智能超表面辅助的OAM通信信道建模及容量分析

现有智能超表面(reconfigurable intelligent surface,RIS)辅助的轨道角动量(orbital angular momentum,OAM)通信系统的相关研究大都采用自由空间传播信道,针对该信道无法准确描述OAM信号传播特性的问题,研究了OAM信号在自由空间场景下的传播特性。结合莱斯衰落信道建立了一种RIS辅助的OAM信道模型。RIS辅助的OAM通信系统采用RIS产生具有不同模态的OAM信号,通过联合优化算法优化功率分配系数和RIS无源波束成形来提高信道容量,分析了信噪比和传输功率等因素对信道容量的影响。仿真结果表明:所提出的衰落信道模型能够描述OAM信号在RIS辅助信道中的传播特性,实现更高的信道容量。

全双工主动窃听非正交多址接入系统智能超表面辅助物理层安全传输技术

针对全双工被动窃听和主动干扰攻击下的多用户非正交多址接入(NOMA)系统,该文提出一种智能超表面(RIS)辅助的鲁棒波束赋形方案以实现物理层安全通信。考虑在仅已知窃听者统计信道状态信息的条件下,以系统传输中断概率和保密中断概率作为约束,通过联合优化基站发射波束赋形、RIS相移矩阵、传输速率和冗余速率,来最大化系统的保密速率。为解决上述多变量耦合非凸优化问题,提出一种有效的交替优化算法得到联合优化问题的次优解。仿真结果表明,所提方案可实现较高的保密速率,且通过增加RIS反射单元数,系统保密性能更佳。

基于智能超表面的电磁涡旋能量效率最大化

针对电磁涡旋通信系统能量效率受限的问题,提出了基于智能超表面的电磁涡旋通信的传输方案。建立了基于智能超表面的电磁涡旋通信的系统模型,基于该系统模型推导了能量效率的数学表达式。为实现能量效率最大化,采用了一种交替优化算法进行求解,考虑到目标函数和约束条件的非凸性,问题被分为2个子问题,即通过分别优化基站的功率分配和智能超表面的相移系数来实现能量效率最大化。数值仿真结果表明采用智能超表面可以提高电磁涡旋通信系统的能量效率,并且所采用的优化算法可以有效地实现能量效率最大化。

可重构智能超表面辅助的大规模机器类通信深度学习大规模MIMO信道估计

大规模机器类通信(mMTC)是第5代移动通信系统的重要应用场景之一,可实现每平方公里近百万级设备的连接。考虑到mMTC传播环境的复杂性,该文引入可重构智能超表面(RIS)进行上行免授权的传输,由此级联形成用户与RIS、RIS与基站(BS)之间的信道链路,从而有效控制无线信号传输的质量。在此基础上,建立Turbo译码消息传递思想下的降噪学习系统,通过大量的训练数据,以学习RIS辅助的级联信道状态信息,并对其进行估计。此外,该文对RIS辅助的mMTC信道估计结果进行了统计分析,以验证所提方案的准确性。数值仿真结果和理论分析结果表明,该文方法优于其他压缩感知类的方法。

6G智能超表面通信信道测量与建模:进展与挑战

RIS是6G无线通信的潜在关键技术之一,受到学术界和产业界的广泛关注。RIS不仅具有低成本、低功耗、可编程、易部署、与现有网络兼容等优点,还可以智能调控通信环境,提升信号质量与通信系统性能。首先介绍了目前的RIS通信信道测量实验,总结了暗室、室内和室外环境中的RIS信道特性,然后,对多种RIS信道模型进行了比较,包括大尺度衰落与小尺度衰落信道模型,并探讨了不同模型的适用场景及特点。最后指出RIS信道研究的挑战,包括新型RIS通信信道测量与建模、新频段新场景RIS通信信道测量与建模、参数可调天线与信道一体化建模、普适RIS通信信道建模等,为未来RIS通信信道研究提供重要指导。

面向6G的信息超材料和智能超表面通信与感知技术

目前,信息超材料和智能超表面(Reconfigurable Intelligent Surface, RIS)已经在全球范围内受到了产业界与学术界的广泛关注,在5G和未来6G网络中具有重要机遇和应用前景。针对信息超材料和智能超表面在6G时代通信和感知的需求,分析与阐述了基于信息超材料和RIS的通信与感知理论、基本算法和系统设计,并对信息超材料和RIS的进一步发展进行了展望。

