本文介绍了一篇关于同时传输和反射可重构智能表面（STAR-RIS）辅助无线通信系统中上行信道估计的研究论文。该论文由Chenyu Wu（哈尔滨工业大学）、Changsheng You（南方科技大学）、Yuanwei Liu（伦敦玛丽女王大学）、Xuemai Gu（哈尔滨工业大学）和Yunlong Cai（浙江大学）共同撰写，并于2021年12月2日发表在arXiv预印本平台上。该研究主要针对STAR-RIS辅助的双用户通信系统，提出了两种高效的信道估计方案，分别基于时间切换（TS）协议和能量分割（ES）协议。
近年来，可重构智能表面（Reconfigurable Intelligent Surface, RIS）作为一种新兴技术，被广泛认为是提高未来无线通信系统频谱和能量效率的关键手段。RIS通过智能调节信号传播路径，能够显著改善无线通信环境。然而，传统的RIS只能在其前半球空间内反射信号，因此只能服务于一侧的用户。为了克服这一限制，同时传输和反射的可重构智能表面（STAR-RIS）被提出。STAR-RIS能够同时传输和反射入射信号，从而实现对RIS两侧用户的全空间覆盖，进一步扩展了网络覆盖范围、降低了功耗并提升了系统吞吐量。
然而，为了充分发挥RIS/STAR-RIS的被动波束成形增益，信道状态信息（Channel State Information, CSI）的获取至关重要。由于STAR-RIS缺乏信号传输和处理能力，传统的信道估计方法无法直接应用于STAR-RIS。因此，本文旨在设计适用于STAR-RIS的高效信道估计方案，以解决这一挑战。
本文的研究主要分为两个部分：基于时间切换（TS）协议的信道估计和基于能量分割（ES）协议的信道估计。
在TS协议下，STAR-RIS的所有元素在传输模式和反射模式之间切换，分别在不同的时间段内工作。研究首先设计了最优的训练（传输/反射）模式，以分别估计两个用户的级联信道。具体步骤如下： - 传输与反射模型：STAR-RIS在传输周期（T周期）和反射周期（R周期）内分别工作，每个周期分配一定数量的时隙。 - 信号模型：在T周期内，用户发送导频信号，基站接收到的信号可以表示为传输模式下的信道响应与噪声的叠加。通过最小化信道估计的均方误差（MSE），研究提出了基于离散傅里叶变换（DFT）矩阵的最优训练模式设计。 - 问题求解：通过优化传输模式矩阵，研究得出了最小化MSE的闭式解，并证明了TS协议下的信道估计误差与噪声功率和传输功率成反比。
在ES协议下，STAR-RIS的每个子表面将入射信号的能量分割为传输和反射两部分。研究考虑了实际中的耦合相移模型，并提出了一个联合优化导频序列、能量分割比和训练模式的方案。具体步骤如下： - 传输与反射模型：每个子表面的传输和反射系数由能量分割比和相移决定，且传输和反射的相移在实际硬件中相互耦合。 - 信号模型：在信道估计阶段，两个用户同时发送导频信号，STAR-RIS通过设计训练模式来辅助信道估计。通过最小化MSE，研究提出了一个高效的算法来联合优化导频序列、能量分割比和训练模式。 - 问题求解：研究首先在理想情况下（传输和反射模式独立控制）得出了最优解，然后在实际耦合相移模型下提出了一个近优解。结果表明，ES协议下的信道估计误差通常大于TS协议，因为ES在信道估计过程中会导致功率泄漏。
通过数值仿真，研究验证了所提出的信道估计方案的有效性。主要结果如下： 1. TS协议的信道估计误差显著低于ES协议。这是由于ES协议在信道估计过程中存在功率泄漏，导致信号强度降低。 2. 能量分割比（β）对信道估计精度有显著影响。当β=0.5时，两个用户的信道估计误差达到最小。 3. 所提出的方案在ES协议下接近理想相移模型的性能，表明其在实际硬件约束下仍具有较高的适用性。
本文提出了适用于STAR-RIS辅助双用户通信系统的高效信道估计方案，分别基于TS和ES协议。研究的主要贡献包括： 1. TS协议下的最优训练模式设计，能够分别估计两个用户的信道，且信道估计误差较小。 2. ES协议下的联合优化方案，在实际耦合相移模型下实现了近优的信道估计性能。 3. 数值仿真验证了所提出方案的有效性，并揭示了TS协议在信道估计中的成本效益优势。
尽管本文取得了重要进展，但仍有一些问题值得进一步研究。例如，如何在多用户场景下扩展所提出的信道估计方案，以及如何在信道估计开销和数据传输时间之间取得平衡，都是未来研究的重要方向。
总之，本文为STAR-RIS辅助无线通信系统的信道估计提供了重要的理论和方法支持，具有较高的科学价值和应用前景。