Use este identificador para citar ou linkar para este item:
http://repositorio.ufc.br/handle/riufc/76886
Tipo: | Tese |
Título: | Tensor-Based Approaches for Channel Estimation in IRS-Assisted MIMO Wireless Communications |
Título em inglês: | Tensor-Based Approaches for Channel Estimation in IRS-Assisted MIMO Wireless Communications |
Autor(es): | Araújo, Gilderlan Tavares de |
Orientador: | Almeida, André Lima Férrer de |
Palavras-chave em português: | Superfície refletora inteligente;decomposição tensorial;estimação de canal;sistema MIMO |
Palavras-chave em inglês: | Intelligent reflecting surface;tensor decomposition;channel estimation;MIMO system |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
Data do documento: | 23-Fev-2024 |
Citação: | ARAÚJO, G. T. de. Tensor-Based Approaches for Channel Estimation in IRS-Assisted MIMO Wireless Communications. 2014. 156f. Tese (Doutorado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2024. |
Resumo: | A quinta geração (5G) está em sua versão comercial, e os pesquisadores começaram a olhar para as tecnologias potenciais a serem empregadas na próxima geração. Neste contexto, a superfície refletora inteligente (IRS) é uma tecnologia promissora para a sexta geração (6G) de sistemas sem fio, introduzindo o conceito de ambiente de rádio inteligente. Os ganhos prometidos das comunicações assistidas por IRS dependem da precisão das informações de estado do canal. Usando um framework tensorial, particularmente a decomposição tensorial, propomos diferentes soluções para resolver o problema de estimação de canal para diferentes cenários. Primeiramente, abordamos o design do receptor para um sistema de comunicação MIMO (múltiplas entradas, múltiplas saídas) assistido por IRS através de uma abordagem de modelagem tensorial para resolver o problema de estimação de canal usando métodos supervisionados (assistidos por piloto). Considerando um padrão estruturado no domínio do tempo de pilotos e deslocamentos de fase do IRS, apresentamos dois métodos de estimação de canal que dependem de uma modelagem tensorial de fatores paralelos (PARAFAC) dos sinais recebidos. O primeiro método tem uma solução em forma fechada baseada em uma fatorização de Khatri-Rao do canal MIMO em cascata, resolvendo problemas de aproximação de matrizes de posto 1, enquanto o segundo é um esquema iterativo de estimação alternada. A característica comum de ambos os métodos é o desacoplamento das estimativas das matrizes do canal MIMO envolvidas (estação base (BS)-IRS e IRS-terminal do usuário (UT)), o que proporciona melhorias de desempenho em comparação com métodos concorrentes baseados em estimativas de quadrados mínimos (LS) não estruturadas do canal em cascata. Neste cenário, os resultados numéricos mostram a eficácia dos receptores propostos, destacam os compromissos envolvidos e corroboram seu desempenho superior em comparação com soluções concorrentes baseadas em LS. Em segundo lugar, desenvolvemos algoritmos para estimar conjuntamente as matrizes de canal envolvidas e os símbolos transmitidos de maneira semi-cega. Isso é alcançado introduzindo um esquema de codificação espaço-temporal simples no transmissor, de modo que o modelo de sinal recebido possa ser vantajosamente construído usando o modelo tensorial PARATUCK. Como resultado, um receptor semi-cego é derivado explorando a estrutura algébrica do modelo tensorial PARATUCK. Neste contexto, formulamos inicialmente um receptor semi-cego baseado em um método de mínimos quadrados alternados trilineares que estima iterativamente os dois canais de comunicação envolvidos – IRS-BS e UT-IRS – e a matriz de símbolos transmitidos. Em segundo lugar, formulamos um receptor semi- cego de duas etapas aprimorado que explora eficientemente o link direto para refinar iterativamente as estimativas de canal e símbolo. Além disso, discutimos o impacto de uma absorção imperfeita do IRS (reflexão residual) no desempenho do receptor proposto. Finalmente, formulamos um receptor semi-cego baseado em tensor para um sistema MIMO multiusuário de uplink assistido por IRS, onde a abordagem proposta depende de um modelo tensorial PARATUCK generalizado dos sinais refletidos pelo IRS, baseado em um receptor semi-cego de duas etapas em forma fechada usando fatorizações de Khatri-Rao e Kronecker. |
Abstract: | The fifth-generation (5G) is in its business version, and researchers have started to look at the potential technologies to be employed in the next generation. In this context, intelligent reflecting surface (IRS) is a promising technology for the sixth-generation (6G) of wireless systems by introducing the smart radio environment concept. The promised gains of IRS-assisted communications depend on the accuracy of the channel state information. Using a tensor framework, particularly tensor decomposition, we propose different solutions to solve the channel estimation problem for different scenarios. We firstly address the receiver design for an IRS-assisted multiple-input multiple-output (MIMO) communication system via a tensor modeling approach to solve the channel estimation problem using supervised (pilot-assisted) methods. Considering a structured time-domain pattern of pilots and IRS phase shifts, we present two channel estimation methods that rely on a parallel factors (PARAFAC) tensor modeling of the received signals. The first method has a closed-form solution based on a Khatri-Rao factorization of the cascaded MIMO channel by solving rank-1 matrix approximation problems, while the second is an iterative alternating estimation scheme. The common feature of both methods is the decoupling of the estimates of the involved MIMO channel matrices (base station (BS)-IRS and IRS-user terminal (UT)), which provides performance enhancements in comparison to competing methods that are based on unstructured least squares (LS) estimates of the cascaded channel. In this scenario, the numerical results show the effectiveness of the proposed receivers, highlight the involved trade-offs, and corroborate their superior performance compared to competing LS-based solutions. Second, we develop algorithms to jointly estimate the involved channel matrices and the transmitted symbols in a semi-blind fashion. This is achieved by introducing a simple space-time coding scheme at the transmitter, such that the received signal model can be advantageously built using the PARATUCK tensor model. As a result, a semi-blind receiver is derived by exploiting the algebraic structure of the PARATUCK tensor model. In this context, we first formulate a semi-blind receiver based on a trilinear alternating least squares method that iteratively estimates the two involved communication channels – IRS-BS and UT-IRS – and the transmitted symbol matrix. Second, we formulate an enhanced two-stage semi-blind receiver that efficiently exploits the direct link to refine the channel and symbol estimates iteratively. In addition, we discuss the impact of an imperfect IRS absorption (residual reflection) on the performance of the proposed receiver. Finally, we formulate a tensor-based semi-blind receiver for an IRS-assisted uplink multi-user MIMO system where the proposed approach relies on a generalized PARATUCK tensor model of the signals reflected by the IRS, based on a two-stage closed-form semi-blind receiver using Khatri-Rao and Kronecker factorizations. |
Descrição: | Araújo, Gilderlan Tavares de. Tensor-Based Approaches for Channel Estimation in IRS-Assisted MIMO Wireless Communications. 2014. 156f. Tese (Doutorado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2024. |
URI: | http://repositorio.ufc.br/handle/riufc/76886 |
Currículo Lattes do(s) Autor(es): | http://lattes.cnpq.br/0368237292090230 |
Currículo Lattes do Orientador: | http://lattes.cnpq.br/1183830514857314 |
Tipo de Acesso: | Acesso Aberto |
Aparece nas coleções: | DETE - Teses defendidas na UFC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2024_tese_gtaraujo.pdf | Tese | 8,85 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.