智能反射表面辅助的非正交多址接入系统用户分组、波束赋形与相移的优化

该文研究智能反射表面(IRS)辅助的多天线非正交多址接入(NOMA)网络中用户分组、发送波束赋形、相移等的联合优化问题。系统中1个分组分配1个波束并在组内进行连续干扰消除检测。该文提出一种不依赖于发送波束赋形和IRS相移的用户分组配对策略,将用户分组与其他优化分离,显著降低了优化问题求解的难度和计算复杂度。进一步,联合优化基站发送波束赋形、功率分配和IRS相移矩阵,最小化基站的总发送功率。原始优化问题是一个多变量相互耦合的非凸优化问题,利用松弛变量、连续凸逼近、半定松弛、交替迭代优化等方法将原问题转化为凸问题并求解。仿真结果显示,相较于1个用户1个波束的方案,所提方案在基站天线数较少时性能更优,而在天线数较多时也与该对比方案非常接近,但所提方案的优化计算复杂度更低。而对比采用不同分组算法、随机IRS相移方案、最大比发射方案,以及无IRS的方案,所提方案的性能始终更优。

智能反射表面的主被动联合波束成形分组模型优化算法

针对智能反射面(IntelligentReflectingSurface,IRS)联合主动和被动波束成形优化中计算复杂度过高的问题,该文基于经典的半正定松弛算法和交替优化算法提出了一种对本地IRS进行分组的新模型,通过降低每个IRS信道矩阵的秩来降低优化算法的复杂度。具体的,首先通过已知的IRS相位得出BS(Base Station)的次优发送波束,其次通过BS的发送波束计算得出分组后各IRS面的次优相位,经过不断交替迭代上述两步优化得出最优发送波束的结果。仿真结果表明,合适的IRS分组数量、分组方式与交替优化迭代次数可以在几乎不影响原算法性能的情况下,大大减少交替优化算法的复杂度。

基于智能反射表面的单站智能定位算法研究

随着智能反射表面(Reconfigurable Intelligent Surface, RIS)反射单元数量的增加以及定位范围的扩大,数据维度和计算复杂度也逐渐增大。普通的RIS辅助定位算法已经无法满足高维度和高强度计算的需求。随着深度学习等人工智能技术的发展,众多学者关注用深度学习进行定位。深度学习具有学习能力强、覆盖范围广且高度依赖数据量等优点,可以有效解决数据维度大以及计算量大等问题。考虑视距(Line of Sight, LoS)链路和非视距(Non-Line of Sight, NLoS)链路都存在和仅存在NLoS的定位场景下,引入深度学习技术,采用指纹定位的方法采集位置信息,将其输入到基于多头注意力机制(Multi-Head Attention, MHA)的Transformer网络模型中进行训练,实现RIS辅助定位,挖掘信道状态信息(Channel State Information, CSI)与用户位置之间的映射关系,研究三维场景下RIS辅助定位的定位精度。

非理想CSI下IRS辅助MISO保密速率最大化方法

基于智能反射面辅助多输入、单输出的安全无线通信系统,提出一种最大化系统保密速率为目标联合主被动波束形成算法.考虑非理想信道状态信息下基站发射波束成形向量和无源智能反射面相移矩阵联合优化设计问题.为解决非凸分式规划问题,通过Charnes-Cooper变换引入两个辅助变量,将单项分式问题转化为差的形式,同时采用一种交替迭代优化联合半正定松弛方法,得到易于求解的凸问题.仿真实验结果表明,该算法相比传统算法,有效提升了系统的安全性,保密性能提升10%~30%,且在一定信道状态信息误差下保密速率下降不明显,具有较强的鲁棒性.

