可重构智能表面通信系统的渐进信道估计方法

doi:10.12305/j.issn.1001-506X.2022.03.32

系统工程与电子技术 ›› 2022, Vol. 44 ›› Issue (3): 998-1006.doi: 10.12305/j.issn.1001-506X.2022.03.32

可重构智能表面通信系统的渐进信道估计方法

党建^1,², 李业伟¹, 朱永东³, 郭荣斌³, 张在琛^1,^2,*, 吴亮^1,²

1. 东南大学信息科学与工程学院, 江苏南京 210096
2. 网络通信与安全紫金山实验室, 江苏南京 211111
3. 之江实验室, 浙江杭州 311121

收稿日期:2021-05-10 出版日期:2022-03-01 发布日期:2022-03-10
通讯作者: 张在琛
作者简介:党建 (1984—), 男, 副教授, 博士, 主要研究方向为未来移动通信场景的大规模无线通信技术、新波形技术和信号处理技术|李业伟 (1997—), 男, 硕士研究生, 主要研究方向为可重构智能表面、信道估计技术|朱永东 (1974—), 男, 研究员，博士, 主要研究方向为面向车联网与智慧交通应用的边缘计算技术、下一代智能网络架构与技术|郭荣斌 (1991—), 男, 助理研究员，博士, 主要研究方向为下一代智能网络可重构智能表面技术|张在琛 (1975—), 男, 教授, 博士, 主要研究方向为光移动通信、第6代移动信息系统、量子信息技术|吴亮 (1984—), 男, 副教授, 博士, 主要研究方向为无线光通信传输技术、无线定位技术、大规模天线传输理论、干扰消除技术、基于机器学习的无线通信理论方法
基金资助:
国家自然科学基金(61960206005);国家自然科学基金(61971136);国家自然科学基金(61803211);国家自然科学基金(61871111);江苏省自然科学基金(BK20191261);江苏省自然科学基金(BK20200820);之江实验室开放课题(2019LC0AB02);江苏省科学技术社会发展项目(BE2018704);江苏省高等学校自然科学研究项目(19KJB510048)

Progressive channel estimation method for RIS-assisted communication system

Jian DANG^1,², Yewei LI¹, Yongdong ZHU³, Rongbin GUO³, Zaichen ZHANG^1,^2,*, Liang WU^1,²

1. School of Information Science and Engineering, Southeast University, Nanjing 210096, China
2. Purple Mountain Laboratories, Nanjing 211111, China
3. Zhejiang Lab, Hangzhou 311121, China

Received:2021-05-10 Online:2022-03-01 Published:2022-03-10
Contact: Zaichen ZHANG

摘要/Abstract

摘要：

针对现有可重构智能表面(reconfigurable intelligent surface, RIS)的信道估计方法中反射系数为随机配置而导致接收端信噪比较低的问题, 提出一种配置特定反射系数的渐进式信道估计方法。该方法利用非完整信道状态信息(channel state information, CSI)计算出当前时刻下的最优反射系数, 然后将该最优反射系数与随机反射系数按照加权系数生成混合反射系数。在下一时刻RIS配置该混合反射系数, 接收端使用松弛最小均方误差(relaxed minimum mean square error, RMMSE)信道估计方法来更新非完整信道状态信息。仿真结果表明, 所提方法不仅能获得准确的信道估计结果, 也能在估计过程中不断增大接收端信噪比, 并减小导频开销, 从而提高RIS辅助无线通信系统的频谱效率。

关键词: 可重构智能表面, 信道估计, 混合反射系数, 松弛最小均方误差, 信噪比

Abstract:

Aiming at the problem that the reflection coefficient is randomly configured in the existing channel estimation methods of reconfigurable intelligent surface (RIS), resulting in low signal-to-noise ratio at the receiver, a progressive channel estimation method with specific reflection coefficient is proposed. In this method, the optimal reflection coefficient at the current time is calculated by using the incomplete channel state information (CSI). And then, the optimal reflection coefficient and the random reflection coefficient are used to generate the mixed reflection coefficient according to the weighting coefficient. The RIS configures the hybrid reflection coefficient at the next time, and the receiver uses the relaxed minimum mean square error (RMMSE) channel estimation method to update the incomplete channel state information. Simulation results show that the proposed method can not only obtain accurate channel estimation results, but also continuously increase the signal-to-noise ratio of the receiver and reduce the pilot overhead in the estimation process, so as to improve the spectral efficiency of RIS-assisted wireless communication system.

