基于注意力机制引导深度残差网络的RIS辅助通信信道估计

用可重构智能表面(Reconfigurable Intelligent Surface, RIS)增强无线覆盖和信道容量是未来通信网络的候选方案之一。为估计RIS辅助的多用户(Multi User, MU)通信系统上行链路的信道状态信息,提出一种基于注意力机制的深度残差网络,构建了包含稀疏块、特征增强块、注意力引导块和重构块的网络结构,隐式地学习残差噪声,利用注意力机制加强对特定信道噪声特征的提取。仿真结果表明,该方法的估计精度略低于线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)估计,在高信噪比时比常规深度残差去噪网络的估计精度更高。

RIS辅助的混合RF/FSO系统物理层安全性能分析

【目的】针对自由空间光(FSO)链路和射频(RF)链路的保密信息容易被外部窃听者窃听的问题,为提升混合RF/FSO通信系统的保密性能,同时考虑到实际工程中FSO链路往往无法满足视距条件且不同天线分支之间会由于收发模块小型化产生相关性,需要对可重构智能表面(RIS)辅助的混合RF/FSO系统的安全性能进行研究,以得到系统安全性能与RIS部署位置和天线相关性程度等参数的关系。【方法】文章考虑单个窃听者,分别针对RF和FSO链路进行窃听,RF链路服从任意相关的Nakagami-m分布,FSO链路服从Gamma-Gamma分布。采用解码转发协议,推导得到了两种窃听场景下通信系统的安全中断概率(SOP)和严格正安全容量概率(SPSC)的闭合表达式,并对SOP进行了渐近分析。此外还利用Matlab软件进行了仿真实验,通过蒙特卡洛仿真来验证所推导公式的准确性。【结果】仿真结果表明,将RIS部署在靠近接收端的位置可以降低系统的SOP,RF主信道的信道质量与窃听信道相比较好时,天线相关性程度的增加会使系统的SOP上升。【结论】RIS辅助的FSO链路相比RF链路具有更好的安全性,虽然多天线分集技术能够有效提高系统的安全性能,但是类似指向误差和大气湍流引起的衰落,天线相关性也会对系统的安全性能造成损害,通过降低天线相关性程度能有效提升系统的安全性。

低导频开销RIS辅助毫米波MIMO系统参数化信道估计方案

为了解决可重构智能超表面(RIS)辅助毫米波多输入多输出(MIMO)系统信道状态信息及时获取问题,提出了一种基于张量分解的信道估计方案。首先,通过使用少量无源反射单元和构建相移矩阵,设计了一种低导频开销的信道训练机制。然后,通过利用范德蒙德结构约束的张量典范平行因子分解,推导出一种非迭代的信道估计算法。理论分析表明,该方案的最小导频开销仅取决于反射链路子信道路径数乘积,且具有较低的计算复杂度。仿真结果进一步验证了所提方案相较于其他方法的优越性。

多RIS辅助车载通信信号优化及部署规划

针对匀变速运动的汽车产生的多普勒扩展和时延扩展以及接收信噪比的问题,提出了一种多智能超表面(RIS)辅助匀变速移动物体通信的方案。与传统信道估计不同的是,使用了信道增益的方法和优化RIS相位以及多目标优化来让移动物体能达到最大接收瞬时信噪比的同时,获得小的多普勒扩展和时延扩展。通过优化后的RIS相位来研究RIS的位置对接收信号的影响,分别研究了RIS之间的距离以及RIS之间距离一定时,RIS摆放在什么位置使得接收信号的信噪比以及时延扩展保持较低的范围,对于这个问题提出了相对运动的理论,且各自提出一种算法解决这两个问题。仿真表明,多RIS辅助的通信系统对车载通信接收信号的功率提升了约10 dB。RIS的部署位置应该让第一个RIS靠近基站并且RIS之间的距离在现实允许的情况下尽可能靠近。由此多RIS的通信方案可以广泛应用于车载通信中。

