27597

يك روش جديد براي تخمين كانال چندين سطح بازتابي مبتني بر بازيابي ماتريس كم رتبه

كارشناسي ارشد

مهندسي برق- مخابرات سيستم

1397

1401/1/31

دكتر محمد حسين كهايي

مهندسي برق

اخيرا سطوح بازتاب هوشمند به عنوان يك تكنولوژي نوظهور براي افزايش بهره وري طيف و انرژي و افزايش پوشش دهي سيستم هاي مخابراتي بسيار مورد توجه قرار گرفته است. علي الرغم اين، همواره تخمين كانال سيستم هاي مبتني بر اين سطوح به خاطر داشتن ساختار غير فعال، بسيار چالش برانگيز بوده است. در اين پروژه تخمين كانال بين فرستنده و گيرنده در سيستم هاي Multi-IRS مورد تحقيق قرار مي گيرد كه داراي يك ساختار بسيار پيچيده چند خطي است. ما در اين پروژه نشان مي دهيم كه اين ساختار چند خطي به يك مسئله تخمين كانال خطي منجر مي شود. بدين منظور در اين پروژه ابتدا يك فضاي خطي براي مدل سيگنالِ مشاهدات در مسئله Multi-IRS پيدا مي كنيم. سپس ثابت مي كنيم ماتريسِ كانال ابعاد بالاي حاصل از اين مدل سازي، ذاتا كم رتبه است. اين ويژگي كم رتبگي مي تواند به طور كلي با حداقل سازي يك تابع رتبه تحت قيود خطي، استخراج شود. براي اين كار با توجه به به غيرمحدب بودن تابع رتبه، از نزديكترين تابع محدب به آن يعني نرم هسته اي استفاده مي كنيم. نتايج شبيه سازي نشان مي دهد كه ميزان بهبودِ كيفيت بازيابي در روش پيشنهادي، نسبت به روش حداقل مربعاتLS ، به عوامل متعددي مثل تعداد آنتن هاي ايستگاه پايه، رتبه ماتريس كانال، تعداد سطوح بازتابي و ... بستگي دارد كه در فصل شبيه سازي به صورت دقيق بيان شده؛ اما به طور كلي در تمامي آزمايش ها روش پيشنهادي نسبت به روش حداقل مربعاتLS ، براي يك تعداد مشاهدات يكسان، كيفيت بازيابي بسيار بهتري را ارائه خواهد كرد.

1401/09/26

A New Approach for Multi-IRS Channel Estimation Based on Low Rank Matrix Recovery

4/20/2023 12:00:00 AM

Recently, Intelligent reflecting surface (IRS) has received considerable attention as an emerging technology to increase spectral and energy efficiency and to improve the coverage of wireless communication systems. However, channel estimation in IRS-assisted systems is a highly challenging problem due to its passive structure. In this project, we investigate channel estimation in a Multi-IRS, which is indeed highly complicated and has a multi-linear structure. We demonstrate in this project that this multi linear structure can be transformed into a linear channel estimation problem. To this end, we first find a linear space in which our multi-IRS model can be represented. We then prove that the high dimensional channel matrix of this linear model has a low-rank structure. This low-rank feature can be in general extracted by minimizing rank functional under the linear constraints. However, due to intractability of rank, we exploit its nearest convex surrogate called nuclear norm. Simulation results show that our proposed strategy needs far less number of observations in compared to the least square method. This in turn implies that for a fixed number of observations, our proposed strategy exhibits a huge better reconstruction quality.

تخمين كانال , سطوح بازتاب هوشمند , بازيابي ماتريس كم رتبه

channel estimation , Multi-IRS , Low Rank Matrix Recovery

Elham Jarrahzade

Dr.Mohammad Hosein Kahaei