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。

RIS辅助通感一体化:波束成形和反射相移的联合设计

ISAC允许通信和雷达共享频谱资源,被视为解决未来无线网络频谱拥塞的一项有前途的技术。当信道退化严重时,仅依靠基站侧天线获得的性能增益十分有限,RIS因其能够创建有利的传播环境已成为一项革命性技术,借助RIS可为ISAC系统创建额外的链路以提高系统性能。基于此,提出RIS辅助ISAC,通过联合设计基站的有源波束成形和RIS的反射相移,以最大化加权和速率与探测功率,并提出了基于加权均方最小误差和分数规划的交替算法来解决这一问题。仿真结果证明在ISAC中部署RIS并合理优化其相移可以有效提升通信和感知的性能。

透射反射双功能RIS辅助的SWIPT系统研究

研究了一种透射反射双功能可重构智能表面(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surface,STAR-RIS)辅助的无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)系统。部署STAR-RIS以辅助从多天线接入点(Access Point,AP)到多个单天线信息解码接收器(Information Decoding Receiver,IDR)和能量收集接收器(Energy Harvesting Receiver,EHR)的信息或功率传输。目标是通过联合优化其发射预编码矩阵及STAR-RIS的反射和透射系数矩阵,在IDR可实现通信速率和EHRs的能量收集量约束下,使AP的发射功率最小化。然而,这个优化问题是非凸的,变量之间有着复杂的耦合。为了解决这一问题,采用交替优化算法解耦耦合的变量,对发射预编码矩阵及STAR-RIS的反射和透射系数矩阵可以分别使用半正定松弛(Semidefinite Relaxation,SDR)算法和基于惩罚的算法进行优化。仿真结果表明,STAR-RIS系统方案可以获得比传统的仅反射或仅透射RIS更好的性能。

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。

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。

STAR-RIS辅助的NOMA系统物理层安全性能优化

针对实际通信场景中非理想信道状态信息以及非理想串行干扰删除等非理想因素的强耦合特性使可同时反射和透射的可重构智能超表面(STAR-RIS)辅助的非正交多址接入(NOMA)传输系统安全性能无法准确衡量的问题,提出了基于惩罚对偶分解(PDD)和块坐标下降(BCD)的融合算法,联合优化基站的波束成形矢量和STAR-RIS相移系数,实现系统最低安全传输速率的最大化。结果表明,所提融合算法相比BCD算法可以明显增加最低安全传输速率,性能至少提升10%。

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。

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。

STAR-RIS辅助通信感知一体化系统联合波束成形设计

提出同时将透射和反射可重构智能表面(Simultaneously transmitting and reflecting reconfigurable intelligent surfaces,STAR-RIS)与通信感知一体化(Integrated sensing and communication,ISAC)系统结合,以实现全空间的通信与感知。同时在STAR-RIS上应用一种低成本的传感器实现了在STAR-RIS上进行目标感知,解决了雷达感知的严重路径损耗问题。基于此,本文研究了STAR-RIS辅助位于STAR-RIS两侧的多用户多输入单输出(Multi-usermulti-input single-output,MU-MISO)以及一个位于STAR-RIS透射侧的目标的ISAC系统,旨在联合优化STAR-RIS的被动波束成形矩阵和ISAC基站处的主动波束成形矩阵,以最大化用户的通信和速率,同时满足目标感知的最低信噪比要求。为了解决优化过程中的非凸问题,提出了一种基于分式规划的块坐标上升算法,将优化变量分为几个块变量交替优化。在迭代优化后续波束成形问题上,应用了连续凸逼近和半正定松弛算法。与传统的可重构智能表面相比,仿真结果验证了在ISAC系统中部署STAR-RIS的优点。同时将所提的基于分式规划的算法与基于加权最小均方误差的算法进行了对比并验证了所提算法在提高通信和速率上的优势和有效性。