利用元学习算法的IRS-OTFS通信系统信道估计

针对高多普勒场景下智能反射表面(IRS)辅助多用户通信系统存在的信道估计传输开销大的问题,该文结合正交时频空间(OTFS)调制特点构造一种IRS-OTFS通信系统,充分发挥IRS和OTFS的性能优势,并在此基础上提出一种学习率自适应的模型无关元学习(MAML)算法。对IRS-OTFS多用户信道估计任务做离线训练,根据各任务的收敛速度自适应地调整学习率,防止训练失衡,并利用信道之间的相关性和MAML算法的少样本、泛化特性得到全局模型和适应性模型,快速学习新用户信道的传输特性,降低传输开销,提高信道估计准确性。理论分析和仿真结果表明,该算法在信道传输条件相同的情况下,将传输开销降低了大约50%,并相对于基准算法有4.8 dB左右的性能提升。

智能反射表面辅助的反向散射通信系统研究综述

智能反射表面技术因其具有智能重构无线通信环境的卓越能力,在6G中具有广泛的应用。反向散射通信技术作为低功率通信的典型技术,可应用于超低功率通信和低成本物联网设备。概述了智能反射表面技术和反向散射通信技术,并对其研究意义进行了分析;从性能分析、信道估计、波束赋形、资源调度等多方面总结分析了反向散射通信技术和智能反射表面技术的研究现状及发展趋势。在此基础上,对智能反射表面辅助的反向散射通信系统进行了探讨,并对未来发展方向进行了展望。

IRS辅助的无源双基地雷达联合波束赋形与反射优化

直接路径干扰由于路径损耗较小,其干扰强度远大于目标的反射回波,直接影响了无源双基地雷达的目标的探测性能。智能反射表面具有调控电磁波传播的能力,为此在雷达接收机附近放置智能反射表面,通过联合优化监视通道接收机波束赋形和无源智能反射表面的反射相位,可以将进入接收机的直接路径干扰功率约束在一定范围内,并且实现目标反射回波功率最大化,从而提高目标的检测性能。利用交替优化的方法,将联合优化问题转换为2个齐次和非齐次的二次约束二次规划问题,采用半定松弛方法和高斯随机化方法求解获得接收机波束赋形和智能反射表面的反射相位的最优解。仿真分析表明:利用了智能反射表面可以有效提高无源双站雷达在直接路径干扰下的探测性能。

智能反射表面辅助太赫兹信道估计的低复杂度算法

信道估计是智能反射表面(IRS)辅助太赫兹(THz)通信中的一大挑战。为了减少由收发端天线和IRS反射元件数增加引起的信道估计导频开销过大的问题,该文提出一种基于正则平行因子(CP)分解的信道估计算法。首先在分析信道特点的基础上对IRS阵元进行分组设计,然后将IRS辅助的无线通信信道表示为统一数学表达式,接着利用多天线THz信道固有的低秩结构将信号接收矩阵构建成一个3维张量,并且利用基于正则平行因子分解算法对张量进行分解,最后利用相关性对信道参数进行估计。通过蒙特卡罗仿真表明,该算法在信道传输条件相同的情况下相对于基准算法有4.28 dB和7.12 dB左右的性能提升,并且具有更低的计算复杂度。

基于不动点深度学习的IRS辅助毫米波移动通信系统全信道估计

将智能反射面(IRS)与大规模MIMO结合能够保证和提高毫米波通信系统性能。针对基站(BS)-用户直连信道与用户-IRS-BS反射信道混叠场景,该文提出一种自适应的全信道估计方法。首先,引入辅助变量,采用原子范数将直连信道与反射信道的稀疏角度域子空间进行关联;然后,利用原子范数最小化将全信道估计问题建模为连续角度域稀疏矩阵重建规划;最后,基于不动点深度学习网络设计低复杂度的问题求解算法。该算法不仅能够克服传统基于模型解法中非线性估计算子对先验知识的依赖还可根据移动场景变化自适应调节算法复杂度。仿真结果表明,所提算法能够避免传统时分估计策略引起的差错传播效应,具有更高的估计精度和更低的复杂度。

双智能反射面辅助的感知通信一体化波束赋形与相移优化

部署智能反射面可有效解决基站与部分通信用户或潜在目标之间直接链路很弱的问题,但由于单个智能反射面的覆盖范围有限,因此研究了双智能反射面辅助的感知通信一体化系统。为了减小信道训练开销,使用了统计信道信息。建立了通过联合优化基站的发射波束赋形与智能反射面的相移,在保证通信用户遍历容量的最低要求下最大化波束图增益的问题。将该问题转化为3个子问题来解耦发射波束赋形与两个智能反射面的相移,进而提出用基于半定松弛的交替优化算法来求解问题。相较于单智能反射面场景,部署双智能反射面得到了超过两倍的波束图增益。

