⚡ electrical engineering

RIS-assisted Multiuser MISO Transmission and the Impact of Imperfect Channel Estimation

Cet article propose une conception conjointe de surfaces intelligentes reconfigurables (RIS) et de précodage à annulation de zéro (ZF) pour les systèmes MISO multi-utilisateurs en ondes millimétriques en liaison descendante afin d'atténuer le déficit de rang et l'interférence inter-utilisateurs, tout en analysant l'impact de l'estimation imparfaite du canal et en introduisant un schéma robuste de transmission de pilotes pour égaliser l'interférence multi-utilisateurs.

Auteurs originaux : Ainna Yue Moreno-Locubiche, Josep Vidal, Antonio Pascual-Iserte, Olga Muñoz

Publié 2026-05-12

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ainna Yue Moreno-Locubiche, Josep Vidal, Antonio Pascual-Iserte, Olga Muñoz

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez un réseau sans fil comme une autoroute bondée où une tour centrale (la Station de Base) tente d'envoyer différents messages à plusieurs voitures (les Utilisateurs) en même temps. Dans l'avenir de la technologie sans fil (6G), ces tours utiliseront des signaux à très haute fréquence (ondes millimétriques) pour transmettre des données à une vitesse fulgurante. Cependant, ces signaux sont fragiles ; ils sont facilement bloqués par des bâtiments, des arbres, ou même si deux voitures roulent en ligne droite l'une derrière l'autre, ce qui rend difficile pour la tour de les distinguer.

Ce papier propose une solution ingénieuse utilisant un « miroir intelligent » appelé Surface Intelligente Reconfigurable (RIS) et une méthode spécifique d'organisation du trafic appelée précodage Zero-Forcing (ZF).

Voici la décomposition de leurs idées en utilisant des analogies du quotidien :

1. Le Problème : L'« Embouteillage » et le « Point Mort »

La tour souhaite parler à plusieurs voitures simultanément. Pour ce faire, sans que les messages ne se mélangent (interférence), elle utilise une technique appelée Zero-Forcing. Imaginez cela comme un chef d'orchestre essayant de s'assurer que chaque musicien joue sa propre note parfaitement sans étouffer les autres.

Cependant, cela fonctionne mal dans deux situations spécifiques :

Le Problème de l'« Ombre » : Si une voiture est derrière un immeuble élevé, le signal est trop faible.
Le Problème de l'« Alignement » : Si deux voitures roulent en ligne droite s'éloignant de la tour, les antennes de la tour ne peuvent pas les distinguer. C'est comme essayer de crier deux instructions différentes à deux personnes debout l'une directement derrière l'autre ; la personne de devant bloque le son pour celle de derrière.

2. La Solution : Le « Miroir Intelligent » (RIS)

Les auteurs suggèrent de placer un gigantesque « miroir intelligent » programmable (le RIS) sur un bâtiment ou un poteau. Contrairement à un miroir normal qui réfléchit la lumière de manière aléatoire, ce miroir peut être programmé pour courber et diriger le signal exactement là où il doit aller.

Comment cela aide : Si une voiture est dans une « ombre » (bloquée par un bâtiment), le miroir capte le signal et le rebondit autour du coin vers la voiture. Si deux voitures sont alignées en ligne droite, le miroir crée un nouveau chemin courbe pour le signal, les « désalignant » efficacement afin que la tour puisse parler aux deux clairement.
Le Résultat : Le miroir résout l'« embouteillage » causé par une mauvaise géométrie, permettant à la technique Zero-Forcing de fonctionner à nouveau de manière fluide.

3. L'Écueil : « Deviner » la Carte (Estimation de Canal Imparfaite)

Pour diriger le miroir parfaitement, la tour doit savoir exactement où sont les voitures et comment le signal rebondit. Dans le monde réel, la tour n'a pas une carte parfaite ; elle doit deviner en se basant sur des « signaux pilotes » (comme l'envoi d'un ping de test).