可重构智能超表面在卫星导航系统中的应用展望

高中低轨复杂大型星座是下一代全球卫星导航系统(GNSS)的发展方向,尤其是低轨卫星的大量部署,对卫星段和地面段的波束扫描天线在成本、重量及功耗等方面提出了更高要求,传统的电扫相控阵天线和机械扫描天线均无法较好地满足需求。近些年,可重构智能超表面(RIS)因其可低成本、低功耗地控制波束传播方向而被极大关注,并在下一代移动通信中被视为能够提升网络容量和覆盖范围的主要关键技术之一,利用RIS来解决卫星导航系统中的天线问题具有较大的潜力,但同时也面临诸多挑战。基于下一代卫星导航系统的发展需求,本文简要介绍了RIS的基本原理及目前的发展现状,重点分析了RIS在卫星导航系统中的应用前景,并提出了需要解决的核心关键技术。

基于深度强化学习的可重构智能超表面辅助无人机通信联合波束成形与轨迹优化

针对可重构智能超表面(reconfigurable intelligent surface,RIS)辅助无人机(unmanned aerial vehicle,UAV)通信中的相移矩阵和UAV轨迹设计高度耦合所带来的运算复杂度较高的问题,本文面向RIS辅助UAV通信服务多用户场景,提出采用一种基于双深度确定性策略梯度框架的优化方法。该方法利用两个深度确定性策略梯度框架分别解耦UAV轨迹和波束成形两个子问题,并通过在奖励函数中添加与UAV能耗相关的惩罚项,实现系统频谱效率和能源效率的联合优化。数值仿真结果证明,联合优化UAV轨迹和波束成形向量能够有效提升系统性能,恰当的奖励函数设计能够有效指导智能体在动态无线环境中学习到正确的UAV轨迹与波束成形策略。该联合优化方法和基础方法相比实现了至少12%的频谱效率提升和24%的能源效率提升。

无线通信网络中智能超表面技术应用研究

智能超表面(RIS)是一种可提升网络覆盖能力并重构非理想信号传播环境的重要技术,在无线信号传输中,通过RIS重构无线通信环境,实现通信信号的盲区覆盖,提高信号传播效能。文章介绍了RIS的系统结构及技术原理,着重探讨了智能超表面技术的信道测量、信道估计和波束赋形等关键技术,通过剖析RIS潜在的应用场景,结合对RIS未来研究趋势的分析和实现之关键要素,为RIS技术的应用研究提供一定的参考价值。

基于压缩感知的STAR-RIS辅助毫米波系统信道估计

一种可同时透射和反射的可重构智能表面(simultaneously transmitting and reflecting reconfigurable intelligent surface,STAR-RIS)可以同时辅助位于其两侧用户的无线通信。针对STAR-RIS辅助下的双用户毫米波通信系统的上行链路信道估计问题进行了研究,并对两用户在角度域的联合稀疏特性进行了探究。基于级联信道的联合稀疏特性和压缩感知理论,将级联信道估计问题转化为稀疏信号恢复问题,并提出了一种位置判决正交匹配追踪(position-judgment orthogonal matching pursuit,PJ-OMP)算法以减少导频开销。仿真结果显示,与传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法相比,所提出的算法能够减少信道估计的导频开销,即使在某一侧用户所分配的能量较少时也能够准确地估计信道。

分布式机器学习在RIS辅助的无线信道估计中的应用

无线信道估计是部署可重构智能超表面(Reconfigurable Intelligent Surface,RIS)辅助通信系统的关键与前提,然而下行链路传输环境下信道估计困难且导频开销大是对智能超表面辅助通信的重大挑战。针对以上问题,提出了一种基于分布式机器学习(Distributed Machine Learning,DML)训练模型的区域交集切换方案。首先,建立了一个多用户共享的下行信道估计神经网络,通过DML技术协同用户与基站训练网络模型。其次,搭建分层次神经网络结构对用户区域信道进行分类和特征提取。最后,针对用户处于相邻信道交集位置问题采用特征区域模型融合。仿真结果表明,基于区域交集的DML模型方案能在减少信道训练导频开销的同时最大化信道估计的精准性能。

