RIS辅助毫米波系统中基于压缩感知的信道估计

doi:10.11772/j.issn.1001-9081.2021101808

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (12): 3870-3875.DOI: 10.11772/j.issn.1001-9081.2021101808

• 网络与通信 • 上一篇

RIS辅助毫米波系统中基于压缩感知的信道估计

王亿, 杨柳(), 张痛快

上海电机学院电子信息学院，上海 201306

收稿日期:2021-10-25 修回日期:2022-01-28 接受日期:2022-02-28 发布日期:2022-12-21 出版日期:2022-12-10
通讯作者: 杨柳
作者简介:王亿（1998—），男，贵州贵阳人，硕士研究生，主要研究方向：可重构智能超表面（RIS）、信道估计
张痛快（1996—），男，安徽阜阳人，硕士研究生，主要研究方向：信号编码和调制、波束成形。
基金资助:
国家自然科学基金资助项目(61801285)

Channel estimation based on compressive sensing in RIS-assisted millimeter wave system

Yi WANG, Liu YANG(), Tongkuai ZHANG

School of Electronic Information Engineering，Shanghai Dianji University，Shanghai 201306，China

Received:2021-10-25 Revised:2022-01-28 Accepted:2022-02-28 Online:2022-12-21 Published:2022-12-10
Contact: Liu YANG
About author:WANG Yi， born in 1998， M. S. candidate. His research interests include Reconfigurable Intelligent Surface（ RIS）， channel estimation.
ZHANG Tongkuai， born in 1996， M. S. candidate. His research interests include signal coding and modulation， beamforming.
Supported by:
National Natural Science Foundation of China(61801285)

摘要/Abstract

摘要：

针对可重构智能超表面（RIS）辅助无线通信系统中使用传统信道估计方法导频开销过高的问题，提出了一种基于块稀疏的正交匹配追踪（OMP）信道估计方案。首先，根据毫米波（mmWave）信道模型推导出级联信道矩阵，并将其转换到虚拟角域（VAD）中以获得级联信道的稀疏表示；其次，利用级联信道特有的稀疏特性将信道估计问题转换成稀疏矩阵恢复问题，并使用压缩感知的重构算法进行稀疏矩阵的恢复；最后，通过分析特殊的行-块稀疏结构，对传统的OMP方案进行优化，从而进一步减少导频开销并提升估计性能。仿真结果表明，与传统的OMP方案相比，所提出的基于行-块稀疏结构的优化OMP方案的归一化均方误差（NMSE）减小了大约1 dB。可见，所提出的信道估计方案能够有效减少导频开销并获得更好的估计性能。

关键词: 可重构智能超表面, 压缩感知, 毫米波, 信道估计, 正交匹配追踪

Abstract:

Since the pilot overhead using traditional channel estimation methods in the Reconfigurable Intelligent Surface （RIS）-assisted wireless communication systems is excessively high， a block sparseness based Orthogonal Matching Pursuit （OMP） channel estimation scheme was proposed. Firstly， according to the millimeter Wave （mmWave） channel model， the cascaded channel matrix was derived and transformed into the Virtual Angular Domain （VAD） to obtain the sparse representation of the cascaded channels. Secondly， by utilizing the sparse characteristics of the cascaded channels， the channel estimation problem was transformed into the sparse matrix recovery problem， and the reconstruction algorithm based on compressive sensing was adopted to recover the sparse matrix. Finally， the special row-block sparse structure was analyzed， and the traditional OMP scheme was optimized to further reduce pilot overhead and improve estimation performance. Simulation results show that the Normalized Mean Squared Error （NMSE） of the proposed optimized OMP scheme based on the row-block sparse structure decreases about 1 dB compared with that of the conventional OMP scheme. Therefore， the proposed channel estimation scheme can effectively reduce pilot overhead and obtain better estimation performance.

Key words: Reconfigurable Intelligent Surface (RIS), compressive sensing, millimeter Wave (mmWave), channel estimation, Orthogonal Matching Pursuit (OMP)

中图分类号:

TN928

王亿, 杨柳, 张痛快. RIS辅助毫米波系统中基于压缩感知的信道估计[J]. 计算机应用, 2022, 42(12): 3870-3875.

Yi WANG, Liu YANG, Tongkuai ZHANG. Channel estimation based on compressive sensing in RIS-assisted millimeter wave system[J]. Journal of Computer Applications, 2022, 42(12): 3870-3875.

