니다. 탐색 공간은 안테나 수와 복사 모드 수에 따라 기하급수적으로 증가합니다. 그리디 패턴 선택과 HBF 최적화를 결합한 기존 반복 알고리즘은 상당한 계산 복잡성과 추론 지연을 겪어 실제 HAPS 시스템의 실시간 스케줄링 요구 사항에 적합하지 않습니다.

방법론
이러한 과제를 해결하기 위해 저자들은 공동 패턴 - 아날로그 - 디지털 빔포밍 문제를 해결하도록 설계된 트랜스포머 기반의 엔드 - 투 - 엔드 딥러닝 프레임워크인 PR-HBFNet을 제안합니다. 시스템 모델은 페이로드 제약을 준수하기 위해 $N_t$개의 RPA 요소로 구성된 균일 평면 배열 (UPA) 을 $N_{RF}$개의 서브어레이 (서브 연결 아키텍처) 로 분할한 HAPS 를 고려합니다. 채널은 리시안 페이딩을 갖는 광대역 3 차원 기하 기반 확률 모델로 모델링됩니다.

제안된 PR-HBFNet 은 두 가지 주요 모듈로 구성된 캐스케이드 신경망입니다:

1. 패턴 재구성 네트워크 (PRN):

   • 입력: 모든 후보 복사 패턴에 대한 응답을 포함하는 전자기 채널 상태 정보 (CSI) 텐서 $\hat{H}$.
   • 메커니즘: 입력은 트랜스포머 인코더에 의해 처리되어 안테나, 사용자 및 후보 패턴 간의 장거리 의존성을 포착합니다.
   • 출력: 완전 연결 계층과 소프트맥스 활성화가 각 안테나의 각 후보 모드에 대한 확률을 생성합니다. Argmax 연산 (훈련 중에는 스트레이트 - 스루 추정기를 통해 근사화됨) 은 최적의 이산 패턴 벡터 $c$를 선택합니다.

2. 하이브리드 빔포밍 네트워크 (HBN):

   • 입력: 선택된 패턴 벡터에서 유도된 동등 채널.
   • 전략: 네트워크는 물리적 제약을 보존하고 수렴성을 향상시키기 위해 모델 기반 잔차 학습을 사용합니다.
   • 아날로그 분기: 트랜스포머 인코더는 서브어레이별 특이값 분해 (SVD) 에서 유도된 초기 아날로그 빔포머에 대한 잔차 보정을 학습합니다. 출력은 블록 대각 구조와 상수 - 모듈러스 항목을 보장하여 수동 위상 시프터 제약을 충족하도록 실현 가능 집합에 투영됩니다.
   • 디지털 분기: 마찬가지로, 트랜스포머 인코더는 다중 사용자 간섭을 억제하기 위해 SVD 기반 초기 디지털 프리코더에 대한 잔차 정제를 예측합니다. 최종 디지털 프리코더는 총 전송 전력 제약을 충족하도록 모든 서브캐리어에 걸쳐 재조정됩니다.

전체 네트워크는 기존 솔버로부터 레이블이 지정된 최적 솔루션이 필요 없이 시스템의 평균 다운링크 합 스펙트럼 효율을 직접 최대화하는 비지도 방식으로 훈련됩니다.

주요 결과
$N_t=32$개의 안테나, $N_{RF}=8$개의 RF 체인, 크기 $M=4$의 패턴 코드북을 사용하여 3 차원 광대역 채널 모델 (QuaDRiGa) 로 수행된 시뮬레이션 결과는 다음과 같습니다:

• 스펙트럼 효율 (SE): 제안된 PR-HBFNet 은 그리디 벤치마크 (Greedy+HBFNet) 의 성능에 근접합니다. 50 dBm 의 전송 전력에서 PR-HBFNet 은 약 30.87 bits/s/Hz 의 SE 를 달성하며, 이는 벤치마크 값 (31.23 bits/s/Hz) 의 1.1% 이내입니다. 두 재구성 가능 방식 모두 고정 복사 패턴 또는 무작위 패턴 선택을 사용하는 시스템보다 훨씬 우수한 성능을 보입니다.
• 확장성: 제안된 방법의 고정 패턴 대규모 MIMO 에 대한 성능 우위는 사용자 수 ($K$) 가 증가함에 따라 더 두드러져 다중 사용자 간섭 및 채널 기하학에 대한 효과적인 적응을 나타냅니다.
• 계산 복잡성: 제안된 방법은 추론 지연과 계산 부하를 극적으로 감소시킵니다.
  • 지연: PR-HBFNet 은 밀리초 범위 (26.83–38.30 ms) 에서 작동하는 반면, 그리디 벤치마크는 초 단위 (4.2–8.2 초) 가 필요합니다.
  • FLOPs: 제안된 네트워크는 0.96–1.25 G FLOPs 가 필요한 반면, 벤치마크는 7.79–47.23 G FLOPs 가 필요합니다.
  • 파라미터: 제안된 네트워크는 벤치마크에 비해 학습 가능한 파라미터가 중등도 증가하지만, 계산 효율성의 향상은 상당합니다.

의의 및 주장
이 논문은 PR-HBFNet 이 반복 최적화 방법의 높은 성능과 실제 HAPS 시스템의 저지연 요구 사항 사이의 간극을 성공적으로 메웠다고 주장합니다. 하드웨어 제약 (서브 연결 아키텍처, 상수 모듈러스, 총 전력 제약) 을 명시적으로 학습 프레임워크에 통합함으로써 이 방법은 기본 물리 모델과의 일관성을 보장합니다. 저자들은 이 프레임워크가 실시간 HAPS 통신에 적합하며, 그리디 패턴 선택 방식의 스펙트럼 효율에 효과적으로 근접하면서도 추론 지연을 초에서 밀리초로 줄이는 저복잡성 해결책을 제공한다고 결론지었습니다.