[论文解读] Semi-Blind Cascaded Channel Estimation for Reconfigurable Intelligent Surface Aided Massive MIMO

Zhen-Qing He, Hang Liu+3 more|arXiv (Cornell University)|Jan 18, 2021

Advanced Wireless Communication Technologies参考文献 30被引用 9

一句话总结

该论文提出了一种用于可重构智能表面（RIS）辅助大规模MIMO系统的半盲级联信道估计算法，通过少量导频序列联合估计RIS-BS与用户-RIS信道以及未知的导频信号。该方法基于贝叶斯推断下的三线性矩阵分解与近似消息传递（AMP），实现了低复杂度估计，并通过复制法（replica method）推导出理论性能界，与基于训练的方案相比显著降低了导频开销。

ABSTRACT

Reconfigurable intelligent surface (RIS) is envisioned to be a promising green technology to reduce the energy consumption and improve the coverage and spectral efficiency of massive multiple-input multiple-output (MIMO) wireless networks. In a RIS-aided MIMO system, the acquisition of channel state information (CSI) is important for achieving passive beamforming gains of the RIS, but is also challenging due to the cascaded property of the transmitter-RIS-receiver channel and the lack of signal processing capability of the passive RIS elements. The state-of-the-art approach for CSI acquisition in such a system is a pure training-based strategy that depends on a long sequence of pilot symbols. In this paper, we investigate semi-blind cascaded channel estimation for RIS-aided massive MIMO systems, in which the receiver simultaneously estimates the channel coefficients and the partially unknown transmit signal with a small number of pilot sequences. Specifically, we formulate the semi-blind cascaded channel estimation as a trilinear matrix factorization task. Under the Bayesian inference framework, we develop a computationally efficient iterative algorithm using the approximate message passing principle to resolve the trilinear inference problem. Meanwhile, we present an analytical framework to characterize the theoretical performance bound of the proposed approach in the large-system limit via the replica method developed in statistical physics. Extensive simulation results demonstrate the effectiveness of the proposed semi-blind cascaded channel estimation algorithm.

研究动机与目标

• 解决传统基于训练的信道估计算法在RIS辅助大规模MIMO系统中导频开销过高的问题。
• 在仅使用极少数导频序列的条件下，实现对级联信道（用户-RIS与RIS-BS）及未知导频信号的联合估计。
• 在贝叶斯推断框架下，开发一种计算高效的半盲级联信道估计算法。
• 利用复制法在大系统极限下推导所提方法的理论性能极限。

提出的方法

• 将半盲级联信道估计建模为涉及用户-RIS、RIS-BS与导频数据矩阵乘积的三线性矩阵分解问题。
• 提出一种迭代近似消息传递（AMP）算法，以在贝叶斯最小均方误差（MMSE）准则下计算后验均值估计。
• 采用仅需矩阵-向量乘法与方差更新的消息传递更新规则，确保每轮迭代的计算复杂度较低。
• 应用统计物理中的复制法，对大系统极限下渐近最小均方误差（MSE）性能进行解析表征。
• 在已知信道与信号先验分布的条件下，推导出信道与数据估计MSE的解析表达式。
• 通过求解由复制法导出的自由能函数的极值问题，建立理论性能界。

实验结果

研究问题

• RQ1 与纯基于训练的方法相比，半盲估计算法是否能显著降低RIS辅助大规模MIMO系统中的导频开销？
• RQ2 如何在极低导频开销下高效实现级联信道与未知导频信号的联合估计？
• RQ3 在大系统极限下，半盲级联信道估计算法的理论性能极限是什么？
• RQ4 所提出的基于AMP的算法在估计精度与计算复杂度方面相较于传统基于训练的方法有何表现？
• RQ5 何种分析框架能够准确预测联合估计过程的渐近MSE性能？

主要发现

• 所提出的半盲级联信道估计算法通过仅使用少量导频序列联合估计信道与未知信号，实现了显著的导频开销降低。
• 近似消息传递（AMP）算法通过迭代均值与方差更新，仅依赖基本的矩阵-向量运算，实现了低复杂度估计。
• 通过复制法推导出的理论性能界表明，该算法在已知先验条件下可逼近理论极限，且为每个信道与数据分量推导出解析的MSE表达式。
• 该方法在大系统极限下可实现近似最优性能，其MSE随系统维度与信噪比呈有利的缩放特性。
• 仿真结果验证了该算法的有效性，表明其在相同导频开销下相比基于训练的方案具有更高的估计精度与更强的鲁棒性。
• 基于复制法的分析框架能够准确预测MSE性能，验证了理论分析在实际系统配置中的有效性。