《IMT-2030(6G)推进组:智能超表面技术研究报告(2021)(50页).pdf》由会员分享,可在线阅读,更多相关《IMT-2030(6G)推进组:智能超表面技术研究报告(2021)(50页).pdf(50页珍藏版)》请在三个皮匠报告上搜索。
1、I目录目录第一章 概述第一章 概述.1第二章 基础原理与模型1第二章 基础原理与模型.3 32.1 基础原理.32.2 典型特征.42.3 通信模型.4第三章 潜在应用场景与需求第三章 潜在应用场景与需求.6 63.1 传统通信场景应用.63.2 新型应用.10第四章 潜在关键技术第四章 潜在关键技术.15154.1 智能超表面结构与调控.154.2 智能超表面基带算法.184.3 系统与网络架构.30第五章 技术成熟度、挑战和趋势第五章 技术成熟度、挑战和趋势.33335.1 技术成熟度.335.2 技术挑战.345.3 技术趋势.34第六章 总结与展望第六章 总结与展望.36参考文献36参
2、考文献.37主要贡献单位37主要贡献单位.44441第一章第一章 概述概述预期未来十年通信网络容量千倍增长,无处不在的无线连接成为现实,但高度复杂的网络、高成本的硬件和日益增加的能源消耗成为未来无线通信面临的关键问题1。例如,超密集组网中的大量基站增加了硬件开支和维护成本,并面临严重网络干扰;频谱从 sub-6G 到毫米波、太赫兹的扩展需要更复杂的信号处理和更昂贵的耗能硬件。研究创新、高效、节约频谱和资源的未来无线网络1解决方案势在必行。在候选新技术中,智能超表面(Reconfigurable Intelligent Surface,RIS)以其独特的低成本、低能耗、可编程、易部署的特点脱颖而
3、出。RIS 是一种具有可编程电磁特性的人工电磁表面结构,由超材料技术发展而来。传统超材料可以实现电磁黑洞和电磁隐身衣等奇特物理现象,但是其通过等效媒质参数描述,表现为功能单一且固化的模拟超材料。而近年来迅速发展的 RIS 技术具有电磁特性实时可编程的特点2。实时可编程是革命性的技术飞跃,它允许超表面改变其电磁特性,从而实现传统超材料无法实现的各种功能3。RIS 通常由大量精心设计的电磁单元排列组成,通过给电磁单元上的可调元件施加控制信号,可以动态地控制这些电磁单元的电磁性质,进而实现以可编程的方式对空间电磁波进行主动的智能调控,形成幅度、相位、极化和频率等参数可控制的电磁场。这一机制提供了 R
4、IS 的电磁世界和信息科学的数字世界之间的接口,对于未来无线网络的发展极具吸引力。传统通信中无线环境是不可控因素,其不可控性通常对通信效率有负面作用,会降低服务质量。信号衰减限制了无线信号的传播距离,多径效应导致衰落现象,大型物体的反射和折射更是主要的不可控因素。而将 RIS 部署在无线传输环境中各类物体的表面,有望突破传统无线信道不可控性,构建智能可编程无线环境,引入未来无线通信的新范式45。一方面,RIS 可以主动地丰富信道散射条件,增强无线通信系统的复用增益6;另一方面,RIS可以在三维空间中实现信号传播方向调控及同相位叠加,增大接收信号强度,提高通信设备之间的传输性能7。因此,RIS
5、有很大潜力用于未来无线网络的覆盖增强和容量提升,提供虚拟视距链路、消除局部覆盖空洞、服务小区边缘用户、解决小区间同频干扰等,进而实现智能可重构的无线环境68。智能无线环境大大扩展了软件定义网络的范畴,即未来网络通过 RIS 演进成为以软件为基础的可重构智能平台,能够自主适应环境变化并提供相应的功能服务910。RIS 还可以具有电磁吸收、透射和散射等能力,根据所需无线功能对无线信号进行动态调控,例如保障通信网络安全、减小电磁污染、支持无源物联网、使能无线能量传输和辅助定位感知等应用11-13。此外,利用 RIS 还可以实现基带信息直接调制至射频载波,可用于构建新体制阵列式发射机架构,有望降低硬件
6、复杂度和成本14。RIS 的应用研究是跨学科的,需要无线通信、射频工程、电磁学和超材料等学科的协同配合。目前其相关研究主要包括两个方面,一方面是基于数学模型的理论研究,另一方面是基于原型系统的功能实现和性能测量。在近两年来涌现的原型研究中,东南大学崔铁军院士团队实现了基于 RIS 的 SISO、MIMO 实时传输以及 RIS 自由空间路径损耗的测量15-19;MIT的RFocus RIS系统实现了对单个用户的接收信噪比的提高20;清华大学在发射机上利用RIS实现了毫米波波束的实时调控21;加利福尼亚大学圣迭戈分校(UCSD)的 ScatterMIMO 利1包括 5G-Advanced、6G 及
7、其它无线系统2用 RIS 增强环境中的散射效应,提高了 MIMO 空间复用增益22。近期,产业界在现网中针对 RIS 技术进行了一系列的测量验证工作23-27,众多实验结果表明,RIS 的部署可以有效地提高无线网络的吞吐量和覆盖性能。RIS 在未来无线通信网络中的应用将涵盖发射机、无线信道环境以及接收机组成的整体闭环无线传输链路,基于 RIS 的新型无线通信系统有望通过联合优化设计取得最佳的整体性能。目前针对 RIS 的研究仍处于初始阶段,亟待学术界和工业界共同探索和大力推进相关研究。本技术研究报告旨在呈现 RIS 无线通信技术的最新发展趋势并探讨其面临的机遇与挑战。本技术研究报告的其余部分按
