RIS placement optimization for millimeter wave indoor communication

Abstract

기지국 (BS)이 여러 RISs의 도움으로 서비스 중인 사용자에게 독립적인 메시지를 보내고자 하는 실내 환경을 위해 reconfigurable intelligent surface (RIS) aided 6세대 (6G) 테라헤르츠 (THz) 통신을 고려합니다.실내 환경의 경우 기둥, 벽 등 각종 장애물로 인해 BS와 a 사용자 사이에 LoS (line-of-sight) 신호경로가 없어 성능이 크게 저하될 수 있다.이러한 실내 THz 통신의 한계를 극복하기 위해 RISs 배치를 최적화하여 커버리지 영역을 극대화합니다.장애물의 위치와 크기를 알 수 있는 경우에는 탈진 (exhaustion), 후보위치간의 탈진 (exhaustion), 지도학습 (supervised learning, SL), 비지도학습 (unsupervised learning, UL)을 이용하여 RIS의 최적 배치를 구한다.미지의 장애물 위치 및 크기 정보의 경우, 제안하는 방식에 의해 RIS의 최적 위치를 구하고, 임의선택 방식과 비교하기 위해 철저를 이용한다.최종 결과에 따르면 우리의 방식은 장애물의 위치와 크기를 각각 알고 있을 때와 알 수 없을 때 무작위 방식에 비해 신호 커버리지를 3%-20%와 4%-16%향상시킨다.|We consider reconfigurable intelligent surface (RIS) aided sixth-generation (6G) terahertz (THz) communications for indoor environment in which a base station (BS) wishes to send independent messages to its serving users with the help of multiple RISs. For indoor environment, various obstacles such as pillars, walls, and other objects can result in no line-of-sight (LoS) signal path between the BS and a user, which can significantly degrade performance. To overcome such limitation of indoor THz communication, we optimize the placement of RISs to maximize the coverage area. When the location and size of obstacles are known, we use exhaustion, exhaustion among candidate locations, supervised learning (SL) and unsupervised learning (UL) to obtain the optimal placement of RIS. In the case of unknown obstacle position and size information, the optimal position of RIS is obtained bythe propose scheme, and the exhaustive is used to compare with the random selection scheme. The final results show that our scheme improves the signal coverageby 3%-20% and 4%-16% compared with the random scheme when the location and size of obstacles are known and unknown, respectively.