基于 Tucker 分解的高效非均匀近场级联通道估计方法用于 XL-IRS 系统
信号处理
2026-02-17 v1
摘要
准确的级联信道状态信息是 extremely large-scale intelligent reflecting surfaces（XL-IRS）在下一代无线网络中的关键要素。然而，大型 XL-IRS 孔径导致近场（NF）效应引起的球面波前传播，使级联信道估计复杂化。常规的基于字典的方法在均匀平面阵列（UPA）系统中存在累积量化误差和高复杂度问题。为此，我们首先提出一种基于 UPA 结构基站（BS）水平和垂直响应向量以及 IRS 入射-反射阵列响应向量张量积的 NF 级联信道张量模型化方法。该结构利用空间特征，使因子矩阵的独立估计成为可能，从而提高效率。同时，为避免量化误差，我们提出基于稀疏 Tucker 分解的非均匀级联信道估计框架。具体而言，我们将接收信号建模为 Tucker 张量，其中稀疏核心张量捕获路径增益-延迟项，三个因子矩阵由 BS 和 NF IRS 阵列响应张成。我们随后构建稀疏核心张量最小化问题，引入三模 log-sum 稀疏约束以解决 NP-hard 挑战。最后，通过高阶奇异值分解预处理结合majorization-minimization 与定制的张量松弛快速迭代收缩-阈值技术加速求解。我们推导了 Cramér-Rao 下界并进行收敛性分析。仿真结果表明，所提方法相较于基准方法在均方误差（NMSE）上提升最高可达 13.6 dB，且运行时间显著降低。
引用
@article{arxiv.2602.13988,
title = {Efficient Off-Grid Near-Field Cascade Channel Estimation for XL-IRS Systems via Tucker Decomposition},
author = {Wenzhou Cao and Yashuai Cao and Tiejun Lv and Mugen Peng},
journal= {arXiv preprint arXiv:2602.13988},
year = {2026}
}
备注
This work has been accepted for publication in IEEE Transactions on Signal Processing