[論文レビュー] Channel Estimation for Reconfigurable Intelligent Surface-Assisted Cell-Free Communications

Songjie Yang, Chenfei Xie+2 more|arXiv (Cornell University)|Jul 28, 2022

Advanced Wireless Communication Technologies被引用数 4

ひとこと要約

本稿は、再構成可能知能表面（RIS）を支援するセルフリース massive MIMO システムにおける、新たなチャネル推定フレームワークを提案する。主な特徴として、すべてのユーザーと基地局（BS）間で共有されるBS-RISチャネルおよびRIS-ユーザー間チャネルの2つの特性を活用している。本稿では、連鎖的チャネル推定のための3次元多重測定ベクトル（3D-MMV）圧縮センシング手法と、パイロット数を削減した2時刻スケールのマルチBS協調推定方式を提案しており、シミュレーションにおいてパイロットオーバーヘッドを低減するとともに推定精度を向上させる顕著な性能向上を示している。

ABSTRACT

Recent research has focused on reconfigurable intelligent surface (RIS)-assisted cell-free systems with the goal of enhancing coverage and lowering the cost of cell-free networks. However, current research makes the assumption that the perfect channel state information is known. Channel acquisition is, certainly, a difficulty in this case. This work is aimed at investigating RIS-assisted cell-free channel estimation. Toward this end, two unique characteristics are pointed out: 1) For all users, a common channel exists between the base station (BS) and the RIS; and 2) For all BSs, a common channel exists between the RIS and the user. Based on these two characteristics, cascaded and two-timescale channel estimation concerns are studied. Subsequently, two solutions for tackling with the two issues are presented respectively: a three-dimensional multiple measurement vector (3D-MMV)-based compressive sensing technique and a multi-BS cooperative pilot-reduced methodology. Finally, simulations illustrate the effectiveness of the schemes we have presented.

研究の動機と目的

• RISを支援するセルフリースネットワークにおいて、正確なチャネル状態情報（CSI）を取得するという重要な課題に取り組む。実際には完全なCSIは得られないとされるが、本研究ではその課題を解消する。
• 2つの独自の構造的特徴を活用する：（1）すべてのユーザーに共通するBS-RISチャネル、（2）すべての基地局に共通するRIS-ユーザー間チャネル。これらを活用して、統合的推定を実現する。
• 3次元多重測定ベクトル（3D-MMV）圧縮センシングに基づく連鎖的チャネル推定手法を開発し、マルチユーザーおよびマルチBS間の相関を活用して推定効率を向上させる。
• マルチBS協調とパイロット数削減を組み合わせた2時刻スケール推定戦略を提案し、トレーニングオーバーヘッドを最小限に抑えつつ推定精度を維持する。
• 実際のシステムパラメータおよびチャネルモデルを想定したシミュレーションを通じて、提案手法の有効性を実証する。

提案手法

• すべてのユーザーに共通するBS-RISチャネルを活用することで、連鎖的チャネル推定問題を3次元多重測定ベクトル（3D-MMV）問題に定式化し、送信端末の角度（AoD）成分の統合的推定を可能にする。
• テンソル畳み込みを用いた3次元-最良近似法（3D-MLAOMP）アルゴリズムを設計し、3D-MMV問題を効率的に解く。また、見通しの良い直交マッチング Pursuit を組み込み、スパarsity回復性能を向上させる。
• BS-RISリンク（遅く変化する）とRIS-ユーザーリンク（速く変化する）を分離することで、2時刻スケールのチャネル推定をモデル化し、時間スケールの違いを活かしてパイロット最適化を実現する。
• すべての基地局間で統合的なパイロット送受信を可能にするために、マルチBS協調型センシング行列を構築し、総パイロットオーバーヘッドを低減する。
• 圧縮センシングの原則を活用し、無線チャネルのスパarsityおよびRIS応答のクロネッカー構造に基づいて、少ない測定値からスパースチャネル成分を回復する。
• Moore-Penrose疑似逆行列と制約付き最適化を統合し、推定プロセスにおける不定定なシステムを解消する。

実験結果

リサーチクエスチョン

• RQ1 複数のユーザーおよび基地局にまたがる共有チャネル特性（共通のBS-RISおよびRIS-ユーザーリンク）をどのように活用することで、RISを支援するセルフリースシステムにおけるチャネル推定効率を向上させることができるか？
• RQ2 3D-MMVに基づく圧縮センシングフレームワークは、パイロットオーバーヘッドを低減しつつ、マルチユーザー・マルチBSのRISシステムにおける連鎖的チャネルを効果的に推定できるか？
• RQ3 マルチBS協調により、2時刻スケールのチャネル推定においてどの程度パイロットオーバーヘッドを低減できるか？また、推定精度を維持できるか？
• RQ4 提案された3D-MLAOMPアルゴリズムは、従来の1次元（1D）およびMMVベースの手法と比較して、正規化平均二乗誤差（NMSE）およびノイズ耐性の観点でどの程度優れているか？
• RQ5 提案されたパイロット削減型協調的2時刻スケール推定方式は、現実の fading 環境下で個別BS推定方式に比べてどの程度の性能向上を達成するか？

主な発見

• 提案された3D-MLAOMPアルゴリズムは、特に低SNR条件下で、従来の1D OMPおよびLAOMP手法と比較して顕著に低い正規化平均二乗誤差（NMSE）を達成する。これは、マルチユーザーおよびマルチBSの統合的推定によるものである。
• 32回の測定で、3D-MLAOMP手法は理論的下限（Oracle LS）に近いNMSE性能を達成しており、高い推定精度を示している。
• マルチBS協調型2時刻スケール推定方式は、すべての基地局間で統合的推定を可能にすることでパイロットオーバーヘッドを低減し、個別BS推定方式を上回るNMSE性能を発揮している。
• シミュレーション結果から、提案されたパイロット削減方式は、パイロット数を減らしても、協調ダイバーシティおよび共有チャネル知識の活用により、個別方式よりも優れたNMSE性能を達成していることが明らかになった。
• 3D-MMVフレームワークは、連鎖的チャネルのスパarsityおよび構造的特徴を効果的に活用でき、マルチユーザーRIS支援セルフリースシステムにおいて、最小限のトレーニングオーバーヘッドで高精度な推定を実現している。
• 2時刻スケール推定アプローチは、BS-RISチャネルの遅い時間変動性とRIS-ユーザーリンクの速い fading 特性を巧みに活用し、効率的なパイロット割り当てと推定効率の向上を実現した。