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

기술 요약: 5G NR 무선 시스템에서 무작위화와 기회적 스케줄링을 통한 실질적인 RIS 이득의 실현 (고통 없이)

문제 제기
재구성 가능 지능형 표면 (RIS) 은 무선 전파 환경을 제어함으로써 차세대 5G 시스템에서 신호 강도, 커버리지 및 처리량을 향상시킬 수 있는 유망한 방안을 제공합니다. 그러나 기존 RIS 지원 시스템은 일반적으로 신호대잡음비 (SNR) 를 극대화하기 위해 명시적인 채널 상태 정보 (CSI) 추정을 수행한 후 RIS 위상 구성을 복잡하게 최적화하는 방식에 의존합니다. 실제 다중 사용자 5G New Radio (NR) 환경에서 이 접근법은 채널 추정, 계산 복잡도 및 제어 신호에 상당한 오버헤드를 초래합니다. 또한, CSI 보고, 변조 및 부호화 방식 (MCS) 선택, 그리고 매체 접근 제어 (MAC) 스케줄링을 고려하여 최적화 기반 RIS 설계를 5G NR 프로토콜 스택에 통합하는 경우, 이러한 설계의 이론적 이득이 크게 감소할 수 있습니다. 따라서 명시적인 CSI 획득이나 실시간 위상 최적화 없이 반사 특성을 활용할 수 있는 RIS 전략에 대한 시급한 필요성이 대두되고 있습니다.

방법론
본 연구는 실시간 CSI 와 무관하게 사전 정의된 구성들 사이에서 RIS 위상 상태를 무작위로 전환하는 저복잡도 접근법을 제안하고 검증합니다. 이로 인해 발생하는 채널 변동은 5G NR 에 내재된 비례 공평 (Proportional Fair, PF) 스케줄링 메커니즘에 의해 기회적으로 활용됩니다.

1. 시스템 아키텍처: 저자는 OpenAirInterface (OAI) 소프트웨어 스택과 자체 제작한 RIS 를 통합한 엔드 - 투 - 엔드 5G NR 테스트베드를 개발했습니다. 해당 RIS 는 5GHz 에서 작동하며 300MHz 대역폭을 사용하는 32×32 균일 평면 어레이 (1024 개 요소) 로, 위상 전환을 위해 1 비트 PIN 다이오드를 활용합니다. 테스트베드는 USRP B210 을 무선 단말로 사용하며 40MHz 대역폭으로 시간 분할 듀플렉스 (TDD) 모드에서 작동합니다.
2. 무작위화 전략: 특정 사용자를 위해 위상을 최적화하는 대신, RIS 는 사용자 장비 (UE) 의 각도 방향에서 유도된 사전 정의된 샘플링 분포에서 위상 벡터를 무작위로 선택합니다. RIS 구성은 새로운 무작위 상태로 전환되기 전까지 전환 간격 $T_s$ 동안 고정됩니다.
3. 기회적 스케줄링: 5G 기지국 (gNB) 은 PF 스케줄러를 활용합니다. 스케줄러는 전송을 위해 가장 높은 PF 지표 (순간 처리량을 장기 평균 처리량으로 나눈 값) 를 가진 UE 를 선택합니다. 장기 평균은 윈도우 크기 $T_c$ 를 가진 지수 가중 이동 평균 (EWMA) 을 사용하여 업데이트됩니다. 핵심 가설은 무작위 RIS 전환이 채널 변동을 생성하여 PF 스케줄러가 유리한 순간 조건을 가진 사용자를 선택할 수 있게 함으로써, 명시적인 조정 없이도 RIS 이득을 확보할 수 있다는 것입니다.
4. 이론적 프레임워크: 저자는 RIS 전환 동역학과 PF 스케줄링 간의 상호작용을 특징짓는 이론적 모델을 개발했습니다. 그들은 PF 윈도우 $T_c$ 가 증가함에 따라 시스템 처리량의 수렴을 분석하고, 처리량을 극대화하기 위해 $T_s$ 와 $T_c$ 를 선택하기 위한 설계 지침을 도출했습니다.
5. 실험적 검증: 실험은 직접 가시선 경로가 차단된 실내 환경에서 두 개의 UE 를 사용하여 수행되었습니다. 연구는 다양한 RIS 전환 간격 ($T_s$) 과 PF 평균화 윈도우 ($T_c$) 하에서 참조 신호 수신 전력 (RSRP), 블록 오류율 (BLER), MCS 인덱스 및 처리량을 평가했습니다.

