[論文レビュー] Semi-Blind Cascaded Channel Estimation for Reconfigurable Intelligent Surface Aided Massive MIMO

Zhen-Qing He, Hang Liu+3 more|arXiv (Cornell University)|Jan 18, 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、再構成可能知的表面（RIS）を支援する massive MIMO システムにおける、半盲的段階的チャネル推定手法を提案する。パイロットを少量用いて、RIS-BS チャネルとユーザー-RIS チャネルに加えて未知の送信信号を同時に推定する。ベイジアン推論の下で、三重行列因子分解と近似メッセージパッシングを活用し、反復的アルゴリズムにより低複雑度の推定を実現。また、統計物理学のレプリカ法を用いて大規模システムにおける理論的性能限界を導出。従来の訓練ベース手法と比較して、パイロットオーバーヘッドを顕著に低減する。

ABSTRACT

Reconfigurable intelligent surface (RIS) is envisioned to be a promising green technology to reduce the energy consumption and improve the coverage and spectral efficiency of massive multiple-input multiple-output (MIMO) wireless networks. In a RIS-aided MIMO system, the acquisition of channel state information (CSI) is important for achieving passive beamforming gains of the RIS, but is also challenging due to the cascaded property of the transmitter-RIS-receiver channel and the lack of signal processing capability of the passive RIS elements. The state-of-the-art approach for CSI acquisition in such a system is a pure training-based strategy that depends on a long sequence of pilot symbols. In this paper, we investigate semi-blind cascaded channel estimation for RIS-aided massive MIMO systems, in which the receiver simultaneously estimates the channel coefficients and the partially unknown transmit signal with a small number of pilot sequences. Specifically, we formulate the semi-blind cascaded channel estimation as a trilinear matrix factorization task. Under the Bayesian inference framework, we develop a computationally efficient iterative algorithm using the approximate message passing principle to resolve the trilinear inference problem. Meanwhile, we present an analytical framework to characterize the theoretical performance bound of the proposed approach in the large-system limit via the replica method developed in statistical physics. Extensive simulation results demonstrate the effectiveness of the proposed semi-blind cascaded channel estimation algorithm.

研究の動機と目的

• RIS支援 massive MIMO システムにおける従来の訓練ベースチャネル推定の高いパイロットオーバーヘッドを解消すること。
• 最小限のパイロットシーケンスで、段階的チャネル（ユーザー-RIS および RIS-BS）と未知の送信信号を同時に推定可能にする。
• ベイジアン推論の下で、半盲的段階的チャネル推定のための計算効率の良いアルゴリズムを開発すること。
• レプリカ法を用いて、大規模システム領域における提案手法の理論的性能限界を導出すること。

提案手法

• ユーザー-RIS チャネル、RIS-BS チャネル、送信データ行列の積を含む三重行列因子分解問題として、半盲的段階的チャネル推定を定式化する。
• ベイジアン最小平均二乗誤差（MMSE）基準の下で後騒音平均推定を計算する反復的近似メッセージパッシング（AMP）アルゴリズムを開発する。
• 行列-ベクトル乗算と分散更新のみを必要とするメッセージパッシング更新を採用し、1反復あたりの計算複雑度を低く保つ。
• 統計物理学のレプリカ法を用いて、大規模システム極限における漸近的最小平均二乗誤差（MSE）性能を解析的に特徴付ける。
• チャネルと信号の事前分布が既知である場合の、チャネル推定値およびデータ推定値のMSEに対する解析的表現を導出する。
• レプリカ法から導かれる自由エネルギー関数の極値問題を解くことで、理論的性能限界を確立する。

実験結果

リサーチクエスチョン

• RQ1 半盲的推定は、純粋な訓練ベース手法と比較して、RIS支援 massive MIMO システムにおけるパイロットオーバーヘッドを低減できるか？
• RQ2 最小限のパイロットオーバーヘッドで、段階的チャネルと未知の送信信号を効率的に同時に推定する方法は何か？
• RQ3 大規模システム領域における半盲的段階的チャネル推定の理論的性能限界は何か？
• RQ4 提案されたAMPベースのアルゴリズムは、従来の訓練ベース手法と比較して推定精度と複雑度の面で優れているか？
• RQ5 どの解析的枠組みが、連合推定プロセスの漸近的MSE性能を正確に予測できるか？

主な発見

• 提案された半盲的段階的チャネル推定アルゴリズムは、少数のパイロットシーケンスで十分に、チャネルと未知信号を同時に推定することで、顕著なパイロットオーバーヘッド低減を達成する。
• 近似メッセージパッシング（AMP）アルゴリズムにより、基本的な行列-ベクトル演算と反復的平均・分散更新を用いて、低複雑度の推定が実現される。
• レプリカ法を用いて導出した理論的性能限界は、既知の事前分布下で、根本的限界に近づくことを示し、各チャネルおよびデータ成分のMSEに対する解析的表現が得られている。
• 本手法は大規模システム極限においてほぼ最適な性能を達成しており、システム次元および信号対雑音比に伴い、MSEが有利にスケーリングする。
• シミュレーション結果は、本アルゴリズムの有効性を確認しており、同じパイロットオーバーヘッド下で訓練ベース手法と比較して、優れた推定精度と耐障害性を示している。
• レプリカ法に基づく解析的枠組みは、MSE性能を正確に予測でき、実用的システム構成における理論的分析の妥当性を検証している。