8、以下方式组织:第二章介绍 RIS 的基础原理与模型。第三章分类阐述 RIS 潜在应用场景与可能的技术需求。第四章重点讨论 RIS 的潜在关键技术。第五章主要描述 RIS 技术产业应用亟需解决的问题和研究趋势。第六章总结并展望未来发展方向。3第二章第二章 基础原理与模型基础原理与模型2.1 基础原理基础原理RIS 是一种亚波长尺寸的人工二维材料,通常由金属、介质和可调元件构成,可以等效表征为 RLC 电路。调整电磁单元的物理性质,如容抗、阻抗或感抗,改变 RIS 的辐射特性,实现非常规的物理现象诸如非规则反射、负折射、吸波、聚焦以及极化转换,进而对电磁波进行动态调控。广义斯涅尔定律(Genera
9、lized Snells law)1的提出极大丰富了电磁超表面的发展。从材料设计角度看,可以用离散的数字状态表征超材料的电磁特性,用数字化的方式实现电磁信息的调控。崔铁军院士团队进一步提出的数字编码超材料和可编程超材料2的概念,其概念不再仅仅考虑等效媒质参数,尽管是同样的离散数字状态,此时的含义则是反射或透射系数的相位或幅度。数字编码超表面可以实现单比特或多比特的信息调控,例如单比特数字编码超表面的数字状态“0”和“1”分别代表 0 和的反射或透射相位响应,而多比特可以实现更灵活的电磁信息调控。数字编码超表面的研究并不局限于探索编码单元特性,也可利用数字信息理论中的方法对编码图样进行操控。数字
10、编码超表面构建起物理空间和信息空间的桥梁,为通信、成像、雷达、电子对抗等信息系统提供了新体制和新体系。因此,通过将香农信息熵的概念引入数字编码超表面中,可利用编码图样和电磁波远场方向图所涵盖的信息量来调控几何信息熵和物理信息熵。图 2.1 广义斯涅尔定律1图 2.2 数字编码超材料2RIS 通过控制变容二极管、PIN 开关、MEMS 开关、液晶、石墨烯等的偏置电压,产生各电磁单元所需的电磁行为。RIS 通过集成有源控制器,调控各电磁单元状态,推动了 RIS由“静态”向“动态”的转变,将物理世界和数字世界有机地联系起来。RIS 可以软件实时控制(例如,采用 FPGA 编程控制),将不同的数字编码
11、序列提前设计并存储,通过切换编码序列完成对电磁波的动态调控,例如单波束反射、多波束反射、漫散射和透射等。数字编码序列既可以是操控电磁波不同辐射和散射行为的控制码,也可以是数字信息本身,即 RIS不但可以调控电磁波,也可以调制信息。采用数字化方式的电磁单元能直接处理数字信息,结合人工智能可以对信息进行感知、理解、记忆和学习。因此,RIS 具有成为同时调控电磁波和数字信息的全新物理平台的巨大潜能,可构建全新架构的智能电子信息系统。42.2 典型特征典型特征RIS 旨在作为具有可重构的空间电磁波调控器,智能地重构收发机之间的无线传播环境。相比于传统的 MIMO 和 Relay,RIS 的核心特征在于
12、如下几个方面:准无源准无源:RIS 利用对人工电磁材料物理特性的调控实现对电磁波的无源控制。其中,对物理特性的调控需要有源实现。连续孔径连续孔径:电磁单元紧密排布,实现近似连续孔径。软件可编程软件可编程:RIS 具有可编程物理特性,可对超表面的电磁单元编程控制,实现对电磁响应实时调控,从而实现对电磁波的动态控制。宽频响应宽频响应:RIS 可以工作在声谱、微波频谱,太赫兹谱或光谱等频段上。低低热噪声热噪声:RIS 利用对人工电磁材料物理特性的调控实现对电磁波的无源控制,通常不需要放大器、下变频等对接收信号进行处理,不引入热噪声。低功耗低功耗:RIS 利用对人工电磁材料物理特性的调控实现对电磁波的
13、无源控制,一般不需要射链路等高功耗器件。易部署易部署:作为二维平面结构,RIS 的形状具有可塑性,尺寸简单易扩展。RIS 无需大带宽回传链路,具有较轻重量,对供电要求低,因此易部署于无线传播环境中的各种散射体表面。2.3 通信模型通信模型RIS 应用场景包括非视距场景增强、解决局部空洞、支持边缘用户、实现安全通信、减小电磁污染、无源物联网、高精度定位以及通信感知一体化等3-7。为了更好地发挥 RIS 通信系统的潜力,真实的信道测量、通信性能分析、准确的信道估计、灵活的波束赋形以及AI 使能设计都至关重要。不失一般性,考虑一个三节点通信系统,该系统由一个发射机,一个接收机和具有大规模电磁单元的
14、RIS 组成(图 2.3)。图 2.3 智能超表面辅助的通信系统模型接收端接收到的信号y为:().ysnhH+g 从发射端经过 RIS 到达接收端的等效信道hH 为 RIS 与接收端间信道h、RIS 的可调相移对角矩阵 以及发送端与 RIS 间信道H的乘积,g 为接收端和发射端之间的直达信道。5s是发送端发送的信号,n为高斯白噪声。当使用 RIS 辅助通信时,RIS 单元反射的信号可以表示为入射信号与该单元反射系数的乘积。由于 RIS 的准无源特性,辐射过程引入的热噪声可忽略。一种可能的优化机制,设计 RIS 的相移矩阵使得 RIS 的反射信号在用户端同相叠加,优化用户端接收的信噪比,从而提高
