极致大规模 RIS 的码本设计与波束训练：远场还是近场？
信息论
2021-09-22 v1 信号处理
math.IT
摘要
可重构智能表面（RIS）可通过在基站（BS）与用户间提供额外链路来提升无线通信系统容量。为抵抗“乘性衰落”效应，RIS 更可能发展为面向未来 6G 通信的极致大规模 RIS（XL-RIS）。波束训练是获取 XL-RIS 辅助系统信道状态信息（CSI）的有效手段。现有波束训练方案依赖基于远场信道模型设计的远场码本。然而，由于 XL-RIS 孔径巨大，用户更可能处于 XL-RIS 的近场区域。远场码本与近场信道模型失配，因此现有远场波束训练方案在 XL-RIS 辅助近场通信中会导致严重性能损失。为解决该问题，我们提出高效的近场波束训练方案，通过设计近场码本来匹配近场信道模型。具体而言，我们首先考虑 XL-RIS 的近场级联阵列导向矢量设计近场码本。随后，通过 XL-RIS 与用户间的穷举训练过程获得 XL-RIS 的最优码字。为降低波束训练开销，我们进一步设计分层近场码本并提出相应的分层近场波束训练方案，其中不同层级子码本依次以缩减的码本规模被搜索。仿真结果表明，两种所提近场波束训练方案均优于现有远场波束训练方案。特别地，分层近场波束训练方案能以可接受的性能损失大幅降低波束训练开销。
引用
@article{arxiv.2109.10143,
title = {Codebook Design and Beam Training for Extremely Large-Scale RIS: Far-Field or Near-Field?},
author = {Xiuhong Wei and Linglong Dai and Yajun Zhao and Guanghui Yu and Xiangyang Duan},
journal= {arXiv preprint arXiv:2109.10143},
year = {2021}
}
备注
Simulation codes will be provided in the following link to reproduce the results presented in this paper after publication: http://oa.ee.tsinghua.edu.cn/dailinglong/publications/publications.html