[논문 리뷰] Cascaded Channel Estimation for Large Intelligent Metasurface Assisted Massive MIMO

Zhen-Qing He, Xiaojun Yuan|arXiv (Cornell University)|2019. 05. 20.

Advanced Wireless Communication Technologies참고 문헌 25인용 수 36

한 줄 요약

본 논문은 희소 행렬 분해(BiG-AMP)와 행렬 완성(Riemannian 그래디언트)을 결합하여 LIM 보조 대규모 MIMO에서 계단식 BS-LIM 및 LIM-사용자 채널을 추정하기 위한 2단계 JBF-MC 알고리즘을 제안한다.

ABSTRACT

In this letter, we consider the problem of channel estimation for large intelligent metasurface (LIM) assisted massive multiple-input multiple-output (MIMO) systems. The main challenge of this problem is that the LIM integrated with a large number of low-cost metamaterial antennas can only passively reflect the incident signal by a certain phase shift, and does not have any signal processing capability. To deal with this, we introduce a general framework for the estimation of the transmitter-LIM and LIM-receiver cascaded channel, and propose a two-stage algorithm that includes a sparse matrix factorization stage and a matrix completion stage. Simulation results illustrate that the proposed method can achieve accurate channel estimation for LIM-assisted massive MIMO systems.

연구 동기 및 목표

• 패시브인 LIM 소자들이 신호를 처리할 수 없는 LIM 보조 대규모 MIMO에서 정확한 CSI 획득을 촉진하고 가능하게 한다.
• 패시드 BS-LIM 및 LIM-사용자 채널을 희소성과 랭크-결손을 갖는 쌍선형 인수분해로 형식화한다.
• 희소 행렬 분해와 행렬 완성을 통해 G와 H를 복구하는 2단계 알고리즘을 개발한다.
• 시뮬레이션을 통해 기준 방법에 비한 성능 향상을 평가한다

제안 방법

• Y = G diag(s) H X + W를 형식화한 다음 Z = S \bodot (H X)로 정의하여 Y = G Z + W로 전개해 쌍선형 인수분해를 가능하게 한다.
• Z의 희소성을 위해 임의의 Bernoulli S를 사용하고, 인수분해를 돕기 위해 전체 랭크의 X를 설계한다.
• Y로부터 G와 Z를 추정하기 위해 희소 행렬 분해에 BiG-AMP를 적용한다.
• H의 랭크-결손 특성을 활용하여 Z에서 H를 복원하기 위해 리만 기울기 기반 행렬 완성을 적용한다.
• 완성된 A에서 H를 ğind( ğrom으로부터 구한다: ğormat H = ğrom A times X^†.
• 계산 복잡도 메모: BiG-AMP가 매 이터레이션당 O(L N T)로 지배적이며; RGrad는 매 이터레이션당 O(r N T)이다.

실험 결과

연구 질문

• RQ1 LIM이 완전히 수동적일 때 계단식 BS-LIM 및 LIM-사용자 채널을 어떻게 정확히 추정할 수 있는가?
• RQ2 희소 행렬 분해와 행렬 완성을 결합한 2단계 접근법이 계단식 채널을 효과적으로 복구할 수 있는가?
• RQ3 LIM 보조 MIMO에서 신호 설계(S 및 X)로 어떤 훈련 신호가 인수분해와 완성을 잘 가능하게 하는가?
• RQ4 다양한 SNR 및 파일럿 수에서 제안된 JBF-MC 알고리즘의 NMSE 성능 이점은 기저선 방법보다 어떠한가?

주요 결과

• JBF-MC 알고리즘은 LIM 보조 대규모 MIMO 시스템에서 정확한 계단식 채널 추정을 달성한다.
• BiG-AMP 기반 희소 인수분해가 Y로부터 G와 Z를 효과적으로 추정하며 시뮬레이션에서 K-SVD 및 SPAMS 기반 기저선보다 우수하다.
• Z에서 H를 복원하기 위해 RGrad를 통한 행렬 완성을 활용하면 H의 랭크-결손 특성을 이용해 LIM-사용자 채널의 추정을 개선한다.
• 다수의 SNR 및 파일럿 구성에서 G 추정의 NMSE 이점이 상당하다.
• 희소성 수준에는 트레이드오프가 존재한다: 너무 작으면 행렬 완성이 방해되고 너무 크면 분해가 방해된다(상전이 그래프가 표시됨).