可重构智能表面辅助的 6G 海量接入：耦合张量建模与稀疏贝叶斯学习
信号处理
2022-06-14 v1
摘要
本文研究了一种面向第六代（6G）无线网络、具有海量突发业务设备的可重构智能表面（RIS）辅助无源随机接入（URA）方案。首先，本文针对 RIS 辅助 URA 提出了一种新颖的活跃设备分离（活跃设备的消息恢复）与信道估计联合架构。具体而言，在成功进行设备分离之前优化 RIS 无源反射。然后，通过将数据序列关联为多个秩一张量并利用 RIS-BS 信道的角度稀疏性，将检测问题转化为无需借助导频序列的高阶耦合张量分解问题。然而，多个稀疏设备-RIS 信道间固有的耦合，以及未知活跃设备数量，使得该检测问题偏离广泛使用的耦合张量分解形式。为克服此挑战，本文合理地设计了一个概率模型，该模型同时捕获角度信道模型带来的元素级稀疏性和 URA 突发特性导致的低秩性质。进而，基于该概率模型，在稀疏变分推断框架下开发了迭代检测算法，其中每次更新迭代均以闭式获得，且可自动估计活跃设备数量以有效避免噪声过拟合。大量仿真结果证实了所提 URA 算法的优越性，尤其在反射单元数量较大以容纳极多设备的情况下。
引用
@article{arxiv.2206.05427,
title = {Reconfigurable Intelligent Surface-Aided 6G Massive Access: Coupled Tensor Modeling and Sparse Bayesian Learning},
author = {Xiaodan Shao and Lei Cheng and Xiaoming Chen and Chongwen Huang and Derrick Wing Kwan Ng},
journal= {arXiv preprint arXiv:2206.05427},
year = {2022}
}
备注
Accepted by IEEE Transactions on Wireless Communications. arXiv admin note: text overlap with arXiv:2108.11123