目录 | 2024年第4期 专题：RIS辅助的通感一体化
基于智能超表面的6G近场网络构建
RIS辅助的无蜂窝大规模MIMO关键技术研究
RIS辅助的通感性能联合优化研究
基于圆形可重构智能超表面阵列的单基站定位方法
基于可移动单元的智能反射面辅助近场定位技术
基于RIS的车路协同反向散射保密通信方法
一种低空遮挡场景感知增强方案研究
STAR-RIS辅助通感算一体化系统波束成形设计
智能超表面辅助通感一体化信号处理与硬件试验
基于盲超分辨的超大规模MIMO-OFDM信道与感知参数联合估计
基于改进DnCNN的RIS辅助毫米波系统信道估计
智能反射面协助下的通信感知一体化系统
13
【RIS辅助的通感一体化】专题
《移动通信》2024年第4期
基于稀疏度自适应的RIS辅助无线通信系统信道估计
张馨宇1,2，杜江1,2，胡斐1,2
（1.成都信息工程大学通信工程学院，四川 成都 610000；
2.气象信息与信号处理四川省高校重点实验室，四川 成都 610000）
【摘 要】对于RIS辅助的无线通信系统中信道估计算法的研究，提出了DS-SAMP算法，与已有的DS-OMP算法相比，DS-SAMP算法应用毫米波信道在角度域的双结构稀疏性，采用SAMP算法进行信号恢复，通过设置合理的步长和阈值使得在运行过程中不需要稀疏度等先验条件，扩宽算法的应用范围。仿真结果显示，DS-SAMP算法能在稀疏度未知的条件下将信号稳定恢复，完成相应信道估计，有显著优势。
【关键词】RIS；信道估计；SAMP；双结构稀疏
doi:10.3969/j.issn.1006-1010.20231227-0003
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2024)04-0100-05
引用格式：张馨宇,杜江,胡斐. 基于稀疏度自适应的RIS辅助无线通信系统信道估计[J]. 移动通信, 2024,48(4): 100-104.
ZHANG Xinyu, DU Jiang, HU Fei. Channel Estimation of RIS-assisted Wireless Communication System Based on Sparsity Adaptive[J]. Mobile Communications, 2024,48(4): 100-104.
0 引言
近年来，随着通信技术的不断发展，第五代移动通信技术已经在我国基本实现全覆盖，给增强型移动宽带（eMBB）、海量机器通信（mMTC）、超高可靠低时延通信（URLLC）三大5G应用场景提供了技术支持[1]。而在实际的应用中，高复杂度、高能耗、高硬件开销以及毫米波绕射能力差的问题仍亟需解决[1]。同时，对于6G全覆盖、全频谱、全应用、强安全的目标与愿景，越来越多的学者投入到对可重构智能表面（RIS, Reconfigurable Intelligent Surface）技术的研究。和中继通信、反向散射通信等现有技术对比，可重构智能表面的主要特点和优势如下：一、构成RIS的近似无源的反射元器件[3]仅被动反射信号，无需进行信号处理，避免了热噪声的引入，同时也大大降低了系统的能耗；二、成本低廉，易于部署。三、可工作于全双工模式，没有自干扰，适应于实际工程应用。因此RIS被公认为是6G的关键技术[4]。但是RIS的应用也存在一些挑战，由于RIS的元件都是无源器件，不能发射、接收或处理任何导频信号[5]，因此对于如何对这样的信道进行信道估计是一大难点。目前，已有学者在这一领域进行了大量研究。文献[6]的作者提出了一种新的基于三相导频的信道估计框架，用于RIS辅助上行多用户通信。文献[7]讨论了RIS集成到无线网络中的三个基本物理层挑战，即信道状态信息获取、被动信息传输和低复杂性鲁棒系统设计。文献[8]中提出了一种适用于RIS辅助无线通信系统的信道估计方案。L. Dai在文献[9]里提出了一种降维信道反馈方案，以减少信道反馈开销。Q. Wu等在文献[10]中研究了一种智能反射面（IRS）辅助雷达通信（adcom）系统，实现对通信用户的服务和对目标的跟踪。
1 系统模型
2 角域级联下信道稀疏性分析
3 稀疏度自适应的RIS辅助无线通信系统信道估计
4 仿真结果及分析
本文仿真实验中设置BS处的天线数为M=64(M1=8，M2=8)，RIS处的元件数量为，用户数量为K=16。RIS和基站之间的通道数为LG=5，第k个用户到RIS的路径数设置为Lr,k=8。采用标准化均方误差值作为性能好坏的衡量标准。图2仿真了在Lc=6情况下四种不同算法的NMSE值随导频数量变化的曲线，由图2可知，随导频数量的增加，四种方案的性能都得到了显著提升，其中Oracle LS算法为理论最优值[15]，对比DS-OMP算法和本文的DS-SAMP算法可以得到，当导频数量达到48时，本文算法才能达到与DS-OMP算法一致的效果，分析可知在未知稀疏度，导频数量小的情况下本文算法稍有劣势，但是当导频数量达到48之后两个算法效果基本一致，而本文算法能够在未知稀疏度等先验条件下运行，相比于文献[13]，有更广泛的应用范围，更具有普适性。而对比文献[12]中RSS-OMP算法，DS-SAMP算法一直有较好的表现，由此可见应用毫米波信道角域的双结构稀疏性确能提升性能。
