智能反射面| 信道估计论文: Channel Estimation for Reconfigurable Intelligent Surface Aided-程序员宅基地

技术标签： 算法  5G通信  5G新兴技术：智能反射面  智能反射面  

这篇博文是对arxiv文章： 《这篇博文是对magazine文章： 《Channel Estimation for Reconfigurable Intelligent Surface Aided Multi-User MIMO Systems》的读后感记录，原文可在arxiv查找到。

作者是 Jie Chen, Student Member, IEEE, Ying-Chang Liang, Fellow, IEEE, Hei Victor Cheng, Member, IEEE, and Wei Yu, Fellow, IEEE

文章目录

文章简介

在上一篇博文中，magazine文章详细列举了智能反射面的多种用途。与此同时，许多基于智能反射面系统的波束成形设计已被广泛研究。 然而，这些研究往往基于完美信道信息的假设， 但实际中， 由于智能反射面本身并不能进行信号处理， 因此相比于传统通信系统，会导致对信道的估计非常艰难。 这篇文章便是提出了智能反射面系统的一种上行信道估计算法。 根据信道的稀疏性， 作者使用了压缩感知类的算法来做信道估计。

文章贡献

  • 作者指出， 由于基站与反射面往往安置在相近高度，因此其间的散射非常少， 即信道径数很有限。 因此，智能反射面系统的信道有类似于毫米波信道的稀疏性。 但是，由于智能反射面的信道由两部分组成，因此他的稀疏性又有别于普通的毫米波信道， 作者称之为 row-column-block sparse。 这个后面后细说。
  • 基于这一特殊的稀疏性， 作者针对性地提出了一种压缩感知算法， 可以相比传统方法更好的恢复信道。
  • 由于变量之间的耦合，本文采用了一种交替迭代优化的算法（alternating optimizaiton），并且分析了其收敛性。

系统模型

在这里插入图片描述
如图，文章考虑的是一个基站通过智能反射面，服务于多个用户的场景。 以下是一些符号：

  • K K K: 用户数
  • M M M: 基站天线数 （假定用户为单天线）
  • L L L: 智能反射面反射元件数
  • U 1 , . . . , U k U_1, ..., U_k U1​,...,Uk​, 用户 1 1 1,…用户 k k k
  • F \mathbf{F} F: L × M L \times M L×M, 基站到反射面的信道
  • h k H \mathbf{h}^H_k hkH​: 1 × L 1 \times L 1×L, 反射面到 k k k用户的信道
  • V o = d i a g ( v 0 ) \mathbf{V}_o = \mathbf{diag}(\mathbf{v}_0) Vo​=diag(v0​)： L × L L \times L L×L的对角阵， 表示反射面对入射信道的处理（幅度和相位的调整）。本文中认为只有相位的调整。
  • 整个信道可表示为： h k H V o F \mathbf{h}^H_k \mathbf{V}_o\mathbf{F} hkH​Vo​F

由于 h k H diag ⁡ ( v ) = v T diag ⁡ ( h k H ) \boldsymbol{h}_{k}^{H} \operatorname{diag}(\boldsymbol{v})=\boldsymbol{v}^{T} \operatorname{diag}\left(\boldsymbol{h}_{k}^{H}\right) hkH​diag(v)=vTdiag(hkH​), 我们真正要估计的信道信息其实就是：
G k = diag ⁡ ( h k H ) F ∈ C L × M G_{k}=\operatorname{diag}\left(h_{k}^{H}\right) F \in \mathbb{C}^{L \times M} Gk​=diag(hkH​)F∈CL×M

