在反向散射辅助的毫米波ISAC网络中,基于感知驱动的CSI(信道状态信息)获取
《Physical Communication》:Sensing-driven CSI acquisition in backscatter-assisted mmWave ISAC networks
【字体:
大
中
小
】
时间:2026年08月30日
来源:Physical Communication 1.9
编辑推荐:
摘要
集成感知与通信(ISAC)能够实现高分辨率感知,但存在严重的链路阻塞问题。为了解决这一问题,我们提出了一种基于感知的信道状态信息(CSI)获取和资源分配框架,用于辅助反向散射设备(BDs)的ISAC网络。在这种框架中,反向散射设备提供了一种低成本的解决方案,可以建立虚拟视距
摘要
集成感知与通信(ISAC)能够实现高分辨率感知,但存在严重的链路阻塞问题。为了解决这一问题,我们提出了一种基于感知的信道状态信息(CSI)获取和资源分配框架,用于辅助反向散射设备(BDs)的ISAC网络。在这种框架中,反向散射设备提供了一种低成本的解决方案,可以建立虚拟视距(LoS)链路,同时避免了传统基于导频的信道状态信息(CSI)获取所带来的高昂开销。通过利用ISAC回波信号,基站(BS)可以直接估计每个BD的出射角度(AoD)和距离,然后结合用户位置信息重建CSI参数。接着,我们制定了一个联合优化问题,以最大化系统的总速率,包括BD的反射系数和BS的发射功率。仿真结果表明,与传统的基线方案相比,所提出的框架显著提高了系统的总速率。
引言
随着移动通信的迅速发展[1],频谱稀缺已成为一个关键挑战。集成感知与通信(ISAC)通过共享频谱来实现通信和感知功能[2]。在毫米波(mmWave)频段部署ISAC尤为有利,因为其宽阔的带宽支持高数据传输速率以及高分辨率的环境感知[3]。毫米波信号的短波长还有助于集成大规模天线阵列,实现高度定向的波束成形,从而增强目标定位和空间复用能力。尽管具有这些优势,毫米波信号仍受到严重的路径损耗影响,并且极易受到阻塞[4]。反向散射设备(BDs)通过反射入射信号来为受阻用户建立虚拟视距(LoS)链路,提供了一种经济有效的解决方案[5]。优化这些辅助BD的网络需要准确的信道状态信息(CSI)。使用大规模天线阵列时,引入BDs会大幅增加信道矩阵的维度[6]、[7]。传统的信道估计方法由于收敛速度慢和导频开销过大而受到限制,这占据了信道相干时间的很大一部分,严重减少了可用于数据传输的有效带宽[8]、[9]。
为了减少信道估计中的导频开销,已经提出了许多方法[10]。通过利用信道的稀疏结构并使神经网络学习复杂的非线性特征,[11]提出了一种结合压缩感知(CS)和神经网络的稀疏信道估计方法,应用于大规模多输入多输出(MIMO)系统。在[12]中,研究人员解决了双RIS辅助的大规模MIMO系统中级联信道估计的复杂性,并提出了一种基于自注意力层和跳过连接结构的SC-attention网络。[13]的研究采用压缩感知-动态模式分解(CS-DMD)方法来解决正交频分复用(OFDM)系统中的基于导频的信道估计问题。该方法利用DMD的状态预测能力减少了所需导频的数量,从而降低了总体导频开销。[14]提出了一种动态混合可重构智能表面(RIS)架构,使用有限数量的接收单元来获取关键参数。该架构利用不完全数据下的原子范数最小化(ANM)等价性,实现了高精度的全channel估计,并将导频开销降至最低。除了传统的数学框架外,生成式AI在导频数量有限的情况下在欠定信道估计方面表现出色。[15]提出了一种递归流(RC-Flow)框架,利用闭环流匹配先验在噪声主导的场景中实现稳健的信道重构,并将推理速度提高了两个数量级。此外,[16]的研究通过提出一种一步生成式信道估计方法提高了推理效率。该方法直接学习平均速度场,有效绕过了迭代采样过程,降低了延迟同时保持了更高的估计精度。尽管这些方法提高了导频效率,但它们仍然完全依赖于接收到的导频信号,忽略了ISAC架构本身具备的环境感知能力[17]、[18]。为了克服纯基于导频方法的局限性,ISAC领域的最新进展引入了感知辅助通信。[19]的研究采用了一种基于张量分解的感知辅助信道估计方法。[20]的研究提出了一种利用汽车雷达获取环境信息的雷达辅助CS框架。这种方法为严重的非视距(NLoS)城市场景中的通信链路提供了先验信息,提高了基于CS的信道估计的适应性。[21]的研究应用来自环境感知的几何先验来校准虚拟网格并细化多径成分,从而在正交时频空间(OTFS)ISAC系统中实现更准确的非网格信道估计。[22]中,从通信回波中提取延迟-多普勒域的感知参数,并通过虚假路径抑制生成先验信息,利用信道的固有稀疏性和有界特性。