Key words: reconfigurable intelligent surface (RIS), channel estimation, mixed reflection coefficients, relaxed minimum mean square error (RMMSE), signal-to-noise ratio

中图分类号:

TN929.5

党建, 李业伟, 朱永东, 郭荣斌, 张在琛, 吴亮. 可重构智能表面通信系统的渐进信道估计方法[J]. 系统工程与电子技术, 2022, 44(3): 998-1006.

Jian DANG, Yewei LI, Yongdong ZHU, Rongbin GUO, Zaichen ZHANG, Liang WU. Progressive channel estimation method for RIS-assisted communication system[J]. Systems Engineering and Electronics, 2022, 44(3): 998-1006.

图/表 11

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

参考文献 17

1	MARCO D R , ZAPPONE A , DEBBAH M , et al. Smart radio environments empowered by reconfigurable intelligent surfaces: how it works, state of research, and the road ahead[J]. IEEE Journal on Selected Areas in Communications, 2020, 38 (11): 2450- 2525. doi: 10.1109/JSAC.2020.3007211
2	WU Q Q , ZHANG R . Towards smart and reconfigurable environment: intelligent reflecting surface aided wireless network[J]. IEEE Communications Magazine, 2020, 58 (1): 106- 112. doi: 10.1109/MCOM.001.1900107
3	LIANG Y C, LONG R Z, ZHANG Q Q, et al. Large intelligent surface/antennas (LISA): making reflective radios smart[EB/OL]. [2021-05-05]. https://arxiv.org/abs/1906.06578.
4	BASAR E , MARCO D R , JULIEN D R , et al. Wireless communications through reconfigurable intelligent surfaces[J]. IEEE Access, 2019, 7, 116753- 116773. doi: 10.1109/ACCESS.2019.2935192
5	HU S , RUSEK F , EDFORS O . Beyond massive MIMO: the potential of data transmission with large intelligent surfaces[J]. IEEE Trans.on Signal Processing, 2018, 66 (10): 2746- 2758. doi: 10.1109/TSP.2018.2816577
6	HUANG C W , ZAPPONE A , ALEXANDROPOULOS G C , et al. Reconfigurable intelligent surfaces for energy efficiency in wireless communication[J]. IEEE Trans.on Wireless Communications, 2019, 18 (8): 4157- 4170. doi: 10.1109/TWC.2019.2922609
7	PAN C H , REN H , WANG K Z , et al. Multicell MIMO communications relying on intelligent reflecting surfaces[J]. IEEE Trans.on Wireless Communications, 2020, 19 (8): 5218- 5233. doi: 10.1109/TWC.2020.2990766
8	TAHA A, ALRABEIAH M, ALKHATEEB A. Enabling large intelligent surfaces with compressive sensing and deep learning[EB/OL]. [2021-05-05]. https://arxiv.org/abs/1904.10136.
9	ALEXANDROPOULOS G C, VLACHOS E. A hardware architecture for reconfigurable intelligent surfaces with minimal active elements for explicit channel estimation[C]//Proc. of the IEEE International Conference on Acoustics, Speech and Signal Processing, 2020: 9175-9179.
10	WANG Z R , LIU L , CUI S G . Channel estimation for intelligent reflecting surface assisted multiuser communications: framework, algorithms, and analysis[J]. IEEE Trans.on Wireless Communications, 2020, 19 (10): 6607- 6620.
11	ZHOU Z Y , GE N , WANG Z C , et al. Joint transmit precoding and reconfigurable intelligent surface phase adjustment: a decomposition-aided channel estimation approach[J]. IEEE Trans.on Communications, 2021, 69 (2): 1228- 1243. doi: 10.1109/TCOMM.2020.3034259
12	WANG P L , FANG J , DUAN H P , et al. Compressed channel estimation for intelligent reflecting surface-assisted millimeter wave systems[J]. IEEE Signal Processing Letters, 2020, 27, 905- 909. doi: 10.1109/LSP.2020.2998357
13	JIA C L, CHENG J Q, GAO H, et al. High-resolution channel estimation for intelligent reflecting surface-assisted mmWave communications[C]//Proc. of the IEEE 31st Annual International Symposium on Personal, Indoor and Mobile Radio Communications, 2020.
14	HAN Y , TANG W K , JIN S , et al. Large intelligent surface-assisted wireless communication exploiting statistical CSI[J]. IEEE Trans.on Vehicular Technology, 2019, 68 (8): 8238- 8242. doi: 10.1109/TVT.2019.2923997
15	陈淑菁. 大规模MIMO信道估计与信号检测理论方法研究[D]. 江苏: 东南大学, 2018.
	CHEN S J. Channel estimation and signal detection for massive MIMO systems[D]. Jiangsu: Southeast University, 2018.
16	张贤达. 矩阵分析与应用[M]. 北京: 清华大学出版社, 2004.
	ZHANG X D . Matrix analysis and applications[M]. Beijing: Tsinghua University Press, 2004.
17	WU Q Q , ZHANG R . Intelligent reflecting surface enhanced wireless network via joint active and passive beamforming[J]. IEEE Trans.on Wireless Communications, 2019, 18 (11): 35394- 5409.

