RIS-Assisted Sensing: A Nested Tensor Decomposition-Based Approach

技術的サマリー：ネスト型テンソル分解による RIS 支援センシング

問題定義
本論文は、リコンフィギュラブル・インテリジェント・サーフェス（RIS）によって支援される単基地多重入力多重出力（MIMO）センシングシナリオにおける、ターゲットパラメータ推定の課題に取り組む。この設定では、基地局（BS）とターゲット間の直接視界（LOS）が遮断されており、センシングは RIS によって作成された仮想 LOS 経路を通じてのみ達成される。システムは直交周波数分割多重（OFDM）波形を利用する。核心的な難しさは、BS、RIS、ターゲットの相互作用により複雑で高次元の構造を持つ受信エコー信号から、ターゲットの遅延（$\tau$）、ドップラシフト（$\nu$）、および角度情報（方位角と仰角）を同時に推定することにある。

手法
著者は、受信エコー信号の内在的な多次元構造を利用する**ネスト型テンソルベースセンシング（NTBS）**アルゴリズムを提案する。このアプローチは、信号を第 4 次ネスト型テンソルとしてモデル化し、2 段階の推定戦略を採用する。

1. システムモデリング: 受信信号は、BS-RIS チャネル、RIS-ターゲットチャネル、ターゲット-RIS-BS 経路、および RIS 位相シフトベクトルを考慮して周波数領域で定式化される。信号はベクトル化され、サブキャリア、OFDM シンボル、および送信ブロックにわたってスタックされ、データ行列 $\mathbf{Y}$ を形成する。
2. テンソル分解（段階 1）: データ行列は、Tucker-3 テンソルの 3 モード展開として認識される。著者は、BS チャネル、ターゲット署名、および結合された遅延 - ドップラ steer ベクトルに対応する因子行列を推定するためのテンソル適合問題を定式化する。これは、チャネル行列 $\mathbf{H}$、遅延 - ドップラ行列 $\mathbf{F}(\tau, \nu)$、およびターゲット署名行列 $\mathbf{P}$ の推定値を反復的に更新する**交互最小二乗法（ALS）**アルゴリズムを用いて解かれる。
3. パラメータ抽出（段階 2）: 推定された遅延 - ドップラ行列 $\hat{\mathbf{F}}(\tau, \nu)$ は、第 3 次 Tucker テンソルに再構成される。遅延 steer ベクトル $\mathbf{c}(\tau)$ とドップラ steer ベクトル $\mathbf{d}(\nu)$ を分離するために、2 番目の ALS ベースの分解が実行される。最後に、抽出された steer ベクトルに対して、遅延、ドップラ、および角度の正確な値を決定するために、高分解能パラメータ推定技術、具体的にはESPRIT（回転不変性技術による信号パラメータ推定）が適用される。

主要な貢献

• ネスト型テンソル定式化: 本論文は、SISO ベースのテンソルアプローチを MIMO ケースに一般化し、RIS 支援単基地センシング問題をネスト型テンソル分解問題として再構成する。
• 2 段階アルゴリズム: テンソル因数分解のための ALS と、高分解能パラメータ抽出のための ESPRIT を組み合わせた NTBS アルゴリズムの開発により、遅延、ドップラ、および角度パラメータの同時推定を可能にする。
• 識別可能性分析: 著者は、解の一意性に必要な条件を導出し、送信ブロック数 $K$ が $K \ge N^2$ を満たす必要があり、サブキャリア数とシンボル数の積 $MQ$が$MQ \ge L$を満たす必要があることを確立した（ここで$N$ は RIS 素子数、$L$ は BS アンテナ数である）。
• 計算量分析: 本論文はアルゴリズムの計算量に関する詳細な分析を提供し、RIS 素子数に対して線形にスケーリングするが、サブキャリア数および OFDM シンボル数の変動に対しては感度が低いことを示している。

シミュレーション結果
NTBS アルゴリズムのパフォーマンスは、5,000 回の独立したチャネル実現における平均二乗誤差（RMSE）を用いて評価された。主要な知見は以下の通りである。

• 分解能の向上: サブキャリア数（$Q$）および送信ブロック数（$K$）を増加させることは、テンソルモデル次元の分解能向上により、特に遅延推定において推定精度を大幅に改善する。
• RIS 素子のトレードオフ: 直感に反して、RIS 素子数（$N$）を増加させることは、当初 RMSE の劣化をもたらす。著者はこれを、分解能の増加に対応せずに推定すべきパラメータ数が増加したことに起因し、2 段階目に誤差が伝播した結果であると帰着している。
• 計算量: 計算量は RIS 素子数に対して線形に増加するが、$Q$ および $M$ の増加に対しては比較的安定しており、このアルゴリズムが高帯域幅または長い観測時間を持つシステムに対して効率的であることを示唆している。

意義と主張
本論文は、受信信号の多次元構造を完全に活用することで、NTBS 法が低い計算量でセンシングパラメータの正確な推定をもたらすと主張している。この研究は、より困難な MIMO シナリオへの、以前の SISO テンソルベースセンシングの一般化として位置づけられている。著者は明示的に、このアルゴリズムがターゲットセンシング問題を構造化された分解問題へと効果的に再構成し、高次元グリッド探索（先行研究 [7] で言及されている 4 次元探索など）の必要性を回避すると述べている。論文は、将来の研究が NTBS アルゴリズムをマルチターゲットシナリオへ拡張することに焦点を当てることを指摘して結論付けている。