[论文解读] A General Framework for RIS-Aided mmWave Communication Networks: Channel Estimation and Mobile User Tracking

Salah Eddine Zegrar, Liza Afeef+1 more|arXiv (Cornell University)|Sep 2, 2020

Advanced Wireless Communication Technologies被引用 24

一句话总结

该论文提出了一种用于无源RIS辅助毫米波MIMO系统的三阶段框架，实现了高效的信道估计算法与移动用户跟踪。通过分离基站-RIS与RIS-用户设备（UE）信道的估计，并采用基于扩展卡尔曼滤波（EKF）的跟踪算法，该框架在用户移动场景下实现了低估计开销与高鲁棒性，动态跟踪过程中NMSE降低至0.5以下。

ABSTRACT

Reconfigurable intelligent surface (RIS) has been widely discussed as new technology to improve wireless communication performance. Based on the unique design of RIS, its elements can reflect, refract, absorb, or focus the incoming waves toward any desired direction. These functionalities turned out to be a major solution to overcome millimeter-wave (mmWave)'s high propagation conditions including path attenuation and blockage. However, channel estimation in RIS-aided communication is still a major concern due to the passive nature of RIS elements, and estimation overhead that arises with multiple-input multiple-output (MIMO) system. As a consequence, user tracking has not been analyzed yet. This paper is the first work that addresses channel estimation, beamforming, and user tracking under practical mmWave RIS-MIMO systems. By providing the mathematical relation of RIS design with a MIMO system, a three-stage framework is presented. Starting with estimating the channel between a base station (BS) and RIS using hierarchical beam searching, followed by estimating the channel between RIS and user using an iterative resolution algorithm. Lastly, a popular tracking algorithm is employed to track channel parameters between the RIS and the user. System analysis demonstrates the robustness and the effectiveness of the proposed framework in real-time scenarios.

研究动机与目标

• 解决无源RIS辅助毫米波MIMO系统中信道估计算法的关键挑战，其中传统方法在用户移动时面临高开销与性能下降问题。
• 克服现有RIS信道估计算法的局限性，后者通常假设用户静止或需要主动RIS元件，从而增加成本与复杂度。
• 通过利用层次化波束搜索与迭代分辨率算法，实现实时、低复杂度的信道估计算法与波束成形。
• 引入一种新型用户跟踪机制，采用扩展卡尔曼滤波（EKF）以在用户移动过程中保持精确的信道状态信息。
• 开发一种与现有RIS原型（如MIT的RFocus）兼容的实用、可实现的框架，基于实际假设，包括Line-of-Sight（LoS）与均匀平面阵列（UPA）模型。

提出的方法

• 第一阶段：通过层次化波束搜索估计基站-RIS信道（G），以识别主要的出发角（AoD），并优化相位偏移以实现波束对准。
• 第二阶段：通过迭代分辨率算法估计RIS-UE信道（H），利用第一阶段获得的AoD/AoA估计值降低维度，提升估计精度。
• 第三阶段：应用扩展卡尔曼滤波（EKF）跟踪RIS与UE之间时变信道参数（复路径增益、AoD、AoA）在用户移动过程中的变化。
• 采用实值状态向量表示（x_state）以简化实现，避免在EKF算法中使用复数运算。
• 基于估计的G与H设计RIS相位偏移，以实现信号的相长叠加与波束成形，使波束对准用户。
• 采用两步波束成形策略：首先利用G的估计结果完成初始波束对准，随后通过H的估计与EKF更新实现动态波束跟踪。

实验结果

研究问题

• RQ1 在完全无源RIS辅助的毫米波MIMO系统中，如何以最小开销高效完成信道估计？
• RQ2 在实际硬件约束下，最优的解耦与顺序估计方法是什么，以实现级联的BS-RIS-UE信道分量？
• RQ3 低复杂度的跟踪算法是否能在RIS辅助系统中维持用户移动过程中的精确信道状态信息？
• RQ4 与传统级联估计算法相比，所提框架在用户移动场景下的估计误差与鲁棒性表现如何？
• RQ5 基于EKF的跟踪算法在动态用户移动过程中，能在多大程度上降低估计开销，同时保持低NMSE？

主要发现

• 所提出的三阶段框架在用户移动过程中实现了低于0.5的归一化均方误差（NMSE），显著优于传统级联估计算法。
• 基于EKF的跟踪算法在信噪比（SNR）为20 dB时，将估计误差控制在对应半功率波束宽度（Δθ₃dB ≈ 0.886λ / (√M_RIS × d)）的阈值以内，实现了长期低开销跟踪。
• 在初始静止阶段，所提方法与传统方法均实现了低NMSE；但在用户移动过程中，所提方法保持性能稳定，而传统方法的误差迅速上升。
• 用户移动后，所提框架在重新估计后收敛至最小NMSE，表现出对动态环境的强鲁棒性与自适应能力。
• 该框架通过在完整信道估计之间实现连续跟踪，显著降低了估计开销，适用于实时应用场景。
• G与H估计的分离实现了高效的波束成形与跟踪，EKF能有效预测信道变化，从而最小化重新估计的频率。