.png){kind=icon}
返回
Pilot-Efficient Channel Estimation for RIS-Aided Wireless Communication Systems: A Systematization
.png){kind=icon}
OA
AI
DOI：10.1109/ojcoms.2026.3711904.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
被动可重构智能表面（RIS）能够以可忽略的射频功率重塑传播环境，但它们引入了主要的信道获取瓶颈，因为待学习的级联信道是高维的，且其简单的导频开销随表面单元和基站天线的数量增长，迅速耗尽实际的相干间隔。本文系统化地研究了RIS辅助链路的导频高效信道估计。从无结构上行链路和下行链路训练模型出发，明确了可辨识性极限，包括固有的双线性模糊性，这种模糊性若无额外信息则无法唯一恢复两个构成跳段。最小二乘和线性最小均方误差估计器作为中性基准，揭示了导频缩放规律、条件效应以及在线性高斯模型下与克拉美-罗下界的关系。随后，文献被组织为基于导频、半盲和学习型估计器三类，每类都与它所利用的结构先验联系起来以减少测量；为比较异构研究的结果，引入了同一论文归一化均方误差（NMSE）差距基准。核心发现是导频开销本质上是一个自由度问题。若无可利用结构，仅能辨识有效级联信道，因此任何显著的导频减少均源于施加物理上合理的先验。报告的增益显示出与这些先验的强度和所选基准的关系，如同与估计器家族的关系一样，且在结构减弱或工作模式不匹配时会衰减。基于此分析，提炼出模式依赖的估计器选择指南和开放性问题。
Keyword:
Channel estimation
identifiability
pilot design
reconfigurable intelligent surface
training overhead
期刊
I
IF:
6.1
论文数:
628
被引数:
0
机构
引用论文
Federated Learning for Channel Estimation in Conventional and RIS-Assisted Massive MIMO用于常规和RIS辅助的大规模MIMO中的信道估计的联邦学习OAAI
OAAI分享收藏A Survey on RIS Advances in Terahertz Communications: Emerging Paradigms and Research Frontiers.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Time -varying channel estimation for RIS-assisted wireless communication systems with low pilot overhead时变信道估计：用于具有低导频开销的RIS辅助无线通信系统
PREAI
分享收藏
查看更多内容