Tensor-based modeling/estimation of static channels in IRS-assisted MIMO systems

Résumé Technique : Modélisation et Estimation des Canaux Statiques Basées sur les Tenseurs dans les Systèmes MIMO Assistés par IRS

Énoncé du Problème
L'article aborde le défi de l'estimation de canal dans les systèmes Multiple Input Multiple Output (MIMO) assistés par Surface Réfléchissante Intelligente (IRS). Dans de tels réseaux, le récepteur doit estimer le canal en cascade (Équipement Utilisateur vers IRS vers Station de Base) en utilisant des signaux pilotes réfléchis par l'IRS. Les méthodes existantes sont souvent classées en techniques structurées (exploitant des modèles géométriques paramétriques) et techniques non structurées. Bien que des travaux antérieurs aient utilisé des approches tensorielles pour des scénarios spécifiques (par exemple, systèmes mmWave ou détection de données semi-aveugle), il existe un besoin de cadres robustes exploitant la structure géométrique spécifique des canaux statiques assistés par IRS afin d'améliorer la précision de l'estimation sans engendrer de coûts de calcul prohibitifs.

Méthodologie
Les auteurs proposent un nouveau cadre de modélisation du signal qui formule le problème d'estimation de canal comme un modèle de tenseur de Tucker d'ordre trois. Le cœur de la méthodologie implique les étapes suivantes :

1. Modèle Système : Le système considère une liaison montante avec une Station de Base (BS) équipée de $M$ antennes, un Équipement Utilisateur (UE) avec $Q$ antennes, et une IRS comportant $N$ éléments passifs. Les canaux (BS-IRS et IRS-UE) sont modélisés à l'aide d'un modèle géométrique multipath incluant à la fois des composantes en Ligne de Visée (LOS) et hors Ligne de Visée (NLOS), caractérisées par des vecteurs de steering et des coefficients de perte de trajet/évanouissement.
2. Formulation Tensorielle : En vectorisant les signaux pilotes reçus et en utilisant les propriétés des produits de Kronecker et de Khatri-Rao, les auteurs dérivent une relation linéaire entre le signal reçu et les paramètres de canal concaténés. Cette relation est restructurée en un modèle de tenseur de Tucker d'ordre trois :
   $$\mathcal{R} \approx \mathcal{F} \times_1 \mathbf{A}_{rx} \times_2 \mathbf{A}^*_{tx} \times_3 \mathbf{P}_B$$
   Ici, $\mathcal{R}$ représente le tenseur de données reçu, $\mathbf{A}_{rx}$ et $\mathbf{A}_{tx}$ sont les matrices de steering pour la BS et l'UE, $\mathbf{P}_B$ contient les informations de géométrie de l'IRS, et $\mathcal{F}$ est le tenseur noyau représentant les coefficients de trajet.
3. Algorithmes Proposés : Deux algorithmes sont dérivés pour résoudre le problème d'estimation de paramètres (récupération des matrices factorielles et du tenseur noyau) :
   • Tucker-ALS (Moindres Carrés Alternés) : Un algorithme itératif qui met à jour alternativement les estimations de $\mathbf{A}_{rx}$, $\mathbf{A}_{tx}$, $\mathbf{P}_B$ et le vecteur du tenseur noyau $\mathbf{f}$ en résolvant des sous-problèmes de moindres carrés jusqu'à convergence.
   • Tucker-HOSVD (Décomposition en Valeurs Singulières d'Ordre Supérieur) : Une solution sous forme fermée qui calcule les matrices factorielles en effectuant des SVD tronquées sur les dépliements par mode du tenseur reçu, suivie d'une étape de pseudo-inverse pour estimer le tenseur noyau.

Contributions Clés

• Modèle de Signal Novel : L'article introduit un modèle de tenseur de Tucker d'ordre 3 spécifiquement adapté aux canaux MIMO statiques assistés par IRS, exploitant explicitement la structure géométrique du canal en cascade.
• Approche Algorithmique Duale : Les auteurs fournissent deux solutions distinctes : une méthode ALS itérative et une méthode HOSVD non itérative, offrant une flexibilité de mise en œuvre basée sur les exigences de convergence versus la vitesse de calcul.
• Analyse de Complexité : L'étude inclut une analyse détaillée de la complexité computationnelle comparant les méthodes proposées aux moindres carrés (LS) classiques et à l'algorithme de factorisation de Khatri-Rao (KRF) de l'état de l'art.

Résultats de Simulation
Des simulations numériques évaluent les performances en utilisant l'Erreur Quadratique Moyenne Normalisée (NMSE) du canal concaténé estimé :

• Gain de Performance : Les méthodes basées sur les tenseurs proposées (ALS et HOSVD) surpassent significativement les références LS classique et KRF. Plus précisément, les méthodes proposées réalisent une amélioration d'environ 10 dB par rapport à LS et 5 dB par rapport à KRF.
• Comparaison des Algorithmes : L'algorithme itératif ALS démontre une performance légèrement supérieure (gain d'environ 1 dB) par rapport au HOSVD sous forme fermée, bien que les deux soient supérieurs aux références.
• Comportement de Convergence : L'algorithme ALS nécessite plus d'itérations dans les régions à faible Rapport Signal sur Bruit (SNR) ou lorsque le nombre de trajets de propagation augmente. À l'inverse, l'augmentation du nombre d'éléments de l'IRS ($N$) réduit le nombre d'itérations requis pour la convergence.
• Coût Computationnel : Malgré les gains de performance, la complexité computationnelle des schémas ALS et HOSVD proposés est comparable à celle des algorithmes de référence LS et KRF. Les auteurs notent que le coût dominant dans tous les schémas reste l'étape LS initiale ou les opérations SVD/pseudo-inverse, qui évoluent de manière similaire d'une méthode à l'autre.

Signification et Revendications
L'article revendique qu'en exploitant la structure algébrique tensorielle du canal combiné, les méthodes proposées atteignent une précision d'estimation supérieure sans augmenter la complexité computationnelle par rapport aux techniques de l'état de l'art existantes. Les auteurs positionnent ce travail comme une étape vers une estimation de canal efficace pour les réseaux au-delà de la 5G (B5G) et la 6G, où le déploiement de l'IRS devrait être critique. Le travail ne revendique pas résoudre les problèmes de canaux variant dans le temps (renvoyant à leurs travaux antérieurs pour cela) mais se concentre sur l'optimisation de l'estimation des canaux statiques pour permettre une configuration efficace des déphasages de l'IRS.