图3仿真了在Lc=6时，四种算法的NMSE值随SNR变化的曲线图，四种算法的变化趋势与图2基本一致，当信噪比为-5～5 dB这一区间时，本文算法对比DS-OMP仅有1 dB左右劣势，而信噪比达20 dB时，本文算法略有0.75 dB提升，分析为回溯步骤带来的性能提升，同时本文算法性能一直稳定优于文献中的RSS-OMP算法。由此可见，本文所提DS-SAMP算法总结了DS-OMP算法的优势，同时对于DS-OMP算法需要稀疏度等先验条件进行改进，使得算法运行时能够自适应级联信道的稀疏度，扩大算法的适用范围，有显著优势。
5 结束语
RIS在增强信号覆盖范围、干扰消除、通感一体化方面有很大的应用潜力，但在通信系统中引入RIS之后信道估计的难度也有一定提升。本文在文献[13]的基础上提出DS-SAMP算法，通过设置步长和合理的阈值对数据进行处理，使得稀疏度能够达到自适应，算法应用范围更广。仿真结果表明，借助级联信道中双结构稀疏性能有效减少导频开销，本文算法对比DS-OMP算法性能在前期略微劣势，但是随着导频数量和SNR值的增加也表现出0.75到1 dB的性能提升，结合本文算法不需要稀疏度等先验条件，因此认为本文所提出算法增加算法的普适性且性能有一定提升。
参考文献：（上下滑动浏览）
[1]王江.浅谈5G通信技术应用场景及关键技术[J].计算机产品与流通,2019(12):64.
[2]Wu Q,Zhang R. Beamforming Optimization for Wireless Network Aided by Intelligent Reflecting Surface With Discrete Phase Shifts[J]. IEEE Transactions on Communications, 2020,68(3):1838-1851.
[3]Renzo M D, Ntontin K, Song J,et al.Reconfigurable Intelligent Surfaces vs. Relaying: Differences, Similarities, and Performance Comparison[J]. .IEEE Open Journal of the Communications Society, 2020(1):798-807.
[4]Renzo M D, Zappone A, Debbah M,et al.Smart Radio Environments Empowered by Reconfigurable Intelligent Surfaces: How it Works, State of Research, and Road Ahead[J].IEEE Journal on Selected Areas in Communications, 2020,38(11): 2450-2525.
[5]Wang J, Liang Y C, Yuan X,et al.Joint Beamforming and Reconfigurable Intelligent Surface Design for Two-Way Relay Networks[J]. IEEE Access, 2020,8: 45913-45923.
[6]Wang Z, Liu L, Cui S.Channel Estimation for Intelligent Reflecting Surface Assisted Multiuser Communications: Framework, Algorithms, and Analysis[J].IEEE Transactions on Wireless Communications, 2020,19(10): 6607-6620.
[7]Yuan X, Zhang Y J A, Shi Y, et al. Reconfigurable-Intelligent-Surface Empowered Wireless Communications: Challenges and Opportunities[J]. IEEE Wireless Communications,2021,28(2): 136-143.
[8]Mao Z, Peng M,Liu X.Channel estimation for reconfigurable intelligent surface assisted wireless communication systems in mobility scenarios[J]. China Communications, 2021,18(3):29-38.
