[论文解读] Channel Estimation via Tensor Decomposition for Dynamic Metasurface Antennas with Known Mutual Coupling: Algorithms and Experiments

Jean Tapie, Bruno Sokal+2 more|arXiv (Cornell University)|Mar 19, 2026

Antenna Design and Analysis被引用 0

一句话总结

该论文开发基于张量分解的动态超表面天线（DMA）信道估计，考虑已知互耦，提出 BTALS 算法并在一个 18 GHz DMA 原型上进行实验验证。

ABSTRACT

Dynamic metasurface antennas (DMAs) are an emerging hybrid-MIMO technology distinguished by an ultrathin form factor, low cost, and low power consumption. In real-world DMA prototypes, mutual coupling (MC) between meta-elements is generally non-negligible; some architectures even deliberately exploit strong MC to enhance wave-domain flexibility. In this paper, we address channel estimation (CE) for DMAs with known MC by formulating it as a tensor-decomposition problem. We develop a generalized block Tucker alternating least squares (BTALS) algorithm, together with specialized variants for cases with known direct and/or feed channel. We also develop a reciprocity-aware bilinear factorization method for the case with known direct channel. We experimentally validate our algorithms using an 18 GHz DMA prototype whose 7 feeds and 96 meta-elements are strongly coupled via a chaotic cavity. Our general BTALS algorithm reaches an accuracy of 43.1 dB, only 0.3 dB below the upper bound imposed by experimental noise. All proposed algorithms generally outperform the prior-art reference scheme thanks to the superior noise rejection enabled by the tensor-based framework. We further study the minimum number of required measurements as a function of the number of feeds and demonstrate the importance of MC awareness by comparison with an MC-unaware benchmark. Finally, we apply BTALS to a second setup enabling the prediction of the DMA's full dual-polarization 3D radiation diagram. We also measure the latter for DMA configurations optimized for channel-gain enhancement based on the estimated channels. Altogether, our work establishes the practical relevance of MC-aware tensor methods; beyond DMAs, it applies to all wireless systems with wave-domain programmability enabled by tunable lumped elements.

研究动机与目标

• 为可编程波域系统中具有显著互耦（MC）的 DMA 提供准确的信道建模动机。
• 在多端口网络模型下，将 MC 感知的信道估计表述为张量分解问题。
• 开发广义的 BTALS 算法及使用直接信道和馈电信道先验知识的变体。
• 在真实的 DMA 原型上对 MC 感知的张量方法进行实验验证，并在不同测量配置下评估性能。
• 展示估计的信道如何使基于模型的优化用于提升信道增益。

提出的方法

• 将端到端的 DMA 信道表述为已知 MC 模型与二值控制向量的负载/编码映射的函数。
• 将多配置 DMA 的测量表示为一个信道张量，并利用 Tucker 基的交替最小二乘法进行 H0、A、B 的联合恢复。
• 推导用于一般 MC 和直接信道的 Type 1 BTALS；提供对 D 进行结构约束的迭代最小二乘更新以反映 B。
• 在直接信道 H0 已知时，开发 Type 2 BTALS-II，通过对部分信道张量的 LS 问题估计 A 和 B。
• 提出对称性在多端口网络模型中的直接信道已知情形的互易感知双线性因子分解。
• 给出张量展开形式 [H]_(1)、[H]_(2)、[H]_(3) 及与因子矩阵 C 与 D 的关系；并引入可辨识性的条件（K 限制）。

实验结果

研究问题

• RQ1 在完整多端口网络模型下，是否可以在不严格限制信道结构的情况下，使用张量分解有效解决 DMA 的 MC 感知信道估计？
• RQ2 已知的 MC 和/或已知的直接/馈电信道对估计精度和测量需求有何影响？
• RQ3 为唯一识别端到端信道因子，需要多少 DMA 配置（K）和多少馈电（N_F）？
• RQ4 如何利用 DMA 网络中的互易性在已知直接信道时改进估计？
• RQ5 能否利用估计的信道来优化 DMA 配置以提升信道增益？

主要发现

• BTALS 通用算法在考虑 MC 时实现了高精度的信道估计，达到 43.1 dB 的精度（比实验噪声上界低 0.3 dB）。
• 张量化的信道估计通常优于未考虑 MC 的基准，因为多维模型增强了噪声抑制。
• 在比较测量预算时，考虑 MC 可降低所需测量量，相对于未考虑 MC 的设置，且与馈电数量相关。
• 当直接信道已知时，Type 2/BTALS-II 与基于互易性的因子分解可提高估计。
• 实验验证使用带有 7 个馈电和 96 个元件的 18 GHz DMA 原型，在强耦合混沌腔设置下，证明了其实用性。
• 估计的信道使基于模型的 DMA 配置优化成为可能，以最大化信道增益，并通过测量得到证实。