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

Technische Samenvatting: Uplink-Kanaalschatting voor Multi-User MISO-systemen ondersteund door een Vloeibare Reconfigurable Intelligent Surface

Probleemstelling
Vloeibare Reconfigurable Intelligent Surfaces (FRIS's) vertegenwoordigen een opkomend paradigma waarbij reflecterende elementen dynamisch hun effectieve stralingsposities kunnen selecteren uit een dichte vooraf ingestelde rooster, waardoor ruimtelijke diversiteit wordt geboden met minder fysieke elementen in vergelijking met conventionele RIS's. Echter, accurate Channel State Information (CSI) is cruciaal voor het benutten van deze winsten. Waar kanaalschatting (CE) in conventionele RIS-systemen wordt uitgedaagd door hardware-onnauwkeurigheden, staan FRIS-ondersteunde systemen voor bijkomende complexiteiten door de gecascadeerde bilineaire kanaalstructuur en, cruciaal, positieonzekerheden. Deze onzekerheden ontstaan door kalibratieonnauwkeurigheden of bewegingsfouten, wat leidt tot mismatches tussen de opgedragen en gerealiseerde elementposities. Voor zover de auteurs weten, is CE voor FRIS-ondersteunde systemen onder dergelijke positieonzekerheid nog niet eerder onderzocht in de literatuur.

Methodologie
Het artikel stelt een CE-raamwerk voor voor een multi-user uplink MISO-systeem waarbij $Q$ gebruikers met één antenne communiceren met een base station (BS) via een FRIS bestaande uit $M$ vloeibare elementen. Het systeem werkt onder een twee-tijdschaal FRIS-configuratieprotocol:

1. Faseverschuivingen: Elektronische faseverschuivingen ($\phi$) blijven vast over $K$ blokken binnen een sub-frame, maar variëren tussen sub-frames.
2. Elementposities: Gereguleerde reflectieposities ($t$) variëren tussen blokken, maar worden herhaald over sub-frames.

Het ontvangen signaal wordt gemodelleerd als een tensor van de vierde orde, die een Parallel Factor (PARAFAC)-ontbinding toestaat. De auteurs behandelen twee onderscheiden scenario's:

• Scenario 1: Perfecte Bewegingsrealisatie (Geïdealiseerd)
  Aannemende dat de gerealiseerde posities overeenkomen met de opgedragen posities, is het doel om de individuele kanalen ($G$ en $H$) te schatten gegeven bekende beweging ($T$) en fase ($\Phi$) matrices. De auteurs formuleren een kleinste-kwadraten (LS) probleem en maken gebruik van Khatri-Rao-factorisatie (KRF) om de gecombineerde kanaalschatting ($\hat{\Theta}$) te ontkoppelen in individuele kanaalcomponenten ($G$ en $H$). Deze benadering maakt gebruik van de denoisende eigenschappen van KRF.

• Scenario 2: Bewegingsonzekerheid (Realistisch)
  Wanneer positie-mismatches optreden door bewegingsfouten, wordt de bewegingsmatrix $T$ behandeld als onbekend. De auteurs stellen een gezamenlijk schattingsraamwerk voor om gelijktijdig de bewegingsmatrix $T$ en de kanaalmatrices $G$ en $H$ te herstellen.

  • Het probleem wordt geformuleerd als het minimaliseren van de fout tussen de geobserveerde data en een model dat het Khatri-Rao-product van $T$, $G^T$ en $H$ omvat.
  • De oplossing maakt gebruik van multidimensionale LS Khatri-Rao-factorisatie. Specifiek worden de kolommen van de geschatte gecombineerde tensor benaderd als rang-één tensoren.
  • Een rang-één getruncereerde Higher-Order Singular Value Decomposition (HOSVD) wordt toegepast om de dominante singuliere vectoren te extraheren, wat leidt tot de schattingen voor $\hat{T}$, $\hat{G}$ en $\hat{H}$.

Belangrijkste Bijdragen

1. Nieuw Raamwerk: Dit werk presenteert het eerste bekende CE-raamwerk voor FRIS-ondersteunde systemen dat expliciet rekening houdt met element-positieonzekerheid.
2. Tensormodellering: De auteurs leiden een gesloten-forme algebraïsche oplossing af gebaseerd op tensormodellering (PARAFAC-ontbinding) die zowel reflectie-faseverschuiving als element-bewegingsdynamiek vastlegt.
3. Gezamenlijk Schattingsalgoritme: Een specifiek algoritme wordt voorgesteld om de door beweging geïnduceerde fasecoëfficiënten en de individuele kanaalmatrices gezamenlijk te schatten, waarmee de uitdaging van onbekende positie-afwijkingen wordt aangepakt.
4. Analyse van Twee Scenario's: Het artikel vergelijkt systematisch de prestaties onder geïdealiseerde beweging (waarbij $T$ bekend is) versus realistische bewegingsonzekerheid (waarbij $T$ blind/onbekend is).

Prestatieresultaten
Numerieke simulaties evalueren de Genormaliseerde Gemiddelde Kwadratische Fout (NMSE) van het gecombineerde kanaal onder variërende Signaal-Ruisverhoudingen (SNR) en grootte van positiefouten ($\sigma_{pos}$):

• Ideale Beweging: Bij afwezigheid van bewegingsfouten presteert de voorgestelde KRF-methode beter dan standaard LS-methoden en nadert de prestaties van klassieke statische RIS-systemen, dankzij de ontkoppelende en denoisende capaciteiten van KRF.
• Bewegingsonzekerheid: Wanneer positiefouten aanwezig zijn (bijvoorbeeld $\sigma_{pos} = \lambda/20$), lijden methoden die deze fouten negeren (door gebruik te maken van een mismatchende $T$) aan significante prestatiedegradatie. De voorgestelde gezamenlijke schattingsmethode blijft robuust, mitigeert effectief de impact van onbekende bewegingsafwijkingen en bereikt prestatieniveaus die vergelijkbaar zijn met het geïdealiseerde bewegingsgeval en statische RIS-benchmarks.
• Robuustheid: De voorgestelde methode toont veerkracht tegen toenemende niveaus van positiefouten, terwijl schema's die bewegingsschatting negeren, niet in staat zijn om nauwkeurigheid te handhaven.

Betekenis en Claims
Het artikel beweert dat accurate kanaalschatting in FRIS-systemen fundamenteel wordt gehinderd door positieonzekerheden, een factor die eerder niet werd aangepakt in de literatuur. Door een twee-tijdschaalprotocol en een op tensor gebaseerd gezamenlijk schattingsraamwerk in te voeren, tonen de auteurs aan dat het mogelijk is om accurate CSI te bereiken, zelfs wanneer elementposities afwijken van de opgedragen waarden. Het werk benadrukt dat het behandelen van de bewegingsmatrix als een onbekende variabele die gezamenlijk moet worden geschat, essentieel is voor het handhaven van systeemprestaties in realistische implementatiescenario's waar kalibratie- en bewegingsfouten onvermijdelijk zijn. De auteurs merken op dat de volledige versie van het artikel verder zal ingaan op identificeerbaarheidsvoorwaarden, computationele complexiteit en de impact van systeemparameters (aantal elementen en gebruikers).