Le Problème : Si la supposition de la tour est légèrement erronée (estimation imparfaite), la technique Zero-Forcing échoue un peu. Elle pourrait accidentellement envoyer un message destiné à la Voiture A à la Voiture B, causant de la confusion (interférence).
La Découverte du Papier : Les auteurs ont constaté que, bien que le miroir intelligent aide beaucoup, il ne corrige pas magiquement les mauvaises suppositions. Si la tour se trompe sur la carte, les performances chutent. Cependant, ils ont découvert que si le miroir est utilisé correctement, il peut aider à équilibrer la confusion afin que toutes les voitures subissent à peu près la même quantité d'erreur, plutôt qu'une voiture ayant une connexion terrible tandis qu'une autre en a une bonne.

4. La Stratégie « Robuste »

Le papier propose une manière spécifique de concevoir le système afin que, même si la carte de la tour est un peu floue, le système reste équitable.

L'Analogie : Imaginez un professeur distribuant des copies d'examen. Si le professeur lit mal l'écriture des élèves (erreur d'estimation), certains élèves pourraient recevoir les mauvaises questions. La méthode des auteurs garantit que le « mauvais » est réparti uniformément. Aucun élève ne reçoit un examen totalement impossible ; chacun reçoit un examen légèrement difficile, maintenant la performance globale de la classe stable.

5. Ce Qu'ils Ont Vraiment Démontré

Les auteurs n'ont pas seulement deviné ; ils ont effectué des simulations informatiques pour prouver leurs points :

Obstacles : Lorsqu'une voiture est derrière un bâtiment, le miroir intelligent réduit considérablement le nombre d'erreurs (Taux d'Erreur Binaire), rendant la connexion fiable même dans les « zones mortes ».
Alignement : Lorsque les voitures sont alignées en ligne droite, le miroir crée un nouveau chemin, permettant à la tour de leur parler clairement à toutes les deux, alors que sans le miroir, la connexion échouerait.
Le Compromis : Ajouter plus de « pixels » au miroir (plus d'éléments réfléchissants) aide beaucoup lorsque le signal est clair, mais cela ne résout pas complètement le problème si la supposition initiale de la tour sur l'environnement est très mauvaise.

Résumé

En bref, ce papier montre que l'utilisation d'un miroir intelligent programmable aux côtés d'un contrôleur de trafic intelligent permet aux réseaux sans fil de gérer beaucoup mieux les situations difficiles (comme des chemins bloqués ou des utilisateurs alignés) qu'auparavant. Même lorsque le réseau doit « deviner » l'environnement, cette configuration maintient la connexion équitable et fonctionnelle pour tous, empêchant une défaillance totale du signal dans des endroits délicats.

Résumé Technique : Transmission MU-MISO Assistée par RIS et Impact de l'Estimation Imparfaite du Canal

Énoncé du Problème
Cet article aborde les défis de la transmission en liaison descendante (DL) multi-utilisateurs à entrées multiples et sorties uniques (MU-MISO) dans les bandes millimétriques (mmWave), en se concentrant spécifiquement sur les limitations du précodage à Annulation de Zéro (Zero-Forcing, ZF) lorsque la matrice du canal souffre d'une déficience de rang. Dans les systèmes mmWave, le ZF est attrayant pour supprimer les interférences inter-utilisateurs (MUI) en raison de la nature directionnelle et parcimonieuse des canaux, mais son efficacité est compromise dans deux scénarios spécifiques :

Disparités Significatives de Gain de Canal : Lorsque les utilisateurs subissent des pertes de parcours très différentes dues à la distance ou aux obstacles.
Alignement en Champ Lointain : Lorsque les utilisateurs sont alignés du point de vue de la station de base (BS), provoquant le fait que les lignes de la matrice du canal deviennent presque proportionnelles.

De plus, l'article examine l'impact d'une Information d'État du Canal (CSI) imparfaite. Bien que le ZF suppose une CSI parfaite, les systèmes pratiques reposent sur l'estimation du canal (par exemple, via des pilotes en liaison montante), ce qui introduit des erreurs. Ces erreurs dégradent la capacité du précodeur ZF à annuler les interférences, entraînant une augmentation des Taux d'Erreur Binaire (BER) et des problèmes potentiels de déficience de rang que les conceptions ZF standard ne corrigent pas. Les auteurs visent à déterminer si les Surfaces Intelligentes Reconfigurables (RIS) peuvent atténuer ces problèmes de déficience de rang et comment ils se comportent dans des conditions de CSI imparfaite.