15、了系统的传输速率。类似地,该模型可以很容易推广至多基站、多 RIS 的场景中。得益于 RIS 提供的信道自由度,根据不同场景的需求,未来需要定制设计 RIS 调控矩阵,进一步能够实现多种场景下传输性能的提升。6第三章第三章 潜在应用场景与需求潜在应用场景与需求RIS 技术的兴起带来了“智能无线环境”的新兴概念。传统无线网络中,电磁环境不受网络控制,而在智能无线环境中,RIS 将环境转变为一个智能可重构电磁空间,为信息传输和处理带来范式转变。RIS 未来应用场景主要分为两类,一类为传统通信场景的应用,另一类为垂直行业以及其它新型应用。3.1 传统通信场景应用传统通信场景应用伴随着低频资源的日益枯
16、竭,未来无线网络也需要向更高的频段范围开拓可用的频谱资源。与此同时,低频频谱在通信的广域覆盖中扮演着主要角色,网络的覆盖能力依然是通信系统的最重要和基本的能力之一。5G 基站的部署成本、运营成本相比于 4G 网络进一步增加,5G 基站的电费已经给运营商带来了不小的负担。低成本、低功耗的解决机制对于 6G移动通信系统而言将更加重要。3.1.1信号覆盖补充与扩展信号覆盖补充与扩展3.1.1.1 克服覆盖空洞克服覆盖空洞传统的蜂窝部署可能存在覆盖空洞区域,如在高大建筑物的阴影区域(如图 3.1 所示),在密集城区场景下的街道信号覆盖,或者室内外和公共交通工具内外的信号接驳等场景下,通信链路被阻挡,基
17、站信号不容易到达,用户不能获得较好的服务。RIS 可部署在基站与覆盖盲区之间,通过有效的反射/透射使传输信号到达覆盖空洞中的用户,从而为基站和用户之间建立有效连接,保证空洞区域用户的覆盖。图 3.1 智能超表面在克服覆盖空洞的应用3.1.1.2 边缘覆盖增强边缘覆盖增强传统蜂窝小区的覆盖范围受到基站发射功率的限制,小区边缘用户的接收信号质量较差。仅通过网络规划和调参很难实现无缝覆盖,总会出现零星的弱覆盖区。RIS 可部署在基站和边缘用户或弱覆盖区之间,接力反射基站的传输信号提高边缘用户的信号质量。如图 3.2 所示,在基站和小区边缘用户间部署 RIS,既可以调整电磁单元的相位进行波束赋型来增强
18、信号,又可以增加反射路径来提高信号质量。7图 3.2 智能超表面用于边缘用户覆盖增强3.1.1.3 室内覆盖增强室内覆盖增强据统计表明,目前 4G 移动网络中超过 80%的业务发生于室内场景中。随着 5G 时代的到来,各种新型业务层出不穷,业界预测将来超过 85%的移动业务将发生于室内场景中。室内墙壁和家具的信号阻挡导致存在较多的覆盖空洞和盲区。RIS 可以针对目标用户进行重新配置,有利于室内覆盖增强1。如图 3.3 的左图所示,信号由于折射,反射和扩散而经历路径损耗和穿透损耗,目标用户的接收信号较弱。而如图 3.3 的右图所示,信号传播可以通过 RIS 进行重构,使得到达目标用户的接收信号得
19、以增强。图 3.3 智能超表面用于室内通信场景由于较大的穿透损耗,室外基站实现室内覆盖一直是工程实现的难点。如图 3.4 所示,RIS 可以部署在建筑物的玻璃表面,它能有效接收基站传输的信号并透射到室内,室内用户可以接收来自 RIS 的反射信号提高信号质量。图 3.4 智能超表面提升室内覆盖83.1.2小区边缘速率提升与干扰抑制小区边缘速率提升与干扰抑制对于小区边缘的用户,一方面,边缘用户接收到的服务小区信号较弱;另一方面,边缘用户会受到邻小区的干扰。此时,可以通过在合适的位置部署 RIS,通过波束赋形,将边缘用户的信号传输至目标用户所在区域,这在提高有用信号的接收功率的同时,也可以有效的抑制
20、对邻小区的干扰,相当于在边缘用户周围构建了一个“信号热点”和“无干扰区域”。另外,由于用户发送功率受限,小区边缘用户的上行信道将成为业务传输的瓶颈,在合适的位置部署 RIS,定向增强基站侧的接收信号强度并抑制干扰,可以有效提升终端上行速率。3.1.3热点增流和视距多流传输热点增流和视距多流传输对于业务密集的热点区域,可以通过 RIS 增加额外的无线通信路径与信道子空间,从而可以提高信号传输的复用增益。尤其在视距传输场景中,引入基于 RIS 的可控信道(如图 3.5 中绿色和蓝色链路所示),则收发天线阵列间信道的空间相关特性将会得到很大的改善,可用于数据传输的子空间数目得到增加,极大提升系统及用
21、户的传输性能。图 3.5 基于智能超表面可控信道的多流传输3.1.4传输稳健性增强传输稳健性增强对于高载频通信系统,高波束赋型增益被引入来克服路径损耗的影响。然而,高增益的波束通常具有较窄的波束宽度,易被阻挡,这对接收信号的稳健性会产生影响。通过 RIS的泛在部署,能够带来更多传输路径,从而增强系统传输稳健性。如图 3.6 所示,RIS 产生2 个反射波束分别对准手机的不同接收面板,这样即使单一波束被阻挡,另一波束仍可保证可靠的通信。此外,RIS 设备可以实现对多径信道中的部分路径的参数进行操控。通过操控部分路径的幅度和相位,使得多径信号在接收端正向叠加,抑制多径效应,提高无线数据的传输稳健性
22、。如图 3.6 所示,终端可以接收基站的直射径信号以及两个 RIS 的反射波束信号。RIS反射波束的相位与基站直达径信号相位始终相同使得终端接收信号保持最佳质量。图 3.6 智能超表面提升传输稳健性93.1.5大规模天线收发机大规模天线收发机RIS 技术可以与大规模 MIMO 天线技术相结合。通过超表面引入的一定相移可以实现任意方向的聚焦波束发射。这类天线可以克服收发天线数量增加带来成本和功耗增大的问题,在降低设备成本的同时提升 MIMO 的空间分集增益且聚焦波束的灵活性更强,未来在波束扫描、极化切换、波束赋形等方面有着极大的应用潜力。图 3.7 基于智能超表面的新型天线传统的发射机主要是通过
