摘要：針對現有可重構智能表面(reconfigurableintelligentsurface,RIS)的信道估計方法中反射系數為隨機配置而導致接收端信噪比較低的問題，提出了一種配置特定反射系數的漸進式信道估計方法。該方法利用非完整信道狀態信息(channelstateinformation,CSI)計算出當前時刻下的最優反射系數，然后將該最優反射系數與隨機反射系數按照加權系數生成混合反射系數。在下一時刻RIS配置該混合反射系數，接收端使用松弛最小均方誤差(relaxedminimummean-square-error,RMMSE)信道估計方法來更新非完整信道狀態信息。仿真結果表明，提出的方法不僅能獲得準確的信道估計結果，也能在估計過程中不斷增大接收端信噪比，并減小導頻開銷，從而提高RIS輔助無線通信系統的頻譜效率。

　　關鍵詞：可重構智能表面;信道估計;混合反射系數;松弛最小均方誤差;信噪比

　　0引言

　　近年來，隨著無線通信技術的快速發展，以可重構智能表面(reconfigurableintelligentsurface,RIS)為代表的人工電磁材料作為極具前途的輔助技術被引入無線通信系統中[1-3]。RIS是由大量無源反射單元所組成的平面陣列，從微觀上看，可以人為地控制每個反射單元的反射系數(包括相位和幅度)，使其對入射的電磁波獨立施加可控影響;從宏觀上看，可以協同控制所有反射單元，來改變反射波束的數量、方向、散射程度等。因此，RIS能夠實現對無線通信系統傳播環境的改造，使得收發機之間的等效傳輸信道在一定程度上可控，從而提高通信系統的性能，實現信號的優化傳輸[4-7]。

　　通信技術論文范例： 海上無線通信技術現狀與挑戰

　　當RIS被部署在無線通信系統中時，需要設計合適的反射系數，才能獲取到最佳的性能增益。RIS最優反射系數的計算與信道狀態信息(channelstateinformation,CSI)相關，因而一般是在完成信道估計后才配置最優反射系數。然而，對RIS進行信道估計面臨比傳統信道估計更大的挑戰：RIS在進行信號反射時，其功能上屬于被動無源器件，不具備信號接收、采樣功能，僅能從收發端進行低維信號采樣，并據此估計高維CSI。當RIS的反射單元數目較多時，待估計信道矩陣的維度較大，信道估計所需開銷和計算復雜度很高。

　　近段時間以來，已有多種和RIS信道估計相關的技術路線被提出，比較有代表性的技術路線包括：①從硬件功能著手，改變RIS的被動反射特性。文獻[8,9]中從硬件結構方面對RIS做了改進，即RIS中除了包含被動反射單元外，還包含由射頻鏈路控制的主動反射單元。這些反射單元可以對到達信號進行接收采樣，因此RIS端可以獨立完成信道估計過程。該方案的主要缺陷是增加了RIS的硬件成本，且并未從根本上減小待估計矩陣的維度。②針對反射系數配置依賴于級聯信道(cascadedchannel)的事實，對級聯信道進行估計，從而減小待估計參數個數。

　　文獻[10]研究了RIS輔助的大規模多輸入多輸出(multiple-inputmultiple-output，MIMO)系統的信道特性，提出了一種三階段的信道估計協議，并指出大規模MIMO能夠幫助減小待估計參數的數目，但其下界仍然不小于反射單元數目。文獻[11]指出在設計不同導頻對應的反射系數時，反射系數矩陣應該滿秩，因而一般采用隨機反射系數的配置方法。該文獻進一步提出了一種特定反射系數配置方法使得信道估計的均方誤差最小化，但在估計過程中所使用的導頻數目仍然大于反射單元數目。③針對毫米波頻段波束域信道模型，采用稀疏信號檢測技術來估計波束角度和增益參數。文獻[10,11]均提出了基于壓縮感知的信道估計方法，先后求解出信道中的角度和路徑增益。