STAR-RIS辅助多载波通信感知一体化系统的资源优化

针对频谱资源短缺和传统的智能反射面无法实现全空间覆盖的问题,研究了同时透射和反射的可重构智能表面(simultaneously transmitting and reflecting reconfigurable intelligent surface, STAR-RIS)辅助通信感知一体化系统。通过分配功率和子载波资源并优化STAR-RIS系数矩阵,使得在保证感知功能的前提下,最大化通信和速率。设计了一种交替优化算法,将多变量之间相互耦合的非凸问题解耦转化为3个凸的子问题。首先,松弛子载波选择变量后使用惩罚函数和逐次凸逼近算法;然后,直接求解功率分配变量的凸子问题;最后,使用半正定规划并把秩一约束改写为核范数与谱范数之差,将其作为惩罚函数,使用逐次凸逼近以优化STAR-RIS系数矩阵。仿真结果表明,与传统RIS相比,所提方案的性能取得了显著提升。

RIS辅助共生无线电通信的速率分拆多址资源分配方案

随着通信场景和网络架构的日益复杂,无线电网络频谱资源稀缺与能耗问题是无线通信的关键挑战,为此,提出了一种新的基于速率分拆多址接入技术(Rate Splitting Multiple Access,RSMA)广播信号的可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助共生无线电(Symbiotic Radio,SR)系统方案。在该方案中主发射机采用RSMA的方式广播信号,并将传统高功耗次发射机用低功耗RIS替代协作信号的后向散射传输。在主发射机发射波束形成,RIS相移系数和公有信息速率分配约束下,构建了最大化主接收最小速率的问题。由于问题的非凸性和变量的耦合性,提出了一种基于逐次凸逼近,凸差函数,罚函数的交替优化方法以求得次优解。仿真结果表明,与空分多址接入和非正交多址接入方案相比,所提RSMA方案能显著提升用户速率。

RIS辅助MIMO NOMA系统中利用统计CSI的下行传输方法

针对可重构智能反射表面(RIS)辅助多输入多输出(MIMO)非正交多址接入(NOMA)下行传输系统,该文提出利用统计信道状态信息(CSI)的基站发送协方差矩阵与RIS相移矩阵设计方法。首先,在莱斯空间相关信道假设下,利用大维随机矩阵理论,推导了RIS辅助MIMO NOMA系统遍历和速率的确定性表达式;然后,在弱用户速率约束与发送功率受限的条件下,通过最大化确定性大系统近似和速率,利用统计CSI,分别设计了强、弱用户的次优发送协方差矩阵和RIS的相移矩阵。仿真结果表明,所推导的近似表达式具有很好的近似效果,所设计的发送协方差矩阵和相移矩阵能显著提升系统的和速率。

STAR-RIS辅助ISAC系统波束赋形优化方法

本文提出了将通信感知一体化(Integrated Sensing and Communication,ISAC)系统与同时透射和反射可重构智能表面(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surfaces,STAR-RIS)相结合的系统模型,解决了传统可重构智能表面RIS不能实现全空间通信与感知的问题;同时考虑在STAR-RIS上安装低成本的专用传感器以实现ISAC系统在STAR-RIS上执行目标感知的一种新颖有源架构,解决了雷达感知的严重路径损耗问题.本文旨在联合优化ISAC基站处的波束赋形和STAR-RIS的无源波束赋形,以最大化通信用户的加权和速率(Weighted Sum Rate,WSR),同时保证感知性能的最低信噪比(signal-to-noise ratio,SNR).为了解决该复杂非凸优化问题,交替优化基站波束赋形及STAR-RIS无源波束赋形.针对所提的满足雷达感知SNR最低要求下最大化WSR问题,基站处波束赋形的优化子问题等价为加权最小均方误差(Weighted Minimum Mean Square Error,WMMSE)问题,STAR-RIS处无源波束赋形优化子问题等价为分式规划(Fractional Programming,FP)问题.进一步,分别将优化的非凸子问题转化为二次约束二次规划(Quadratic Constraint Quadratic Programming,QCQP),并使用半正定松弛(Semidefinite Relaxation,SDR)技术将它们分别转化为凸的半正定规划(Semidefinite Programming,SDP)子问题进行迭代求解.仿真结果验证了所采用新型STAR-RIS辅助ISAC方案的优点和所提算法在提高WSR性能上的有效性.