Joint Transmit and Pinching Beamforming for PASS: Optimization-Based or Learning-Based?

要約

新しいピンチアンテナシステム（PASS）対応のダウンリンクマルチユーザーマルチインプットシングル出力（MISO）フレームワークが提案されています。
パスは、数千の波長にまたがる複数の導波路で構成されており、ピンチアンテナ（PA）と名付けられた多数の低コストの誘電体粒子を装備して、信号を空き空間に放射します。
PAの位置を再構成して、シグナルの大規模なパス損失とフェーズの両方を変更するため、新しいピンチビームフォーミングデザインが促進されます。
合計レートの最大化問題が定式化され、伝達とつまらないビームフォーミングを共同で最適化して、建設的な信号の強化と破壊的な干渉緩和を適応的に実現します。
この高度に結合された非凸の問題を解決するために、最適化ベースと学習ベースの両方の方法が提案されています。
1）最適化に基づく方法については、Maissization-Minimization and Paent Dual Decomposition（MM-PDD）アルゴリズムが開発され、リプシッツ代理関数を使用して非コンセックス複合体指数コンポーネントを処理し、問題の隔離のためにPDDを呼び出します。
2）学習ベースの方法では、新しいKarush-Kuhn-Tucker（KKT）ガイド付きデュアル学習（KDL）アプローチが提案されており、KKTソリューションをデュアル変数を学習することにより、データ駆動型の方法で再構築できます。
このアイデアに続いて、KDL-Tranformerアルゴリズムが開発され、PA間/ユーザー間依存関係と、注意メカニズムによるチャネルステートインフォメーション（CSI）ビームフォーミング依存関係の両方をキャプチャします。
シミュレーション結果は、次のことを示しています。i）提案されたパスフレームワークは、少数のPAを使用しても、従来の大規模な複数の入力マルチ出力（MIMO）システムを大幅に上回ることを示しています。
ii）提案されているKDLトランスフォーカーは、最新のGPUでミリ秒レベルの応答を達成しながら、MM-PDDアルゴリズムよりも30％以上のシステムパフォーマンスを改善できます。

要約(オリジナル)

A novel pinching antenna system (PASS)-enabled downlink multi-user multiple-input single-output (MISO) framework is proposed. PASS consists of multiple waveguides spanning over thousands of wavelength, which equip numerous low-cost dielectric particles, named pinching antennas (PAs), to radiate signals into free space. The positions of PAs can be reconfigured to change both the large-scale path losses and phases of signals, thus facilitating the novel pinching beamforming design. A sum rate maximization problem is formulated, which jointly optimizes the transmit and pinching beamforming to adaptively achieve constructive signal enhancement and destructive interference mitigation. To solve this highly coupled and nonconvex problem, both optimization-based and learning-based methods are proposed. 1) For the optimization-based method, a majorization-minimization and penalty dual decomposition (MM-PDD) algorithm is developed, which handles the nonconvex complex exponential component using a Lipschitz surrogate function and then invokes PDD for problem decoupling. 2) For the learning-based method, a novel Karush-Kuhn-Tucker (KKT)-guided dual learning (KDL) approach is proposed, which enables KKT solutions to be reconstructed in a data-driven manner by learning dual variables. Following this idea, a KDL-Tranformer algorithm is developed, which captures both inter-PA/inter-user dependencies and channel-state-information (CSI)-beamforming dependencies by attention mechanisms. Simulation results demonstrate that: i) The proposed PASS framework significantly outperforms conventional massive multiple input multiple output (MIMO) system even with a few PAs. ii) The proposed KDL-Transformer can improve over 30% system performance than MM-PDD algorithm, while achieving a millisecond-level response on modern GPUs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google