23、基带 IQ 数据操控载波信号的幅度和相位,而基于 RIS 的发射机的每个电磁单元都可以基于特定的控制信号而实现独立的灵活控制,如利用 PIN/变容二极管进行电磁单元设计,实现调频、调幅、调相和信道调制功能。一种可能的发射机结构如图 3.8 所示2,RIS 是基于变容二极管的可编程超表面,该发射机可实现 QAM 调制。基于RIS 的发射机的最大优势是可以实现低功耗,同时可以实现信号的灵活控制。图 3.8 智能超表面发射机3.1.6用户中心网络用户中心网络用户中心网络(UCN)通过部署着大量无线接入点(AP)来代替基站服务于用户。UCN将这些 AP 分组来为用户提供高质量的服务,并且确保对每一个用
24、户来说自己像是被服务于网络的中心。然而,在这样复杂的网络环境中,无线信道的动态变化、无线传播环境被障碍物阻挡等问题,都给 UCN 的系统性能提升带来了极大的影响。另外,大量 AP 部署带来的成本和能源消耗、复杂网络中的干扰管理等问题同样是 UCN 中的关键挑战。由于 RIS 低功耗、低成本、可重配的特性,将 RIS 部署在 UCN 中,能够很好的解决上述问题。借助 RIS,传输信号能够绕开障碍物,且不会带来较高的能耗和硬件成本。通过对RIS 元件的合理配置,可以适应无线信道的动态性,且可进一步解决干扰管理并提升通信系统的整体性能。10图 3.9 智能超表面应用于用户中心网络3.2 新型应用新型
25、应用3.2.1 高精度定位高精度定位传统的蜂窝网络提供了无线定位功能,它的定位精度受到有限的基站部署位置,定位基站数量的限制。RIS 可灵活部署在基站服务区域的内部,辅助基站进行定位,提高定位精度。如图 3.10 所示,通过测量基站和 RIS 参考信号的到达时间差,在已知基站和 RIS 位置的情况下可计算出手机所在的位置。与传统多基站定位相比,一方面 RIS 具有较大的天线孔径,空间分辨率更好;另一方面,RIS 可以泛在部署,可以解决定位覆盖盲区问题,例如室内场景的高精度定位问题。图 3.10 智能超表面用于定位3.2.2 车联网通信车联网通信车联网作为产业变革创新的重要催化剂,正推动着汽车产
26、业形态、交通出行模式、能源消费结构和社会运行方式的深刻变化。智能交通和自动驾驶对车联网的通信速率、时延和可靠性等系统性能提出更加严苛的要求。由于车辆动态性强,车联网的距离有限,使得车辆之间的有效通信难以保障。而基于 RIS 的车联网系统可以提升车辆的覆盖范围,如图 3.11 所示,以一种类中继的作用提升了车辆之间的有效通信距离,同时可以减少车联网的覆盖盲区,为车联网的发展提供了新的解决思路与可行方法。11图 3.11 基于智能超表面的车联网系统3.2.3 无人机通信无人机通信对高速率和高质量的无线通信服务的需求增长促使无人飞行器(UAV)通信成为热点。得益于 UAV 的高机动性,UAV 可以快
27、速部署在目标区域,从而建立可靠的通信链接。将RIS 加装在 UAV 作为低空平台可以在热点地区或是覆盖盲区为人们提供很好的通信链路,同时利用 UAV 的灵活性可以实现快捷的部署。无人机基站不受灾害地区基础通信设施的限制,可以快速为灾害地区提供大范围的可靠通信,结合 RIS 可以实现灾区更广覆盖和更高能效的通信。RIS 还可以用于辅助航路覆盖,将 RIS 部署在合适的地面、楼宇侧面或顶部等位置,将地面基站的信号反射至 UAV 空中航线上。由于 RIS 的低成本易部署特性,有望实现大范围的航路信号覆盖。图 3.12 基于智能超表面辅助的无人机网络应用场景3.2.4 安全通信安全通信电磁环境的不确定
28、性和不可操控性将带来保密信息泄露和复杂干扰等问题。现有“外挂式”捆绑于无线通信系统的安全机制造成通信与安全相互掣肘,能效低下,只有依靠电磁环境的内生属性设计内生安全功能,才是解决未来通信安全问题、实现通信与安全内源性融合的唯一出路。无线内生安全设计面临被动适应电磁环境,“靠天吃饭”的实际困境,功效已接近“天花板”。利用 RIS 构建电磁理论与信息论学科的统一融合,可构造基于电磁信息论的无线内生安全新范式。RIS 能够实现电磁环境实时可重构、无线信道动态可编程,进一步使能信道精细化感知和信道定制化生成,最大限度减少和消除电磁环境的不确定性和不可操控性,为无线通信与安全性能提升提供重要的手段支撑。
29、RIS 驱动下的 6G 安全愿景应利用 RIS 的信道精细化感知和定制能力充分挖掘通信和安全共有的本源属性来同时逼近香农信道容量和一次一密的安全容量。如图 3.13 所示,可将 RIS 设备部署在窃听用户附近,则RIS 设备反射的信号可以被调谐以抵消来自窃听用户处所接收到的基站与窃听者之间的直达链路信号,从而有效地减少信息泄漏。12图 3.13 智能超表面用于安全通信3.2.5 能量收集与传输能量收集与传输无线携能通信(simultaneous wireless information and power transfer,SWIPT)是一种新型的无线通信类型,区别于传统无线通信仅仅传播信息,