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。

基于智能超表面辅助的组网分析

在5G-Advanced(5G-A)和6G阶段,智能超表面(reconfigurableintelligentsurface,RIS)作为一种面向网络深度覆盖需求的辅助型技术,能够在满足网络稳定连续覆盖、多流增速等需求的基础上提供低成本、低功耗的解决方案。基于对RIS技术定位的分析,提出了基于智能超表面辅助的高低频协同组网架构,分析了基站与智能超表面协同部署的比例,针对智能超表面阵面引入邻频干扰的问题,提出了基于定制化带宽设计抑制邻频干扰方案,且面向基于基站与智能超表面协同组网,开展系统级仿真验证,验证不同终端分布条件下,智能超表面部署位置和阵元数对系统性能的影响。仿真测试结果表明,基于RIS辅助的网络能够明显提升边缘和弱覆盖区域,从而提升整个通信系统网络性能。

智能超表面赋能5G-A/6G网络的思考

未来移动通信网络在满足用户个性化需求的同时将社会福祉作为网络发展的重要方向,基于对移动通信网络业务发展趋势和挑战的分析探讨,面向下一代移动通信网络泛在接入、绿色节能等发展需求,指出智能超表面(Reconfigurable Intelligent Surface, RIS)在5G-Advanced(5G-A)和6G网络典型应用场景,并从技术能力、产业成熟度等多个角度分析RIS在信道侧和收发端等不同场景下的应用价值。面向移动通信网络设备管控需求,提出了基于网络控制、自主调控和终端控制三种RIS管控方案,并分析了三种方案的差异。

双线极化宽带1-bit可编程智能超表面设计

智能超表面(Reconfigurable Intelligent Surface, RIS)因其对电磁波的灵活调控特点,广泛应用于新型无线通信网络系统中,满足了6G移动通信对低成本、低剖面、易布局、低能耗、多功能器件的要求。然而,现有超表面器件往往局限于单极化的调控,且工作带宽较窄,极大限制了其在新一代无线通信系统中的应用。提出了一种新型的双线极化宽带1-bit可编程RIS,通过接收贴片、可重构缝隙和辐射贴片的形式,在完成双线极化电磁波极化转换的同时,实现3.5 GHz附近的1-bit相位调控,设计的超表面单元-3 dB带宽为2.98~4.6 GHz,相对带宽达到42.7%,所设计单元也可以实现圆极化的波束调控;通过平面波角谱理论,对该单元所建超表面进行分析综合;建立的16×16阵列可以实现多功能电磁波调控,包括波束扫描、聚焦以及涡旋波束生成等,可以在二维平面±60°内实现高增益波束扫描,-3 dB相对带宽达到36.7%。

一种基于超智能表面协助的密集毫米波通信模型

作为一种新型的反射材料,超智能表面将在未来通信网络中扮演重要的角色。将超智能表面应用于多点协作的毫米波通信系统,可极大提升系统性能。为此,提出基于超智能表面的密集毫米波通信模型,并分析了基于最大合并比(maximal-ratio combining,MRC)接收和选择(selection combining,SC)接收两类协作传输策略下系统性能。具体而言,阐述在Nakagami-m衰落模型下基站所接收的信号,推导了系统中断概率和各态历经容量表达式,并通过仿真验证。同时,通过仿真分析了系统参数对通信系统性能的影响。仿真结果表明,基于SC策略的系统性能略优于MRC策略。传输功率以及LIS中的反射元数对系统性能有较大影响。

智能超表面技术在6G网络中的部署思考

针对高频段路径损耗大与6G覆盖需求高的矛盾,文章提出利用RIS(智能超表面)技术提升网络覆盖的广度和深度,满足用户高质量的网络需求。简述RIS技术原理和特点,并对比常用的无线覆盖增强技术的优缺点,给出智能超标面的典型部署场景。在6G无线网络架构下,合理部署智能超表面设备,能够快速、低成本地实现泛在、智能和低能耗的移动网络。

一种双极化1-bit相位调控智能超表面

智能超表面(Reconfigurable Intelligent Surface, RIS)作为第六代移动通信系统的核心技术之一,能够以可编程的方式对空间电磁波实时调控,打破了传统信道不可控的桎梏,重构无线传输环境。在实际应用场景中,应当考虑RIS的极化特性以及斜入射特性。设计了一种双极化1-bit相位调控超表面单元,其上加载两个二极管,用于独立控制两个极化方向上的相位响应。仿真验证了该单元在两个极化方向下的1-bit相位调控能力及电磁波斜入射下的1-bit相位调控能力。将所设计的单元排列成规模为10×10的阵列,并验证了其波束调控能力。结果表明,该RIS可以为下一代移动通信系统的发展提供有效的技术指导与支持。

