Uplink Channel Estimation for Multi-User MISO Systems Assisted by a Fluid Reconfigurable Intelligent Surface

Résumé Technique : Estimation de Canal en Liaison Montante pour des Systèmes MISO Multi-Utilisateurs Assistés par une Surface Intelligentes Reconfigurable Fluide

Énoncé du Problème
Les Surfaces Intelligentes Reconfigurables Fluides (FRIS) représentent un paradigme émergent où les éléments réfléchissants peuvent sélectionner dynamiquement leurs positions de rayonnement effectives à partir d'une grille prédéfinie dense, offrant une diversité spatiale avec moins d'éléments physiques par rapport aux RIS conventionnels. Cependant, une Information d'État de Canal (CSI) précise est cruciale pour exploiter ces gains. Alors que l'estimation de canal (CE) dans les systèmes RIS conventionnels est confrontée à des non-idéalités matérielles, les systèmes assistés par FRIS font face à des complexités supplémentaires dues à la structure de canal bilinéaire en cascade et, de manière cruciale, aux incertitudes de position. Ces incertitudes résultent d'imprécisions de calibration ou d'erreurs de mouvement, entraînant des écarts entre les positions des éléments commandées et réalisées. À la connaissance des auteurs, la CE pour les systèmes assistés par FRIS dans un tel contexte d'incertitude de position n'a pas été explorée précédemment dans la littérature.

Méthodologie
L'article propose un cadre de CE pour un système MISO en liaison montante multi-utilisateurs où $Q$ utilisateurs à antenne unique communiquent avec une station de base (BS) via une FRIS composée de $M$ éléments fluides. Le système fonctionne selon un protocole de configuration FRIS à deux échelles de temps :

1. Déphasages : Les déphasages électroniques ($\phi$) restent fixes sur $K$ blocs au sein d'une sous-trame mais varient d'une sous-trame à l'autre.
2. Positions des Éléments : Les positions réfléchissantes contrôlées ($t$) varient d'un bloc à l'autre mais sont répétées sur les sous-trames.

Le signal reçu est modélisé comme un tenseur d'ordre quatre, qui admet une décomposition PARAFAC (Parallel Factor). Les auteurs abordent deux scénarios distincts :

• Scénario 1 : Réalisation de Mouvement Parfaite (Idéalisée)
  En supposant que les positions réalisées correspondent aux positions commandées, l'objectif est d'estimer les canaux individuels ($G$ et $H$) étant donné les matrices de mouvement ($T$) et de phase ($\Phi$) connues. Les auteurs formulent un problème des moindres carrés (LS) et utilisent la Factorisation de Khatri-Rao (KRF) pour découpler l'estimation de canal combinée ($\hat{\Theta}$) en composantes de canal individuelles ($G$ et $H$). Cette approche exploite les propriétés de débruitage de la KRF.

• Scénario 2 : Incertitude de Mouvement (Réaliste)
  Lorsque des écarts de position se produisent en raison d'erreurs de mouvement, la matrice de mouvement $T$ est traitée comme inconnue. Les auteurs proposent un cadre d'estimation conjointe pour récupérer simultanément la matrice de mouvement $T$ et les matrices de canal $G$ et $H$.

  • Le problème est formulé comme la minimisation de l'erreur entre les données observées et un modèle impliquant le produit de Khatri-Rao de $T$, $G^T$, et $H$.
  • La solution emploie une factorisation multidimensionnelle des moindres carrés de Khatri-Rao. Plus précisément, les colonnes du tenseur combiné estimé sont approximées comme des tenseurs de rang un.
  • Une décomposition en valeurs singulières d'ordre supérieur tronquée de rang un (HOSVD) est appliquée pour extraire les vecteurs singuliers dominants, fournissant les estimations pour $\hat{T}$, $\hat{G}$ et $\hat{H}$.

Contributions Clés

1. Cadre Novel : Ce travail présente le premier cadre de CE connu pour les systèmes assistés par FRIS qui prend explicitement en compte l'incertitude de position des éléments.
2. Modélisation Tenseur : Les auteurs dérivent une solution algébrique sous forme close basée sur la modélisation tensorielle (décomposition PARAFAC) qui capture à la fois la dynamique du déphasage de réflexion et du mouvement des éléments.
3. Algorithme d'Estimation Conjointe : Un algorithme spécifique est proposé pour estimer conjointement les coefficients de phase induits par le mouvement et les matrices de canal individuelles, relevant le défi des écarts de position inconnus.
4. Analyse à Deux Scénarios : L'article compare systématiquement les performances sous un mouvement idéalisé (où $T$ est connu) par rapport à une incertitude de mouvement réaliste (où $T$ est aveugle/inconnu).

Résultats de Performance
Des simulations numériques évaluent l'Erreur Quadratique Moyenne Normalisée (NMSE) du canal combiné sous divers rapports Signal-sur-Bruit (SNR) et amplitudes d'erreur de position ($\sigma_{pos}$) :

• Mouvement Idéal : En l'absence d'erreurs de mouvement, la méthode KRF proposée surpasse les méthodes LS standard et s'approche des performances des systèmes RIS statiques classiques, bénéficiant des capacités de découplage et de débruitage de la KRF.
• Incertitude de Mouvement : Lorsque des erreurs de position sont présentes (par exemple, $\sigma_{pos} = \lambda/20$), les méthodes qui ignorent ces erreurs (en utilisant une $T$ non correspondante) subissent une dégradation significative des performances. La méthode d'estimation conjointe proposée reste robuste, atténuant efficacement l'impact des écarts de mouvement inconnus et atteignant des niveaux de performance comparables au cas de mouvement idéalisé et aux références RIS statiques.
• Robustesse : La méthode proposée démontre une résilience face à l'augmentation des niveaux d'erreur de position, tandis que les schémas négligeant l'estimation du mouvement échouent à maintenir la précision.

Signification et Revendications
L'article revendique que l'estimation précise du canal dans les systèmes FRIS est fondamentalement entravée par les incertitudes de position, un facteur précédemment non abordé dans la littérature. En introduisant un protocole à deux échelles de temps et un cadre d'estimation conjointe basé sur les tenseurs, les auteurs démontrent qu'il est possible d'obtenir une CSI précise même lorsque les positions des éléments s'écartent des valeurs commandées. Le travail souligne que traiter la matrice de mouvement comme une variable inconnue à estimer conjointement est essentiel pour maintenir les performances du système dans des scénarios de déploiement réalistes où les erreurs de calibration et de mouvement sont inévitables. Les auteurs notent que la version complète de l'article élaborera davantage sur les conditions d'identifiabilité, la complexité computationnelle et l'impact des paramètres du système (nombre d'éléments et d'utilisateurs).