30、无线携能通信可以在传播传统信息类无线信号时,同时向无线设备传输能量信号。由于 RIS 反射面是个无源设备,因此其可以作为类中继的作用,将信息与能量混合的信号进行反射,目的是为了保障传输信号较弱的用户的服务质量,结合能量收集可以有效延长用户设备运行的寿命,进而提高能量效率。图 3.14 智能超表面应用于 SWIPT 系统无线功率传输(WPT)中,功率发射器只向用户提供能量用来充电,而不传输信息。应用于家用电子产品充电、电动汽车、和医疗植入等领域。将 RIS 应用于 WPT 网络中,一来可以解决反射面的能量供给问题,为无源反射面提供稳定而持续的能量;二来可以通过反射面反射射频能量来为目的用户提供能
31、量供给。这为绿色通信提供了新的解决思路与可行方法。无线供电通信网络(WPCN)中,用户可以利用手机的能量进行主动通信。在基于 RIS 的WPCN 场景中,用户可以通过收集来自射频源的能量来进行通信,而射频能量来源可以是射频源直接传输,也可以是由反射面进行反射传输;在用户端完成收集能量后,用户利用这部分能量来进行通信,结合 RIS 可以充分的提升通信的覆盖范围,减少不必要的通信盲区。3.2.6 减少电磁污染减少电磁污染电磁污染能影响对人体生物钟起作用的激素和传达神经信息的激素,还会破坏细胞膜。研究表明,电磁污染可直接杀伤人体细胞 DNA,促使基因突变而致癌。RIS 能够把信号透射和反射到某一个方
32、向,也可以通过调整幅度的方式,通过电磁的吸收,来减小电磁污染的一些场景,同时把电磁污染的一些波反射到不会产生电磁污染的方向上,从而达到抑制电磁污染的目的。13图 3.15 智能超表面用于调整电磁干扰幅度3.2.7 降低移动边缘网络时延降低移动边缘网络时延移动边缘计算在移动网络的边缘、无线接入网的内部以及移动用户的近处提供了一个IT 服务环境以及云计算能力。RIS 由于可以通过调节电磁单元反射参数实现对空间环境进行控制,因此可以带来虚拟阵列增益和反射波束赋形增益。利用该特性,在边缘网络中,RIS可提升边缘设备的卸载成功率,从而提升整个网络性能,降低端到端信号传输时延。此外,将 RIS 部署于边缘
33、服务器附近,利用边缘服务器的计算能力,提升 RIS 电磁单元调控系数的调节效率,从而带来系统覆盖和传输容量增益,进而降低边缘网络传输和处理时延。图 3.16 智能超表面应用于移动边缘网络3.2.8 频谱认知共享频谱认知共享在下一代无线通信网络中,频谱将扩展至太赫兹频段,频谱量达到了至少十倍的增长。然而,低频频谱在通信的广域覆盖仍然扮演着主要角色。由此采用更加高能效、高频谱效率的可灵活重构的频谱复用重用技术,允许异构的频谱认知共享系统的共存,对于实现更高效的频谱利用与高质量的万物互联互通是十分有益的且至关重要的。通过在认知网络中部署 RIS,利用其可重构无线信道/无线电传播环境的特性可以进一步提
34、高频谱效率和通信覆盖范围。应用 RIS 辅助的频谱共享技术可实现频谱的动态接入,从而获得更高效的通信和更高的频谱效率。例如,在高密集热点区域或是交通拥塞路段,大量的智能设备需要接入频谱进行数据传输,RIS 辅助的频谱共享技术可以为其提供可靠的频谱接入决策,进行有效的动态频谱接入。14图 3.17 智能超表面辅助的频谱感知共享网络3.2.9 空间调制空间调制RIS 不仅能实现电磁波的幅度、相位和极化方式等的调控,还能够对信息进行调制3。基于 RIS 的空间调制发射机利用空间调制、天线选择等方法对 RIS 区域划分选择,实现额外信息传递。这种架构可以在利用 RIS 低功耗优势的同时显著提升频谱效率
35、。一种基于 RIS的空间-相位联合调制发射机能利用 RIS 多阵元带来的空间维度,即阵元索引来加载 RIS 的信号,在每个时隙自适应选择 RIS 阵元被动散射 RIS 信号。以传输“001”为例,如图 3.18 所示,“00”代表选择第一个阵元传输比特“1”。图 3.18 基于智能超表面的空间-相位联合调制示意图3.2.10 背向反射背向反射考虑一个低功耗的传感器节点,它嵌入到一个用于环境监测的智能表面中。当无线电波撞击智能表面时,RIS 可被配置成调制/编码由低功率传感器感测的数据到散射信号,例如,通过时域散射波形发送感测数据。这使得低功率传感器能够在不产生新的无线信号的情况下将信息携带到环
36、境无线电波中,通过回收现有无线电波进行通信。物联网面临的主要挑战之一是有限的网络寿命,这是由有限容量电池驱动的设备的大量部署造成的。在这种情况下,背向反射通信通过入射无线电波的被动反射和调制来传输信息,已经成为一种有希望的技术,能够以低功耗和低复杂度实现大规模设备部署的连接。15第四章第四章 潜在关键潜在关键技术技术RIS 涉及的关键技术主要包括三个方面,即硬件结构与调控、基带算法及系统与网络架构。硬件结构与调控设计决定了 RIS 在电磁调控方面所具备的性能指标,如工作频段、带宽以及调控能力等,这些方面决定了 RIS 在无线通信中所发挥作用的基础。基带算法主要指智能控制单元在控制 RIS 实现
37、各类功能方面所拥有的能力,如区域覆盖增强、数能同传、感知与定位等,这些方面决定了 RIS 在无线网络中所能起到的作用。另外,作为一种全新的、革命性的技术,RIS 可能使得现有通信系统与网络架构发生翻天覆地的变化。图 4.1 智能超表面潜在关键技术4.1 智能超表面结构与调控智能超表面结构与调控4.1.1 智能超表面硬件结构智能超表面硬件结构RIS 作为超材料领域与通信领域的交叉热点,其对电磁波独特的智能调控方式为新型信息调制硬件范式与智能无线环境提供能无限可能。在传统通信系统中,无线信号发射需要使用本地振荡器和乘法器将信号从基带搬移到射频,再经过功放放大进行发送,这种通信结构需要消耗较多的能量