基于智能超表面的无人机移动边缘计算综述

当今移动通信和计算领域移动边缘计算(Mobile Edge Computing, MEC)已成为提高性能和用户体验的关键技术之一,利用智能超表面(Reconfigurable Intelligent Surface, RIS)和无人机(Unmanned Aerial Vehicle, UAV)技术辅助的MEC系统,在网络性能提升、时延降低、计算和通信资源分配优化以及适应性方面具有显著优势,引起了学术界和工业界的广泛关注。系统地讨论了RIS辅助的UAV MEC(RIS-assisted UAV MEC,RU-MEC)系统中的协作方式,梳理了RU-MEC系统在设计过程中需要考虑的关键问题以及可采取的解决方法,阐述了未来的研究方向,包括RIS和UAV技术的进一步创新、系统安全性和可靠性增强,以及在各种场景中的广泛应用。

智能超表面近场通信的机遇与挑战

实现无线环境的智能可控是无线通信领域研究的热门课题之一。作为6G的关键技术之一,智能超表面(Reconfigurable Intelligent Surface, RIS)被认为是一种革命性的电磁环境调控技术。RIS以绿色、低成本的方式显著提升网络性能,通过对发射机和接收机以及传播环境的联合优化,重新定义无线系统的传播范式,构建智能可控的无线传播环境。RIS通常依赖于无源被动调控机制,但这种机制带来乘性路径损耗问题,超大规模调控单元的部署十分必要。随着阵列尺寸的扩大以及频率的提高,传统的平面波假设不再适用,近场传输不可避免。为了更精确地刻画RIS近场传输,需要研究近场球面波的传输模型及其在辐射近场区域的影响。深入分析RIS辅助的近场无线通信系统的信道模型,针对性地设计了适应性预编码方案和传输策略,旨在充分利用RIS辅助近场通信的潜在优势,提升整个无线通信系统的性能和效率。

智能超表面辅助联合雷达与通信系统设计

联合雷达与通信系统(Joint Radar and Communication System, JRCS)是解决6G网络频谱资源紧缺的有效技术之一。受智能超表面(Reconfigurable Intelligent Surface, RIS)研究的启发,提出了一种RIS辅助JRCS的技术,能够有效提高用户的加权和速率(Weighted Sum Rate, WSR)以及探测性能。利用加权最小均方误差分式规划(Weighted Minimum Mean-Square Error Fractional Programming, WMMSE_FP)算法进行求解,并通过迭代求解找到最优解,构建了用户的WSR以及探测性能最大化的优化模型。仿真结果表明,RIS辅助JRCS较RIS辅助分离雷达与通信系统,在最大化WSR及提高目标探测性能方面表现更佳;系统的最大化WSR提高到8.52 bit/s/Hz,比分离雷达与通信系统提高了2.11 bit/s/Hz,主瓣波峰值可以达到32.04 dBm。

可重构智能超表面辅助的混合近远场定位方法

可重构智能超表面因为可以对非视距用户进行精准定位而受到广泛关注。随着可重构智能超表面口径变大,超表面的近场范围扩展,待定位用户可能位于混合近远场中。然而,现有方法假设用户位于纯近场或纯远场,当同时存在近场和远场用户时,近场定位方法复杂度过高,而远场定位方法精度较差。为了解决上述问题,提出了一种可重构智能超表面辅助的混合近远场定位方法,其基本思想是基于信号参数在近场和远场随位置变化快慢的差异,将近场和远场区域划分为不同密度的网格,利用超表面反射信号判断用户处于近/远场并确定其网格位置,从而同时实现低复杂度和高定位精度。与现有纯近场或远场方法不同,使用近远场混合模型,导致位置估计算法和可重构智能超表面相移优化算法的设计更困难。为了解决这些挑战,基于混合近远场模型构建了位置估计问题和可重构智能超表面相移优化问题,并分别设计了算法进行求解。仿真结果验证了所提定位方法的有效性。

基于智能超表面的6G近场网络构建

近年来,近场传播特性的研究备受关注,尤其是基于RIS的近场技术成为研究的热点。目前尚缺乏对基于RIS的近场技术进行全面梳理的文献。首先简要概述了近场技术的基本概念,然后分别从三个方面系统地梳理了基于RIS的近场技术研究进展及挑战,包括RIS构建泛在的近场无线传播环境、使能6G网络的近场新范式以及基于RIS的近场技术面临的挑战等。通过技术梳理,期望对RIS和近场技术研究工作起到推进作用。