PARAFAC-Based Time-Varying Channel Estimation for IRS-Aided Communications

Resumo Técnico: Estimação de Canal Variável no Tempo Baseada em PARAFAC para Comunicações Assistidas por Superfície Inteligente Refletora (IRS)

Enunciado do Problema
O artigo aborda o desafio da estimação de canal em sistemas MIMO (Multiple-Input Multiple-Output) assistidos por Superfície Inteligente Refletora (IRS), focando especificamente em cenários onde os parâmetros do canal são variáveis no tempo. Em tais sistemas, o IRS consiste em elementos passivos e não pode realizar processamento de sinal; assim, a estimação do canal deve ser conduzida nas extremidades da rede (Estação Base ou Equipamento do Usuário) utilizando sinais piloto. Enquanto trabalhos anteriores abordaram canais estáticos ou quase-estáticos, este artigo visa um cenário mais realista onde a Estação Base (BS) e o IRS estão em posições fixas (resultando em um canal BS-IRS estático), enquanto o enlace entre o IRS e o Equipamento do Usuário (UE) é variável no tempo devido à mobilidade. O objetivo é estimar os parâmetros do canal concatenado de forma eficiente, sem aumentar a complexidade computacional em comparação com métodos existentes.

Metodologia
Os autores propõem uma técnica de estimação de canal paramétrica baseada em tensores que explora a estrutura multidimensional do sinal recebido. A metodologia central envolve as seguintes etapas:

1. Modelagem do Sistema: O sistema é modelado como um cenário de enlace ascendente MIMO assistido por IRS. O canal BS-IRS ($G$) é tratado como quase-estático, enquanto o canal IRS-UE ($H_k$) varia entre blocos de transmissão. O sinal recebido é modelado usando um modelo de canal multipath adequado para cenários de ondas milimétricas (mmWave).
2. Formulação Tensorial: O modelo de sinal recebido é transformado em um modelo tensorial PARAFAC (Análise de Fatores Paralelos) de 3ª ordem. Ao utilizar propriedades do operador de vetorização e do produto de Khatri-Rao, o sinal coletado ao longo de $T$ períodos de símbolo e $K$ blocos é organizado em um tensor de terceira ordem $\mathcal{R}$. Este tensor captura a geometria combinada do canal e informações de perda de caminho.
3. Desenvolvimento do Algoritmo: Para resolver os parâmetros do canal (especificamente as matrizes de direcionamento e o vetor combinado de perda de caminho), o artigo emprega um algoritmo de Mínimos Quadrados Alternados (ALS). O algoritmo atualiza iterativamente as matrizes fatoriais ($A$, $B$ e $F$) fixando as demais e resolvendo subproblemas de mínimos quadrados até que a convergência seja alcançada.
4. Projeto de Piloto: A matriz de sinal piloto é projetada como uma matriz de Hadamard, e a matriz de deslocamento de fase do IRS utiliza uma estrutura de Transformada Discreta de Fourier (DFT) para facilitar a decomposição tensorial.

Principais Contribuições

• Novo Modelo Tensorial: O artigo introduz um modelo tensorial PARAFAC de 3ª ordem especificamente adaptado para sistemas assistidos por IRS com um único canal variável no tempo (IRS-UE) e um canal estático (BS-IRS). Isso difere do trabalho anterior dos autores, que utilizou modelos Tucker para canais quase-estáticos ou estruturas de duas etapas para cenários totalmente variáveis no tempo.
• Estimação Baseada em ALS: Os autores derivam um algoritmo ALS para decompor o tensor PARAFAC, permitindo a estimação dos parâmetros do canal concatenado.
• Análise de Complexidade: O artigo fornece uma análise detalhada da complexidade computacional, comparando o método ALS proposto com o filtro de Mínimos Quadrados (LS) clássico e o método de Fatoração de Khatri-Rao (KRF).
• Validação de Desempenho: Simulações extensivas são conduzidas para avaliar o Erro Quadrático Médio Normalizado (NMSE) e os custos computacionais sob vários parâmetros do sistema (por exemplo, número de elementos do IRS, SNR e caminhos do canal).

Resultados de Simulação

• Desempenho NMSE: A solução ALS proposta demonstra desempenho superior em comparação tanto com o filtro LS clássico quanto com o método KRF de última geração. Especificamente, a abordagem proposta alcança uma melhoria de aproximadamente 10 dB sobre o filtro LS e uma melhoria de 7 dB sobre o método KRF em termos de NMSE para o canal concatenado. Esse ganho é observado como sendo amplamente independente da Relação Sinal-Ruído (SNR).
• Comportamento de Convergência: O algoritmo geralmente converge dentro de aproximadamente 10 iterações. O número de iterações necessárias aumenta com maior variância de ruído (baixa SNR) e um maior número de caminhos do canal ($L_1L_2$). No entanto, em regimes de alta SNR, a convergência é alcançada rapidamente.
• Complexidade Computacional: A análise indica que a complexidade computacional do algoritmo ALS proposto é comparável à das soluções concorrentes LS e KRF. A complexidade é dominada pela etapa inicial de estimação LS necessária para formar o tensor, o que significa que o refinamento iterativo não aumenta significativamente a carga computacional geral.

Significado e Alegações
O artigo afirma que a abordagem baseada em tensores proposta oferece um aprimoramento significativo na precisão da estimação de canal, capitalizando a estrutura tensorial intrínseca do sinal recebido. Crucialmente, os autores afirmam que esse ganho de desempenho é alcançado sem aumentar a complexidade computacional do processo de estimação de canal em comparação com soluções concorrentes. O trabalho destaca o benefício de explorar a natureza estática do enlace BS-IRS para simplificar o modelo, enquanto ainda leva em conta a natureza variável no tempo do enlace IRS-UE, fornecendo uma solução prática para sistemas de comunicação assistidos por IRS onde as restrições de hardware limitam o processamento de sinal ativo no IRS.