Geometry-Informed Optimization of Binary RIS Configurations for Communication and Sensing

기술 요약: 이진 RIS 구성을 위한 기하학적 정보 기반 최적화

문제 정의
실제적인 재구성 가능한 지능형 표면(RIS)은 일반적으로 1비트(두 가지 이산 상태: $0^\circ$ 및 $180^\circ$)로 제한된 저해상도 위상 변이기를 사용한다. $N$개의 소자를 가진 RIS의 경우, 구성 공간은 $2^N$개의 이진 상태로 구성된다. 수신 신호 강도 또는 센싱 정확도와 같은 성능 지표를 최대화하기 위해 전수 조사(exhaustive search)를 통해 직접 최적화를 수행하는 것은 지수적 증가로 인해 계산적으로 불가능하다. 기존 문헌은 종종 연속 위상 변화를 가정하고 최적화 후에 양자화를 적용하지만, 이 방식은 위상 해상도가 낮을 때 상당한 성능 저하를 초래하는 경우가 많다. 반대로, 직접적인 이산 탐색 방법은 휴리스틱이나 구조화되지 않은 탐색에 의존하는 경우가 많아, 최적해 공간의 내재된 구조를 활용하지 못한다.

방법론
저자들은 1비트 RIS 위상 최적화 문제를 기하학적 문제로 재정의하는 프레임워크를 제안한다. 이진 공간을 구조화되지 않은 것으로 취급하는 대신, 본 논문은 전역 최적 구성이 특정 기하학적 성질을 공유함을 입증한다.

1. 수학적 재정의:
   수신 신호 대 잡음비(SNR)를 최대화하는 문제는 채널 의존적 벡터들의 부호 있는 합의 노름(norm)을 최대화하는 문제로 변환된다. 구체적으로, 목적 함수는 채널 상태 정보(CSI) 및 직접 링크로부터 유도된 벡터 $\mathbf{a}_k$들에 대해, $\|\sum_{k} x_k \mathbf{a}_k\|$를 최대화하는 이진 벡터 $\mathbf{x} \in \{+1, -1\}^K$를 찾는 것이다.

2. 기하학적 특성 규명 (보조정리 1):
   핵심적인 이론적 기여는 모든 전역 최적 구성 $\mathbf{x}^*$가 공통의 방향 벡터 $\mathbf{v}$에 대한 벡터 $\mathbf{a}_k$들의 투영(projection) 부호에 의해 유도됨을 증명하는 것이다. 수학적으로, $x_k^* = \text{sgn}(\mathbf{a}_k \cdot \mathbf{v})$이다. 이는 잠재적인 최적 구성의 집합이 신호 공간 내에서 방향 벡터 $\mathbf{v}$를 변화시킴으로써 생성되는 것들로 제한됨을 의미한다.

3. 알고리즘 접근 방식:

   • 일반 MIMO 케이스 (기하학적 정보 기반 샘플링): 고차원 신호 공간을 위해, 저자들은 방향 벡터 $\mathbf{v}$를 특정 분포에서 샘플링하고 투영 규칙을 사용하여 이진 구성을 구축하는 알고리즘을 제안한다. 이는 탐색 예산을 오직 "구조적으로 허용 가능한" 후보군에만 국한시켜, 대다수의 차선책(suboptimal) 구성을 피하게 한다.
   • SISO 케이스 (정확한 다항 시간 솔루션): 단일 입출력(SISO) 시스템의 경우, 벡터들은 2차원 실수 공간($\mathbb{R}^2$)에 존재한다. 저자들은 최적의 구성이 벡터 $\mathbf{a}_k$에 직교하는 선들에 의해 형성되는 섹터(sector)에 대응함을 보여준다. 이러한 섹터를 열거함으로써(최대 $N+1$개의 서로 다른 구성), 무작위 샘플링 대신 다항 시간($O(K^2)$ 또는 병렬 처리를 통한 $O(K \log K)$) 내에 전역 최적해를 정확히 찾을 수 있다.

4. ISAC에 대한 적용:
   본 프레임워크는 통합 센싱 및 통신(ISAC) 시나리오로 확장된다. RIS 소자들은 통신과 센싱을 위한 세트로 분할된다. 저자들은 통신 신호를 강화하거나 타겟 조명(illumination)을 개선하는 서브 문제가 모두 동일한 근본적인 부호 벡터 최대화 문제로 귀결됨을 입증하며, 이를 통해 동일한 최적화 알고리즘을 두 기능 모두에 적용할 수 있음을 보여준다.

주요 기여

• 기하학적 증명: 모든 전역 최적 1비트 RIS 구성은 채널 벡터의 공통 방향에 대한 투영 부호에 의해 유도됨을 증명하였다.
• 효율적인 MIMO 알고리즘: 일반 MIMO 시스템을 위해, 구조적으로 유효한 구성에만 집중함으로써 탐색 공간을 크게 줄이는 기하학적 정보 기반 샘플링 방법을 개발하였다.
• 정확한 SISO 알고리즘: 2D 각도 분할을 통해 전체 후보 구성 세트를 규명함으로써, SISO 시스템을 위한 다항 시간 정확 알고리즘을 도출하였다.
• 통합 ISAC 프레임워크: 통신 강화와 타겟 위치 추정이 동일한 이산 최적화 구조를 공유함을 보여줌으로써, 통합된 설계 접근 방식을 가능하게 하였다.

시뮬레이션 결과
본 논문은 3D 환경에서의 수치 시뮬레이션을 통해 제안된 방법들을 평가한다:

• LOS 최대화: 기하학적 정보 기반 샘플링 방법은 정보가 없는 직접 이진 샘플링 및 이상적인 연속 위상 벤치마크와 비교되었다. 1,000개의 후보를 가진 고정된 샘플링 예산에서, 제안된 방법은 직접 샘플링 대비 최소 5.36 dB의 이득을 달과 함께, 이상적인 연속 위상 RIS 성능에 3.12 dB 이내로 근접하며, 이진 공간의 효과적인 탐색이 연속 위상 성능의 상당 부분을 회복할 수 있음을 입증하였다.
• ISAC 트레이드오프: RIS 소자가 통신과 센싱 사이에 분할된 ISAC 시나리오에서, 비선형적인 트레이드오프 관계가 나타났다. 통신에 할당된 요소의 비율을 높이면 수신 전력이 꾸준히 향상되었으나, 임계값에 도달하기 전까지는 센싱 성능(위치 추정 오차 및 미검출률)이 즉각적으로 저하되지 않았다. 이는 통신을 강화하면서도 센싱에 미치는 영향이 최소화되는 운용 영역이 존재함을 시사한다.

의의
본 논문은 실제적인 RIS 하드웨어의 이산적 특성이 위상 최적화를 난해하게 만드는 것이 아니라, 오히려 활용 가능한 기하학적 구조를 드러낸다고 주장한다. 이러한 구조를 활용함으로써, 제안된 프레임키는 통신과 센싱 기능 모두에 걸쳐 실용적인 1비트 RIS 구성을 최적화하기 위한 통합된 접근 방식을 제공하며, 전수 조사나 연속 위상 근사법에 대한 효율적인 대안을 제시한다.