Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.14867/848032| Title: | Estimação de canal utilizando amostragem compressiva em sistemas com superfícies inteligentes reconfiguráveis híbridas |
| Other Titles: | Channel estimation using compressive sensing in systems with hybrid reconfigurable intelligent surfaces |
| Authors: | Martiniano, Luiz Henrique de Oliveira |
| metadata.dc.contributor.advisor: | Panazio, Cristiano Magalhães |
| Keywords: | RIS híbrida Amostragem compressiva Estimação de canal |
| DGPM knowledge areas: | Telecomunicações |
| Setor(es) da Marinha: | Diretoria-Geral do Material da Marinha (DGMM) |
| Issue Date: | 2025 |
| Publisher: | Universidade de São Paulo (USP) |
| Description: | Superfícies Inteligentes Reconfiguráveis (RIS, do inglês Reconfigurable Intelligent Surface) constituem uma alternativa promissora para ampliar a taxa de transmissão e a cobertura em sistemas 6G. Esta pesquisa analisa o emprego de RIS visando otimizar a estimação de canal, processo fundamental para assegurar a qualidade da comunicação em redes móveis de última geração. A proposta considera uma RIS híbrida, composta por elementos passivos refletores e uma fração de elementos ativos, que são capazes não só de refletir o sinal, mas também funcionar como receptores. Essa característica adicional é crucial, pois em uma RIS totalmente passiva apenas o canal cascata (entre a estação rádio-base e a RIS, seguido do enlace entre a RIS e o usuário) poderia ser observado, tornando inviável a estimação separada de cada componente. Já na configuração híbrida, os elementos ativos possibilitam observar diretamente os sinais recebidos, o que permite estimar individualmente o canal entre a RIS e a estação rádio-base (BS, do inglês Base Station) e o canal entre a RIS e o equipamento do usuário (UE, do inglês User Equipment). Dessa forma, a estimação do canal cascata é simplificada, reduzindo significativamente a complexidade do processo. Contudo, a fim de minimizar a quantidade de elementos receptores ativos e reduzir o comprimento de sequências piloto, explora-se a natureza esparsa do canal através da técnica de amostragem compressiva (CS, do inglês Compressive Sensing). A técnica de estimação de canal baseada em CS proposta nesta dissertação, denominada Orthogonal Matching Pursuit - Successive Refinements (OMP-SR), aprimora a busca pela solução ótima e esparsa de forma sucessiva, reduzindo o Erro Quadrático Médio (MSE, do inglês Mean Squared Error) entre o canal estimado e o real. O OMP-SR se destaca por oferecer estimativas de canal mais precisas com menor demanda de recursos computacionais, configurando-se como uma solução promissora para aplicações práticas em sistemas de comunicação 6G com RIS. Os resultados de simulação evidenciam ganhos expressivos de desempenho e de redução da complexidade, quando comparado a propostas similares ou a outras técnicas como Basis Pursuit (BP), Compressive Sampling Matching Pursuit (CoSaMP), Matching Pursuit (MP), Orthogonal Matching Pursuit (OMP), Orthogonal Matching Pursuit - Phase Rotation (OMP-PR) e Subspace Pursuit (SP). |
| Abstract: | Reconfigurable Intelligent Surfaces (RIS) represent a promising solution for enhancing transmission rates and coverage in 6G systems. This research analyzes the use of RIS with the goal of optimizing channel estimation — a fundamental process for ensuring commu- nication quality in next-generation mobile networks. The proposed approach considers a hybrid RIS architecture composed of passive reflecting elements alongside a fraction of active elements, which can not only reflect incoming signals but also operate as receivers. This additional capability is crucial: in a fully passive RIS, only the cascaded channel (between the Base Station and the RIS, followed by the RIS-to-user link) can be obser- ved, making it impossible to estimate each channel component separately. In contrast, the hybrid configuration enables direct observation of the received signals through the active elements, allowing individual estimation of both the RIS-to-BS and RIS-to-User Equipment (UE) channels. As a result, cascaded channel estimation is greatly simplified, significantly reducing the overall complexity. To further minimize the number of active receiving elements and shorten pilot sequence lengths, the sparse nature of the channel is exploited through Compressive Sensing (CS). The CS-based channel estimation technique proposed in this dissertation — named Orthogonal Matching Pursuit - Successive Refi- nements (OMP-SR) — progressively improves the search for an optimal sparse solution through successive refinement steps, thereby reducing the Mean Squared Error (MSE) between the estimated and true channel. OMP-SR stands out by delivering more accu- rate channel estimates with lower computational overhead, making it a strong candidate for practical deployment in 6G communication systems employing RIS. Simulation re- sults demonstrate substantial performance gains and notable reductions in complexity when compared to similar approaches or other established techniques such as Basis Pur- suit (BP), Compressive Sampling Matching Pursuit (CoSaMP), Matching Pursuit (MP), Orthogonal Matching Pursuit (OMP), Orthogonal Matching Pursuit - Phase Rotation (OMP-PR), and Subspace Pursuit (SP). |
| Access: | Open access |
| URI: | https://hdl.handle.net/20.500.14867/848032 |
| Type: | Master thesis |
| Appears in Collections: | Telecomunicações: Coleção de Dissertações |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Dissertacao_Luiz_Henrique.pdf | 1,58 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.