Deep Learning-Based IRS Phase Shift Control for Ultra-Low Latency V2X Systems

Abstract

Recently, the mission critical vehicle-to-everything (V2X) services, such as safety alarming, remote deriving, and vehicle platooning, play a vital role in the future intel- ligent transportation systems (ITS). To achieve high reliability and low latency V2X services, the intelligent reflecting surface (IRS) has received much attention due to its ability to reconfigure the wireless environment by adjusting the phase of the in- cident signal. By employing IRS, the wireless environment can be improved to meet the reliability and latency requirements of various V2X services. However, finding the optimal solution of the IRS phase shift matrix, multi-vehicle scheduling, and resource allocation are very arduous, due to their joint optimization problem is mixed-integer linear programming. In this paper, we propose a deep learning-based IRS phase shift and power allocation control (D-PPC) scheme, that minimizes the transmission latency while guaranteeing the quality-of-service (QoS). Specifically, we exploit the convolu- tional layer to determine the phase shift and power allocation in consideration of the spatial characteristics of the channel passing through IRS. From the simulation re- sults, we demonstrate that the proposed deep learning-based scheme outperforms the benchmark schemes by a large margin.

지능형 교통 시스템의 급속한 발전과 함께 자율주행, 군집 주행 및 안전 경보 서 비스와같은주행안전,주행편의서비스가미래중요기술로주목받고있다.이러한 서비스를 지원하기 위해서는 높은 신뢰도와 낮은 지연시간을 가지는 통신이 매우 중요하다. 다양한 차량 서비스에서 요구하는 신뢰도 조건과 지연시간 조건을 충족 시키는 방법으로 지능형 반사 평면 (IRS) 을 이용하여 무선 통신 환경을 개선하고자 한다. IRS를 적용함으로써 다양한 차량 서비스의 신뢰성 및 지연시간 요구사항을 충족하도록 무선 환경을 개선할 수 있다. 그러나 IRS의 위상변이와 스케줄링, 무선 자원 할당을 동시에 최적화하는 문제는 혼합 정수 선형 계획법 (mixed-integer linear programming)에 해당하여 최적의 해를 찾아내는 데 어려움이 있다. 또한 최적해를 찾아낸다고 해도 이를 실시간으로 결정하지 못한다면 지능형 반사 평면의 성능을 제한하는 요인이 된다. 본 논문에서는 서비스 요구조건을 만족시키면서 전송 지연 시간을 최소화하는 딥러닝 기반 IRS 위상변이 및 기지국 전력 할당을 결정 기법을 제안한다. 심층 신경망 네트워크 내에 사용된 합성곱 신경망은 IRS를 지나는 무선 채널의 공간적인 특성을 고려하여 위상변이와 전력 할당을 결정한다. 실험을 통하 여 제안하는 딥러닝 기반의 위상변이 및 전력 할당 기법이 다른 비교 기법들이 비해 지연시간 성능을 나타냄을 보인다.