面向块状主动 IRS 增强混合场 IoT 网络的 AI 赋能信道估计
信号处理
2025-05-21 v1
摘要
本文针对涉及多个物联网 (IoT) 设备并由主动智能反射面 (IRS) 辅助的上行混合场通信信道估计 (CE) 进行研究。首先，为降低主动 IRS 与 IoT 设备之间近场 (NF) 信道建模与估计的复杂度，提出一种针对主动 IRS 的子块策略。具体而言，将整个主动 IRS 划分为多个较小的子块，使得 IoT 设备位于每个子块的远场 (FF) 区域，同时位于整个主动 IRS 的 NF 区域。该策略显著简化了信道模型，通过将高维 NF 信道参数空间解耦为低维 FF 子信道，从而降低参数估计维度。随后，推导信道近似误差与 CE 误差随子块数量的关系，并基于最小总误差准则求解最优子块数。此外，考虑到主动 IRS 的放大能力需要功耗，推导最优功率分配因子的闭式表达式。为进一步降低 pilot 开销，设计一种基于卷积自编码器 (CAE) 和多头注意力机制的轻量级 CE 算法，称为 CAEformer。推导 Cramer-Rao 下界以评估所提算法性能。最后，仿真结果表明，所提 CAEformer 网络在估计精度方面显著优于最小二乘和最小均方误差等常规方案。
引用
@article{arxiv.2505.14098,
title = {AI-empowered Channel Estimation for Block-based Active IRS-enhanced Hybrid-field IoT Network},
author = {Yan Wang and Feng Shu and Xianpeng Wang and Minghao Chen and Riqing Chen and Liang Yang and Junhui Zhao},
journal= {arXiv preprint arXiv:2505.14098},
year = {2025}
}