基于功率测量的IRS辅助宽带通信信道自相关估计

信道状态信息（CSI）对智能反射面（IRS）辅助无线通信系统的性能优化至关重要。然而，IRS的无源且频率平坦的反射特性，以及高维IRS反射信道，给高效IRS信道估计带来了实际挑战，尤其是在具有显著多径信道时延扩展的宽带通信系统中。为应对上述挑战，我们提出了一种新型神经网络（NN）赋能的IRS信道估计与无源反射设计框架，适用于宽带正交频分复用（OFDM）通信系统，该框架仅基于用户参考信号接收功率（RSRP）测量，并利用时变随机IRS训练反射。特别地，我们证明用户终端上所有OFDM子载波的平均接收信号功率可以表示为由多个相同结构的子网络组成的单层NN的预测结果，从而可通过监督学习将宽带IRS信道的自相关矩阵恢复为其权重。为利用信道自相关矩阵潜在的稀疏性，我们提出了一种渐进训练方法，通过逐步增加子网络数量直至达到期望精度，从而降低训练复杂度。基于IRS信道自相关矩阵的估计结果，进一步优化IRS无源反射以最大化所有子载波上的平均信道功率增益。数值结果表明，所提出的IRS信道自相关矩阵估计与无源反射设计在宽带信道下是有效的，相比基于用户功率测量的现有IRS反射设计可实现显著性能提升。