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

技術概要：流体再構成可能インテリジェント表面（FRIS）に支援されるマルチユーザー MISO システムにおけるアップリンクチャネル推定

問題定義
流体再構成可能インテリジェント表面（FRIS）は、反射要素が高密度のプリセットグリッドから実効放射位置を動的に選択できるという新興のパラダイムであり、従来の RIS に比べて物理的要素数が少ないながらも空間多様性を提供します。しかし、これらの利点を活用するためには、正確なチャネル状態情報（CSI）が不可欠です。従来の RIS システムにおけるチャネル推定（CE）はハードウェアの非理想性に直面していますが、FRIS 支援システムは、カスケードされた双線形チャネル構造に加え、決定的な要因として位置の不確実性に起因する追加的な複雑性に直面します。これらの不確実性は、較正の精度不足や運動誤差に起因し、指令された要素位置と実現された要素位置との間のミスマッチを引き起こします。著者らの知る限り、このような位置の不確実性下における FRIS 支援システムの CE は、既存の文献で以前に検討されたことがありません。

手法
本論文は、$Q$ 個の単一アンテナユーザーが $M$ 個の流体要素から構成される FRIS を介して基地局（BS）と通信するマルチユーザーアップリンク MISO システムに対する CE フレームワークを提案します。システムは2 つの時間スケールを有する FRIS 構成プロトコルの下で動作します。

1. 位相シフト： 電子位相シフト（$\phi$）はサブフレーム内の $K$ ブロックにわたって固定されますが、サブフレーム間では変化します。
2. 要素位置： 制御された反射位置（$t$）はブロック間で変化しますが、サブフレームにわたって繰り返されます。

受信信号は、平行因子（PARAFAC）分解を許容する 4 階テンソルとしてモデル化されます。著者らは 2 つの異なるシナリオに対処します。

• シナリオ 1：完全な運動実現（理想的）
  実現された位置が指令された位置と一致すると仮定し、既知の運動（$T$）および位相（$\Phi$）行列が与えられた場合、個別のチャネル（$G$ および $H$）を推定することを目的とします。著者らは最小二乗（LS）問題を定式化し、**Khatri-Rao 分解（KRF）**を利用して、結合チャネル推定量（$\hat{\Theta}$）を個別のチャネル成分（$G$ および $H$）に分解します。このアプローチは、KRF のノイズ除去特性を活用します。

• シナリオ 2：運動の不確実性（現実的）
  運動誤差に起因する位置ミスマッチが発生する場合、運動行列 $T$ は未知として扱われます。著者らは、運動行列 $T$ とチャネル行列 $G$ および $H$ を同時に復元するための結合推定フレームワークを提案します。

  • 問題は、観測データと、$T$、$G^T$、および $H$ の Khatri-Rao 積を含むモデルとの間の誤差を最小化するよう定式化されます。
  • 解法には多次元 LS Khatri-Rao 分解が採用されます。具体的には、推定された結合テンソルの列がランク 1 テンソルとして近似されます。
  • **ランク 1 切り捨て高次特異値分解（HOSVD）**が適用され、支配的な特異ベクトルを抽出することで、$\hat{T}$、$\hat{G}$、および $\hat{H}$ の推定量が得られます。

主な貢献

1. 新規フレームワーク： 本論文は、要素位置の不確実性を明示的に考慮した、FRIS 支援システムに対する既知の最初の CE フレームワークを提示します。
2. テンソルモデリング： 著者らは、反射位相シフトと要素運動ダイナミクスの両方を捉える、テンソルモデリング（PARAFAC 分解）に基づく閉形式の代数的解を導出しました。
3. 結合推定アルゴリズム： 未知の位置偏差という課題に対処するため、運動誘起位相係数と個別チャネル行列を同時に推定する特定のアルゴリズムを提案しました。
4. 2 シナリオ分析： 本論文は、運動が既知（理想的）な場合と、運動の不確実性が存在し $T$ が盲推定/未知（現実的）な場合の性能を体系的に比較しました。

性能結果
数値シミュレーションにより、様々な信号対雑音比（SNR）および位置誤差の大きさ（$\sigma_{pos}$）における結合チャネルの正規化平均二乗誤差（NMSE）が評価されました。

• 理想的な運動： 運動誤差がない場合、提案された KRF 法は標準的な LS 法を上回り、KRF の分解およびノイズ除去能力の恩恵を受け、従来の静的 RIS システムの性能に近づきます。
• 運動の不確実性： 位置誤差が存在する場合（例：$\sigma_{pos} = \lambda/20$）、これらの誤差を無視する手法（ミスマッチした $T$ を使用）は、著しい性能劣化を招きます。提案された結合推定法は堅牢であり、未知の運動偏差の影響を効果的に軽減し、理想的な運動の場合および静的 RIS ベンチマークと同等の性能レベルを達成します。
• 堅牢性： 提案された手法は、位置誤差のレベルが増加しても耐性を示しますが、運動推定を無視する方式は精度を維持できません。

意義と主張
本論文は、FRIS システムにおける正確なチャネル推定は、以前に文献で扱われていなかった要因である位置の不確実性によって根本的に阻害されると主張しています。2 つの時間スケールを有するプロトコルとテンソルベースの結合推定フレームワークを導入することで、著者らは、要素位置が指令値からずれていても正確な CSI を達成することが可能であることを実証しました。この研究は、較正および運動誤差が避けられない現実的な展開シナリオにおいてシステム性能を維持するためには、運動行列を未知変数として結合推定することが不可欠であることを浮き彫りにしています。著者らは、論文の完全版において、識別可能性条件、計算複雑性、およびシステムパラメータ（要素数とユーザー数）の影響についてさらに詳述すると述べています。