38、,而 RIS 技术利用环境中已经存在的电磁波,通过改变超表面人工微结构,影响该超表面对电磁信号的折射或反射性能,实现对无线信号进行调控的目的。RIS 基本单元结构的基础设计理论包括了传统的周期电磁理论、惠根斯等效原理及广义的反射和折射定理等;控制电路设计可参考电路设计理论或现场可编程控制电路设计理论等。一般而言,其硬件架构由两个部分组成:可重构超表面和智能控制单元(如图 4.2 所示)。图 4.2 智能超表面基本结构示意图16透射型 RIS 天线具有高增益、重量轻、成本低、功能灵活等优点,馈源和辐射场分别位于 RIS 的两侧,不存在反射阵馈源遮挡等问题。通过合理设计每个单元的形式及尺寸来调节入
39、射波的透射相位,在 RIS 出射口径面形成特定的相位分布,从而辐射所需的波束。超表面作为实施电磁调控的载体,是 RIS 的“躯体”,通常由一系列周期排布的电磁单元单元结构组成。其中,单元结构会集成一些可调元件来获得对电磁波的可重构性,如PIN 二极管、变容二极管、液晶、MEMS 开关等。根据单元结构对电磁波的具体调控能力,可重构超表面大致可分为:幅度可重构、相位可重构、极化可重构等。智能控制单元则负责控制超表面所呈现的电磁功能,是 RIS 的“大脑”,通常以 FPGA、MCU 等可编程元件为核心,搭配与可重构超表面相应的控制/驱动电路,具有实时控制超表面功能的能力。现有技术相比,RIS 可以对
40、电磁波进行直接调控,无需功耗大、设计复杂的射频链路部分,只需要 RIS 就可以实现信息调制和无线传输,具有低成本、高能效的优点,在发展基于 RIS 的新型硬件范式方面具有巨大潜力。4.1.2 智能超表面调控机理智能超表面调控机理RIS 作为一种数字可编程的电磁超表面,通过自由设计电磁单元结构以及自由排列的方式,可实现对电磁波的灵活调控,带来全新的物理现象和应用。电磁波的调控主要有几个特征方面:频率、幅度、相位、极化、传播方向、以及携带轨道角动量(OAM)的波型等,不同的电磁超表面可实现不同特性的电磁波调控。传统超表面的电磁参数是连续调控的,也被称为是“模拟超材料”,而且一般是无源超表面,它的电
41、磁单元拓扑结构一旦设计好,其调控电磁波的功能就也相应确定。代表性的无源电磁超表面结构有:高阻抗电磁带隙表面,其不仅具有表面波带隙特性,还具有同相反射人工磁导体特性;调控电磁波频率的宽带多层频率选择性表面(FSS);调控电磁波极化的可重构极化选择表面;反射和透射型的波束调控电磁超表面;以及幅度调控的能量收集或吸波超表面等。这些经典的超表面对电磁波的不同维度均具有灵活的调控特性。广义斯涅尔定律概念的提出,极大丰富了电磁超表面的发展。崔铁军院士于 2014 年首次提出了数字编码和现场可编程超材料,通过控制超材料的空间数字编码序列,实时可编程地操控电磁波的空间分布。2019 年进一步提出了时间数字编码
42、超材料,实现了对电磁波频谱的实时可编程操控。这种数字编码表征使超材料由“被动”变“主动”,从“模拟”变“数字”,因而有能力在物理空间上进行信息操作和数字信号处理运算。通过将香农信息熵的概念引入数字编码超表面中,可通过编码图样和电磁波远场方向图所涵盖的信息量来调控几何信息熵和物理信息熵。由于数字编码超表面的调控对象是若干离散的数字状态,因此可被推广到可编程设计中。通过将微波有源调控器件放置在编码单元中,如变容二极管、PIN 开关、液晶、MEMS 开关以及传感器等,通过控制其偏置电压,该单元的相位响应便可实时地在“0”状态和“1”状态之间变换。此时的数字编码超表面已不再是一个功能固化的器件,利用驱
43、动控制电路实时调控编码图样,调控远场辐射完成不同功能。当可编程数字超表面上每一个单元的数字状态都可实时调控时,能够实现单波束、双波束、多波束及散射等任意辐射图样的实时可重构,其功能和性能将为 RIS 的设计和实现奠定坚实基础。RIS 把超材料物理空间和数字空间融为一体,在操控电磁场和波的同时完成信息的感知、处理与调控,可实现更为复杂的系统化设计,促进新体制通信系统的发展。RIS 可将无源模拟超表面与数字有源可编程超表面对多维电磁波的调控统一起来,可将数字信息论和信号处理中的理论方法用到超表面的设计中,建立物理世界与数字世界的桥梁。17图 4.3 智能超表面的多维电磁场和信息实时调控(波形调控)
44、4.1.3 智能超表面硬件特性智能超表面硬件特性RIS对空间电磁波的操控性能取决于RIS硬件结构特性或RIS多功能模块特性以及控制软件算法。图 4.4 中展示了部分工作在不同频段 RIS 阵列的硬件形态。a)4.2GHz RIS 阵列b)5.0GHz RIS 阵列c)10.5GHz RIS 阵列d)28.5GHz RIS 阵列18e)X 波段宽带透射型 RIS 天线图 4.4 工作于不同频段的智能超表面硬件RIS 的硬件技术特性需要从以下几个主要层面来进行分析。1)单元结构特性:包括单元形状、大小、可调器件类型和基本单元结构中使用的材料。单元结构特性决定了 RIS 单元的幅频响应特性;利用优化
