[论文解读] Channel Estimation for Reconfigurable Intelligent Surface Aided Multi-User mmWave MIMO Systems

Jie Chen, Ying‐Chang Liang+2 more|arXiv (Cornell University)|Dec 8, 2019

Advanced Wireless Communication Technologies参考文献 45被引用 133

一句话总结

本文提出一种两步式的多用户联合通道估计框架，用于 RIS 辅助的 MU mmWave MIMO 系统，利用公共的 BS-RIS 通道和二维稀疏性，通过压缩感知技术降低训练开销。

ABSTRACT

Channel acquisition is one of the main challenges for the deployment of reconfigurable intelligent surface (RIS) aided communication systems. This is because an RIS has a large number of reflective elements, which are passive devices with no active transmitting/receiving abilities. In this paper, we study the channel estimation problem for the RIS aided multi-user millimeter-wave (mmWave) multi-input multi-output (MIMO) system. Specifically, we propose a novel channel estimation protocol for the above system to estimate the cascaded channels, which are the products of the channels from the base station (BS) to the RIS and from the RIS to the users. Further, since the cascaded channels are typically sparse, this allows us to formulate the channel estimation problem as a sparse recovery problem using compressive sensing (CS) techniques, thereby allowing the channels to be estimated with less training overhead. Moreover, the sparse channel matrices of the cascaded channels of all users have a common block sparsity structure due to the common channel between the BS and the RIS. To take advantage of the common sparsity pattern, we propose a two-step multi-user joint channel estimation procedure. In the first step, we make use of the common column-block sparsity and project the received signals onto the common column subspace. In the second step, we make use of the row-block sparsity of the projected signals and propose a multi-user joint sparse matrix recovery algorithm that takes into account the common channel between the BS and the RIS.

研究动机与目标

• 激励并解决 RIS 辅助的多用户 mmWave MIMO 系统中的通道获取挑战。
• 提出一种稀疏的两步估计协议，利用跨用户的公共 BS-RIS 通道。
• 开发一个联合稀疏恢复算法，利用级联通道中的行-列-块稀疏性。
• 分析所提算法的收敛性和复杂度，并设计训练反射来最小化相互相干性。

提出的方法

• 将 RIS 辅助的级联通道建模为具有行-列-块稀疏性的二维稀疏矩阵。
• 在虚拟角域中使用 RIS 和基站阵列的字典来表示级联通道。
• 提出两步估计： (i) 使用子空间方法利用公共列块稀疏性并估计公共子空间，(ii) 执行多用户联合稀疏矩阵恢复，并考虑公共 BS-RIS 通道。
• 将第二步表述为一个使用对数和惩罚项的稀疏性促进优化，并通过交替优化和迭代重加权技术求解。
• 纳入训练设计以最小化等效字典的互相相干性以提高估计。
• 提供对所提算法的收敛性、复杂度和初始化分析。

实验结果

研究问题

• RQ1 在稀疏性下，如何高效估计 RIS 辅助的多用户 mmWave MIMO 系统中级联的 BS-RIS-用户通道？
• RQ2 能否利用跨用户的公共 BS-RIS 通道来降低训练开销并改善联合通道恢复？
• RQ3 RIS 系统中级联通道的稀疏结构是什么，如何在恢复算法中加以利用？
• RQ4 应如何设计 RIS 反射训练序列以最小化互相相干性并提升估计性能？
• RQ5 所提两步联合估计方法的收敛性和复杂度含义是什么？

主要发现

• 级联通道表现出二维的行-列-块稀疏性，使得稀疏恢复方法成为可行。
• 利用跨用户的公共 BS-RIS 通道，在多用户场景下提升效率和估计精度。
• 结合基于子空间的公共列稀疏性估计与联合稀疏矩阵恢复的两步程序能获得有效的级联通道估计。
• 一个带对数和稀疏性促进框架，结合交替优化，能有效恢复表示级联通道的稀疏 X_k 矩阵。
• 训练反射系数设计可以降低相干性并提升估计器性能，同时分析了收敛性和复杂度。