Joint Localization and Channel Estimation Framework for FA-RIS-Assisted ISAC

doi:10.1109/tccn.2026.3706716

Joint Localization and Channel Estimation Framework for FA-RIS-Assisted ISAC

2026-01-01

0

PRE

AI

George K. Karagiannidis

H

Henk Wymeersch

DOI：10.1109/tccn.2026.3706716

原文链接

原文求助

摘要

En 中文

本文提出了一种基于流体天线（FA）的信道重建（FACR）框架，用于FA可重构智能表面（RIS）系统以提高信道估计精度，灵感来源于集成感知与通信的概念。首先，基于推导出的克拉美罗下界（CRLBs），确定了用于定位的最优FA位置。通过整合最优FA位置和大规模RIS，并采用提出的双一维多重信号分类（D1D-MUSIC）算法，角度估计性能接近CRLBs。其次，提出了一种基于复数期望最大化（CERE）的精化估计算法，用于精化信道状态信息（CSI）并估计信道统计特性（CSPs）。第三，基于估计的CSPs，提出了一种基于投影梯度（PGPO）的导频优化算法，通过优化导频符号进一步提高了信道估计精度。最后，仿真结果表明，带有优化FA位置的D1D-MUSIC实现了接近边界的性能。CERE算法提供了接近理想最优估计器的信道估计性能，同时实现了接近CRLBs的CSP估计精度。此外，PGPO通过优化导频实现了信道估计的进一步信噪比提升。

Keyword:

Integrated sensing and communication

fluid antenna

channel estimation

localization

pilot optimization

Joint Localization and Channel Estimation Framework for FA-RIS-Assisted ISAC

摘要

期刊

机构

引用论文