45、设计的单元结构特性可以实现对电磁信号的幅度、相位、极化及频谱的控制独立调控或同时调控。2)单元空间排列方式:包括 RIS 超表面单元在空间上规则排列、不规则排列和一些特殊的排列方式;利用 RIS 超表面上单元的空间排布可以灵活实现对电磁信号的空间调制或空间波束的调控。3)单元控制策略:决定智能控制单元在控制可重构超表面可实现各类功能方面所拥有的能力,基本控制策略包括单个单元的线性控制方式、非线性控制方式、半静态控制方式或动态控制方式等;也包括整个 RIS 单元的控制策略,即 RIS 所有单元集合的编码策略;利用单元的控制策略,可以实现对空间电磁波的线性及非线性处理,如空间和频谱的灵活调控。4)
46、可调材料或器件特性:单元内部的可调材料或器件是 RIS 实现动态参数配置的重要部件;可调材料或器件的工作机理、工作特性及电尺寸的大小,对 RIS 单元结构的设计及对 RIS 的工作特性和工作场景有非常重要的影响。目前电可调材料包括 PIN 开关二极管、变容二极管、液晶、石墨烯和 MEMS 等,可分别用于工作在不同频段 RIS 的单元设计。5)控制电路特性:主要包括 RIS 可调器件或可调材料的馈电电路和用于 RIS 单元状态或阵列状态控制的数字电路。基于 RIS 的控制电路和接口协议,实现远程控制端与 RIS 之间或无线网络与 RIS 之间的连接,以及对 RIS 的按需控制;连接的主要方式包括
47、有线连接方式和无线连接方式。在实际应用中会存在硬件部分 RIS 单元失效的问题,会引起 RIS 性能的变化。通过对散射特性进行成像可实现失效单元的诊断,进而对失效单元进行维修、替换或在线优化1。4.2 智能超表面基带算法智能超表面基带算法RIS 应用于通信系统需要合理设计空口传输技术,实现有限资源下的利用最大化,在本小节讨论信道测量与建模、信道估计与反馈、波束赋形、数能同传、感知与定位、频谱共享、安全通信、收发机设计、AI 使能的 RIS 系统设计等。4.2.1 信道测量与建模信道测量与建模RIS 信道测量和建模是 RIS 系统设计、网络优化、性能评估的基础,用于分析最终的性能极限、优化操作、
48、评估 RIS 使能智能无线环境的优点和局限性。典型的 RIS 是拥有超大规模电磁单元、超大孔径的连续电磁超表面,且其还具有对电磁传播环境进行调控的基础能19力,如何准确测量与建模 RIS 使能的智能无线环境信道是一个全新的挑战。当前,RIS 使能的无线通信研究主要局限是缺乏易于操作且精确的 RIS 电磁模型。现有的研究工作大多是建立在简单的衍射模型基础上,从电磁学角度对 RIS 电磁波响应特性的研究尚处于起步阶段。过于简化的信道模型可能误导算法设计,并导致性能评估的偏差。RIS 信道测量与建模面临的挑战可能包括如下几方面:(1)RIS 可能会被用于未来无线网络典型频段与业务场景,因此需要考虑未
49、来无线网络全频谱、全场景下无线信道测量、信道特性描述与信道建模的挑战;(2)RIS 自身物理特性带来的挑战1超大规模电磁单元及超大孔径的特征相对传统 MIMO 的差异;2连续电磁超表面与传统离散天线模型的差异;3紧凑结构(基本电磁单元间距远小于半波长)带来的互耦问题;4有感知能力的有源电磁单元或无感知能力的无源电磁单元;5集中式或分布式 RIS 结构;6RIS 相位调控的量化误差及 RIS 硬件自身的指标偏差等工程误差;(3)RIS 的部署会使得原来 BS 与 UE 之间的信道关系发生变化,增加了 BS-RIS-UE级联路径及 RIS-RIS 之间的传播路径;(4)不同部署模式带来的差异性。例
50、如,近场或远场部署模式,单个 RIS、多个 RIS或泛在 RIS 部署模式等;(5)RIS 引入使得原有自然不可控电磁传播环境变为人为可控的电磁传播环境,对电磁传播环境的主动调控可能会带来全新的信道刻画范式。考虑简单、可用与复杂、精确之间的均衡是构造有效 RIS 信道模型的关键。目前,无线信道测量与建模分别考虑了大尺度衰落特性(路径损耗与阴影衰落)、小尺度衰落特性(多径效应、时延扩展与角度扩展、Doppler 谱、相关性)、空间一致性等方面。常用的信道模型包括确定性模型、随机性模型或混合信道模型等。确定性信道模型主要包括基于几何光学模型与射线追踪模型,其中基于场景地图的模型和点云模型是较为常见
51、的简化射线追踪模型。随机性信道模型近年来被学术界和工业界广泛使用,可以分为基于几何的信道模型与基于相关的信道模型。基于几何的信道模型和基于数字地图的混合信道模型是当前 3GPP 及 ITU 标准研究中主要采纳的信道模型12。RIS 信道测量与建模需要在当前无线信道模型的基础上进一步考虑 RIS 的物理模型抽象,具体如下表。表 4.1 智能超表面的物理模型抽象物理模型抽象RIS 电磁单元模型极化模型(单/双极化、极化泄露/扭转、各向异性)幅/相调控模型插损模型非理想因素RIS 面板模型BS-RIS 远场平面波馈入激励模型BS-RIS 近场球面波馈入激励模型RIS-UE 近场模型RIS 码本模型最
52、近一些初步的研究工作试图阐明 RIS 的路径损耗模型。文献3和4在考虑 RIS 的物20理和电磁特性的基础上,建立了不同情况下 RIS 辅助无线通信的自由空间路径损耗模型。实验测量进一步验证了所提出的路径损耗模型,测量结果与建模结果吻合较好。文献5利用一般标量衍射理论和惠更斯-菲涅耳原理,提出了计算 RIS 接收功率的封闭表达式,确定了 RIS 作为反常镜面反射的条件。文献6为 RIS 辅助的无线系统引入了一个端到端、电磁兼容、互耦感知和单元幅度与相位耦合的物理与电磁兼容通信模型,该模型与传统的通信理论框架具有内在的相容性。关于多径衰落(小尺度衰落),常用的方式是通过典型分布(如Rayleig
