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

기술적 요약: 중첩 텐서 분해를 통한 RIS 지원 감지

문제 제기
본 논문은 재구성 가능 지능 표면 (RIS) 에 의해 지원되는 단안 다중 입력 다중 출력 (MIMO) 감지 시나리오에서 표적 파라미터 추정의 과제를 다룹니다. 이 설정에서 기지국 (BS) 과 표적 간의 직접적인 가시선 (LOS) 은 차단되며, 감지는 RIS 에 의해 생성된 가상 LOS 경로를 통해서만 이루어집니다. 시스템은 직교 주파수 분할 다중화 (OFDM) 파형을 활용합니다. 핵심적인 어려움은 BS, RIS, 표적 간의 상호작용으로 인해 복잡하고 고차원적인 구조를 갖는 수신된 에코 신호로부터 표적의 지연 ($\tau$), 도플러 편이 ($\nu$), 각도 정보 (방위각 및 고도각) 를 공동으로 추정하는 데 있습니다.

방법론
저자들은 수신된 에코 신호의 고유한 다차원 구조를 활용하는 중첩 텐서 기반 감지 (NTBS) 알고리즘을 제안합니다. 이 접근법은 신호를 4 차 중첩 텐서로 모델링하고 2 단계 추정 전략을 사용합니다:

1. 시스템 모델링: 수신된 신호는 BS-RIS 채널, RIS-표적 채널, 표적-RIS-BS 경로, 그리고 RIS 위상 천이 벡터를 고려하여 주파수 영역에서 수식화됩니다. 신호는 서브캐리어, OFDM 심볼, 전송 블록에 걸쳐 벡터화되고 적층되어 데이터 행렬 $\mathbf{Y}$를 형성합니다.
2. 텐서 분해 (1 단계): 데이터 행렬은 Tucker-3 텐서의 3 모드 펼침으로 인식됩니다. 저자들은 BS 채널, 표적 서명, 그리고 결합된 지연 - 도플러 조향 벡터에 해당하는 인자 행렬을 추정하기 위한 텐서 적합 문제를 수립합니다. 이는 교대 최소 제곱 (ALS) 알고리즘을 사용하여 해결되며, 이 알고리즘은 채널 행렬 $\mathbf{H}$, 지연 - 도플러 행렬 $\mathbf{F}(\tau, \nu)$, 그리고 표적 서명 행렬 $\mathbf{P}$에 대한 추정을 반복적으로 업데이트합니다.
3. 파라미터 추출 (2 단계): 추정된 지연 - 도플러 행렬 $\hat{\mathbf{F}}(\tau, \nu)$는 3 차 Tucker 텐서로 재배열됩니다. 지연 조향 벡터 $\mathbf{c}(\tau)$와 도플러 조향 벡터 $\mathbf{d}(\nu)$를 분리하기 위해 두 번째 ALS 기반 분해가 수행됩니다. 최종적으로, 추출된 조향 벡터에 ESPRIT(회전 불변 기법을 통한 신호 파라미터 추정) 와 같은 고해상도 파라미터 추정 기법이 적용되어 지연, 도플러, 각도의 정확한 값을 결정합니다.

주요 기여

• 중첩 텐서 공식화: 본 논문은 이전의 SISO 기반 텐서 접근법을 MIMO 사례로 일반화하여, RIS 지원 단안 감지 문제를 중첩 텐서 분해 문제로 재구성합니다.
• 2 단계 알고리즘: 텐서 분해를 위한 ALS 와 고해상도 파라미터 추출을 위한 ESPRIT 를 결합한 NTBS 알고리즘을 개발하여 지연, 도플러, 각도 파라미터의 공동 추정을 가능하게 합니다.
• 식별 가능성 분석: 저자들은 해의 유일성에 필요한 조건을 유도하여, 전송 블록 수 $K$가 $K \ge N^2$를 만족해야 하고, 서브캐리어와 심볼의 곱 $MQ$가$MQ \ge L$을 만족해야 함을 확립했습니다 (여기서$N$은 RIS 요소 수이고 $L$은 BS 안테나 수입니다).
• 계산 복잡도 분석: 본 논문은 알고리즘의 복잡도에 대한 상세한 분석을 제공하며, 이는 RIS 요소 수에 비례하여 선형적으로 증가하지만 서브캐리어와 OFDM 심볼 수의 변화에는 덜 민감함을 보여줍니다.

시뮬레이션 결과
NTBS 알고리즘의 성능은 5,000 개의 독립적인 채널 실현에 걸쳐 Root Mean Square Error (RMSE) 를 사용하여 평가되었습니다. 주요 발견 사항은 다음과 같습니다:

• 해상도 향상: 서브캐리어 수 ($Q$) 와 전송 블록 수 ($K$) 를 증가시키면 텐서 모델 차원의 해상도 증가로 인해, 특히 지연 추정에서 추정 정확도가 크게 향상됩니다.
• RIS 요소 트레이드오프: 직관과 반대로, RIS 요소 수 ($N$) 를 증가시키는 것은 초기에 RMSE 의 악화로 이어집니다. 저자들은 이를 1 단계에서 추정해야 하는 파라미터 수가 증가했음에도 불구하고 해상도가 이에 상응하여 증가하지 않아 2 단계에서 오차가 전파되기 때문이라고 설명합니다.
• 복잡도: 계산 복잡도는 RIS 요소 수에 따라 선형적으로 증가하지만 $Q$와 $M$의 증가에 대해서는 상대적으로 안정적으로 유지되므로, 이 알고리즘은 대역폭이 더 넓거나 관측 시간이 더 긴 시스템에 효율적입니다.

의의 및 주장
본 논문은 제안된 NTBS 방법이 수신 신호의 다차원 구조를 완전히 활용함으로써 낮은 계산 복잡도로 감지 파라미터에 대한 정확한 추정을 산출한다고 주장합니다. 이 연구는 이전의 SISO 텐서 기반 감지를 더 까다로운 MIMO 시나리오로 일반화한 것으로 위치 지어집니다. 저자들은 명시적으로 알고리즘이 표적 감지 문제를 구조화된 분해 문제로 효과적으로 재구성하여 고차원 그리드 검색 (선행 연구 [7] 에서 언급된 4 차원 검색 등) 의 필요성을 피한다고 명시합니다. 본 논문은 향후 연구가 NTBS 알고리즘을 다중 표적 시나리오로 확장하는 데 초점을 맞출 것이라고 결론지었습니다.