子连接有源可重构智能表面辅助的宽带无蜂窝网络能效优化

面对无蜂窝网络中超密集基站部署产生的高功耗问题,提出了一种基于子连接有源可重构智能表面辅助的宽带无蜂窝网络系统。考虑有源智能超表面最大功率约束、放大因子约束和基站端最大功率约束,构建了一个联合基站和可重构智能表面波束优化的能效最大化问题。由于所形成的优化问题非凸,提出了一种交替优化方案将原问题转化为多个子问题,进而利用块坐标下降、拉格朗日对偶变换、多维复二次变换等方法将每个子问题转化为凸优化问题,通过交替求解每个子问题最终获得原问题的解。仿真结果验证了所提方案的有效性。

基于可重构智能表面的二维高精度角度估计方法

可重构智能表面(Reconfigurable Intelligent Surface)因其提高频谱和能量使用效率、成本低等特点,被认为是未来无线通信和目标感知的关键性技术。RIS在平面上集成了大量低成本的无源反射元件,通过连接RIS的智能控制器,可以控制入射到这些可重构元件的信号的相位和幅度,从而重新配置入射信号的传播。波达方向(Direction of Arrival)估计问题是实现目标感知的重要组成部分,而RIS因其能够重新配置信号的特性被用来提高DOA估计的准确性。然而,在实际使用RIS时,由于元件之间的距离小于半波长而引起的互耦效应以及无法完美控制反射过程导致的反射失配(反射相位和幅度误差)等问题会严重影响RIS的性能。本文针对基于RIS系统的二维DOA估计问题,建立了考虑互耦效应和反射失配的RIS系统模型;并基于该模型,提出了一种新的二维角度估计方法用于DOA估计。该方法首先通过深度神经网络(Deep Neural Network)将RIS接收的信号进行重构,以降低互耦效应和反射失配的影响,再进一步使用非线性最小二乘法(Nonlinear Least Square)进行高精度的DOA估计。本文通过仿真验证了算法的估计性能,并与快速傅里叶变换(Fast Fourier Transformation)、正交匹配追踪(Orthogonal Matching Pursuit)等传统方法进行比较,结果表明相对于快速傅里叶变换、正交匹配追踪等传统方法新算法具有更好的估计性能。

可重构智能表面辅助通信系统时变级联信道估计

针对可重构智能表面(RIS)辅助通信系统时变级联信道的估计中需解决的级联信道稀疏表示、时变信道参数跟踪和信号重构等关键问题,提出了一种结合Khatri-Rao积的分层贝叶斯卡尔曼滤波(KR-HBKF)算法。该算法首先利用信道的稀疏特性,通过Khatri-Rao积和克罗内克积变换得到RIS级联信道的稀疏表示,将RIS级联信道估计问题转化为低维度的稀疏信号恢复问题。然后,根据RIS级联信道的状态演化模型,在HBKF算法的预测模型中引入了时间相关性参数,应用改进的HBKF解决时变信道参数跟踪和信号重构问题,完成时变级联信道的估计。KR-HBKF算法综合利用了信道的稀疏性和时间相关性,能以较小的导频开销获得更好的估计精度。仿真结果表明,与传统压缩感知算法相比,所提算法具有约5 dB的估计性能提升,且在不同的时变信道条件下具有更好的鲁棒性。

可重构智能表面辅助通信系统的非线性优化及实验设计

针对可重构智能表面辅助的通信系统,提出了一种智能反射表面开关选择和功率分配的联合设计方法,以改变电磁波传播环境、提高信号传输效率、减少功率消耗。首先,在保证接收端数据传输速率达到一定门限值等多个约束条件下,建立以系统能量效率最大化为目标的多维变量联合非线性优化问题,其中涉及的优化变量包括:智能反射表面开关选择、相位调整和功率分配。在开关选择方面,采用贪婪算法选择开启起主要作用的元器件,并关掉起次要作用的智能反射表面。在功率分配方面,通过求解凸优化问题得到功率分配的闭式解。基于此,设计出一种高传输速率、低功率消耗的迭代优化算法。最后,设计仿真教学实验,通过MATLAB软件,验证了所提出的联合优化算法通过改变电磁波传播环境,有效地提高了信号传输的速率和能量效率;并分析了实验中导致算法性能发生变化的机理,这也有利于帮助学生提高科研创新能力和工程实践能力。