　　然而該類方法只適用于稀疏性信道模型，不適用于低頻頻段等非稀疏信道的通信場景，且其中求解稀疏問題時涉及到克羅內克積運算，需要極大的計算量來獲得精確的估計值。綜上所述，現有的RIS信道估計方法仍然普遍存在導頻開銷大等問題，造成大量時間用于發送導頻和信道估計而使得系統頻譜效率下降。其根本原因在于當RIS的反射系數處于隨機配置狀態時，接收端功率較小、信噪比較低且不穩定，無法盡早開始發送數據。如果能在信道估計過程中令RIS配置特定的優選反射系數，即可穩定和逐步增大接收信號功率，進而使得接收端能實時監測信號功率，并通知發射端盡早開始數據傳輸，減小導頻開銷。

　　基于以上分析，本文提出一種將信道估計過程與反射系數配置相結合的傳輸方法。該方法的核心思想是在初始時刻為RIS配置隨機反射系數，發射端發送導頻，接收端通過松弛最小均方誤差(relaxedminimummean-square-error,RMMSE)方法來估計出級聯信道，并利用估計所得的非完整信道狀態信息來計算下一時刻的最優反射系數，并對RIS配置由最優反射系數和隨機反射系數組成的混合反射系數。接下來重復信道估計與混合反射系數配置的步驟。

　　隨著發送導頻數目的增加，信道估計的結果越來越接近于真實信道，計算所得的最優反射系數也越來越接近于完整信道狀態信息下的最優反射系數，接收信號功率也會穩定、漸進增加，接收端可持續監測信噪比是否達到預定門限，若達到則通知發射端盡早開始數據傳輸，減小導頻開銷。Matlab仿真結果表明，相對于RIS配置隨機反射系數的算法，本文提出的混合反射系數配置算法能夠獲得更為準確的級聯信道估計值，且在信道估計過程中，接收端的信噪比能夠穩定持續增大，通信系統的頻譜效率等性能有了較大的提升。

　　1系統模型

　　本文考慮上行鏈路的單輸入多輸出(single-inputmultiple-output，SIMO)系統模型，RIS被部署來輔助一個單天線用戶到基站的數據傳輸。

　　2信道估計方法

　　2.1方法流程介紹由于用戶與基站之間的直達信道可以在關閉RIS的狀態下利用傳統信道估計方法快速獲得，因此本文提出的估計方法中只對RIS信道進行估計。

　　3仿真與數值結果分析

　　本節采用數值仿真的方法來評估提出的信道估計算法給RIS輔助通信系統所帶來的性能提升。在仿真場景中，基站端配置16根天線，天線間距設置為半波長。RIS含有1616個反射單元，反射單元間距設置為半波長。信道模型中，視距分量的角度參數,,均從0,2的范圍內獨立隨機生成，信道萊斯因子設置為12KK13.2dB。用戶發送的導頻信號為服從均值為0，方差為1的復高斯分布的隨機數，修正公式中的正值步長設置為=1。根據文獻[10]中的結論，傳統信道估計方法至少需要個時隙來獲取信道估計結果，因此仿真中涉及的總時隙數設置為TN256。

　　3.1估計信道矩陣的秩

　　為了驗證3.1節中的配置局部最優反射系數會導致估計信道秩虧這一結論，仿真中分別在有噪聲和無噪聲的場景下對RIS配置局部最優反射系數來進行信道估計，并將其與有噪聲場景下RIS配置隨機反射系數的估計方法相比較。

　　當信道估計過程中使用隨機反射系數配置時，估計信道的秩隨著發送導頻數目增加而增大，增大到16時不再發生變化。當信道環境為無噪聲的理想情況時，如果一直使用局部最優反射系數的配置，則信道估計結果始終保持不變，其秩恒為1。但實際的信道環境中總是存在噪聲，由于噪聲的隨機性，即便RIS配置相同的反射系數，對應的接收信號亦不同。此時估計信道矩陣的秩雖然仍會增大，但并非持續性的過程，而是如紅色曲線所示的間斷性過程。所以為了避免估計信道秩虧，在估計過程中不能為RIS配置局部最優反射系數，而要配置3.2節中的混合反射系數。

