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

तकनीकी सारांश: फ्लूइड रिएन्गेबल इंटेलिजेंट सरफेस द्वारा समर्थित मल्टी-यूजर MISO सिस्टम के लिए अपलिंक चैनल एस्टीमेशन

समस्या विवरण (Problem Statement)
फ्लूइड रिएन्गेबल इंटेलिजेंट सर्फेस (FRISs) एक उभरता हुआ प्रतिमान (paradigm) है जहाँ परावर्तक तत्व (reflecting elements) एक सघन पूर्व-निर्धारित ग्रिड से अपने प्रभावी विकिरण स्थितियों (radiating positions) को गतिशील रूप से चुन सकते हैं, जो पारंपरिक RIS की तुलना में कम भौतिक तत्वों के साथ स्थानिक विविधता (spatial diversity) प्रदान करते हैं। हालाँकि, इन लाभों का लाभ उठाने के लिए सटीक चैनल स्टेट इंफॉर्मेशन (CSI) अत्यंत महत्वपूर्ण है। जबकि पारंपरिक RIS प्रणालियों में चैनल एस्टीमेशन (CE) हार्डवेयर गैर-आदर्शताओं (nonidealities) के कारण चुनौतीपूर्ण है, FRIS-समर्थित प्रणालियाँ कैस्केडेड द्विपक्षीय चैनल संरचना (cascaded bilinear channel structure) और मुख्य रूप से, स्थिति अनिश्चितताओं (position uncertainties) के कारण अतिरिक्त जटिलताओं का सामना करती हैं। ये अनिश्चितताएँ अंशांकन (calibration) की अशुद्धियों या गति त्रुटियों से उत्पन्न होती हैं, जिससे कमांड की गई और वास्तविक रूप से प्राप्त तत्वों की स्थितियों के बीच बेमेल (mismatch) होता है। लेखकों के सर्वोत्तम ज्ञान के अनुसार, ऐसी स्थिति अनिश्चितता के तहत FRIS-समर्थित प्रणालियों के लिए CE का साहित्य में पहले कभी अन्वेषण नहीं किया गया है।

कार्यप्रणाली (Methodology)
यह शोध पत्र एक मल्टी-यूजर अपलिंक MISO सिस्टम के लिए एक CE फ्रेमवर्क प्रस्तावित करता है जहाँ $Q$ सिंगल-एंटीना उपयोगकर्ता एक बेस स्टेशन (BS) के साथ संचार करते हैं, जो $M$ फ्लूइड तत्वों से बने एक FRIS के माध्यम से जुड़ा होता है। यह प्रणाली एक टू-टाइम-स्केल FRIS कॉन्फ़िगरेशन प्रोटोकॉल के तहत कार्य करती है:

1. फेज शिफ्ट्स (Phase Shifts): इलेक्ट्रॉनिक फेज शिफ्ट ($\phi$) एक सब-फ्रेम के भीतर $K$ ब्लॉक्स पर स्थिर रहते हैं लेकिन सब-फ्रेमों के बीच भिन्न होते हैं।
2. तत्वों की स्थितियाँ (Element Positions): नियंत्रित परावर्तक स्थितियाँ ($t$) ब्लॉक्स के दौरान भिन्न होती हैं लेकिन सब-फ्रेमों पर दोहराई जाती हैं।

प्राप्त सिग्नल को एक चौथे क्रम के टेंसर (fourth-order tensor) के रूप में मॉडल किया गया है, जो एक पैरेलल फैक्टर (PARAFAC) अपघटन (decomposition) को स्वीकार करता है। लेखक दो अलग-अलग परिदृश्यों को संबोधित करते हैं:

• परिदृश्य 1: पूर्ण मोशन रियलाइजेशन (आदर्शित - Idealized)
  यह मानते हुए कि वास्तविक स्थितियाँ कमांड की गई स्थितियों से मेल खाती हैं, लक्ष्य ज्ञात मोशन ($T$) और फेज ($\Phi$) मैट्रिसेस दिए जाने पर व्यक्तिगत चैनलों ($G$ और $H$) का अनुमान लगाना है। लेखक एक लीस्ट-स्क्वायर्स (LS) समस्या को सूत्रित करते हैं और संयुक्त चैनल अनुमान ($\hat{\Theta}$) को व्यक्तिगत चैनल घटकों ($G$ और $H$) में डिकपल करने के लिए खात्री-राव फैक्टराइजेशन (Khatri-Rao Factorization - KRF) का उपयोग करते हैं। यह दृष्टिकोण KRF के डीनोइजिंग गुणों का लाभ उठाता है।

• परिदृश्य 2: मोशन अनिश्चितता (यथार्थवादी - Realistic)
  जब मोशन त्रुटियों के कारण स्थिति बेमेल (position mismatches) होती है, तो मोशन मैट्रिक्स $T$ को अज्ञात माना जाता है। लेखक एक संयुक्त अनुमान फ्रेमवर्क (joint estimation framework) प्रस्तावित करते हैं जो मोशन मैट्रिक्स $T$ और चैनल मैट्रिसेस $G$ और $H$ को एक साथ रिकवर करता है।