混合可重构智能表面和人工噪声辅助的物理层安全通信

针对可重构智能表面(Reconfigurable Intelligent Reflecting Surface,RIS)辅助的物理层安全通信,该文设计了基于混合有源-无源RIS和人工噪声(Artificial Noise,AN)辅助的安全传输方案。考虑基站和RIS的功率约束以及RIS无源反射元件的反射系数恒模约束,以最大化系统安全传输速率为目标,构建基站发射波束成形、AN波束向量、RIS反射系数矩阵联合优化问题。使用交替优化(Alternating Optimization,AO)、权值最小均方误差(Weighted Minimum Mean Square Error,WMMSE)和半定松弛(Semi-definite Relaxation,SDR)算法,求解所构建的变量高度耦合的非凸优化问题。仿真结果表明,混合RIS辅助安全传输方案,能够有效提高系统的安全速率,与无源RIS相比,能够有效克服“双衰落”效应导致的安全速率降低,与有源RIS相比,具有更高的能量效率。

毫米波通信系统中可重构智能表面辅助多用户信道估计方案

为了解决可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助的多用户毫米波通信系统中级联信道的信道估计问题,提出了一种新的基于压缩感知(Compressive Sensing,CS)的两阶段级联信道估计方案,该方案在传统的压缩感知信道估计上引入级联信道双时间尺度性质和行列稀疏邻近结构,同时利用信道特性和双结构正交匹配追踪算法(Double-Structured Orthogonal Matching Pursuit,DS-OMP)在节约导频开销的同时也提高了信道估计的精度和性能。通过仿真分析各变量对所提方案归一化均方误差(Normalized Mean Square Error,NMSE)的影响,相较于传统基于压缩感知的信道估计算法,所提方案具有较好性能,同时有较小的导频开销。

空中可重构智能表面辅助的全双工无人机安全通信

针对传统的可重构智能表面(reconfigurable intelligent surface,RIS,也称智能超表面)在无人机辅助安全通信中存在的灵活性不足和系统安全保障能力不强的问题,以及当前无人机半双工通信系统普遍面临的频谱利用率低和通信效率低的挑战,提出了一种空中可重构智能表面(aerial reconfigurable intelligent sur‐face,ARIS)与全双工无人机的双机协同解决方案,旨在提升面对地面窃听者时的通信安全性和效率。联合优化用户通信调度、传输功率、无人机发送的干扰功率及其飞行轨迹,以及ARIS的相移和轨迹,设计了一个旨在最大化最小平均可达安全速率的优化问题,并提出基于交替优化(alternating optimization,AO)、半定松弛(semi-definite relaxation,SDR)技术和连续凸近似(successive convex approximation,SCA)的迭代算法,以获得高质量的次优解。仿真结果验证了ARIS与全双工无人机结合的双机协作方案在提升通信质量和安全性能方面的有效性,展示了其在复杂安全通信环境下的优越性。

可重构智能表面辅助的V2I通信系统联合波束赋形算法

为解决基于信道先验知识的联合波束赋形方法受限于多变的车辆与交通基础设施(V2I)通信场景且信道估计开销过大等问题,该文结合环境态势感知,提出一种基于无线传播链路预测的联合波束赋形方法。该方法首先利用射线追踪模拟器构建了可重构智能表面(RIS)辅助的V2I毫米波通信系统模型,通过改变环境态势以获取多样的无线传播链路数据来构建数据集。其次,使用该数据集训练基于机器学习的无线传播链路预测模型。最后,在最大发射功率约束条件下,构建了联合波束赋形问题模型,并基于预测结果采用交替迭代优化方法(AIOA)优化基站波束赋形矩阵和RIS相移矩阵,以实现同步通信车辆用户最小信干噪比(SINR)的最大化。仿真结果验证了该方法的有效性,通过引入非信道先验知识驱动,降低了信道探测开销,提高了该方法在V2I场景中的可行性。

