[论文解读] Intelligent Reflecting Surface Assisted Wireless Communication: Modeling and Channel Estimation

Qurrat-Ul-Ain Nadeem, Abla Kammoun+3 more|arXiv (Cornell University)|Jun 5, 2019

Advanced Wireless Communication Technologies被引用 78

一句话总结

本文建模 IRS 辅助的 MISO 系统，提出基于 MMSE 的信道估计协议，并在 2.5 GHz 下评估性能，突出 CSI 对估计误差的敏感性。

ABSTRACT

The recently completed 5G new radio standard is a result of several cutting-edge technologies, including massive multiple-input multiple-output (MIMO), millimeter (mm)-Wave communication and network densification. However, these technologies face two main practical limitations 1) the lack of control over the wireless channel, and 2) the high power consumption of the wireless interface. To address the need for green and sustainable future cellular networks, the concept of reconfiguring wireless propagation environments using Intelligent Reflecting Surfaces (IRS)s has emerged. An IRS comprises of a large number of low-cost passive antennas that can smartly reflect the impinging electromagnetic waves for performance enhancement. This paper looks at the evolution of the reflective radio concept towards IRSs, outlines the IRS-assisted multi-user multiple-input single-output (MISO) communication model and discusses how it differentiates from the conventional multi-antenna communication models. We propose a minimum mean squared error (MMSE) based channel estimation protocol for the design and analysis of IRS-assisted systems. Performance evaluation results at 2.5 GHz operating frequency are provided to illustrate the efficiency of the proposed system.

研究动机与目标

• 通过用 Intelligent Reflecting Surfaces (IRS) 重新配置传播环境来推动绿色、能效高的无线网络。
• 给出一个 IRS 辅助的多用户 MISO 通信模型，并将其与传统模型进行对比。
• 开发一个基于 MMSE 的信道估计协议，利用基站-IRS 控制回路进行 CSI 获取。
• 给出在 2.5 GHz 下的仿真结果，以说明性能提升和 CSI 敏感性。

提出的方法

• 将一个具有 M 根天线的基站 (BS) 通过一个具有对角反射矩阵 Phi 的 N 元 IRS，为 K 个单天线用户提供服务的 IRS 辅助 MISO 系统进行建模。
• 将接收信号表示为 y_k = (h_d,k^H + h_2,k^H Phi^H H_1^H) x + n_k，并给出等效的 H_0,k v 表示式，将 IRS 响应与级联信道分离。
• 引入一个 MMSE 信道估计过程，通过在训练期间分阶段逐步开启 IRS 元件来估计 h_d,k 和 h_0,t,k（T 个子阶段）。
• 描述基站如何计算最优反射波束成形 v^*，并通过回传链路将 IRS 配置传达给其控制器。
• 将 IRS 辅助模型与传统 MISO、中继辅助和毫米波混合波束成形模型进行对比，以突出独特的 CSI 和单位幅度约束挑战。

实验结果

研究问题

• RQ1 应如何对 IRS 辅助信道进行建模，以及它与传统的 MISO 和中继模型有何不同？
• RQ2 在 IRS 元件没有直接射频资源的前提下，如何为 IRS 辅助链路实现基于 MMSE 的信道估计？
• RQ3 在亚 6 GHz 频段，IRS 辅助的 MISO 系统的性能提升和 CSI 敏感性有哪些影响？
• RQ4 在多用户场景中，应如何设计和实际实现 IRS 相移 (Phi)？

主要发现

• 在正确配置时，IRS 辅助链路的信噪比增益可以随反射元件数量 N 的平方级增长。
• IRS 辅助系统扩展覆盖范围和服务质量，使距离基站较远且靠近 IRS 的用户信号变得更强。
• CSI 误差对 IRS 增益有显著影响，使系统在 N 增大时比传统 MISO 对 CSI 更敏感。
• 所提出的 MMSE 协议增加了训练开销，因为它通过顺序开启/关闭 IRS 元件的训练来估计 N+1 个信道向量。
• 存在最优信道训练时间 tau_c，且取决于移动性；较高的 N 需要更精确的估计，并且在动态环境中可能降低性能。