图/表 7

图1 RIS辅助的通信系统模型

Fig.1 RIS-assisted communication system model

图2 稀疏信道矩阵

Fig. 2 Sparse channel matrix

图3 基于行-块稀疏的优化OMP方案流程

Fig.3 Flow of optimized OMP scheme based on row-block sparseness

表1 结果和变量的矩阵维度

Tab. 1 Matrix dimensions of outcomes and variables

结果和变量	维度	结果和变量	维度
$Y ˜ k$	$T × N$	$Ω ̂$	$L × 1$
$Φ ˜$	$T × M$	$H ̂ k a$	$N × M$
e	$N × 1$	$H ̂ k$	$N × M$
$A$	$T × Q k$	$H ̂$	$N × M × K$

表1 结果和变量的矩阵维度

Tab. 1 Matrix dimensions of outcomes and variables

结果和变量	维度	结果和变量	维度
$Y ˜ k$	$T × N$	$Ω ̂$	$L × 1$
$Φ ˜$	$T × M$	$H ̂ k a$	$N × M$
e	$N × 1$	$H ̂ k$	$N × M$
$A$	$T × Q k$	$H ̂$	$N × M × K$

图4 不同数量导频开销T下的NMSE

Fig. 4 NMSE under different pilot overhead T

图5 不同SNR下的NMSE

Fig. 5 NMSE under different SNR

图6 不同信道估计方案下发射功率对应的和速率

Fig. 6 Sum rate corresponding to transmit power under different channel estimation schemes

参考文献 21

1	王丹，梁家敏，刘金枝，等. 6G可重构智能表面的相移模型设计［J］. 计算机应用， 2021， 41（9）：2694-2698. 10.11772/j.issn.1001-9081.2020111836
	WANG D， LIANG J M， LIU J Z， et al. Phase shift model design for 6G reconfigurable intelligent surface［J］. Journal of Computer Applications， 2021， 41（9）：2694-2698. 10.11772/j.issn.1001-9081.2020111836
2	朱政宇，王梓晅，徐金雷，等. 智能反射面辅助的未来无线通信：现状与展望［J］. 航空学报， 2021， 43（2）： No.025014.
	ZHU Z Y， WANG Z X， XU J L， et al. Future wireless communication assisted by intelligent reflecting surface： present situation and prospect［J］. Acta Aeronautica et Astronautica Sinica， 2021， 43（2）： No.025014.
3	WU Q 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. 10.1109/tcomm.2019.2958916
4	WU Q Q， ZHANG R. Intelligent reflecting surface enhanced wireless network via joint active and passive beamforming［J］. IEEE Transactions on Wireless Communications， 2019， 18（11）： 5394-5409. 10.1109/twc.2019.2936025
5	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. 10.1109/mcom.001.1900107
6	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. 10.1109/lsp.2020.2998357
7	GUO S S， LV S H， ZHANG H X， et al. Reflecting modulation［J］. IEEE Journal on Selected Areas in Communications， 2020， 38（11）： 2548-2561. 10.1109/jsac.2020.3007060
8	GUO S S， YE J， ZHANG P， et al. Differential reflecting modulation for reconfigurable intelligent surface-based communications［J］. IEEE Communications Letters， 2021， 25（3）： 907-910. 10.1109/lcomm.2020.3035751
9	MA X Y， GUO S S， ZHANG H X， et al. Joint beamforming and reflecting design in reconfigurable intelligent surface-aided multi-user communication systems［J］. IEEE Transactions on Wireless Communications， 2021， 20（5）： 3269-3283. 10.1109/twc.2020.3048780
10	CHEN J， LIANG Y C， CHENG H V， et al. Channel estimation for reconfigurable intelligent surface aided multi-user MIMO systems［EB/OL］. （2019-12-08）［2021-12-08］..
11	ZHENG B X， YOU C S， ZHANG R. Efficient channel estimation for double-IRS aided multi-user MIMO system［J］. IEEE Transactions on Communications， 2021， 69（6）： 3818-3832. 10.1109/tcomm.2021.3064947
12	WEI X H， SHEN D C， DAI L L. 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. 10.1109/lcomm.2021.3052787
13	HE Z Q， YUAN X J. Cascaded channel estimation for large intelligent metasurface assisted massive MIMO［J］. IEEE Wireless Communications Letters， 2020， 9（2）： 210-214. 10.1109/lwc.2019.2948632
14	HE J G， LEINONE M， WYMEERSCH H， et al. Channel estimation for RIS-aided mmWave MIMO systems［C］// Proceedings of the 2020 Global Communications Conference. Piscataway： IEEE， 2020： 1-6. 10.1109/globecom42002.2020.9348112
15	HE J G， WYMEERSCH H， JUNTTI M. Channel estimation for RIS-aided mmWave MIMO systems via atomic norm minimization［J］. IEEE Transactions on Wireless Communications， 2021， 20（9）： 5786-5797. 10.1109/twc.2021.3070064
16	ZHOU Y， HERDIN M， SAYEED A M， et al. Experimental study of MIMO channel statistics and capacity via the virtual channel representation［EB/OL］. ［2021-12-08］..
17	GAO Z， DAI L L， WAND Z C， 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. 10.1109/tsp.2015.2463260
18	TSE D， VISWANATH P. Fundamentals of wireless communication［M］. Cambridge： Cambridge University Press， 2005： 311-317. 10.1017/cbo9780511807213
19	HU C， DAI L L， MIR T， et al. Super-resolution channel estimation for mmWave massive MIMO with hybrid precoding［J］. IEEE Transactions on Vehicular Technology， 2018， 67（9）： 8954-8958. 10.1109/tvt.2018.2842724
20	CAO Y S， LV T J， NI W. Intelligent reflecting surface aided multi-user mmWave communications for coverage enhancement［C］// Proceedings of the IEEE 31st Annual International Symposium on Personal， Indoor and Mobile Radio Communications. Piscataway： IEEE， 2020： 1-6. 10.1109/pimrc48278.2020.9217160
21	GUO H Y， LIANG Y C， CHEN J， et al. Weighted sum-rate maximization for reconfigurable intelligent surface aided wireless networks［J］. IEEE Transactions on Wireless Communications， 2020， 19（5）： 3064-3076. 10.1109/twc.2020.2970061