能量有效的RIS辅助多用户MISO系统资源分配

可重构智能表面(Reconfigurable Intelligent Surface,RIS)通过改变电磁传播环境来提高无线通信的覆盖范围和容量。然而,RIS技术部署和维护大量的RIS反射元件也会产生大量的能量消耗。基于此,在满足用户的最低速率、基站的最大发射功率以及RIS相位角的单位模数等约束下,研究RIS辅助的多用户多输入单输出(Multiple Input Single Output,MISO)系统中资源优化问题,实现能量效率最大化。具体地,分析多用户下信干噪比(Signal to Interference Noise Ratio,SINR)、系统总功耗与RIS的相位矩阵和开关矩阵的关系;建立以基站的波束赋形、RIS的相位角及开关矩阵为变量的最大化能量效率优化问题;针对优化问题的求解,提出基站端使用最大比发送预编码,使用户接收的SINR最大,并提出一种改进型的粒子群优化(Particle Swarm Optimization,PSO)算法,通过优化RIS的开关矩阵以最小化系统总功耗;进一步设计了相位矩阵、功率和开关矩阵进行交替迭代优化的方案。仿真结果表明,改进型算法得到的最优性能结果比较稳定,特别是在加入开关的系统中,经过优化开关矩阵后获得的系统能量效率相比不带开关的系统提升了约20%,证实了所提方案对系统能量效率提升的有效性。

RIS辅助毫米波通感一体化关键技术与研究进展

未来的6G系统需要同时满足多维性能需求,实现从万物互联到万物智联,因此,深度融合了传统定位、探测、成像等无线感知功能和无线传输功能的通信感知一体化(Integrated Sensing and Communication, ISAC)技术是未来6G网络的一个重要发展趋势。智能超表面(Reconfigurable Intelligent Surface, RIS)凭借其可以通过编程来智能调控电磁波传输环境且低成本、低功耗等优势成为6G的关键性使能技术,并催生了使用RIS辅助毫米波ISAC的新研究方向,其有望从底层架构到完整系统层面上解决6G新场景中的诸多难题、挑战。阐述了RIS辅助毫米波ISAC的起源与发展过程,介绍了其研究背景与国内外研究现状,指出并讨论了RIS辅助毫米波ISAC研究中的一些关键技术,分析了该领域已有的一些研究成果,进而展望了RIS辅助毫米波ISAC未来发展和面临的挑战。

RIS辅助的无线通信:原型验证与实测进展

智能超表面(reconfigurable intelligent surface,RIS)具备以低功耗、低成本提升通信传输速率的特点,被视为6G的关键技术之一,近年来受到广泛关注。综述了RIS辅助的无线通信系统的信道测量进展,介绍了时域和频域测量系统的大致原理,并对大尺度衰落模型、小尺度衰落模型和信道互易性的原型验证工作进行了总结。进而,综述了RIS硬件特性方面的测量进展,分析了有源RIS以及RIS的功耗、比特数和极化等特性。此外,总结了RIS覆盖增强的测量进展,介绍了RIS的部署位置、相位设计和信道的有效秩对覆盖增强性能的影响。最后,展望了RIS辅助无线通信原型验证与实际测量的未来研究方向和可能面临的挑战。

室内热点场景多频段RIS辅助MIMO通信信道测量与建模

对Sub-6 GHz频段和毫米波频段可重构智能超表面(RIS)辅助多输入多输出(MIMO)通信信道进行了室内热点(InH)场景下的信道测量。基于上述信道测量结果,研究了RIS辅助通信信道修正浮动截距(FI)模型,并对模型的准确性以及参数特性进行了验证。对RIS辅助通信信道在多频段的传播特性进行了分析,包括路径损耗增益、路径损耗因子(PLE)、时间色散等。上述信道测量和建模结果将为RIS辅助通信系统的实际应用奠定基础。