这一点非常重要。 但必须指出的是，这是基于用户端是单天线的假设，如果多天线的话则不再成立。

估计协议

在这里插入图片描述

文章提出了一种估计的协议。 首先， 在第一阶段， 智能反射面保持不变的反射因子， 用户传输 B B B个正交序列，基站接收到的信号可表示为下式：

Y b = ∑ k = 1 K F H diag ⁡ ( v b ) h k s k H + U b = ( a ) ∑ k = 1 K G k H v b s k H + U b \begin{aligned} \boldsymbol{Y}_{b} &=\sum_{k=1}^{K} \boldsymbol{F}^{H} \operatorname{diag}\left(\boldsymbol{v}_{b}\right) \boldsymbol{h}_{k} \boldsymbol{s}_{k}^{H}+\boldsymbol{U}_{b} \\ & \stackrel{(\mathrm{a})}{=} \sum_{k=1}^{K} \boldsymbol{G}_{k}^{H} \boldsymbol{v}_{b} \boldsymbol{s}_{k}^{H}+\boldsymbol{U}_{b} \end{aligned} Yb​​=k=1∑K​FHdiag(vb​)hk​skH​+Ub​=(a)k=1∑K​GkH​vb​skH​+Ub​​

其中 U b U_b Ub​为噪声， s k s_k sk​为 k k k个用户发送的导频序列。

最小二乘（LS）估计

文章先用了传统的LS估计。 由于假设每个用户发送的是正交序列， 即： s k 1 H s k 2 = 0 s_{k_{1}}^{H} s_{k_{2}}=0 sk1​H​sk2​​=0 for 1 ≤ k 1 , k 2 ≤ K 1 \leq k_{1}, k_{2} \leq K 1≤k1​,k2​≤K and k 1 ≠ k 2 k_{1} \neq k_{2} k1​​=k2​，因此有：

y ~ b , k ≜ 1 P T Y b s k = G k H v b + u b , k \tilde{\boldsymbol{y}}_{b, k} \triangleq \frac{1}{P T} \boldsymbol{Y}_{b} \boldsymbol{s}_{k}=\boldsymbol{G}_{k}^{H} \boldsymbol{v}_{b}+\boldsymbol{u}_{b, k} y~​b,k​≜PT1​Yb​sk​=GkH​vb​+ub,k​

将多个用户的写到一起：

Y ~ k = G k H V + U ~ k \tilde{\boldsymbol{Y}}_{k}=\boldsymbol{G}_{k}^{H} \boldsymbol{V}+\tilde{\boldsymbol{U}}_{k} Y~k​=GkH​V+U~k​

其中， V = [ v 1 , v 2 , ⋯   , v B ] \boldsymbol{V}=\left[\boldsymbol{v}_{1}, \boldsymbol{v}_{2}, \cdots, \boldsymbol{v}_{B}\right] V=[v1​,v2​,⋯,vB​]， Y ~ k = [ y ~ 1 , k , y ~ 2 , k , ⋯   , y ~ B , k ] \tilde{\boldsymbol{Y}}_{k} = \left[\tilde{\boldsymbol{y}}_{1, k}, \tilde{\boldsymbol{y}}_{2, k}, \cdots, \tilde{\boldsymbol{y}}_{B, k}\right] Y~k​=[y~​1,k​,y~​2,k​,⋯,y~​B,k​], B B B是发送的训练序列数量。

那么这个的最小二乘解就是

G ^ k = ( Y ~ k V † ) H \hat{G}_{k}=\left(\tilde{\boldsymbol{Y}}_{k} \boldsymbol{V}^{\dagger}\right)^{H} G^k​=(Y~k​V†)H
其中， V † = V H ( V V H ) − 1 \boldsymbol{V}^{\dagger}=\boldsymbol{V}^{H}\left(\boldsymbol{V} \boldsymbol{V}^{H}\right)^{-1} V†=VH(VVH)−1。 这个解可以通过求导置为0得到。 而要使得 ( V V H ) − 1 \left(\boldsymbol{V} \boldsymbol{V}^{H}\right)^{-1} (VVH)−1有值， V \mathbf{V} V必须满足为列数>行数，这样才能满秩求逆。 因此， B > L B > L B>L， 即只有训练序列数大于智能反射面元件数时， 才能使用LS估计， 而这在 L L L较大时，开销显然非常高昂。

