[論文レビュー] High-Resolution Channel Estimation for Intelligent Reflecting Surface-Assisted MmWave Communications

Chenglu Jia, Julian Cheng+2 more|arXiv (Cornell University)|Jun 21, 2020

Advanced Wireless Communication Technologies参考文献 26被引用数 4

ひとこと要約

本稿では、インテリジェントリフレクティングサーフェス（IRS）を支援するミリ波MIMO通信において、スパース信号復元を用いた適応的グリッドマッチングプルーリング（AGMP）アルゴリズムを活用して、低コストで高分解能のCSIを達成する二段階のカスケード型チャネル推定プロトコルを提案する。シミュレーション結果は、ビームトレーニングベースの手法を著しく上回り、スペクトル効率およびNMSEにおいて完璧なCSI性能に近づくことを示している。

ABSTRACT

In this paper, we study the high-resolution channel estimation problem for intelligent reflecting surface (IRS)-assisted millimeter wave (mmWave) multiple-input-multiple-output (MIMO) communications, which is a prerequisite to guarantee further high-rate data transmission. Considering the typical sparsity of mmWave channels, we formulate the cascaded channel estimation problem from a sparse signal recovery perspective, and then propose a novel two-step cascaded channel estimation protocol to estimate the cascaded user-IRS-base station channel with high-resolution for IRS-assisted mmWave MIMO communications. More specifically, the first step is to estimate the coarse angular domain information (ADI) and further establish the robust uplink by beam training. In the second step, by exploiting the coarse ADI, an adaptive grid matching pursuit (AGMP) algorithm is proposed to estimate the high-resolution cascaded channel state information (CSI) with low complexity. Simulation results verify that the proposed two-step channel estimation protocol significantly outperforms the state-of-the-art scheme, i.e., beam training based channel estimation, and meanwhile can reap near-optimal system performance achieved by perfect CSI.

研究の動機と目的

• ミリ波MIMOシステムにおける高分解能カスケード型チャネル状態情報（CSI）推定の課題に対処すること。ここでは、ハードウェア制約および高次元のチャネル行列のため、従来の手法が失敗する。
• IRS素子における有限な位相シフトのため、粗い角度分解能と精度の低さを抱えるビームトレーニングベースの手法の限界を克服すること。
• ミリ波チャネルのスパarsityを活用して、システム最適化および高レートデータ伝送のための正確なCSI取得を可能にすること。
• 粗い角度ドメイン情報（ADI）を事前知識として活用することで、性能を向上させる低コストで高精度なチャネル推定フレームワークを開発すること。

提案手法

• ミリ波チャネルの固有のスパarsityを活用して、カスケード型チャネル推定問題をスパース信号復元タスクに定式化する。
• 二段階プロトコルを採用する：まず、ロバストなアップリンクトレーニングおよび事前知識としてのため、ビームトレーニングを実行して粗い角度ドメイン情報（ADI）を推定する。
• 第二段階では、粗いADIをもとに高分解能CSIを低計算複雑性で推定するため、適応的グリッドマッチングプルーリング（AGMP）アルゴリズムを適用する。
• AGMPアルゴリズムを設計して、粗いADIに基づきグリッド分解能を適応的に向上させ、推定精度を向上させつつパイロットオーバーヘッドを最小限に抑える。
• 調整可能な分解能を持つ辞書（$ ilde{G} $ と表記）を活用して、精度と複雑性のバランスを図り、異なる分解能での性能を評価する。
• 推定された高分解能CSIをシステム性能評価に統合し、スペクトル効率（SE）および正規化平均二乗誤差（NMSE）を評価する。

Figure 1: Illustration of the considered IRS-assisted mmWave MIMO system.

実験結果

リサーチクエスチョン

• RQ1 有限な位相分解能というハードウェア制約下で、IRS支援ミリ波MIMOシステムにおける高分解能カスケード型CSIを効率的に推定する方法は何か？
• RQ2 ビームトレーニングから得られる粗いADIを用いることで、高分解能チャネル推定の精度はどの程度向上するか？
• RQ3 AGMPのような低コストアルゴリズムは、NMSEおよびスペクトル効率の観点から、完璧なCSIと比較してほぼ最適な性能を達成できるか？
• RQ4 辞書分解能 $ ilde{G} $ は、推定精度と計算複雑性のトレードオフにどのように影響するか？
• RQ5 実用的なSNR領域において、ビームトレーニングベースの推定と本稿で提案する二段階プロトコルとの性能差はどの程度か？

主な発見

• 提案された二段階チャネル推定プロトコルは、特に低SNRにおいて、ビームトレーニングベースのベンチマークと比較して著しく低い正規化平均二乗誤差（NMSE）を達成する。これは、向上した角度分解能のおかげである。
• 4回の反復のみでAGMPアルゴリズムはほぼ最適なスペクトル効率（SE）に達し、特に $ ilde{G} = 3 $ の場合、完璧なCSIの上限に近づく。
• NMSE性能は辞書分解能 $ ilde{G} $ の増加に伴い向上し、$ ilde{G} = 3 $ の場合にSEが完璧なCSIの上限に収束する。これは、与えられたシステムモデル下で最適分解能であることを示している。
• ビームトレーニングベースの手法は、有限な位相分解能とビームのずれのため、高SNRでもNMSE性能が著しく低い。これにより、高分解能推定の必要性が明確になる。
• 本プロトコルは低SNRでも優れた性能を維持しており、IRSによるビームフォーミングゲインのおかげで、ノイズおよび multipath 効果に対してロバストであることが示された。
• 粗いADIを事前知識として統合することで、AGMPアルゴリズムは低コストで高精度な推定を実現でき、実用的なIRS支援ミリ波MIMOシステムに適している。

Figure 2: The frame structure of the considered IRS-assisted mmWave system.