論文の概要: Enhancing Channel Estimation in RIS-aided Systems via Observation Matrix Design
- arxiv url: http://arxiv.org/abs/2510.16576v1
- Date: Sat, 18 Oct 2025 16:53:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 00:56:39.04652
- Title: Enhancing Channel Estimation in RIS-aided Systems via Observation Matrix Design
- Title（参考訳）: 観測行列設計によるRIS支援システムにおけるチャネル推定の強化
- Authors: Zijian Zhang, Mingyao Cui,
- Abstract要約: 再構成可能なインテリジェントサーフェス(RIS)は、高密度アンテナアレイを介して無線通信を強化するための有望な技術として登場した。
本稿では,RISチャネル推定器を改良する新しい観測行列設計手法を提案する。
提案したARMO拡張推定器は,最先端手法による推定精度を大幅に向上することを示す。
- 参考スコア（独自算出の注目度）: 11.48862051974519
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Reconfigurable intelligent surfaces (RISs) have emerged as a promising technology for enhancing wireless communications through dense antenna arrays. Accurate channel estimation is critical to unlocking their full performance potential. To enhance RIS channel estimators, this paper proposes a novel observation matrix design scheme. Bayesian optimization framework is adopted to generate observation matrices that maximize the mutual information between received pilot signals and RIS channels. To solve the formulated problem efficiently, we develop an alternating Riemannian manifold optimization (ARMO) algorithm to alternately update the receiver combiners and RIS phase-shift matrices. An adaptive kernel training strategy is further introduced to iteratively refine the channel covariance matrix without requiring additional pilot resources. Simulation results demonstrate that the proposed ARMO-enhanced estimator achieves substantial gains in estimation accuracy over state-of-the-art methods.
- Abstract（参考訳）: 再構成可能なインテリジェントサーフェス(RIS)は、高密度アンテナアレイを介して無線通信を強化するための有望な技術として登場した。
正確なチャネル推定は、その完全なパフォーマンスの可能性を解き放つために重要である。
RISチャネル推定器を強化するために,新しい観測行列設計手法を提案する。
ベイズ最適化フレームワークを用いて、受信したパイロット信号とRISチャネル間の相互情報を最大化する観測行列を生成する。
定式化問題を効率的に解くために,レシーバコンバインダとRIS位相シフト行列を交互に更新する交互リーマン多様体最適化(ARMO)アルゴリズムを開発した。
さらに、追加のパイロットリソースを必要とせずにチャネル共分散行列を反復的に洗練するために、適応的なカーネルトレーニング戦略を導入する。
シミュレーションの結果,提案したARMO拡張推定器は,最先端手法による推定精度を大幅に向上することが示された。
関連論文リスト
- Capacity-Net-Based RIS Precoding Design without Channel Estimation for mmWave MIMO System [14.025055154083104]
Capacity-Netは、ミリ波(mmWave)システムにおける達成可能な速度を最大化する新しい教師なし学習手法である。
mmWaveスペクトルの重度チャネルフェードに対処するため、RISの反射素子の位相シフト係数を最適化し、達成可能な速度を向上する。
チャネル推定の代わりに、受信したパイロット信号間のマッピング、最適化されたRIS位相シフト、そして達成可能なレートを確立するために、Capacity-Netが提案されている。
論文 参考訳（メタデータ） (2025-09-30T01:57:33Z) - Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework [59.30060797118097]
統合センシング・通信(ISAC)システムは、密集した都市非視線シナリオにおいて大きな性能劣化に遭遇する可能性がある。
本稿では,自然環境に分散した受動的BDを利用した後方散乱近似(BD)支援ISACシステムを提案する。
論文 参考訳（メタデータ） (2025-07-12T17:11:06Z) - Machine Learning-Based Channel Prediction for RIS-assisted MIMO Systems With Channel Aging [11.867884158309373]
再構成可能なインテリジェントサーフェス (RIS) は,第6世代 (6G) および通信システムを越えた性能向上のための有望な技術として登場した。
RISの受動的性質とその多数の反射要素は、チャネル推定プロセスに困難をもたらす。
本稿では、自己回帰(AR)予測器と統合された畳み込みニューラルネットワーク(CNN)に基づく、RIS支援マルチインプットマルチアウトプット(MIMO)システムのための拡張チャネル推定フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-09T19:45:49Z) - Channel Estimation in RIS-Enabled mmWave Wireless Systems: A Variational
Inference Approach [19.748435313030566]
完全受動RIS支援通信システムにおけるチャネル推定問題について検討する。
まず, UE-RIS と RIS-BS の同時チャネル状態情報 (I-CSI) を共同で推定するために, 変動推論 (VI) アプローチを採用する。
次に、UE-RISリンクの低変量統計CSIを高変量I-CSIを克服するために、最初のアプローチを拡張した。
論文 参考訳（メタデータ） (2023-08-25T18:18:47Z) - Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。
推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。
提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文 参考訳（メタデータ） (2021-07-27T06:57:56Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳（メタデータ） (2020-12-25T07:08:50Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z) - Channel Estimation for RIS-Empowered Multi-User MISO Wireless
Communications [35.207416803526876]
基地局とRIS間のチャネルに対する2つの反復推定アルゴリズムを提案する。
1つは交互最小二乗法(ALS)に基づいており、もう1つはベクトル近似メッセージを使って2つの未知のチャネルを反復的に再構築する。
また、推定チャネルと基地局の異なるプリコーディング方式を用いて、ダウンリンク達成可能な総和率についても論じる。
論文 参考訳（メタデータ） (2020-08-04T10:53:51Z) - Millimeter Wave Communications with an Intelligent Reflector:
Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。
チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。
最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-02-24T22:18:54Z) - Reconfigurable Intelligent Surface Assisted Multiuser MISO Systems
Exploiting Deep Reinforcement Learning [21.770491711632832]
再構成可能なインテリジェントサーフェス(RIS)は、将来の6世代(6G)無線通信システムにおいて重要な技術の一つとして推測されている。
本稿では, 基地局におけるビームフォーミング行列とRISにおける位相シフト行列の接合設計について, 深部強化学習(DRL)の最近の進歩を活用して検討する。
提案アルゴリズムは環境から学習し、その振る舞いを徐々に改善するだけでなく、2つの最先端ベンチマークと比較して同等の性能が得られる。
論文 参考訳（メタデータ） (2020-02-24T04:28:44Z) - RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment
and Passive Beamforming Design [116.88396201197533]
再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。
エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。
リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。
RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-28T14:37:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。