Channel Estimation for Movable Intelligent Surface

Technische Samenvatting: Kanaalschatting voor een Verplaatsbaar Intelligent Oppervlak

Probleemstelling
Het artikel behandelt de uitdaging van kanaalschatting in uplink MIMO-systemen die worden ondersteund door een Verplaatsbaar Intelligent Oppervlak (MIS). Hoewel Reconfigureerbare Intelligent Surfaces (RIS) programmeerbare radiomgevingen bieden, vertrouwen conventionele single-layer RIS-systemen op nauwkeurige kanaalinformatie (CSI) en passieve beamforming. Bestaande architecturen zoals Actieve RIS of Stacked Intelligent Metasurfaces (SIMs) introduceren complexiteit of energieverbruik. De MIS-architectuur, voorgesteld in eerder werk [7], biedt een compromis door een vaste transmissielaag (MS1) te combineren met een kleinere verplaatsbare laag (MS2). Mechanische verplaatsing van MS2 ten opzichte van MS1 creëert verschillende effectieve faseprofielen zonder dat snelle elektronische afstemming van individuele elementen vereist is.

Deze architectuur introduceert echter een aanzienlijke schattingsbottleneck. Vergelijkbaar met conventionele RIS-systemen voorkomt het passieve karakter van het oppervlak directe baseband-observatie. Bovendien introduceert de verplaatsbare laag een positieafhankelijke respons die gelijktijdig met de draadloze kanalen moet worden geschat. Cruciaal is dat in praktische scenario's de effectieve faserespons van de verplaatsbare laag onbekend of imperfect gekalibreerd kan zijn bij de ontvanger. Bestaande tensor-gebaseerde kanaalschattingsmethoden voor RIS adresseren niet direct deze extra mechanische vrijheidsgraad of de onbekende fasematrix van de verplaatsbare laag.

Methodologie
De auteurs stellen een tensor-gebaseerd framework voor dat de ontvangen pilotsignalen modelleert als een vierde-orde PARAFAC (Parallel Factor) tensor. Het systeem werkt door twee dimensies van training gezamenlijk te exploiteren:

1. Vaste laag fasepatronen: De vaste laag (MS1) past $S$ vooraf gedefinieerde faseverschuivingspatronen toe.
2. Verplaatsbare laag posities: De verplaatsbare laag (MS2) verkent $U$ discrete mechanische posities over het vaste rooster.

Het ontvangen signaal bij de Basisstation (BS) wordt gefilterd en gestructureerd in een tensor $\mathcal{Y} \in \mathbb{C}^{N_r \times N_t \times S \times U}$, waarbij $N_r$ en $N_t$ respectievelijk het aantal antennes van de BS en de gebruikersterminal (UT) zijn. De tensor volgt het model:
$$\mathcal{Y} = \mathcal{I}_{4,M} \times_1 G \times_2 H \times_3 \Phi_f \times_4 \Phi_m$$
Hier vertegenwoordigen $G$ en $H$ de MIS-BS en UT-MIS kanalen, $\Phi_f$ vertegenwoordigt de bekende faseverschuivingen van de vaste laag, en $\Phi_m$ vertegenwoordigt de onbekende positieafhankelijke faserespons van de verplaatsbare laag.

Om de onbekende factoren te schatten, leiden de auteurs een Trilineaire Alternating Least Squares (TALS) ontvanger af. In tegenstelling tot conventionele benaderingen die uitgaan van volledige kennis van de trainingsmatrix, behandelt deze ontvanger de fasematrix van de verplaatsbare laag ($D$, overeenkomend met $\Phi_m$) als een onbekende factor die geschat moet worden. Het algoritme werkt iteratief de schattingen van de kanaalmatrices ($G$, $H^T$) en de respons van de verplaatsbare laag ($D$) bij door het oplossen van conditionele least-squares subproblemen gebaseerd op de $n$-mode unfoldings van de ontvangen tensor.

Belangrijkste Bijdragen
Het artikel beschrijft drie primaire bijdragen:

1. Trainingsprotocol en Tensor Modellering: De auteurs stellen een tweedimensionaal trainingsprotocol voor dat vaste faseverschuivingen van de vaste laag en posities van de verplaatsbare laag combineert, waarbij het ontvangen signaal als een vierde-orde PARAFAC-tensor wordt gemodelleerd.
2. TALS-PARAFAC Ontvanger: Een ontvanger wordt afgeleid die gelijktijdig het UT-MIS kanaal, het MIS-BS kanaal en de positieafhankelijke respons van de verplaatsbare laag schat. Een cruciaal kenmerk is dat de ontvanger opereert zonder voorafgaande kennis van de fasematrix van de verplaatsbare laag, door deze direct uit de tensorstructuur te schatten.
3. Analyse van Identificeerbaarheid en Complexiteit: Het artikel bespreekt de voorwaarden die vereist zijn voor de identificeerbaarheid van de kanaalfactoren (specifiek met betrekking tot de rang van Khatri-Rao producten met betrekking tot trainingsslots $S$, posities $U$ en het aantal antennes) en analyseert de computationele complexiteit, die lineair schaalt met het aantal iteraties en posities.

Simulatie-resultaten
De prestaties werden geëvalueerd met behulp van de Normalized Mean Square Error (NMSE) van de geschatte factoren en het gereconstrueerde gecascadeerde kanaal.

• Vergelijking met BALS: De voorgestelde TALS-ontvanger werd vergeleken met een conventionele Bilineaire Alternating Least Squares (BALS) benchmark. De BALS-benchmark bereikte een lagere NMSE maar vertrouwde op de aanname van perfecte kennis van de trainingsmatrix van de verplaatsbare laag. De TALS-ontvanger, die opereert onder de uitdagendere aanname van onbekende fasen van de verplaatsbare laag, demonstreerde succesvolle convergentie en nauwkeurige schatting.
• Impact van Trainingslengte: Simulatie-resultaten gaven aan dat het vergroten van het aantal trainingsslots ($S$) de NMSE aanzienlijk verbetert. Er werd een transitie waargenomen waarbij een onvoldoende trainingslengte leidde tot een hoge NMSE door slechte conditionering van de tensorfactorisatie, terwijl een voldoende lengte ($S=64$) een scherpe daling van de fout opleverde.
• Gezamenlijke Schatting: De resultaten bevestigden dat het vergroten van de trainingslengte de schattingsnauwkeurigheid van zowel de respons van de verplaatsbare laag ($D$) als het gecascadeerde kanaal verbetert, wat de bekwaamheid van het model valideert om de onbekende fasematrix uit de ontvangen data te herstellen.

Betekenis en Claims
Het artikel beweert het eerste werk te zijn dat het kanaalschattingsprobleem voor MIS-ondersteunde MIMO-architecturen in de literatuur adresseert. De primaire betekenis ligt in het praktische voordeel van de voorgestelde formulering: het elimineert de noodzaak voor voorafgaande kalibratie of kennis van de faserespons van de verplaatsbare laag. Door de onbekende mechanische respons te behandelen als een schatbare tensorfactor, maakt de methode flexibele kanaalschatting mogelijk in scenario's waar de fysieke staat van het verplaatsbare oppervlak niet perfect bekend is bij de ontvanger. De auteurs concluderen dat het voorgestelde framework er succesvol in slaagt de extra gestructureerde dimensie die door mechanische verplaatsing wordt geboden te exploiteren om de gecascadeerde kanalen en de respons van de verplaatsbare laag gezamenlijk te ontkoppelen en te schatten.