[论文解读] Location-aware Channel Estimation for RIS-aided mmWave MIMO Systems via Atomic Norm Minimization

Hyeonjin Chung, Sunwoo Kim|arXiv (Cornell University)|Jul 20, 2021

Advanced Wireless Communication Technologies参考文献 30被引用 9

一句话总结

该论文提出了一种基于原子范数最小化（ANM）的位置感知信道估计算法，用于RIS辅助的毫米波MIMO系统，以降低波束训练开销并提高估计精度。通过利用已知的基站（BS）和RIS位置，该方法可实现直接波束赋形和RIS波束宽度自适应，从而实现2D和3D ANM框架下的级联信道估计，相较于基准方法在非视 Line-of-Sight（NLoS）环境中的精度显著提升。

ABSTRACT

In this paper, we propose a location-aware channel estimation based on the atomic norm minimization (ANM) for the reconfigurable intelligent surface (RIS)-aided millimeter-wave multiple-input-multiple-output (MIMO) systems. The beam training overhead at the base station (BS) is reduced by the direct beam steering towards the RIS with the location of the BS and the RIS. The RIS beamwidth adaptation is proposed to reduce the beam training overhead at the RIS, and also it enables accurate channel estimation by ensuring the user equipment receives all the multipath components from the RIS. After the beam training, the cascaded effective channel of the RIS-aided MIMO systems is estimated by ANM. Depending on whether the beam training overhead at the BS or at the RIS is reduced or not, the channel is represented as a linear combination of either 1D atoms, 2D atoms, or 3D atoms, and the ANM is applied to estimate the channel. Simulation results show that the proposed location-aware channel estimation via 2D ANM and 3D ANM achieves superior estimation accuracy to benchmarks.

研究动机与目标

• 通过利用已知的BS和RIS位置，降低基站（BS）和可重构智能表面（RIS）的波束训练开销。
• 通过原子范数最小化（ANM）消除网格失配问题，克服基于网格的压缩感知方法的局限性。
• 在波束训练过程中通过自适应调整RIS波束宽度，确保用户设备（UE）接收到来自RIS的所有多径分量。
• 利用2D和3D ANM公式，在LoS和非LoS场景下实现高精度的级联信道估计。
• 提升在实际部署中对位置误差和角度失准的鲁棒性。

提出的方法

• 利用已知的BS和RIS位置，实现对RIS的直接波束赋形，从而减少BS端的角搜索空间。
• 实施RIS波束宽度自适应，以在确保UE完整接收多径分量的同时，最小化RIS端的波束训练开销。
• 根据波束训练开销水平，将级联有效信道表示为1D、2D或3D原子的线性组合。
• 当BS端波束训练开销降低时，应用2D原子范数最小化（ANM）进行信道估计；当BS和RIS两端开销均被最小化时，采用3D ANM。
• 使用凸优化求解ANM问题，避免网格失配，实现超分辨率信道估计。
• 在多维空间中使用原子范数公式化信道估计问题，以建模BS-RIS和RIS-UE链路中的联合到达角（DoA）/离开角（DoD）及到达角（AoA）参数。

实验结果

研究问题

• RQ1 位置信息是否能有效用于降低RIS辅助的毫米波MIMO系统中的波束训练开销？
• RQ2 RIS波束宽度自适应如何影响多径分量接收的完整性及信道估计精度？
• RQ3 与传统的基于网格的方法相比，2D和3D原子范数最小化在多大程度上提升了信道估计精度？
• RQ4 所提出的基于位置感知的ANM信道估计算法对位置误差和角度失准的鲁棒性如何？
• RQ5 在3D ANM信道估计中，估计精度与计算复杂度之间存在何种权衡？

主要发现

• 所提出的基于2D ANM的位置感知信道估计算法在非视 Line-of-Sight（NLoS）环境中，相比基准方法显著降低了归一化均方误差（NMSE），尤其在传统方法失效的场景中表现突出。
• 当RIS到UE的距离超过60米时，视 Line-of-Sight（LoS）路径消失，非位置感知方法的NMSE值达到或超过1，表明信道估计完全失败。
• 位置感知的2D和3D ANM方法在NLoS条件下仍能保持低NMSE（低于0.1），证明其对路径损耗和遮挡具有强鲁棒性。
• 当波束训练开销被最小化时，3D ANM方法的NMSE低于2D ANM，但计算时间显著增加，尤其当M_B > 4时更为明显。
• 当BS到RIS的到达角（AoD）误差达到波束图的零点时，性能显著下降，NMSE在波束对准严重偏差时达到1，凸显对位置误差的敏感性。
• 与其它方法相比，3D ANM方法的训练符号数减少为一半（等于RIS天线数），而其它方法需两倍RIS天线数，从而显著提升了训练效率。