XL-RIS辅助毫米波MIMO系统混合场信道估计新框架
arXiv信号处理领域一项研究针对超大规模可重构智能表面（XL-RIS）辅助通信场景下的混合场信道估计难题，提出了一种双时间尺度信道估计框架。该框架通过基于Dirichlet核的离网格字典压缩方案降低字典维度，并结合子空间感知的增量变分贝叶斯学习算法，在估计精度、计算复杂度与存储开销之间取得较好折中，为6G网络信道建模与估计提供了新的技术路径。
超大规模可重构智能表面（XL-RIS）被认为是未来6G网络的关键使能技术之一。然而，在XL-RIS辅助通信系统中，信道呈现高维级联结构，且同时存在远场与近场传播特性，传统全维度稀疏恢复方法所需字典规模庞大，面临显著的计算与存储负担。
针对上述挑战，研究团队提出了一种双时间尺度信道估计框架，将稀疏字典表示与恢复过程解耦。该框架利用基站与RIS侧信道的准静态特性，设计了基于Dirichlet核的离网格字典压缩（DK-ODC）方案，在降低字典维度的同时缓解基站侧的角域离网格误差。
对于用户设备与RIS侧的动态信道，研究进一步提出了子空间感知的增量变分贝叶斯学习（SI-VBL）算法。该算法借助已识别的低维子空间与剪枝阈值，实现对稀疏信道的增量学习，避免了对高维空间的完整处理。
分析与仿真结果表明，所提框架避免了全维度贝叶斯恢复过程，在估计精度、计算复杂度与存储开销三方面取得了较为有利的折中。
【空音视角】 从WiFi感知与非接触监测的视角看，XL-RIS对电磁波传播环境的可控重构，与无线感知中利用信号传播特征提取生命体征信息的思路具有一定的方法论相通之处。本文涉及的稀疏字典压缩与增量贝叶斯学习等高效信号处理技术，其降低算法资源开销的设计思路，对资源受限的边缘感知节点同样具有参考意义。随着通信感知一体化研究的持续推进，信道建模与估计方法的进展，有望为多场景非接触感知提供新的算法支撑。空音持续关注无线感知信号处理领域的前沿进展。
—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 信号处理 原文链接：https://arxiv.org/abs/2608.00052
来源：arXiv 信号处理（查看原文）