RIS辅助的ISAC系统抗多径衰落及路径损耗方法研究

车联网作为未来智慧交通系统中的重要组成部分,对通信和感知的要求也越来越高。通信感知一体化(Integrated Sensing and Communication,ISAC)作为车联网方向极具潜力的一项技术,因可以解决通信场景下的位置感知问题而引起业内的广泛关注。由于城市场景中电磁环境更加随机和不可控,使得当前传统的通信系统架构已经无法满足车-路侧单元(Vehicle-to-Infrastructure,V2I)系统中的通信与感知需求。对此,考虑在传统的V2I系统加入智能反射面(Reconfigurable Intelligent Surface,RIS),将其与ISAC技术结合,构建多径场景下新的被动感知模型。深入分析了在新的被动感知模型下,RIS辅助ISAC通信系统的抗多径性能优化。提出一种大尺寸RIS单元优化分组方法,使部分单元参与信号的反射,并将单元优化分组后的大尺寸RIS与相同单元数的小尺寸RIS进行系统性能对比。仿真结果表明,优化设计大尺寸RIS实现了高于小尺寸RIS大约1.5 bit/s的信号传输效率,在提升系统信号传输性能的同时有效地减少了信道的估计开销。

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。

单纯疱疹病毒脑炎后的抗Ri抗体脑炎1例报告

单纯疱疹病毒脑炎是感染性脑炎中最常见的类型,但其预后较差。部分患者会出现复发或者继发自身免疫性脑炎的发生。本文报告1例单纯疱疹病毒脑炎后继发抗Ri抗体脑炎的病例,以帮助提高临床医生对其的认识,避免发生误诊、漏诊等事件发生。尤其在既往有肿瘤的患者中,副肿瘤综合征相关抗体应予以筛查,早期的诊断及免疫治疗对患者的预后起到重要作用。

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。

基于流形优化的RIS辅助通感一体化系统传输方案设计

针对可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助通感一体化(Integrated Sensing and Communication,ISAC)系统中的有源和无源波束成形联合设计问题,提出基于流形优化的用户和速率最大化联合设计方案。该方案以最大化用户通信和速率为目标,考虑RIS反射系数恒模约束、基站最大发射功率约束以及发射波束感知性能约束,建立流形约束下的有源和无源波束成形联合优化问题模型。针对建立的非凸优化问题,利用流形优化求解非凸约束问题的优势,提出一种基于流形优化的交替算法(Manifold Optimization-based Alternating Algorithm,MO-AA)对问题进行求解。仿真结果表明,在ISAC系统中部署RIS可提高通信服务质量,且所提算法较现有算法具有更高的通信和速率。

多RIS辅助通信网络协同传输性能研究

研究了多智能超表面(Reconfigurable Intelligent Surface, RIS)辅助的无线系统的传输性能。在无线信道传播环境中部署多个相同几何尺寸的RIS,考虑不同RIS所关联的无线信道是独立非同分布且具有不同的分布和统计特性,基于上述系统模型提出了两种目标导向的多RIS辅助方案,即穷举式(Exhaustive RIS-Aided, ERA)和机会式(Opportunistic RIS-Aided, ORA)方案。利用基于矩量法的端到端信道数学模型,可以将端到端信道系数近似为伽马分布,从中断概率(Outage Probability, OP)和各态历经容量(Ergodic Capacity, EC)两种性能指标分别对两种方案的性能进行评估。通过研究EC的上下界,提供了快速估算可达传输速率的方法。结果表明ORA方案可以优化能量效率,ERA方案在OP和EC方面优于ORA方案。

基于RIS的元素分组面状全连接网络

针对神经网络全连接层在训练中参数量多、所占内存多、易产生过拟合问题,从智能超表面(reconfigurable intelligence surface,RIS)结构特征出发,提出了一种基于RIS的元素分组面状全连接神经网络(RIS-based element grouping areal fully connected neural network,RGFCNN)。借鉴RIS的结构特征,在传统全连接神经网络上进行优化。设计了透射面注意力机制用于数据有效特征提取,相比于传统的全连接网络,该网络没有对数据进行一维排列,而是提出了一种运用于神经网络构建的元素分组策略,直接对二维面状数据进行分组全连接处理,各组处理输出进行数据串联。实验结果表明:在公开的具有IQ数据特征的通信信号数据集上,RGFCNN在信噪比大于0 dB时具有更好的识别精度,而训练参数是原来的大约1/6。