信道的稀疏表示

相关阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39274659/article/details/104012757

智能推荐

攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地

文章浏览阅读645次。这个肯定是末尾的IDAT了，因为IDAT必须要满了才会开始一下个IDAT，这个明显就是末尾的IDAT了。，对应下面的create_head()代码。，对应下面的create_tail()代码。不要考虑爆破，我已经试了一下，太多情况了。题目来源：UNCTF。_攻防世界困难模式攻略图文

达梦数据库的导出（备份）、导入_达梦数据库导入导出-程序员宅基地

文章浏览阅读2.9k次，点赞3次，收藏10次。偶尔会用到，记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录，执行导库操作　　导出语句：./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log　注释：　　 cwy_init/init_123..._达梦数据库导入导出

js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地

文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件，可以删掉不需要要到的jsp，asp，asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件，在页面引入js文件：<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js

STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地

文章浏览阅读2.3k次，点赞6次，收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA，我们的数据线就会变为10101010，通过修改不同的内容，即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平，后半周期为低电平的状态。在SPI的通信模式中，CPHA配置会影响该实验，下图展示了不同采样位置的SPI时序图[1]。CPOL = 0，CPHA = 1：CLK空闲状态 = 低电平，数据在下降沿采样，并在上升沿移出CPOL = 0，CPHA = 0：CLK空闲状态 = 低电平，数据在上升沿采样，并在下降沿移出。_stm32g431cbu6

计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地

文章浏览阅读1.2k次，点赞2次，收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决？5.如果在数据链路层不进行帧定界，会发生什么问题？6.PPP协议的主要特点是什么？为什么PPP不使用帧的编号？PPP适用于什么情况？为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输

软件测试工程师移民加拿大_无证移民，未受过软件工程师的教育（第1部分）-程序员宅基地

文章浏览阅读587次。软件测试工程师移民加拿大 无证移民，未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...

随便推点

Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地

文章浏览阅读304次。Thinkpad X250笔记本电脑，装的是FreeBSD，进入BIOS修改虚拟化配置（其后可能是误设置了安全开机），保存退出后系统无法启动，显示：secure boot failed ，把自己惊出一身冷汗，因为这台笔记本刚好还没开始做备份.....根据错误提示，到bios里面去找相关配置，在Security里面找到了Secure Boot选项，发现果然被设置为Enabled，将其修改为Disabled ，再开机，终于正常启动了。_安装完系统提示secureboot failure

C++如何做字符串分割（5种方法）_c++ 字符串分割-程序员宅基地

文章浏览阅读10w+次，点赞93次，收藏352次。1、用strtok函数进行字符串分割原型： char *strtok(char *str, const char *delim);功能：分解字符串为一组字符串。参数说明：str为要分解的字符串，delim为分隔符字符串。返回值：从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它：strtok函数线程不安全，可以使用strtok_r替代。示例：//借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割

2013第四届蓝桥杯 C/C++本科A组 真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地

文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯：无论如何都要记日记。他的日记有个与众不同的地方，他从不注明年月日，而是用一个整数代替，比如：4210后来人们知道，那个整数就是日期，它表示那一天是高斯出生后的第几天。这或许也是个好习惯，它时时刻刻提醒着主人：日子又过去一天，还有多少时光可以用于浪费呢？高斯出生于：1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答

基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地

文章浏览阅读851次，点赞17次，收藏22次。摘要：本文利用供需算法对核极限学习机(KELM)进行优化，并用于分类。

metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地

文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功，进入系统4、测试如下：二、MySQL弱密码登录：1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功，进入MySQL系统3、测试效果：三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入

Python学习之路：从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地

文章浏览阅读257次。本文将为初学者提供Python学习的详细指南，从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文，您将能够掌握Python编程的核心概念，为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf

推荐文章

热门文章

相关标签