[9]Shen D,Dai L. Dimension Reduced Channel Feedback for Reconfigurable Intelligent Surface Aided Wireless Communications[J]. IEEE Transactions on Communications, 2021,69(11): 7748-7760.
[10]Hua M, Wu Q, He C, et al. Joint Active and Passive Beamforming Design for IRS-Aided Radar-Communication[J]. IEEE Transactions on Wireless Communications, 2023,22(4):2278-2294.
[11]Hu C, Dai L, Mir T, et al. Super-resolution channel estimation for mmWave massive MIMO with hybrid precoding[J]. IEEE Trans. Veh. Technol., 2018,67(9):8954-8958.
[12]Chen J, Liang Y-C, Victor Cheng H, et al. Channel estimation for reconfigurable intelligent surface aided multi-user MIMO systems[J]. arXiv:1912.03619,2019.
[13]Wei X, Shen D,Dai L, et al. Channel Estimation for RIS Assisted Wireless Communications—Part II: An Improved Solution Based on Double-Structured Sparsity[J]. IEEE Communications Letters, 2021,25(5): 1403-1407.
[14]王平,阮怀林,樊甫华.基于改进SAMP算法的UWB多径信道估计[J].电子信息对抗技术,2013,28(6):23-28.
[15]Wang P, Fang J, Duan H, et al. Compressed Channel Estimation for Intelligent Reflecting Surface-Assisted Millimeter Wave Systems[J]. IEEE Signal Processing Letters, 2020,27:905-909.
[16]Guo S, Ye J, Zhang P,et al. Differential Reflecting Modulation for Reconfigurable Intelligent Surface-Based Communications[J].IEEE Communications Letters, 2020,25(3): 907-910.
[17]Gao Z, Dai L, Wang Z, et al. Spatially Common Sparsity Based Adaptive Channel Estimation and Feedback for FDD Massive MIMO[J].IEEE Transactions on Signal Processing, 2015,63(23): 6169-6183.
[18]Cao Y, Lv T,Ni W. Intelligent Reflecting Surface Aided Multi-User mmWave Communications for Coverage Enhancement[C]//2020 IEEE 31st Annual International Symposium on Personal,Indoor and Mobile Radio Communications.London, UK: IEEE, 2020.
[19]Do T T, Gan L, Nguyen N,et al. Sparsity adaptive matching pursuit algorithm for practical compressed sensing[C]//2008 42nd Asilomar Conference on Signals, Systems and Computers, Pacific Grove.CA, USA, 2008: 581-587.
[20]Dai O M W. Subspace Pursuit for Compressive Sensing Signal Reconstruction[J]. IEEE Transactions on Information Theory, 2009,55(5): 2230-2249. ★
★原文刊发于《移动通信》2024年第4期★
doi:10.3969/j.issn.1006-1010.20231227-0003
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2024)04-0100-05
引用格式：张馨宇,杜江,胡斐. 基于稀疏度自适应的RIS辅助无线通信系统信道估计[J]. 移动通信, 2024,48(4): 100-104.
ZHANG Xinyu, DU Jiang, HU Fei. Channel Estimation of RIS-assisted Wireless Communication System Based on Sparsity Adaptive[J]. Mobile Communications, 2024,48(4): 100-104.
作者简介
张馨宇：硕士毕业于成都信息工程大学电子信息专业，主要研究方向为RIS辅助的无线通信系统中信道估计算法。
杜江：博士后，现任成都信息工程大学硕士研究生导师，研究方向为新一代无线通信技术和通信集成电路芯片设计。
胡斐：成都信息工程大学在读硕士研究生，主要研究方向为无线通信。
《移动通信》投稿方式为在线投稿
请您登录网页投稿系统
链接地址：http://ydtx.cbpt.cnki.net
【2024年专题征稿–第8期】6G与AI的融合
【2024年专题征稿–第9期】空天地海一体化网络
【2024年专题征稿–第10期】6G无线空口技术
《移动通信》2024年目录汇总（第1-5期）
#扫码关注我们#
《移动通信》
用论文解读通信
《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国通信学会《信息通信领域高质量科技期刊分级目录》入选期刊、中国电子学会《电子技术、通信技术领域高质量科技期刊分级目录》入选期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。