RIS辅助去蜂窝大规模MIMO系统低复杂度预编码算法设计

构思了一种智能超表面(Reconfigurable Intelligent Surface, RIS)辅助去蜂窝大规模多输入多输出(Cell-free Massive Multiple-Input Multiple-Output, CF mMIMO)通信系统,提出了一种低复杂度预编码和RIS反射相位交替优化(Alternating Optimization, AO)算法。对于传统正则化迫零(Regularized Zero Forcing, RZF)预编码算法复杂度过高的问题,利用共轭梯度(Conjugate Gradients, CG)法,提出一种低复杂度的RZF-CG预编码算法,将RZF预编码的逆矩阵转换为线性方程组最小化问题,推导算法的残差以更新搜索方向,迭代求解逆矩阵。以最大化系统用户的总频谱效率为目标,推导了RIS相位闭合表达式,基于统计的信道状态信息提出一种低复杂度的投影梯度上升(Projected Gradient Ascent, PGA)算法。仿真结果表明,所提的AO算法能有效地提升系统性能,算法复杂度降低了约73.2%。

面向6G的RIS信道测量与建模研究进展

智能超表面(Reconfigurable Intelligent Surface, RIS)技术被认为是6G中很有应用前景的技术。RIS信道研究对于RIS辅助通信系统的技术创新和性能评价至关重要。综述了RIS信道的测量与建模研究进展,总结了基于矢量网络分析仪(Vector Network Analyzer, VNA)的频域测量和基于滑动相关的时域测量两种信道测量方法。介绍了基于时域的RIS信道测量平台,并对目前的测量活动进行了总结。分析了RIS信道中的阵元反射系数、散射方向图和级联路径损耗三个特性。总结了RIS信道统计性建模、确定性建模和混合型建模的方法,给出了一种基于现有5G标准的3D几何统计性信道模型(Geometric-Based Stochastic Model, GBSM)扩展的RIS信道建模方法,以及基于此方法的RIS信道仿真平台。展望了RIS信道测量和建模研究面临的挑战和未来的研究方向。

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。

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。

PBL、情景教学法联合RIS在超声实习教学中的应用

目的探讨以问题为导向的教学法(problerm-based learning,PBL)、情景教学法联合放射学信息系统(radiography information system,RIS)在超声医学本科实习教学中的应用价值。方法选取2020年6月—2022年6月在重庆医科大学附属大学城医院超声科实习的医学影像专业本科实习生48名为研究对象,随机分为观察组24名学生,对照组24名学生,察组采用PBL、情景教学法联合RIS进行教学,对照组采用传统教学法进行教学,对2组出科考核成绩(理论、操作技能)、问卷调查进行比较。结果观察组的出科成绩理论为(88.24±2.18)分,操作为(84.47±3.49)分,均高于对照组的出科成绩理论(74.48±2.32)分,操作(71.33±3.24)分,差异有统计学意义(P<0.001);观察组满意度为95.83%,对照组满意度为79.17%,差异有统计学意义(P<0.05);观察组83.33%的学生认为PBL教学法+情景教学+RIS激发了学习兴趣,87.50%的学生认为训练了临床思维能力,91.67%的学生认为培养了团队协作能力,83.33%的学生认为提高了沟通能力,而对照组54.17%学生认为传统教学激发了学习兴趣,54.17%的学生认为训练了临床思维能力,45.83%的学生认为培养了团队协作能力,50.00%的学生认为提高了沟通能力,观察组的学习兴趣、学习主动性、团队协作意识、人文关怀意识、沟通能力、理论知识掌握、技能操作熟练程度、临床思维能力方面均优于对照组,差异有统计学意义(P<0.05)。结论PBL、情景学法联合RIS在超声实习教学中不仅有助于提高学生的专业素养,还有助于提高学生的综合素质,能提高教学效果,提升学生对教学的满意度。