尽管现有的基于感知的方法充分利用了感知信息[23]、[24]、[25],但它们难以直接应用于辅助BD的网络。在辅助BD的系统中,每个通信链路包含大量的级联反射路径。由于被动BD无法发送专用的导频信号,传统的基于导频的估计方法需要设计额外的导频来恢复信道参数。随着BD数量的增加,未知信道参数的数量也增加,导致导频开销显著增加[26]。现有方法利用感知信息来改进导频估计过程,但在辅助BD的网络中仍然难以解决导频开销瓶颈问题。
受上述挑战的启发,本文旨在建立一种低开销的CSI获取机制并优化辅助BD的ISAC网络的传输性能。具体而言,我们提出了一种基于感知的CSI获取和资源分配框架。本文的主要贡献如下:
(1) 感知辅助CSI获取:我们利用ISAC回波信号来估计每个BD的出射角度(AoD)和距离,而不是依赖于传统的基于导频的方法。通过将这些几何参数与用户位置信息结合,可以重建完整的空间拓扑结构,并直接得出CSI,而无需额外的专用导频开销。
(2) 低复杂度参数估计:我们采用了一种快速的二维无矩阵稀疏贝叶斯学习(2DM-SBL)算法。该算法利用字典矩阵的Kronecker结构,避免了高维矩阵的显式构造,从而显著降低了计算复杂度。
(3) 联合资源优化:基于重建的CSI,我们制定了一个关于BD反射系数和基站(BS)发射功率的联合优化问题,以最大化系统的总速率。提出了一种交替优化(AO)算法来高效解决这个非凸问题。
本文的其余部分组织如下。第2节介绍系统模型和两阶段框架结构。第3节介绍基于感知的CSI获取方案。第4节展示联合资源分配方法。第5节展示仿真结果。最后,第6节对本文进行总结。
系统模型
图1展示了由具有功率分割(PS)功能的被动BD辅助的ISAC网络系统模型。我们考虑了一个下行ISAC网络,包括一个N天线均匀线性阵列(ULA)BS、K个被动BD和M个单天线用户。从BS到用户的所有直接链路都被假设被障碍物阻塞。辅助BD的NLoS反射链路建立了虚拟LoS路径。被动BD从BS传输的射频(RF)信号中获取能量。
在感知阶段,BS发送带有M个子载波的OFDM导频信号以确定BD的位置。BS通过分析BD反射的信号来估计BD的角度和距离。这是因为BD无法主动发送信号或处理接收到的信号。
问题建模和资源分配
利用已知设备之间的位置信息来根据统计模型推导信道系数,这些系数在通信阶段被应用。采用TDMA协议,每个子时隙专用于一个用户。因此,不存在用户间的干扰。根据公式(5),第m个用户的信噪比(SNR)表示为
γmexact = pmσ2 / ∑k=1K βk,mhk,mgk∥2 = pmσ2(∑k=1K βk,m∥hk,mgk∥2 + ∑i≠j βi,mβj,mhi,m*hj,mgiHgj)
其中βk,m是...
仿真结果
在本节中,我们评估了所提出的基于感知的CSI获取和资源分配框架在辅助BD的ISAC网络中的应用。我们关注两个关键指标:CSI估计精度和系统总速率。我们将我们的方法与三种经典信道估计方法进行了基准测试:正交匹配追踪(OMP)、线性最小均方误差(LMMSE)和最小二乘(LS)。为了确保公平比较,所有基线方法都采用了相同的资源分配算法。
结论
总之,本文研究了一种感知辅助反向散射通信框架,以减少基于导频的CSI获取的开销。ISAC回波信号用于估计每个BD的AoD和距离,实现了无需额外导频信号的空间拓扑重建和CSI获取。采用二维无矩阵稀疏贝叶斯学习(2DM-SBL)算法避免了高维矩阵的显式构造。
伦理声明
作者声明本研究不涉及人类或动物实验。
作者贡献声明
安秋斌:撰写 – 审查与编辑、撰写 – 原稿、可视化、软件、方法论、调查、形式分析、数据管理、概念化。
周玉林:撰写 – 审查与编辑、监督、资源管理、项目管理、方法论、资金获取、概念化。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能会影响本文报告的工作。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号