[論文レビュー] Location-aware Channel Estimation for RIS-aided mmWave MIMO Systems via Atomic Norm Minimization

Hyeonjin Chung, Sunwoo Kim|arXiv (Cornell University)|Jul 20, 2021

Advanced Wireless Communication Technologies参考文献 30被引用数 9

ひとこと要約

本稿では、基地局（BS）および再構成可能知能表面（RIS）の位置が事前に分かっていることを活用し、原子ノルム最小化（ANM）を用いた位置に配慮したチャネル推定フレームワークを、RIS支援ミリ波MIMOシステムに提案する。この手法により、ビームトレーニングのオーバーヘッドを低減し、推定精度を向上させることができる。既知のBSおよびRISの位置を活用することで、直接的なビームステアリングとRISのビーム幅の適応が可能となり、2次元および3次元のANMを用いたカスケードチャネル推定が実現される。特に視線外（NLoS）環境下でも、従来手法に比べ優れた精度を達成する。

ABSTRACT

In this paper, we propose a location-aware channel estimation based on the atomic norm minimization (ANM) for the reconfigurable intelligent surface (RIS)-aided millimeter-wave multiple-input-multiple-output (MIMO) systems. The beam training overhead at the base station (BS) is reduced by the direct beam steering towards the RIS with the location of the BS and the RIS. The RIS beamwidth adaptation is proposed to reduce the beam training overhead at the RIS, and also it enables accurate channel estimation by ensuring the user equipment receives all the multipath components from the RIS. After the beam training, the cascaded effective channel of the RIS-aided MIMO systems is estimated by ANM. Depending on whether the beam training overhead at the BS or at the RIS is reduced or not, the channel is represented as a linear combination of either 1D atoms, 2D atoms, or 3D atoms, and the ANM is applied to estimate the channel. Simulation results show that the proposed location-aware channel estimation via 2D ANM and 3D ANM achieves superior estimation accuracy to benchmarks.

研究の動機と目的

• 基地局（BS）および再構成可能知能表面（RIS）の位置が事前に分かっていることを活用し、BSにおけるビームトレーニングのオーバーヘッドを低減する。
• グリッドベースの圧縮センシング手法の限界を克服するため、原子ノルム最小化（ANM）を用いてグリッド不一致を排除する。
• UEがRIS経由ですべての多径成分を受信できるように、ビームトレーニング中にRISのビーム幅を適応的に変更する。
• 2次元および3次元のANM定式化を用いて、視線（LoS）および視線外（NLoS）環境下でも正確なカスケードチャネル推定を実現する。
• 実用的導入環境における位置誤差および角度のずれに対して、高いロバスト性を確保する。

提案手法

• BSおよびRISの位置が事前に分かっていることを活用し、RISに向けて直接ビームステアリングを実行することで、BSにおける角度探索空間を縮小する。
• RISのビーム幅を適応的に変更することで、UEが全多径成分を受信できるようにしつつ、RISにおけるビームトレーニングのオーバーヘッドを最小限に抑える。
• ビームトレーニングのオーバーヘッドレベルに応じて、1次元、2次元、または3次元のアトムの線形結合としてカスケード有効チャネルを表現する。
• BSにおけるビームトレーニングのオーバーヘッドが低減されている場合に2次元原子ノルム最小化（ANM）を適用し、BSおよびRISの両方のオーバーヘッドが最小化されている場合には3次元ANMを適用する。
• 凸最適化を用いてANM問題を解き、グリッド不一致を回避し、スーパー解像度のチャネル推定を実現する。
• BS-RISおよびRIS-UEリンクにおける整合的なDoA/DoDおよびAoAパラメータをモデル化するため、多次元の原子ノルムを用いてチャネル推定問題を定式化する。

実験結果

リサーチクエスチョン

• RQ1 位置情報は、RIS支援ミリ波MIMOシステムにおいて、ビームトレーニングのオーバーヘッド低減に効果的に利用可能か？
• RQ2 RISのビーム幅適応は、多径成分受信の完全性および推定精度にどのように影響を与えるか？
• RQ3 2次元および3次元の原子ノルム最小化は、従来のグリッドベース手法に比べ、どの程度チャネル推定精度を向上させるか？
• RQ4 位置誤差および角度のずれに対して、提案手法の位置に配慮したANMベース推定はどの程度ロバストか？
• RQ5 3次元ANMベースのチャネル推定において、推定精度と計算複雑度のトレードオフはいかなるものか？

主な発見

• 提案手法である2次元ANMを用いた位置に配慮したチャネル推定は、特に視線外（NLoS）環境下で、ベンチマーク手法に比べ顕著に低いNMSEを達成する。
• RISからUEまでの距離が60 mを超えると、LoSパスが消失し、非位置情報を利用した手法ではNMSEが1またはそれ以上となり、完全な推定不能を示す。
• 位置に配慮した2次元および3次元ANM手法は、NLoS状況下でもNMSEが0.1未満を維持し、パスループおよび遮断に対して高いロバスト性を示す。
• ビームトレーニングのオーバーヘッドが最小化された状況では、3次元ANMベース手法のNMSEは2次元ANMを下回るが、計算時間は顕著に増加する。特にM_B > 4の場合に顕著である。
• BSからRISへのAoD誤差がビームパターンのノードに達すると、性能が著しく低下し、NMSEが1に達する。これは、位置誤差に対して感受性が高いことを示している。
• 3次元ANMでは、他の手法（RISアンテナ数の2倍）と比較して、訓練シンボル数を半分に削減（RISアンテナ数と同等）でき、トレーニング効率が向上する。