可重构智能表面辅助通信系统网络架构演进综述

随着无线通信技术的发展,越来越多的无线终端接入到通信系统中,对通信网络造成很大的业务承载与传输压力,尤其是障碍物严重阻挡或强信道衰落情况下,使得接收机信号以及系统频谱效率下降现象日益严峻。为了解决该问题,近年来,可重构智能表面(Reconfigurable Intelligent Surface, RIS)作为一种有效的6G候选技术被提出。RIS可以通过电磁调控方式主动改变信道传输质量,从而能够解决无线通信系统频谱效率受限、信号补盲、绕障通信等现实难题。基于此,对RIS辅助通信网络架构演进进行了研究。介绍了RIS的基本概念,并对其三种基本网络架构进行了分析与对比;根据不同的信号传输类型和传输环境,对RIS辅助通信网络架构进行了分析与设计;对当前网络架构发展所面临的挑战以及未来研究趋势进行了展望,为RIS辅助通信系统性能分析、资源分配、网络优化、RIS位置部署提供帮助。

可重构智能表面辅助双功能雷达通信系统的联合波束优化

双功能雷达通信系统(DFRC)是有效解决未来网络频谱资源拥挤问题的理想技术之一,该文引入了可重构智能表面(RIS)技术,旨在提升用户的加权和速率和系统的探测性能。首先在雷达功率约束和可重构智能表面的恒定模约束以及通信的整体功率预算下,构建了通信用户的加权和速率和系统探测性能最大化的优化模型。通过联合优化基站的主动波束和可重构智能表面的无源被动波束形成,该文设计了一种有效的基于加权最小均方误差、分式规划和流形优化的交替优化算法,将非凸优化问题转化为两个子问题并利用迭代进行求解。仿真结果表明,所提方案对解决该问题的有效性和对用户加权和速率在较低迭代次数下达到收敛,并且可使用户的加权和速率上限提升0.86 bit/(s·Hz)和使系统探测更具方向性。

可重构智能表面辅助的无源波束成形和信号检测

针对基于空间调制的可重构智能表面(Reconfigurable Intelligent Surface, RIS)联合无源波束成形和信号检测系统中无源波束成形的非凸二次约束二次规划问题,提出了基于连续凸逼近(Successive Convex Approximation, SCA)和优化最小化(Majorization-Minimization, MM)的低复杂度算法。针对用户信息的双线性检测问题,提出自适应阻尼因子双线性广义近似消息传递(Bilinear Generalized Approximate Message Passing, BiG-AMP)算法,在保证误码率性能的同时算法具有更快的收敛速度与更低的复杂度。针对仅有0和1组成的可重构智能表面信息检测,提出基于广义近似消息传递(Generalized Approximate Message Passing, GAMP)算法的改进算法,在计算从检查节点到变量节点的消息时算法不使用GAMP算法中近似值,而直接计算信息。仿真结果表明,在降低误码率性能方面改进的GAMP算法比GAMP实现了4 dB的信噪比增益。

可重构智能表面辅助的毫米波无线携能通信系统研究

提出一种可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助的毫米波无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)系统,构建了一种以多用户最小用户速率最大化为目标的资源分配优化方案。通过对RIS进行分模块设计,同时进行信息和能量的辅助传输,考虑基站的发射功率限制、所有能量接收设备最低能量需求限制和RIS不同模块的相移约束,建立联合发射波束设计、RIS模块分割比决策及相移设计的混合资源分配优化模型。通过交替优化算法、半正定松弛算法、高斯随机化算法以及黎曼流形优化算法来解决这一非凸的多变量耦合约束优化问题。仿真结果表明,与现有的资源分配方案相比,所提出的联合优化算法在信息传输和能量收集方面均可显著提高系统性能。

