TenSIM：基于张量的信道估计技术，用于具有堆叠式智能超表面的MIMO系统

《IEEE Open Journal of the Communications Society》：TenSIM: Tensor-Based Channel Estimation for MIMO Systems with Stacked Intelligent Metasurfaces

　　

摘要：

堆叠式智能超表面作为一种有前景的架构，被用于第六代（6G）及更先进的无线系统，相较于传统的单层超表面，它能够实现更复杂的电磁波操控。然而，要实现这些优势，就需要在堆叠式可编程超表面层所带来的强层间耦合和多线性参数相互作用条件下，进行精确且可扩展的信道估计。本文提出了TenSIM，这是一种基于张量的信道估计算法，适用于由超表面辅助的多输入多输出（MIMO）系统。通过采用结构化的超表面训练协议，TenSIM构建了两种与奇偶层相关的观测模型：用于奇数层超表面的PARAllel FACtor（PARAFAC）模型，以及用于偶数层超表面的Tucker模型。这些模型能够在考虑层间波耦合的同时，分离出发射机与超表面之间的信道因子以及超表面与接收机之间的信道因子。基于这些张量模型，我们设计了交替最小二乘估计器，利用相关设计矩阵确定了基于秩的可识别性条件，并给出了全列秩训练设计的实际充分条件，包括那些存在尺度不确定性的情况。通过大量的数值实验验证了所提出的框架，并明确了其运行中的主要权衡因素。研究表明，无论是TenSIM-PARAFAC还是TenSIM-Tucker，其性能都会随着信噪比和训练多样性的提高而提升，且由于利用了超表面级联的结构，其性能优于非结构化的最小二乘基准方法。此外，TenSIM-PARAFAC具有更好的可扩展性、更低的计算复杂度，以及对层间间距的更强鲁棒性；而当拥有足够的训练数据且层间耦合较强时，TenSIM-Tucker能实现更准确的信道重建。最后，研究还表明，即使在超表面训练不完美或为盲训练的情况下，所提出的TenSIM框架依然有效，只要添加适当的导频信号……

显示更多