[1]	章振宇, 谭国平, 周思源. 基于1‑bit压缩感知的高效无线联邦学习算法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1675-1682.
[2]	回立川, 李万禹, 陈艺琳. 基于Order-Aware网络内点筛选网络的电力巡线航拍图像拼接[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1583-1590.
[3]	林乐平, 周宏敏, 欧阳宁. 融合空间位置与结构信息的压缩感知图像重建方法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 930-937.
[4]	景兴红, 孙国栋, 何世彪, 廖勇. 基于滑窗滤波和多项式拟合的时变信道估计方法[J]. 计算机应用, 2021, 41(9): 2699-2704.
[5]	陈成瑞, 孙宁, 何世彪, 廖勇. 面向C-V2X通信的基于深度学习的联合信道估计与均衡算法[J]. 计算机应用, 2021, 41(9): 2687-2693.
[6]	李朝, 兰海, 魏宪. 基于注意力的毫米波-激光雷达融合目标检测[J]. 计算机应用, 2021, 41(7): 2137-2144.
[7]	杨蒙蒙, 张爱华. 基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩[J]. 计算机应用, 2021, 41(5): 1445-1449.
[8]	刘紫燕, 马珊珊, 白鹤. 基于改进智能水滴的正交匹配追踪混合预编码算法[J]. 计算机应用, 2021, 41(5): 1419-1424.
[9]	沈子懿, 王卫亚, 蒋东华, 荣宪伟. 基于Hopfield混沌神经网络和压缩感知的可视化图像加密算法[J]. 计算机应用, 2021, 41(10): 2893-2899.
[10]	席雅睿, 乔志伟, 温静, 张艳娇, 杨雯晶, 闫慧文. 基于Chambolle-Pock算法框架的高阶TV图像重建算法[J]. 计算机应用, 2020, 40(6): 1793-1798.
[11]	徐志强, 蒋铁钢, 杨立波. 基于随机支撑挑选的广义正交匹配追踪算法[J]. 计算机应用, 2020, 40(4): 1104-1108.
[12]	杨立波, 蒋铁钢, 徐志强. 基于混合梯度的硬阈值追踪算法[J]. 计算机应用, 2020, 40(3): 912-916.
[13]	高彦彦, 李莉, 张晶, 贾英茜. 结合梯度投影稀疏重构和复数小波的图像重构[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 486-490.
[14]	宗春梅, 张月琴, 曹建芳, 赵青杉. 基于深度先验及非局部相似性的压缩感知核磁共振成像[J]. 计算机应用, 2020, 40(10): 3054-3059.
[15]	丁宁, 管新荣, 杨炜伟, 李彤凯, 王建设. 非完美信道估计条件下多比特量化无线密钥生成性能分析[J]. 计算机应用, 2020, 40(1): 143-147.

RIS辅助毫米波系统中基于压缩感知的信道估计

Channel estimation based on compressive sensing in RIS-assisted millimeter wave system

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 21

相关文章 15

编辑推荐

Metrics