Méthodologie
L'étude propose un cadre de conception conjointe pour les déphasages du RIS et le précodage ZF, analysé à la fois sous CSI parfaite et imparfaite.

Modèle de Système : Le système se compose d'une BS avec $M$ antennes, $K$ utilisateurs à antenne unique, et d'un RIS passif avec $N_r$ éléments. Le canal total $H$ est modélisé comme la somme du lien direct BS-Utilisateur ( $H_{bu}$ ) et du lien en cascade BS-RIS-Utilisateur ( $H_{c} = H_{ru}\Phi H_{br}$ ), où $\Phi$ est la matrice diagonale des coefficients de réflexion.
Optimisation sous CSI Parfaite : L'objectif est de maximiser la puissance du signal reçu (ou, de manière équivalente, de minimiser la trace de l'inverse de la matrice de Gram du canal effectif) en optimisant les phases du RIS $\phi$ . Puisqu'une solution sous forme close n'est pas disponible, les auteurs emploient un algorithme d'optimisation basé sur le gradient utilisant la différentiation matricielle complexe. La fonction objectif $J = \text{Tr}\{(HH^H)^{-1}\Gamma\}$ est minimisée par rapport aux phases du RIS. Cette approche permet de découpler la conception du RIS et du précodeur ZF, évitant ainsi le besoin d'une optimisation alternée typiquement requise dans d'autres conceptions conjointes.
Estimation du Canal et Analyse des Erreurs : L'article adopte une approche d'estimation par Moindres Carrés (LS) pour le canal en cascade en utilisant des symboles pilotes en liaison montante. Les auteurs dérivent la variance de l'erreur d'estimation et analysent sa propagation dans le précodeur ZF.
Impact de la CSI Imparfaite : Le signal reçu est modélisé pour inclure des termes représentant les MUI additives causées par les erreurs d'estimation et l'incertitude d'amplitude. Les auteurs dérivent une borne supérieure pour le BER en utilisant les bornes de Chernoff pour une modulation A-QAM.
Proposition de Conception Robuste : Pour remédier à l'asymétrie des MUI causée par les erreurs d'estimation (où les utilisateurs avec des canaux plus faibles souffrent davantage), l'article propose une stratégie de conception robuste. Cela implique d'égaliser les MUI entre les utilisateurs en ajustant l'énergie de transmission des pilotes ( $P_{UL,l}T_l$ ) pour chaque utilisateur, assurant ainsi une performance équitable malgré les imprécisions de l'estimation du canal.

Contributions Clés

Conception Découplée : Les auteurs démontrent que la structure ZF permet le découplage de la conception des coefficients du RIS et de la conception du précodeur. Cela élimine le besoin d'une optimisation alternée itérative, réduisant considérablement la complexité computationnelle par rapport aux méthodes d'optimisation conjointe utilisées dans le MMSE ou d'autres schémas de précodage.
Optimisation du RIS Basée sur le Gradient : Un algorithme basé sur le gradient est défini pour maximiser le rapport signal sur bruit (SNR) reçu en optimisant les phases du RIS, en utilisant la théorie de la différentiation matricielle complexe. Cette méthode s'avère évolutif sur le plan computationnel, avec une complexité qui évolue de manière polynomiale plutôt qu'exponentielle avec le nombre d'éléments du RIS.
Analyse de la CSI Imparfaite : L'article fournit une évaluation analytique détaillée de la manière dont les erreurs d'estimation du canal dégradent les performances du ZF dans les systèmes MU-MISO assistés par RIS. Il quantifie les MUI et l'incertitude d'amplitude résultantes, en dérivant des expressions sous forme close pour les bornes supérieures du BER.
Conception Robuste des Pilotes : Une méthode est proposée pour égaliser les interférences multi-utilisateurs entre les utilisateurs en présence d'erreurs de canal en équilibrant l'énergie de transmission des pilotes, améliorant ainsi l'équité et la robustesse.
Évaluation des Scénarios : L'étude valide les avantages du RIS dans des scénarios difficiles, notamment :
- Obstruction : Utilisateurs bloqués par des obstacles où le chemin direct est atténué.
- Alignement : Utilisateurs alignés dans le champ lointain de la BS, ce qui cause généralement une déficience de rang.
- Disparité de Gain : Utilisateurs avec des gains de canal significativement différents.

