[论文解读] RIS-ADMM: A RIS and ADMM-Based Passive and Sparse Sensing Method With Interference Removal

Chen Peng, Zhimin Chen+2 more|arXiv (Cornell University)|May 25, 2022

Indoor and Outdoor Localization Technologies被引用 7

一句话总结

本文提出了一种基于交替方向乘子法（ADMM）的算法 RIS-ADMM，用于在存在接入点（AP）干扰的情况下，利用可重构智能表面（RIS）进行被动波束成形DOA估计。通过建立原子范数最小化（ANM）问题并推导出闭式更新公式，RIS-ADMM 在计算复杂度显著低于半定规划（SDP）及其他基准方法的同时，实现了更优的DOA估计性能。

ABSTRACT

Reconfigurable Intelligent Surfaces (RIS) emerge as promising technologies in future radar and wireless communication domains. This letter addresses the passive sensing issue utilizing wireless communication signals and RIS amidst interference from wireless access points (APs). We introduce an atomic norm minimization (ANM) approach to leverage spatial domain target sparsity and estimate the direction of arrival (DOA). However, the conventional semidefinite programming (SDP)-based solutions for the ANM problem are complex and lack efficient realization. Consequently, we propose a RIS-ADMM method, an innovative alternating direction method of multipliers (ADMM)-based iterative approach. This method yields closed-form expressions and effectively suppresses interference signals. Simulation outcomes affirm that our RIS-ADMM method surpasses existing techniques in DOA estimation accuracy while maintaining low computational complexity. The code for the proposed method is available online \url{https://github.com/chenpengseu/RIS-ADMM.git}.

研究动机与目标

• 解决因无线接入点（AP）干扰导致的RIS辅助被动感知系统中的DOA估计挑战。
• 克服传统基于半定规划（SDP）的原子范数最小化（ANM）方法在DOA估计中计算复杂度高的问题。
• 开发一种高效、迭代的算法，实现仅使用单个接收天线的实时被动感知。
• 在准确估计多个目标的到达方向（DOA）的同时，抑制来自AP的干扰信号。

提出的方法

• 将DOA估计问题建模为原子范数最小化（ANM）优化问题，以利用空间域中目标的稀疏性。
• 引入一种基于ADMM的迭代算法（RIS-ADMM）来求解ANM问题，以闭式更新替代计算成本高昂的SDP。
• 推导出所有ADMM子问题的解析闭式表达式，包括信号向量、干扰系数和辅助变量的更新。
• 通过在结构化优化框架中联合估计目标DOA和AP干扰信号，实现干扰抑制。
• 利用RIS在多个时隙中动态调制反射信号的相位偏移，以实现空间复用和稀疏信号恢复。
• 采用固定迭代次数（100次）实现算法，以在性能与计算成本之间取得平衡，获得接近最优的结果。

实验结果

研究问题

• RQ1 基于ADMM的方法是否能在显著降低计算复杂度的同时，实现与基于SDP的ANM相当的DOA估计精度？
• RQ2 与FFT、OMP和ℓ₁-范数最小化等传统方法相比，所提出的RIS-ADMM方法在强AP干扰环境下的性能如何？
• RQ3 在所提出的框架中，RIS单元数量和测量次数对DOA估计精度有何影响？
• RQ4 能否为基于RIS的感知中的ANM问题推导出闭式ADMM更新，从而实现高效的硬件实现？
• RQ5 所提出的方法是否避免了FFT和OMP等基于网格的方法常见的离网格误差？

主要发现

• RIS-ADMM方法在100次迭代后，SNR = 20 dB时的均方根误差（RMSE）约为0.15°，其DOA估计性能接近基于SDP的ANM方法。
• 所提方法将计算时间降低至0.202秒，不足SDP方法（2.378秒）的10%，因此适用于实时应用。
• 随着RIS单元数和测量时隙数的增加，性能进一步提升，SNR = 20 dB时RMSE从M=32时的约0.3°降低至M=64时的约0.15°。
• 在高信噪比（SNR）环境下，该方法优于FFT、OMP和ℓ₁-范数最小化方法，且由于采用连续的ANM公式化，避免了离网格误差。
• 迭代次数超过100次后收益递减，表明在100次迭代内已实现收敛，适用于实际应用。
• 该方法对干扰具有鲁棒性，能有效抑制AP信号，同时保持目标DOA估计的准确性。