[论文解读] Channel Estimation for Wireless Communication Systems Assisted by Large Intelligent Surfaces

Junliang Lin, Gongpu Wang+3 more|arXiv (Cornell University)|Nov 6, 2019

Advanced Wireless Communication Technologies参考文献 2被引用 43

一句话总结

本文将 LIS 辅助信道估计 formulates 为带约束的优化问题，并提出一个拉格朗日乘子–对偶上升方案来获得一个带有封闭形式迭代的估计量，同时给出 CRLB 以进行性能基准。结果显示 DES 在低信噪比下比 LS 提升了估计精度。

ABSTRACT

In this letter, the channel estimation problem is studied for wireless communication systems assisted by large intelligent surface. Due to features of assistant channel, channel estimation (CE) problem for the investigated system is shown as a constrained estimation error minimization problem, which differs from traditional CE problems. A Lagrange multiplier and dual ascent-based estimation scheme is then designed to obtain a closed-form solution for the estimator iteratively. Moreover, the Cramer-Rao lower bounds are deduced for performance evaluation. Simulation results show that the designed scheme could improve estimation accuracy up to 18%, compared with least square method in low signal-to-noise ratio regime.

研究动机与目标

• 驱动并对 LIS 辅助无线系统中的信道估计进行建模。
• 将 CE 形式化为反映辅助信道特征的带约束优化问题。
• 开发带闭式更新的拉格朗日乘子–对偶上浮估计器。
• 推导 Cramér–Rao 下界以基准估计量性能。
• 证明所提出估计量在低信噪比下相比 LS 的增益。

提出的方法

• 用接收信号建模，包含直接的 BS-UE、LIS 辅助、以及数据/噪声项。
• 将 CE 转化为对 h 与 η 的 2 参数估计，约束条件为 η>0 且 η>|h|。
• 将约束放松为凸形式并应用拉格朗日对偶上升方法，得到 { x̂* = (A^H A + C δ*)^{-1}(A^H y − b λ*)} 及 η 和 δ 的迭代更新。
• 使用实值参数向量 z = [Re(h), Im(h), η]^T 与费舍尔信息矩阵推导 CRLB。
• 提供数值结果，比较设计的估计量（DES）与 LS 及 CRLB。

实验结果

研究问题

• RQ1 辅助信道特征（η）如何影响 LIS 辅助系统中的 CE 问题？
• RQ2 带约束优化框架是否能为 LIS 辅助信道参数 h 和 η 给出带有闭式更新的迭代估计器？
• RQ3 在此设定下估计 h 与 η 的基本性能极限（CRLB）是什么？
• RQ4 DES 相较于传统的 LS 在不同信噪比条件下的均方误差（MSE）表现如何？
• RQ5 所提出的对偶上升算法的收敛行为如何？

主要发现

• DES 在低信噪比条件下对 Re(h)、Im(h) 与 η 的 MSE 相对于 LS 提升可达 18%。
• CRLB 分析表明 DES 的性能随信噪比的提升逼近基本极限，MSE 差距逐渐缩小。
• DES 收敛迅速，拉格朗日乘子 λ 和 δ 在大约 10–16 次迭代后稳定。
• DES 的增益在低信噪比最为显著，估计的信道分量存在明显的百分比改进。
• 不同分量的增益差异：在 0 dB 时 Re(h) 的增益较大，其次是 Im(h) 和 η。
• 结果验证了带约束的估计公式和对偶上升解的有效性。