  • समस्या को देखे गए डेटा और $T$, $G^T$, और $H$ के खात्री-राव उत्पाद वाले मॉडल के बीच त्रुटि को न्यूनतम करने के रूप में सूत्रित किया गया है।
  • समाधान मल्टीडायमेंशनल LS खात्री-राव फैक्टराइजेशन का उपयोग करता है। विशेष रूप से, अनुमानित संयुक्त टेंसर के कॉलम को रैंक-वन टेंसर के रूप में अनुमानित किया जाता है।
  • $\hat{T}$, $\hat{G}$, और $\hat{H}$ के अनुमान प्राप्त करने के लिए एक रैंक-वन ट्रंकेटेड हायर-ऑर्डर सिंगुलर वैल्यू डिकम्पोजिशन (HOSVD) लागू किया जाता है।

प्रमुख योगदान (Key Contributions)

1. नया फ्रेमवर्क: यह कार्य FRIS-समर्थित प्रणालियों के लिए पहला ज्ञात CE फ्रेमवर्क प्रस्तुत करता है जो स्पष्ट रूप से तत्व-स्थिति अनिश्चितता को ध्यान में रखता है।
2. टेंसर मॉडलिंग: लेखक टेंसर मॉडलिंग (PARAFAC अपघटन) पर आधारित एक क्लोज्ड-फॉर्म बीजगणितीय समाधान व्युत्पन्न करते हैं जो परावर्तन फेज-शिफ्ट और तत्व-मोशन डायनेमिक्स दोनों को कैप्चर करता है।
3. संयुक्त अनुमान एल्गोरिदम: एक विशिष्ट एल्गोरिदम प्रस्तावित किया गया है जो अज्ञात स्थिति विचलन (position deviations) की चुनौती को संबोधित करते हुए, मोशन-प्रेरित फेज गुणांकों और व्यक्तिगत चैनल मैट्रिसेस का संयुक्त रूप से अनुमान लगाता है।
4. दो-परिदृश्य विश्लेषण: पेपर आदर्श मोशन (जहाँ $T$ ज्ञात है) बनाम यथार्थवादी मोशन अनिश्चितता (जहाँ $T$ ब्लाइंड/अज्ञात है) के तहत प्रदर्शन का व्यवस्थित रूप से तुलना करता है।

प्रदर्शन परिणाम (Performance Results)
संख्यात्मक सिमुलेशन विभिन्न सिग्नल-टू-नॉइज़ रेशियो (SNR) और स्थिति त्रुटि के परिमाण ($\sigma_{pos}$) के तहत संयुक्त चैनल के नॉर्मलाइज्ड मीन स्क्वायर एरर (NMSE) का मूल्यांकन करते हैं:

• आदर्श मोशन: मोशन त्रुटियों की अनुपस्थिति में, प्रस्तावित KRF विधि मानक LS विधियों से बेहतर प्रदर्शन करती है और क्लासिकल स्टैटिक RIS सिस्टम के प्रदर्शन के करीब पहुँच जाती है, जिससे KRF की डिकपलिंग और डीनोइजिंग क्षमताओं का लाभ मिलता है।
• मोशन अनिश्चितता: जब स्थिति त्रुटियां मौजूद होती हैं (जैसे, $\sigma_{pos} = \lambda/20$), तो इन त्रुटियों को अनदेखा करने वाली विधियाँ (मिसमैच्ड $T$ का उपयोग करके) महत्वपूर्ण प्रदर्शन गिरावट का सामना करती हैं। प्रस्तावित संयुक्त अनुमान विधि मजबूत बनी रहती है, प्रभावी रूप से अज्ञात मोशन विचलन के प्रभाव को कम करती है और आदर्श मोशन केस और स्टैटिक RIS बेंचमार्क के समान प्रदर्शन स्तर प्राप्त करती है।
• मजबूती (Robustness): प्रस्तावित विधि बढ़ती स्थिति त्रुटियों के स्तर के विरुद्ध लचीलापन प्रदर्शित करती है, जबकि मोशन अनुमान को नजरअंदाज करने वाली योजनाएं सटीकता बनाए रखने में विफल रहती हैं।

महत्व और दावे (Significance and Claims)
पेपर दावा करता है कि FRIS सिस्टम में सटीक चैनल एस्टीमेशन मौलिक रूप से स्थिति अनिश्चितताओं द्वारा बाधित होता है, जो एक ऐसा कारक है जिसे पहले साहित्य में संबोधित नहीं किया गया था। एक टू-टाइम-स्केल प्रोटोकॉल और टेंसर-आधारित संयुक्त अनुमान फ्रेमवर्क पेश करके, लेखक प्रदर्शित करते हैं कि यह संभव है कि सटीक CSI प्राप्त किया जाए, भले ही तत्वों की स्थितियाँ कमांड की गई वैल्यू से विचलित हों। यह कार्य इस बात पर जोर देता है कि मोशन मैट्रिक्स को एक अज्ञात चर के रूप में मानना, जिसे संयुक्त रूप से अनुमानित किया जाना है, वास्तविक तैनाती परिदृश्यों में सिस्टम प्रदर्शन को बनाए रखने के लिए आवश्यक है जहाँ अंशांकन और मोशन त्रुटियाँ अपरिहार्य हैं। लेखक नोट करते हैं कि पेपर का पूर्ण संस्करण आइडेंटिफिएबिलिटी कंडीशंस, कम्प्यूटेशनल कॉम्प्लेक्सिटी और सिस्टम पैरामीटर्स (तत्वों की संख्या और उपयोगकर्ताओं की संख्या) के प्रभाव पर और विस्तार से चर्चा करेगा।