基于深度学习的IRS辅助无线通信系统信道估计

智能反射表面(Intelligent Reflecting Surface,IRS)能够对入射其上的信号进行一定的相位和幅度的变换,从而达到信号的精确传输,提高信号的覆盖和传输效率。但是这种优势都是在已知精确的信道状态信息(Channel State Information,CSI)的前提下才能达到。基于IRS元件的无源性,精确的CSI很难得到。针对此问题使用压缩感知(Compressive Sensing,CS)算法结合深度学习(Deep Learning,DL)的方法来解决。使用共链路结构来优化传统的压缩感知算法,能够在更低的导频开销和信噪比(Signal to Noise Ratio,SNR)下获得更好的归一化均方误差(Normalized Mean Square Error,NMSE)。将信道估计问题看作为去噪问题,把优化后的CS算法所得结果看作含有噪声的CSI,使用多重深层降噪块网络对其进一步去噪,得到更加精确的CSI。实验表明,所提算法较对比算法在相同SNR下有更好的精度。

智能超表面辅助的通感一体化性能优化

为了解决因障碍物等遮挡导致的覆盖空洞和探测精度下降问题,提出了一种基于栅格化的智能超表面辅助的通感一体化优化方法。首先,建模了最小化均方位置误差问题,将弱通感区域和RIS可能部署区域栅格化以降低计算难度,并采用粒子群优化算法和交替优化算法联合优化智能超表面期望反射角角度和部署位置。最后,引入探测需求因子,建模通感性能联合优化问题,并分析了探测需求因子对系统通感性能的影响。仿真结果显示:(1)相较于仅优化期望反射角,联合优化智能超表面的期望反射角和部署位置的方案,在平均信噪比仅有略微下降的情况下,可显著降低平均均方位置误差,平均均方位置误差降低10倍左右;(2)不同尺寸大小的智能超表面会对其最佳部署位置有影响;(3)联合优化智能超表面的期望反射角和部署位置提高了探测精度,最大化了通感整体性能。

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。

面向6G系统采用智能反射表面辅助的空时空间调制方案

针对现有的近场智能反射表面(IRS)辅助的空间调制(SM)方案频谱效率较低的问题,提出了面向6G系统采用IRS辅助的空时空间调制方案。首先,根据发射天线维度对SSB码字进行堆叠,构建堆叠SSB(SSSB)码字,并通过对SSSB码字基矩阵进行线性组合得到SM矩阵;然后针对SM矩阵设计近场IRS调制技术的信道状态激活方式,将SM矩阵与信道状态激活方式结合生成SSSB-IRS发送端信号矩阵;最后,推导了SSSB-IRS的最大似然译码公式和平均误码率的理论公式。由于采用了灵活的编码和天线激活机制,该方案比现有的典型近场IRS调制方案具有更高的频谱效率,并且可以提供二阶发射分集来对抗信道衰落。仿真结果表明:所提SSSB-IRS方案比现有的近场IRS调制技术方案具有更好的误比特率性能,在频谱效率为6.5b/(s·Hz)、误比特率达到10-5时,所提方案的信噪比增益比坐标交织正交设计的近场IRS方案提升了约4.3dB。

基于深度强化学习的IRS辅助NOMA-MEC通信资源分配优化

为了解决无法与边缘服务器建立直连通信链路的盲区边缘用户卸载任务的问题,设计了一个基于深度强化学习(deep reinforcement learning, DRL)的智能反射面(intelligent reflecting surface, IRS)辅助非正交多址(non-orthogonal multiple access, NOMA)通信的资源分配优化算法,以获得由系统和速率和能源效率(energy efficiency, EE)加权的最大系统收益,从而实现绿色高效通信。通过深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法联合优化传输功率分配和IRS的反射相移矩阵。仿真结果表明,使用DDPG算法处理移动边缘计算(mobile edge computing, MEC)的通信资源分配优于其他几种对比实验算法。

