Correlation-Based Multi-Stage Channel Estimation for RIS-Assisted Multi-User mmWave Systems
Notice bibliographique
Résumé
This paper proposes a correlation-based multi-stage channel estimation strategy for reconfigurable intelligent surface (RIS)-assisted multi-user (MU) millimeter wave (mmWave) systems, in which the base station (BS), the RIS and the users are all equipped with a uniform planar array (UPA). Specifically, by exploiting the correlation of angle information during multiple consecutive channel coherence blocks, we estimate the full channel state information in the first coherence block (FCB) and only update the gain information in each subsequent block. Then, based on the ambiguity property, a low-pilot-overhead two-stage method is adopted in the FCB. In Stage 1, all users jointly transmit pilot to estimate the angles of arrival at the BS and the correlation factors between different paths of the common BS-RIS channel via introducing a set of matching matrices and a designed RIS phase shift matrix, which achieves a significant MU diversity gain. By exploiting the mmWave cascaded channels' ambiguity property, an ambiguous common BS-RIS channel is constructed with the estimated correlation factors. In Stage 2, each user independently transmits a limited number of pilots to estimate their individual ambiguous RIS-user channel, leading to a comprehensive cascaded channel estimation. For the remaining blocks, we adopt a straightforward least-squares method for rapid gain estimation. Simulation results confirm the method's effectiveness in providing accurate estimation with reduced pilot overhead, outperforming existing methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».