可重构智能表面辅助多用户NOMA网络鲁棒资源分配

在不完美信道状态信息(Channel State Information,CSI)和不完美串行干扰消除(Successive Interference Cancellation,SIC)的场景下,研究了可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助多用户非正交多址接入(Non-Orthogonal Multiple Access,NOMA)网络的鲁棒资源分配问题.在考虑两类用户(信息用户和能量用户)服务质量(Quality of Service,QoS)和信息用户SIC约束下,建立了基站发射功率最小化的优化问题.该问题是一个多变量耦合的非凸优化问题.为了求解该问题,本文使用松弛变量、线性近似、S-程序、符号定性法转化该问题的非凸约束.然后将优化问题分解为两个子问题,最后使用交替优化方法迭代求解两个子问题,直到发送功率收敛.仿真结果表明:该文算法具有较好的收敛性,实现了资源的鲁棒分配,同时有效地降低基站发射功率.

融合可重构智能表面和深度强化学习的波束成形算法研究

可重构智能表面(Reconfigurable Intelligent Surface,RIS)技术是一种新兴的、绿色的技术,可以有效地实现频谱和能量的高效无线通信.本文研究基站(Base Stations,BSs)与RIS的联合波束形成中总发射功率最小化问题.由于人工智能(Artificial Intelligence,AI)在处理高维数据问题和非凸模型方面的优势,本文基于深度强化学习(Deep Reinforcement Learning,DRL)中的双延迟深度确定性策略梯度算法(Twin Delayed Deep Deterministic policy gradient,TD3),设计一种新颖的联合波束成形算法来处理RIS辅助无线通信系统的基站总发射功率最小化问题.仿真结果表明,本文所提算法的性能优于经典的交替优化算法,并且通过本文所提算法训练得到的模型可以直接部署和调用,不需要再次重复计算.

面向下一代无线通信的多功能可重构智能表面

为了突破传统RIS框架在应对信道衰落及覆盖空洞等方面的不足,提出MF-RIS这一创新概念,该技术通过集成信号反射、折射和放大等多重功能来提升无线网络性能。从硬件设计和通信模型层面,深入剖析MF-RIS与传统RIS之间的核心差异。针对其多功能集成带来的复杂性,讨论MF-RIS由于硬件限制带来的新问题,包括离散相移、系数耦合等。在实际场景中,考虑到无线通信系统较难获取完美的精确信道状态信息,进一步介绍MF-RIS的信道估计策略和鲁棒波束赋形方法,以应对信道估计误差带来的挑战。此外,还分析静态与动态MF-RIS的调控策略,以及分布式MF-RIS在无线网络中的协同组网与干扰管理方法。最后,给出MF-RIS的应用场景以展示MF-RIS在下一代无线网络中的潜在优势。

基于可重构智能表面与人工噪声的空间调制安全传输方案

针对远场通信环境的不可控性和抗窃听能力不足,提出一种利用可重构智能表面重塑无线传播环境并通过人工噪声实现空间调制安全传输的方案。考虑到信道相位对信号质量的影响,调节可重构智能表面反射相位使得反射信号相位对齐,从而最大化接收空间调制索引天线的信噪比。全双工接收端在接收信息的同时发送映射在合法信道零空间上的人工噪声矢量干扰窃听者,基于中心极限定理和矩量母函数的近似方法,推导出系统保密速率和误码率的闭式表达式。在此基础上,以最大化保密速率为目标,对有用信息和人工噪声的功率分配进行优化。仿真结果表明,与传统空间调制系统相比,该方案在极低信噪比区域实现了高保密性能,配置可重构智能表面能够极大地改善远场的空间调制接收机的传输速率和误码率。

基于可重构智能表面的信息调制与空分多址

为了减小当前大规模天线系统中高射频成本和高功耗带来的发展限制,将可重构智能表面(Reconfigurable Intelligent Surface,RIS)技术引入新型发射机设计中,提出了一种基于可重构智能表面的信息调制与空分多址方案。通过控制RIS反射系数实现信息的调制,同时形成指向多个用户包含不同信息的空间波束,实现多用户空分多址,具有低硬件复杂度、低成本、低功耗、易集成等优点。以双用户双流发送为例,基于二进制粒子群算法给出了方案的具体实现,并进行了仿真评估。仿真结果表明,该方案能完成面向双用户的双流信号同时同频的2幅移键控(Amplitude Shift Keying,ASK)调制,并通过空分多址发送给两个用户。

