IRS辅助毫米波MIMO系统信道估计：稀疏激励方法

"这篇论文主要探讨了IRS（智能反射表面）辅助毫米波MIMO（多输入多输出）无线通信系统的信道估计问题，利用了毫米波信道在角度域的稀疏特性，提出了一个结合固定秩约束的ℓ1范数正则化优化问题。通过交替最小化和流形优化的方法解决非凸优化问题，从而得到局部最优解。此外，为了降低算法的计算复杂度，还提出了一种基于压缩感知（CS）的信道估计方法。" 在无线通信领域，特别是在毫米波频段，由于其高频率和短波长特性，可以实现大带宽、高数据传输速率，但同时也面临着路径损耗大和易受阻挡的问题。IRS作为一种新型无线通信技术，可以通过智能地调整其反射单元的相位，来改善信号传播环境，创建有利的直线传播路径，从而提高通信性能。 论文"Channel Estimation for IRS-Assisted Millimeter-Wave MIMO Systems: Sparsity-Inspired Approaches"针对IRS辅助的毫米波MIMO系统，研究了信道估计的挑战。毫米波信道具有显著的稀疏性，主要体现在角度域中，即多数能量集中在有限的角度内。因此，论文采用稀疏表示理论，将信道估计问题转化为一个带有固定秩约束的ℓ1范数正则化优化问题。这种方式可以有效地捕捉到信道的稀疏结构。 然而，这个问题的非凸性增加了求解难度。为了解决这一问题，作者提出了一个结合交替最小化和流形优化的算法。交替最小化是一种迭代优化技术，它在每次迭代中分别优化问题的一个或多个变量，而保持其他变量不变，直到达到局部最优解。流形优化则是在特定的流形（如低秩矩阵的流形）上进行优化，能够有效处理秩约束问题。 为了进一步降低算法的计算复杂度，论文还引入了压缩感知的概念。压缩感知是一种信号处理技术，能够在较少的采样点下恢复原始信号，尤其适用于信道估计这种信号稀疏的情况。通过构建合适的测量矩阵和采用高效的重构算法，可以减少必要的测量次数，从而减少计算量。 这篇工作为IRS辅助毫米波MIMO系统的信道估计提供了一种新的视角，利用稀疏性和压缩感知技术，提高了信道估计的效率和准确性，对于未来无线通信网络的设计与优化具有重要的理论和实践意义。