Résultats
Des simulations ont été réalisées avec une fréquence porteuse de 30 GHz, une modulation 4-QAM, et diverses configurations d'utilisateurs (NEAR, OUT, FAR, NEAR-NS) avec et sans obstacles.

Résilience aux Obstacles et à l'Alignement : Dans les scénarios avec obstacles ou alignement des utilisateurs (où le canal direct est de rang déficient), la transmission assistée par RIS surpasse nettement la transmission directe. Par exemple, dans la configuration "NEAR" (utilisateur derrière un obstacle), le BER médian a chuté de deux ordres de grandeur avec le RIS ( $N_r=1000$ ) par rapport à l'absence de RIS.
Impact de la CSI Imparfaite : Bien que le RIS améliore les performances sous CSI parfaite, l'introduction d'erreurs d'estimation du canal dégrade les performances. Cependant, même avec une CSI imparfaite, les systèmes assistés par RIS maintiennent généralement un BER inférieur à la transmission directe sans RIS, à condition qu'un nombre suffisant de symboles pilotes soit utilisé.
Surcharge des Pilotes vs Performance : L'augmentation du nombre de symboles pilotes ( $T$ ) réduit l'erreur d'estimation et améliore le BER. Cependant, l'article note que simplement augmenter le nombre d'éléments du RIS ( $N_r$ ) n'améliore pas nécessairement la résilience aux erreurs d'estimation du canal ; les avantages des plus grandes matrices RIS sont les plus prononcés lorsque le chemin direct est présent ou lorsque l'estimation est précise.
Charge Multi-Utilisateurs : À mesure que le nombre d'utilisateurs simultanés ( $K$ ) augmente de 2 à 4, le BER augmente naturellement. Cependant, l'amélioration relative fournie par l'assistance RIS devient plus significative avec des charges d'utilisateurs plus élevées, en particulier dans les environnements obstrués.
Robustesse : La conception robuste proposée (égalisation de l'énergie des pilotes) aide à atténuer la disparité de performance entre les utilisateurs causée par les erreurs d'estimation, assurant un BER plus uniforme sur l'ensemble des utilisateurs.

Signification et Revendications
L'article revendique que le cadre ZF assisté par RIS proposé offre une solution pratique et computationnellement efficace pour les déploiements 5G/6G en mmWave, en particulier dans les environnements où la déficience de rang ou le blocage rendraient autrement le précodage ZF inefficace.

Les auteurs soulignent que leur travail comble une lacune dans la littérature existante en modélisant explicitement la propagation des erreurs d'estimation à travers des précodeurs linéaires fixes (ZF) et en fournissant des insights diagnostiques sur les interférences résiduelles. Contrairement aux travaux antérieurs qui se concentrent sur l'optimisation sous CSI idéale ou des hypothèses statistiques, cette étude fournit une conception robuste qui prend en compte les réalités des erreurs d'estimation du canal. Les résultats suggèrent que le déploiement de RIS passif est une stratégie viable pour améliorer la couverture et la macrodiversité, permettant une communication fiable pour les utilisateurs dans des zones ombragées ou des positions alignées, à condition que l'estimation du canal soit gérée via une conception appropriée des pilotes.

L'article conclut avec modestie, notant que si le cadre actuel se concentre sur le ZF, les travaux futurs exploreront d'autres stratégies de précodage (MMSE, hybride) et des architectures RIS avancées (par exemple, STAR-RIS) pour optimiser davantage les compromis entre complexité et performance dans des environnements dynamiques.