[論文レビュー] RIS-Enabled Wireless Channel Equalization: Adaptive RIS Equalizer and Deep Reinforcement Learning

Gal Ben-Itzhak, E. Ayanoglu|arXiv (Cornell University)|Mar 3, 2026

Advanced Wireless Communication Technologies被引用数 0

ひとこと要約

要約: 論文は RIS 支援のパルス応答等化において適応型 RIS を用いた等化（ARISE）と、モデルフリーの深層強化学習（DRL）アプローチ（DDPG、TD3、SAC）を比較し、SAC が ARISE の性能に匹敵しつつ複雑性が低く明示的 CSI なしで実現できることを示す。

ABSTRACT

Reconfigurable Intelligent Surfaces (RISs) offer a promising means of reshaping the wireless propagation environment, yet practical methods for configuring large passive arrays to achieve reliable signal equalization remain limited. Equalization is essential in wideband links to counteract multipath-induced pulse distortion that otherwise degrades symbol recovery. This work investigates RIS-assisted pulse response equalization and signal boosting using both classical adaptive filtering and model-free deep reinforcement learning (DRL). We develop a steepest descent (SD) method that exploits cascaded BS-RIS-UE channel information to configure RIS coefficients for multipath mitigation and SNR enhancement, and we show that the tradeoffs between SD and DRL primarily arise from the extensive channel estimation required for accurate equalization with passive RIS hardware. Unlike traditional adaptive filtering, which updates delayed filter coefficients after signal reception, our approach uses the RIS positioned within the cascaded channel to perform equalization without delay elements, prior to reception at the UE. In this framework, the channel is estimated before equalization, forming the basis of what we term adaptive RIS equalization (ARISE). To overcome the reliance on channel estimation required for ARISE, we explore several DRL algorithms -- DDPG, TD3, and SAC -- that optimize RIS coefficients directly from the received pulse response without explicit channel estimation. Through extensive simulations across diverse channel conditions and RIS sizes, we show that SAC achieves fast, stable convergence and equalization performance comparable to ARISE while offering significantly lower implementation complexity. These results highlight the potential of DRL as a practical and scalable solution for real-time RIS control in future wireless systems.

研究の動機と目的

• ワイドバンドリンクにおける多経路誘起の ISI を抑制するための over-the-air 等化器としての RIS の動機付け。
• cascaded BS-RIS-UE チャンネル推定を必要とする SD ベースの適応 RIS 等化（ARISE）アルゴリズムの開発。
• 受信パルス応答から明示的なチャネル推定なしに RIS の係数を直接最適化するモデルフリー DRL アプローチ（DDPG、TD3、SAC）の検討。

提案手法

• RIS ベースのパルス応答等化を定式化し、推定された cascaded BS-RIS-UE チャンネルを用いて SD ベースの ARISE アルゴリズムを導出。
• ISI と主タップに基づくコスト関数 J を定義し、パッシブ性を保証する正規化を伴う RIS 係数の勾配更新ルールを導出。
• 受信パルス応答から状態、行動、報酬をモデリングして DRL へ拡張し、DDPG、TD3、SAC を評価。
• 単一アンテナ BS・UE、M 要素 RIS、異なるリチャレン縦 factor（Rician_factor）と ISI 項を用いた RIS シナリオをシミュレーションし、ARISE と DRL の性能を比較。
• 収束性と複雑性の観点から、チャネル推定オーバーヘッドとモデルフリー DRL アプローチのトレードオフを評価。

Figure 1 : Illustration of the downlink RIS scenario. LoS paths are marked by solid lines, while NLoS paths are marked by dotted lines. Delayed paths and ISI components are created by reflections from obstacles.

実験結果

リサーチクエスチョン

• RQ1 ARISE は cascaded BS-RIS-UE チャンネルを活用して RIS 支援信号を効果的に等化・強化できるか？
• RQ2 CSI なしでパルス応答から直接 RIS 係数を最適化する DRL 手法（DDPG、TD3、SAC）は信頼性を持つか、ARISE とどう比較されるか？
• RQ3 どの手法が収束が速く、複雑さが低く、チャネル種別・RIS サイズに対して頑健な性能を示すか？
• RQ4 チャネル推定とハードウェアの非理想性に関連する ARISE の実用的制限は何か？

主な発見

• ARISE は cascaded チャンネル推定を用いて RIS 位相を最適化することで主タップ電力を増加させ、ISI を低減できる。
• SAC は迅速で安定した収束と ARISE に匹敵する性能を達成しつつ、実装の複雑さが低い。
• DRL 手法は CSI なしでパルス応答から直接最適化を可能にし、チャネル推定に伴う遅延を低減する。
• ARISE の性能は高次元の cascaded チャネルや大規模 RIS サイズでは CSI オーバーヘッドと推定要件のため低下する。
• ARISE はシミュレーションにおいてランダムまたは逆位相方式よりも高い objective 関数値を示すが、RIS 更新のためには正確な CSI が必要となる。

Figure 2 : Left: conventional feedforward equalizer (FFE) at the receiver vs. right: our proposed RIS-based equalizer. The conventional equalizer processes the baseband signal after reception using $n$ delay taps, whereas the RIS-based equalizer is at the midpoint of the cascaded BS-RIS-UE link and