可重构智能表面通信系统的离散相位误差分析

针对可重构智能表面(RIS)实际部署中理想连续相位难实现,造成的性能下降问题,提出一种包含离散相位误差的RIS辅助通信系统。基于三维统计型信道模型,推导该系统遍历容量的近似值表达式。对比理想连续相位的系统后,推导不同相位量化水平的容量损失。仿真验证了遍历容量近似值与蒙特卡罗仿真值能够匹配,同时表明使用一定精度(本文是3至4比特)的相位离散化方案足以逼近连续相位系统的遍历容量。这为RIS的低硬件成本和复杂度的实际应用提供了理论支撑。

可重构智能表面辅助的通信信号处理技术

可重构智能表面(Reconfigurable Intelligent Surface,RIS)通过在平面上集成大量低成本无源反射元件,实现对无线传输环境的智能配置,从而显著提高无线通信网络的性能。具体来讲,RIS上的不同反射元件可以通过控制振幅和/或相位来独立反射入射信号,从而协同实现三维波束赋形,实现信号的增强或减弱。与其他类似技术形成鲜明对比的是,RIS通过高度可控地智能信号反射主动修正无线传输信道,来增强期望信号功率,或减小信道干扰,为进一步提升无线通信网络的性能提供了全新优化自由度。此外,RIS重量轻、体积小,很容易在墙壁、天花板、建筑物表面等实现安装、移除,具有可重复利用性;RIS的硬件结构通常比小型有源基站和中继简单,因此易于进行低成本快速部署。最后,RIS是一种补充设备,将其部署在现有无线系统中不需要更改相应标准和硬件,仅需对通信协议进行必要修改。基于以上优势,RIS引起了广泛关注,工业界、学术界对其开展了大量研究工作,包括传输协议设计、系统容量分析、能量/频谱效率分析、物理层安全、调制/编码方案设计等。尽管优点众多,但实现RIS与现有无线通信系统的完美融合,依然面临诸多挑战。首先,在RIS辅助的无线通信系统中,基站和RIS的主被动联合优化波束赋形是保证系统性能的基础。RIS由于结构特殊,无法对入射信号进行处理,只能被动的反射入射信号,此外,RIS反射元件数量巨大,导致发射机主动波束成形和RIS被动反射设计的联合优化非常复杂、耗时。因此,RIS辅助的无线通信系统设计面临两大亟需解决的关键问题:(1)如何设计低复杂度优化方法以实现基站和RIS主被动波束赋形的联合设计;(2)在RIS辅助的无线通信系统中,如何设计合理的协作传输方案,以实现系统性能的最优化。本文针对以上问题,着重探讨了RIS辅助的无线通信系统低复杂度信号处理技术,从单RIS辅助无线通信场景扩展到多RIS辅助协作通信场景,探讨适合大规模RIS辅助系统的低复杂度设计方法,推动RIS在实际场景中的部署应用。

可重构智能表面辅助毫米波MIMO信道估计

在可重构智能表面(Recongigurable Intelligent Surface,RIS)辅助毫米波多输入多输出(Multiple Input Multiple Output,MIMO)系统中,针对毫米波引入的信道矩阵稀疏性,以及RIS引入的高维度信道矩阵,提出一种基于压缩感知和深度学习相结合的信道估计算法。首先,将少量RIS元件与射频链路链接,构建部分有源RIS元件辅助毫米波MIMO通信系统;其次,利用不同子载波之间的角域公共稀疏性,使用稀疏度自适应匹配(Sparse Adaptive Matching Pursuit,SAMP)算法重构信道矩阵,并将其视为二维含噪图像;最后,使用对称双路去噪网络(Symmetric Two-Way Denoising Network,STDN)对二维含噪图像去噪。其中,STDN由两条并行对称路径组成,可在不同尺度下提取特征,去除图像噪声,并将两路特征图整合,输出去噪信道矩阵。仿真结果表明,文中所提SAMP-STDN算法提高了信道估计精度。