주요 기여

1. 엔드 - 투 - 엔드 테스트베드: OAI 기반 gNB 와 물리적으로 구축된 RIS 를 통합한 실시간 공중 (OTA) 5G NR 시스템의 개발 및 시연으로, 실제 프로토콜 스택 환경에서 성능 이득을 정량화했습니다.
2. 이론적 수렴: PF 스케줄링 윈도우 $T_c$ 가 커짐에 따라 무작위 구성 RIS 를 가진 시스템의 장기 처리량이 순환 라운드 로빈 (RR) 스케줄링 하의 최적화 RIS 가 달성하는 처리량으로 수렴함을 보여주는 분석적 증명 (정리 1) 입니다.
3. 설계 지침: PF 윈도우 $T_c$, RIS 전환 간격 $T_s$, UE 수 및 RIS 상태 수 간의 관계를 확립하는 분석적 유도 (정리 2) 입니다. 분석에 따르면, 근사 최적 처리량을 달성하기 위해 $T_c$ 는 UE 수 및 RIS 상태 수에 대해 로그적으로만 스케일링하면 됩니다.
4. 실험적 검증: 무작위 조정 RIS 가 PF 스케줄링과 결합될 때 CSI 획득 또는 위상 최적화의 오버헤드 없이 최적화 RIS 설계와 동등한 성능 (RSRP, BLER, MCS, 처리량) 을 달성함을 실증적으로 입증했습니다.
5. UE 위치에 대한 강건성: UE 위치가 RIS 빔포밍 방향과 반드시 정렬되지 않더라도 무작위화 RIS 시스템이 RIS 가 없는 시스템보다 현저히 우수한 성능을 보인다는 실험적 증거입니다.

결과

• 성능 이득: 단일 UE 시나리오에서 RIS 는 RSRP 를 10~13dB 증가시켰으며 (10 배 이상의 전력 증가), 이는 RIS 가 없는 경우의 ~26Mbps 에서 RIS 가 있는 경우의 ~53Mbps 로 처리량이 향상되는 결과를 가져왔습니다.
• 처리량 비교: 다중 UE 스케줄링 시나리오에서 PF 스케줄링을 갖춘 무작위화 RIS 는 "유령 지원 (genie-aided)" 벤치마크 (RR 스케줄링을 갖춘 최적화 RIS) 에 근접하는 처리량 수준을 달성했습니다. 구체적으로, PF 윈도우 $T_c = 10$초 및 RIS 전환 간격 $T_s = 5$초에서 시스템은 52Mbps 의 집계 처리량을 달성하여 RIS 가 없는 기준선 (26Mbps) 과 무작위 RIS 를 사용한 라운드 로빈 스케줄링 (~40-48Mbps) 보다 현저히 우수한 성능을 보였습니다.
• 매개변수 민감도: 실험은 중간 RIS 전환 간격 ($T_s \approx 5-9$초) 이 가장 좋은 처리량을 산출함을 확인했습니다. $T_s$가 너무 크면 시스템이 평균화 윈도우 내에서 RIS 상태를 탐색하지 못하며, $T_s$가 너무 작으면 RIS 가 재구성되기 전에 MCS 적응이 안정화될 시간이 부족합니다.
• 공평성: 기회적 스케줄링의 성격에도 불구하고, 시스템은 장기적 공평성을 유지하여 실험 기간 동안 UE 들이 대략 동일한 시간 슬롯을 할당받았습니다.

의의 및 주장
본 논문은 RIS 를 5G 시스템에 통합하는 것이 반드시 상당한 복잡성이나 명시적 CSI 최적화를 요구하지는 않는다고 주장합니다. 핵심 교훈은 무작위화된 RIS 작동이 네이티브 5G NR 기회적 스케줄링 메커니즘과 결합되면, 일반적으로 최적화 기반 RIS 설계에 귀속되는 대부분의 성능 이득을 제공할 수 있다는 점입니다.

이 접근법은 다음과 같은 이유로 실제 세계의 RIS 배포를 위한 실용적이고 확장 가능한 경로를 제공합니다:

• 명시적 CSI 획득 및 위상 최적화의 오버헤드를 제거합니다.
• RIS 와 5G NR 시스템 간의 조정이 필요하지 않습니다.
• 기존 5G NR 스케줄링 인프라 (PF 스케줄러) 를 활용하여 RIS 혜택을 확보합니다.
• UE 위치가 임의적이고 RIS 빔포밍 방향과 완벽하게 정렬되지 않더라도 상당한 성능 개선을 제공합니다.

저자는 실험이 특정 실내 2 사용자 설정에서 수행되었지만, 이 개념은 더 많은 수의 사용자를 가진 실제 다중 안테나 시스템으로 확장 가능하며, 복잡한 최적화 기반 RIS 전략에 대한 실현 가능한 대안을 제시한다고 결론지었습니다.