Estimação de canal utilizando amostragem compressiva em sistemas com superfícies inteligentes reconfiguráveis híbridas

• Ano de defesa: 2025
• Autor(a) principal: Martiniano, Luiz Henrique de Oliveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Channel estimation; Compressive sensing; Hybrid RIS; OMP; Processamento de sinais; Rede de comunicação; Tecnologia da comunicação
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-05112025-085138/

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).