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

기술 요약: 유체 재구성 가능 지능 표면 (FRIS) 을 보조하는 다중 사용자 MISO 시스템의 업링크 채널 추정

문제 제기
유체 재구성 가능 지능 표면 (FRIS) 은 반사 요소가 조밀한 사전 설정 그리드에서 유효 방사 위치를 동적으로 선택할 수 있는 신흥 패러다임으로, 기존 RIS 에 비해 더 적은 물리적 요소로 공간 다이버시티를 제공합니다. 그러나 이러한 이점을 활용하기 위해서는 정확한 채널 상태 정보 (CSI) 가 필수적입니다. 기존 RIS 시스템의 채널 추정 (CE) 이 하드웨어 비이상성으로 인해 어려움을 겪는 반면, FRIS 보조 시스템은 연쇄적 이차 선형 채널 구조와 결정적으로 위치 불확실성으로 인해 추가적인 복잡성에 직면합니다. 이러한 불확실성은 보정 오차나 운동 오차로 인해 발생하며, 지시된 요소 위치와 실제 구현된 위치 간의 불일치를 초래합니다. 저자들의 지식 범위 내에서는 이러한 위치 불확실성 하의 FRIS 보조 시스템에 대한 채널 추정이 기존 문헌에서 아직 탐구된 바가 없습니다.

방법론
본 논문은 $Q$개의 단일 안테나 사용자가 $M$개의 유체 요소로 구성된 FRIS 를 통해 기지국 (BS) 과 통신하는 다중 사용자 업링크 MISO 시스템을 위한 채널 추정 (CE) 프레임워크를 제안합니다. 시스템은 이중 시간 척도 FRIS 구성 프로토콜 하에서 운영됩니다:

1. 위상 천이: 전자적 위상 천이 ($\phi$) 는 서브프레임 내 $K$개의 블록 동안 고정되지만 서브프레임 간에는 변화합니다.
2. 요소 위치: 제어된 반사 위치 ($t$) 는 블록 간에 변화하지만 서브프레임 내에서는 반복됩니다.

수신된 신호는 병렬 인자 (PARAFAC) 분해가 가능한 4 차 텐서로 모델링됩니다. 저자들은 두 가지 구별되는 시나리오를 다룹니다:

• 시나리오 1: 완벽한 운동 구현 (이상적)
  실현된 위치가 지시된 위치와 일치한다고 가정할 때, 알려진 운동 ($T$) 및 위상 ($\Phi$) 행렬을 기반으로 개별 채널 ($G$ 및 $H$) 을 추정하는 것이 목표입니다. 저자들은 최소제곱 (LS) 문제를 수립하고 **Khatri-Rao 분해 (KRF)**를 활용하여 결합된 채널 추정치 ($\hat{\Theta}$) 를 개별 채널 성분 ($G$ 및 $H$) 으로 분리합니다. 이 접근법은 KRF 의 잡음 제거 특성을 활용합니다.

• 시나리오 2: 운동 불확실성 (현실적)
  운동 오차로 인해 위치 불일치가 발생할 경우, 운동 행렬 $T$는 미지수로 간주됩니다. 저자들은 운동 행렬 $T$와 채널 행렬 $G$, $H$를 동시에 복원하기 위한 연합 추정 프레임워크를 제안합니다.

  • 문제는 $T$, $G^T$, $H$의 Khatri-Rao 곱을 포함하는 모델과 관측 데이터 간의 오차를 최소화하는 것으로 수립됩니다.
  • 해법은 다차원 LS Khatri-Rao 분해를 사용합니다. 구체적으로, 추정된 결합 텐서의 열은 랭크-1 텐서로 근사됩니다.
  • **랭크-1 잘라낸 고차 특이값 분해 (HOSVD)**가 적용되어 지배적인 특이 벡터를 추출하며, 이를 통해 $\hat{T}$, $\hat{G}$, $\hat{H}$에 대한 추정치를 얻습니다.

주요 기여

1. 새로운 프레임워크: 본 연구는 요소 위치 불확실성을 명시적으로 고려하는 FRIS 보조 시스템을 위한 최초의 알려진 채널 추정 프레임워크를 제시합니다.
2. 텐서 모델링: 저자들은 반사 위상 천이와 요소 운동 역학을 모두 포착하는 텐서 모델링 (PARAFAC 분해) 기반의 폐형 대수적 해법을 유도했습니다.
3. 연합 추정 알고리즘: 미지의 위치 편차라는 과제를 해결하기 위해 운동으로 인한 위상 계수와 개별 채널 행렬을 연합적으로 추정하는 특정 알고리즘이 제안되었습니다.
4. 이중 시나리오 분석: 논문은 이상적인 운동 ($T$가 알려진 경우) 과 현실적인 운동 불확실성 ($T$가 블라인드/미지인 경우) 하의 성능을 체계적으로 비교합니다.

성능 결과
수치 시뮬레이션은 다양한 신호 대 잡음비 (SNR) 및 위치 오차 크기 ($\sigma_{pos}$) 하에서 결합 채널의 정규화 평균 제곱 오차 (NMSE) 를 평가합니다:

• 이상적 운동: 운동 오차가 없는 경우, 제안된 KRF 방법은 표준 LS 방법보다 우수한 성능을 보이며, KRF 의 분해 및 잡음 제거 능력 덕분에 고전적인 정적 RIS 시스템의 성능에 근접합니다.
• 운동 불확실성: 위치 오차가 존재할 경우 (예: $\sigma_{pos} = \lambda/20$), 이러한 오차를 무시하는 방법 (불일치 $T$ 사용) 은 심각한 성능 저하를 겪습니다. 제안된 연합 추정 방법은 견고성을 유지하여 미지의 운동 편차의 영향을 효과적으로 완화하고, 이상적 운동 사례 및 정적 RIS 벤치마크와 비교 가능한 성능 수준을 달성합니다.
• 견고성: 제안된 방법은 증가하는 위치 오차 수준에 대한 복원력을 보여주지만, 운동 추정을 무시하는 방식은 정확도를 유지하지 못합니다.

의의 및 주장
본 논문은 FRIS 시스템에서의 정확한 채널 추정이 위치 불확실성에 의해 근본적으로 방해받으며, 이는 기존 문헌에서 이전까지 다루어지지 않았던 요소라고 주장합니다. 이중 시간 척도 프로토콜과 텐서 기반 연합 추정 프레임워크를 도입함으로써, 저자들은 요소 위치가 지시된 값에서 벗어날지라도 정확한 CSI 를 달성할 수 있음을 입증합니다. 이 연구는 보정 및 운동 오차가 불가피한 현실적인 배포 시나리오에서 시스템 성능을 유지하기 위해 운동 행렬을 연합 추정해야 할 미지 변수로 취급하는 것이 필수적임을 강조합니다. 저자들은 논문의 전체 버전에서 식별 가능성 조건, 계산 복잡도, 그리고 시스템 파라미터 (요소 수 및 사용자 수) 의 영향에 대해 더 자세히 설명할 것이라고 언급합니다.