智能反射表面辅助的全双工通信系统的物理层安全设计

带内全双工技术可以缓解无线通信系统中频谱资源紧张的问题。为有效保障全双工通信系统的信息安全,针对全双工接入点(FD-AP)与上行用户、下行用户同时同频通信的系统模型,该文提出一种智能反射表面(IRS)辅助的物理层安全方案。考虑以最大化下行用户的安全速率为目标,在满足AP发射功率、AP信干噪比(SINR)以及IRS反射相移单位模的约束下,构建一个AP发射波束赋型和IRS反射相移联合优化问题。针对该变量耦合的非凸优化问题,该文采用交替优化(AO)算法迭代优化AP发射波束赋型和IRS反射相移,并提出一种基于精确罚函数法的黎曼流形优化算法,将反射相移优化子问题转换成黎曼流形上的无约束最小化问题进行求解。仿真结果表明,所提方案可以明显提升全双工通信系统的安全性能;并且相较于当前常用的半正定松弛(SDR)算法,所提算法有更低的计算复杂度。

可重构智能表面辅助的多用户通信宽带信道估计

针对太赫兹(THz)链路的严重传输衰减和宽带系统中波束斜视导致传统信道估计方案性能下降的问题,该文构建了可重构智能表面(RIS)辅助多用户THz通信模型,并提出一种低复杂度的两阶段级联信道估计方案。在第1阶段,利用THz的稀疏性和对数和函数,将信道估计问题转化为目标优化问题,通过梯度下降法优化目标函数,使待估信道参数迭代逼近最优解,从而估计出典型用户级联信道;在第2阶段,利用其他用户的级联信道与典型用户信道的强相关性,以较低的导频开销来估计其他用户的级联信道。仿真结果表明,所提方案相较于其他方案具有更好的性能。

IRS辅助的无源双基地雷达直达波干扰抑制

无源双基地雷达(Passive Bistatic Radar,PBR)利用外辐射源发射的信号实现对目标的探测,而在回波数据中,外辐射源的直达波干扰(Direct Path Interference,DPI)信号具有较强的功率,容易对弱目标的检测带来影响,因此对直达波的抑制是PBR信号处理的重要内容。智能反射表面(Intelligent Reflect Surface,IRS)可以控制入射波的反射方向,实现对电磁波传播的控制。为此本文将IRS应用于PBR的DPI的抑制,在雷达接收机附近放置IRS,通过优化IRS各个单元的离散相位,将回波中的DPI功率约束在一定范围内,并最大化目标回波的功率。该优化问题是非凸的二次约束二次规划,利用坐标上升法,可以得到较为满意的结果。计算机仿真分析表明,在接收机附近放置中等尺寸的IRS,信干噪比(Signal to Interference plus Noise Ratio,SINR)可以提升8 dB左右。

智能反射面辅助多用户大规模MIMO系统的联合波束成形

智能反射面(Intelligent Reflecting Surface,IRS)作为面向第6代通信的关键技术之一具有创新、高效、节能和成本效益高等特点,但其联合波束成形设计为非凸优化问题,仍然是具有挑战的难题。为此,提出了一种用于IRS辅助多用户大规模多输入多输出系统的联合波束成形设计方案,以实现系统数据速率最大化。该方案在基站端采用迫零波束成形以消除用户间干扰,同时在IRS端设计了近最优反射波束成形以实现系统和数据速率最大化。仿真结果表明,该方案可获得较高的系统和数据速率,也为IRS位置布局的选择提供了数据支持与参考准则。

智能反射表面辅助的MISO通信系统的物理层安全设计方案

智能反射表面(IRS)可通过调整反射单元的相位来提升无线通信物理层安全。针对IRS辅助的多输入单输出(MISO)通信系统,提出一种基于交替迭代的物理层安全设计方案。首先基于安全速率最大化原则,构建一个含有非凸约束的非凸目标函数;然后采用丁克尔巴赫算法和黎曼流形优化算法将非凸问题转化为一系列易于求解的子问题;最后采用交替迭代法实现发送波束成形和IRS相移矩阵的优化设计。仿真结果表明,与现有方案相比,所提方案在计算复杂度与系统安全速率之间取得了更好的折中。