[论文解读] Joint Location and Communication Study for Intelligent Reflecting Surface Aided Wireless Communication System

Rui Wang, Zhe Xing+1 more|arXiv (Cornell University)|Mar 1, 2021

Advanced Wireless Communication Technologies参考文献 45被引用 9

一句话总结

本文提出了一种IRS辅助的毫米波MIMO系统，用于联合定位与通信（IMM-JLCS），通过优化波束对准与定位阶段之间的时间分配，实现性能平衡。该文推导了位置/方向误差的闭式Cramér-Rao下界（CRLB）以及有效可实现速率（EADR），并提出了一种联合优化算法，在估计误差和移动性扰动下，兼顾定位精度与数据速率。

ABSTRACT

Intelligent reflecting surface (IRS) is a novel burgeoning concept, which possesses advantages in enhancing wireless communication and user localization, while maintaining low hardware cost and energy consumption. Herein, we establish an IRS-aided mmWave-MIMO based joint localization and communication system (IMM-JLCS), and probe into its performance evaluation and optimization design. Specifically, first, we provide the signal, channel and estimation error models, and contrive the working process of the IMM-JLCS in detail. Then, by configuring appropriate IRS phase shifts, we derive the closed-form expressions of the Cramer-Rao Lower Bound (CRLB) of the position/orientation estimation errors and the effective achievable data rate (EADR), with respect to the time allocation ratio of the beam alignment and localization stage (BALS). Subsequently, we investigate the trade-off between the two performance metrics, for which we propose a joint optimization algorithm. Finally, we carry out simulations and comparisons to view the trade-off and validate the effectiveness of the proposed algorithm, in the presence of distinct levels of estimation uncertainty and user mobility. Our results demonstrate that the proposed algorithm can find the joint optimal solution for the position/orientation estimation accuracy and EADR, with its optimization performance being robust to slight localization or channel estimation errors and user mobility.

研究动机与目标

• 解决在路径损耗高且易受阻塞的毫米波MIMO系统中，高精度定位与高数据速率之间的平衡挑战。
• 利用智能反射面（IRS）在低硬件成本下提升通信性能与定位精度。
• 构建一种时分复用的联合定位与通信系统（IMM-JLCS），实现波束对准与定位阶段的协同工作。
• 分析在不同时间分配比例下，定位精度（CRLB）与有效可实现数据速率（EADR）之间的基本权衡关系。
• 设计一种鲁棒的联合优化算法，在估计不确定性与用户移动性条件下最大化系统性能。

提出的方法

• 为IRS辅助的毫米波MIMO联合定位与通信系统（IMM-JLCS）建立信号、信道与估计误差模型。
• 推导位置/方向估计误差的Cramér-Rao下界（CRLB）以及有效可实现速率（EADR）的闭式表达式，其关于波束对准与定位阶段（BALS）的时间分配比例。
• 将IRS相位移作为可重构反射系数，形成虚拟视 Line-of-Sight（VLoS）链路，提升信号质量。
• 利用Fisher信息矩阵（FIM）计算CRLB，整合信道状态信息、阵列响应向量与相位移配置。
• 构建联合优化问题，以平衡定位精度与EADR，并通过所提出的算法求解，该算法可适应估计不确定性与移动性。
• 通过在不同估计误差水平与用户移动性条件下的仿真，验证系统模型与优化性能。

实验结果

研究问题

• RQ1 在IRS辅助的毫米波MIMO联合定位与通信系统中，定位精度（CRLB）与有效可实现数据速率（EADR）之间的基本权衡关系是什么？
• RQ2 波束对准与定位阶段之间的时间分配比例如何影响位置/方向估计的CRLB与EADR？
• RQ3 估计不确定性与用户移动性对定位与通信性能权衡的影响如何？
• RQ4 联合优化算法是否能在实际系统非理想条件下实现定位精度与数据速率的最优平衡？
• RQ5 在实际部署场景中，所提出的优化算法对信道估计误差与用户移动性的鲁棒性如何？

主要发现

• 所提出的联合优化算法在IMM-JLCS中实现了定位精度（CRLB）与有效可实现数据速率（EADR）之间的平衡。
• 推导了位置/方向估计误差的CRLB与EADR的闭式表达式，其关于波束对准与定位阶段（BALS）的时间分配比例。
• 系统对轻微的定位与信道估计误差表现出鲁棒性，在不确定性条件下仍能保持最优性能。
• 仿真结果表明，所提算法能有效适应用户移动性，在动态环境中保持性能稳定。
• IRS配置通过构建强虚拟视 Line-of-Sight（VLoS）链路，显著提升了定位精度与数据速率。
• 联合优化框架实现了定位与通信间资源的高效分配，优于传统时分复用方案。