[1]	肖宇, 邓正宏, 张展. 基于双阶段互信息准则的多目标检测波形设计[J]. 系统工程与电子技术, 2022, 44(9): 2736-2742.
[2]	赵忠凯, 弓浩, 张然. 基于顺序统计滤波和二元积累的辐射源信号检测方法[J]. 系统工程与电子技术, 2022, 44(4): 1085-1092.
[3]	吴灏, 康颖, 葛松虎, 李亚星, 孟进. VHF/UHF通信电台接收链路中的干扰抑制合并方法[J]. 系统工程与电子技术, 2022, 44(3): 1014-1021.
[4]	刘步花, 丁丹, 杨柳, 薛乃阳, 刘仲谦. 基于DNN的无人机数据OFDM传输技术[J]. 系统工程与电子技术, 2022, 44(2): 696-702.
[5]	齐永磊, 陈西宏, 袁迪喆. SC-FDE系统中基于UW的联合信道估计均衡算法[J]. 系统工程与电子技术, 2022, 44(10): 3258-3265.
[6]	曲凌志, 杨俊安, 刘辉, 黄科举. 嵌入注意力机制的通信辐射源个体识别方法[J]. 系统工程与电子技术, 2022, 44(1): 20-27.
[7]	刘紫燕, 马珊珊, 梁静, 朱明成, 袁磊. 注意力机制CNN的毫米波大规模MIMO系统信道估计算法[J]. 系统工程与电子技术, 2022, 44(1): 307-312.
[8]	郭文博, 宋长庆, 张译丹, 赵宏志, 邵士海, 唐友喜. 电磁频谱伞罩自干扰抑制实验验证[J]. 系统工程与电子技术, 2021, 43(9): 2637-2641.
[9]	季策, 王金芝, 李伯群. 基于RSAMP算法的OFDM稀疏信道估计[J]. 系统工程与电子技术, 2021, 43(8): 2290-2296.
[10]	罗忠涛, 郭人铭, 詹燕梅. 脉冲噪声非线性变换设计的研究综述[J]. 系统工程与电子技术, 2021, 43(7): 1971-1980.
[11]	王国师, 韩伟, 张朝伟, 花良发. 天波雷达对空探测任务下积累时间自适应优化设置研究[J]. 系统工程与电子技术, 2021, 43(4): 911-916.
[12]	邵凯, 陈连成, 刘胤. 高移动性Jakes信道的学习与估计[J]. 系统工程与电子技术, 2021, 43(4): 1119-1125.
[13]	赵迎新, 王长峰, 吴虹, 张铭, 黄英杰, 王乐耕, 刘之洋. 基于负熵最大化的压缩感知信道估计算法[J]. 系统工程与电子技术, 2021, 43(4): 1126-1132.
[14]	李贵勇, 于敏, 余永坤. 大规模MIMO系统中分布式压缩感知LMMSE信道估计[J]. 系统工程与电子技术, 2021, 43(3): 823-831.
[15]	李彬睿, 张忠培. 可重构智能面辅助的低精度量化大规模MIMO系统的信道估计[J]. 系统工程与电子技术, 2021, 43(10): 2984-2991.

可重构智能表面通信系统的渐进信道估计方法

Progressive channel estimation method for RIS-assisted communication system

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价