[論文レビュー] Channel Estimation Method and Phase Shift Design for Reconfigurable Intelligent Surface Assisted MIMO Networks

Jawad Mirza, Bakhtiar Ali|arXiv (Cornell University)|Dec 23, 2019

Advanced Wireless Communication Technologies被引用数 11

ひとこと要約

本稿では、再構成可能知能表面（RIS）を支援するMIMOシステムにおける2段階のチャネル推定手法を提案する。直接AP-ユーザー間チャネルには従来のTDDベース推定を、ill-conditionedなRISチャネルにはBAdVAMPを用いる。さらに、ユーザーのチャネルゲインを最大化する閉形式の位相シフト設計を導入し、BiGAMPやランダム方式と比較して、特に条件数が高い状況下で優れたレート性能を示す。

ABSTRACT

In this paper, we investigate channel estimation for a large intelligent surface (LIS) aided multiple-input multiple-output (MIMO) communication system. Due to the close proximity of communication devices and LIS terminal, the desired channels can be modeled as line-of-sight channels which are ill-conditioned. To estimate these channel matrices with high quality, we propose a two-stage channel estimation method. In particular, we employ the conventional time-division duplexing based MIMO channel estimation technique in the first stage to estimate the direct MIMO channel between the end terminals. In the second stage, we propose to use a recently developed bilinear adaptive vector approximate message passing (BAdVAMP) algorithm to estimate ill-conditioned LIS channels. The BAdVAMP method has been shown to be accurate and robust for ill-conditioned dictionary learning problems in compressed sensing. We also propose a phase shift design for the LIS using the estimated channels. Specifically, we formulate an optimization problem that maximizes the total channel gain at the user. A closed-form expression to obtain the phase shift of each passive element in the LIS is also derived. Numerical results show that the proposed BAdVAMP based LIS channel estimation performs better than its counterpart scheme bilinear generalized AMP (BiGAMP), especially when channel matrices are ill-conditioned.

研究の動機と目的

• Line-of-sight伝搬に起因する大規模知能表面（LIS）支援MIMOシステムにおけるill-conditionedなチャネル行列の課題に対処する。
• 高度な圧縮センシング技術を活用して、RIS支援MIMOにおけるチャネル状態情報（CSI）の品質を向上させる。
• ユーザー端末における有効チャネルゲインを最大化する位相シフト戦略を設計する。
• 実用的なLIS展開状況下でも、推定精度を維持しつつ訓練オーバーヘッドを最小化する。
• LISの導入が、従来のMIMOシステムと比較してスペクトル効率をどの程度向上させるかを実証する。

提案手法

• 1段階目の推定では、標準的な時分割多重（TDD）MIMOチャネル推定を用いて、APからユーザーへの直接チャネル行列を回復する。
• 2段階目の推定では、ill-conditionedなLISチャネル行列を推定するために、二重線形適応ベクトル近似メッセージパッシング（BAdVAMP）アルゴリズムを適用する。
• BAdVAMPは、圧縮センシングで一般的に見られるill-conditionedな辞書学習問題の解決において、高いロバスト性と精度を示すため選定された。
• 各パassing RIS素子の最適位相シフトの閉形式表現を導出する。その目的は、ユーザーにおける総チャネルゲインを最大化することにある。
• 位相シフト設計は、推定されたチャネルに基づき、有効SNRを最大化する凸最適化問題として定式化される。
• 本手法は、変動するSNR、訓練長、LIS素子数を想定した現実的な条件下で評価されている。

実験結果

リサーチクエスチョン

• RQ1 RIS支援MIMOシステムにおいて、ill-conditionedなLine-of-Sightチャネルの下で、どのようにチャネル推定を改善できるか？
• RQ2 条件数が高い状況下で、BiGAMPなどの従来の圧縮センシングアルゴリズムと比較して、BAdVAMPはRISチャネル推定において優れた性能を示せるか？
• RQ3 パassing RIS素子の最適位相シフト設計は、ユーザーにおける有効チャネルゲインを最大化するためにどのように設計できるか？
• RQ4 訓練長は、RIS支援MIMOシステムにおける推定精度と訓練オーバーヘッドのトレードオフにどのように影響するか？
• RQ5 RISの導入は、従来のMIMOシステムと比較して、どの程度のスペクトル効率の向上を実現できるか？

主な発見

• 提案手法のBAdVAMPベース推定は、20 dB SNR下でBiGAMPと比較して1.65 bps/Hz高い実現可能レートを達成し、特にill-conditionedチャネル状況下で顕著な優位性を示す。
• 提案された位相シフト設計による実現可能レートは、完全なCSIベンチマークに極めて近づくことから、ほぼ最適なビームフォーミング性能を示している。
• 2つのデータストリームのみを使用する状況下では、M=N=36とM=N=16の構成において性能が同等に保たれ、低ストリーム条件におけるアレイサイズの変動に対してもロバストであることが示された。
• システムの最適訓練長は600シンボルであると特定され、それ以上に延長してもレート性能が飽和することから、精度とオーバーヘッドの実用的トレードオフが明らかになった。
• RIS支援システムは、ランダム位相シフト方式や、LISが存在しない従来のMIMOシステムと比較しても優れた性能を示した。
• RIS素子数を64から256に増加させることで、実現可能レートが向上し、より大きな開口面積によるスペクトル効率の向上を確認した。