　　當=0.3時，瞬時接收功率已呈現出穩定增加的趨勢，但由于混合反射系數中隨機反射系數所占的權重更大，其增長幅度較小;當取值為0.50.70.9 時，瞬時接收功率已經有了更為穩定的增長幅度。特別地，當=0.7時，混合反射系數中局部最優反射系數的權重略高于隨機反射系數的權重，不僅可以保證信道估計結果的準確度，也能讓瞬時接收功率以較大幅度增長，其在=100之前的時刻即可開始發送數據，在信道估計過程中可以減小更多的導頻開銷。

　　混合配置算法能使接收功率單調增長，而隨機配置算法及文獻[10]的算法的接收功率卻處于波動狀態。其次，接收端可以根據不同的功率閾值來確定開始傳輸數據的時刻，提前傳輸數據在一定程度上減小了導頻開銷，這是本文算法的優勢之一。同時也可以看出，歸一化權重的取值至關重要，因此下一小節將著重分析的變化對算法性能的影響。

　　3.2歸一化權重值對性能的影響

　　局部最優反射系數及歸一化權重的配置會影響信道估計結果，而估計結果又會影響下一時刻局部最優反射系數的計算，同時估計結果本身還受到信噪比等參數的影響，因此要從理論分析中獲取最優歸一化權重值是較為困難的。本節中選取反射單元個數以及信噪比兩個參數，從仿真實驗來分析它們對最優歸一化權重值的影響。

　　4結論

　　基于RIS輔助的通信系統，本文提出了一種與反射系數配置相結合的漸進式信道估計方法。在信道估計過程中，利用非完整信道信息來計算該條件下的最優反射系數，并為RIS配置由最優反射系數和隨機反射系數組成的混合反射系數，再更新非完整信道信息。隨著發送導頻數目的增加，信道估計結果越來越接近于真實信道，接收信號功率也逐步增加。仿真結果表明，混合反射系數中最優反射系數的歸一化權重對算法的性能至關重要，當取值較小時，信道估計結果準確度較高;當取值較大時，可使發射端盡早開始傳輸數據。在實際系統中應用時，應將取值為0.7，使估計結果與接收功率處于一個平衡的狀態，讓算法發揮出更優的性能。

　　參考文獻

　　[1]MARCODR,ZAPPONEA,DEBBAHM,etal.Smartradioenvironmentsempoweredbyreconfigurableintelligentsurfaces:howitworks,stateofresearch,andtheroadahead[J].IEEEJournalonSelectedAreasinCommunications,2020,38,(11):2450-2525.

　　[2]WUQQ,ZHANGR.Towardssmartandreconfigurableenvironment:intelligentreflectingsurfaceaidedwirelessnetwork[J].IEEECommunicationsMagazine,2020,58(1):106-112.

　　[3]LIANGYC,LONGRZ,ZHANGQQ,etal.Largeintelligentsurface/antennas(LISA):makingreflectiveradiossmart[EB/OL]. https://arxiv.org/abs/1906.06578.

　　[4]BASARE,MARCODR,JULIENDR,etal.Wirelesscommunicationsthroughreconfigurableintelligentsurfaces[J].IEEEAccess,2019,7:116753-116773.

　　[5]HUS,RUSEKF,EDFORSO.BeyondmassiveMIMO:thepotentialofdatatransmissionwithlargeintelligentsurfaces[J].IEEETrans.onSignalProcessing,2018,66(10):2746-2758.

　　作者：黨建1,3，李業偉1，朱永東2，郭榮斌2，張在琛1,3,*，吳亮1,3