[论文解读] Channel Estimation Method and Phase Shift Design for Reconfigurable Intelligent Surface Assisted MIMO Networks

Jawad Mirza, Bakhtiar Ali|arXiv (Cornell University)|Dec 23, 2019

Advanced Wireless Communication Technologies被引用 11

一句话总结

本文提出了一种用于可重构智能表面（RIS）辅助MIMO系统的两阶段信道估计方法，采用传统的TDD-based估计方法恢复直射链路的AP-用户信道，同时利用BAdVAMP算法估计病态RIS信道。此外，提出了一种闭式相位偏移设计以最大化用户端信道增益，其性能优于BiGAMP和随机方案，尤其在条件数较高的场景下表现更优。

ABSTRACT

In this paper, we investigate channel estimation for a large intelligent surface (LIS) aided multiple-input multiple-output (MIMO) communication system. Due to the close proximity of communication devices and LIS terminal, the desired channels can be modeled as line-of-sight channels which are ill-conditioned. To estimate these channel matrices with high quality, we propose a two-stage channel estimation method. In particular, we employ the conventional time-division duplexing based MIMO channel estimation technique in the first stage to estimate the direct MIMO channel between the end terminals. In the second stage, we propose to use a recently developed bilinear adaptive vector approximate message passing (BAdVAMP) algorithm to estimate ill-conditioned LIS channels. The BAdVAMP method has been shown to be accurate and robust for ill-conditioned dictionary learning problems in compressed sensing. We also propose a phase shift design for the LIS using the estimated channels. Specifically, we formulate an optimization problem that maximizes the total channel gain at the user. A closed-form expression to obtain the phase shift of each passive element in the LIS is also derived. Numerical results show that the proposed BAdVAMP based LIS channel estimation performs better than its counterpart scheme bilinear generalized AMP (BiGAMP), especially when channel matrices are ill-conditioned.

研究动机与目标

• 解决由于视 Line-of-sight 传播导致的大规模智能表面（LIS）辅助MIMO系统中病态信道矩阵的挑战。
• 通过利用先进的压缩感知技术，提升RIS辅助MIMO系统的信道状态信息（CSI）质量。
• 设计一种相位偏移策略，以最大化用户设备处的有效信道增益。
• 在实际LIS部署场景中，最小化训练开销的同时保持高估计精度。
• 展示LIS在提升频谱效率方面相较于传统MIMO系统的性能增益。

提出的方法

• 第一阶段估计采用标准时分双工（TDD）MIMO信道估计方法，恢复AP到用户的直射信道矩阵。
• 第二阶段估计应用双线性自适应向量近似消息传递（BAdVAMP）算法，估计病态LIS信道矩阵。
• 选择BAdVAMP是因为其在压缩感知中常见的病态字典学习问题中具有鲁棒性和高精度。
• 推导出每个无源RIS单元最优相位偏移的闭式表达式，以最大化用户端的总信道增益。
• 该相位偏移设计基于估计的信道，被建模为一个凸优化问题，以最大化有效信噪比（SNR）。
• 在不同信噪比（SNR）、训练长度和LIS单元数量等实际条件下对方法进行了评估。

实验结果

研究问题

• RQ1 在存在病态视 Line-of-sight 信道的RIS辅助MIMO系统中，如何提升信道估计性能？
• RQ2 在条件数较高的情况下，BAdVAMP是否能优于传统压缩感知算法（如BiGAMP）用于RIS信道估计？
• RQ3 如何设计无源RIS单元的最优相位偏移，以最大化用户端的有效信道增益？
• RQ4 训练长度如何影响RIS辅助MIMO系统中估计精度与训练开销之间的权衡？
• RQ5 与传统MIMO系统相比，RIS部署在多大程度上提升了可实现的频谱效率？

主要发现

• 在20 dB SNR条件下，所提出的基于BAdVAMP的信道估计方法比BiGAMP实现高出1.65 bps/Hz的可实现速率，尤其在病态信道场景下表现更优。
• 采用所提相位偏移设计的可实现速率接近完美CSI基准，表明其接近最优波束成形性能。
• 当仅使用两个数据流时，M=N=36与M=N=16配置下的性能表现相近，表明在低流数条件下系统对阵列尺寸具有鲁棒性。
• 系统最优训练长度被确定为600符号，超过该值后速率性能趋于饱和，表明存在精度与开销之间的实用权衡。
• RIS辅助系统在性能上优于随机相位偏移方案和无LIS的常规MIMO系统，即使后者未部署LIS。
• 将RIS单元数从64增加到256可提升可实现速率，证实了更大孔径表面带来的频谱效率增益。