53、h 衰落和 Rician 衰落)进行建模。文献7在基于地图(map-based)混合信道模型基础上,基于射线追踪及可控智能电磁表面反射模型给提出了一种适用于智能电磁表面部署在复杂实际场景中的信道建模方法。文献8建立了非平稳条件下 RIS 几何随机性信道模型,并研究了 RIS 面板尺寸和终端移动性对 RIS 信道特性的影响机理。文献9建立了空中 RIS几何随机性信道模型,并通过合理地调控 RIS 单元相位实现了抗信道小尺度多径衰落及多普勒的效果。准确测量与建模 RIS 使能的智能无线环境信道是一个全新的挑战,需要考虑 RIS 自身的特性,同时也需要考虑未来无线网络全频段、全业务场景需求,继续加强
54、研究投入,为RIS 系统设计、网络优化、性能评估打下基础。4.2.2 信道估计与反馈信道估计与反馈RIS 辅助通信的信道估计面临比传统通信场景信道估计更为严峻的挑战。大多数 RIS 采用全被动元素,仅配备了简单的板载信号处理单元,只反射电磁波,并不具备复杂的信号处理能力,使得信道状态信息(CSI)的获取存在困难。基于部分主动元素的 RIS1采用具备一定感知和信号处理功能的单元替代被动电磁单元以自主获取 CSI,但主动元素的数目、排布图案等设计需要权衡信道估计与信息传输的需求。为了进行有效的信道估计,需设计新的算法和协议,尽可能简化 RIS 结构设计并避免复杂的信号处理操作需求。在 RIS 辅助
55、通信系统中,通常 BS 和 RIS 固定安装,BS 和 RIS 之间的信道维度高但变化缓慢,可视为准静态;而 UE 处于移动状态,UE 到 BS 及 RIS 之间的信道时变但维度较低。因此,可以利用信道的双时间尺度特性进行分段信道估计。也即,UE 的低维移动信道估计频繁,但是高维准静态的 BS-RIS 信道不需要频繁估计,由此总体导频开销得以降低2。基于位置信息的信道估计方法是一种可能的 RIS 信道估计方案,利用 BS 和 RIS 位置固定的特点以及 RIS 单元阵列特性,设计低复杂度的信道估计方法来获得信号到达角等关键信息。将 RIS 电磁单元分组调度可以提高系统设计的灵活性。可以用 RI
56、S 电磁单元优化分组来估计高维 RIS 无线信道1和多用户信道3,或通过优化 RIS 电磁单元分组和训练序列来最大化可达速率4。可以通过挖掘 RIS 级联信道的结构化稀疏特征,提升信道反馈性能并显著降低信道估计开销。可以利用 RIS 信道矩阵低秩特性,构造联合稀疏矩阵并设计矩阵填充问题来实现级联信道估计5。可以利用多用户信道在角度域的稀疏性来降低导频开销3。可以利用信道模型的结构来估计信道,将 RIS 面板划分为不同的子块,每个子块在不同的估计时隙中用不同的相位矩阵,依次估计出待估计信道6。随着 RIS 工程化应用的不断发展,低复杂度信道估计成为目前 RIS 研究的重点。基于码本的信道估计7是
57、一种典型的低复杂度信道估计方法。对于密集排布、距离收发端远、散射多径簇状分布的 RIS,可以将其信道建模为波束域信道模型,将信道估计转化为波束域信道角度估计。基于码本的信道估计与波束赋形协同方案是未来工程应用场景的典型方式,但RIS 信道分段特性和近场特性会对传统码本方案带来挑战,如何设计 RIS 信道码本是亟待解决的问题。21当 RIS 使能系统的上下行链路空间互易性满足时,BS 端下行链路 CSI 的获取可通过上行链路角度信息和下行链路增益信息组合获得。RIS 材料与调控机理具有多样性,在某些情况下,即使在 TDD 制式下信道的空间互易性也不满足。RIS 的互易性成立条件需要进一步评估分析
58、,而互易性不完全成立时的补偿机制也需要进一步研究。上述信道估计和反馈方法扩展到多用户场景3,多用户共享信道的 CSI 仅由参考用户反馈,而多用户各自私有信道的 CSI 应由多用户分别反馈;扩展到多 RIS 场景时,多 RIS 共享信道的 CSI 仅反馈一次,多 RIS 各自私有信道的 CSI 应分别反馈8。为充分利用采集数据的信息或解决信道模型未知情况下的信道估计和反馈问题,可以采用基于 AI 的新方法。随着通感一体化技术的发展,利用感知信息(位置、图像等)辅助 RIS信道估计和反馈将成为发展趋势9。未来信道估计和反馈研究需要考虑 5G-Advanced 和 6G 可能的新场景、新技术,结合实
59、际硬件配置情况,设计工程实用的信道估计和反馈方法。4.2.3 波束赋形波束赋形通过调控 RIS 的每个电磁单元的相位,可以调整波束朝着特定方向发射信号,从而减少所需信号的发送功率、提高频谱效率、扩大覆盖范围并同时削弱干扰。在实际系统中,可以联合设计发射机处的波束和 RIS 处的反射波束,以提高系统容量和可靠性并减少能耗1-3。在传统的多天线蜂窝网络中,波束赋形设计主要包含对多天线的收发机进行预编码与均衡矩阵的设计,实现信号定向传输,而 RIS 的引入将使得系统的波束赋形设计变得更加复杂。基于 RIS 的可编程特性,RIS 可以作为一个外部模拟预编码器,对相应的相移矩阵进行设计,即 RIS 对来
60、自于发射机的信号采用模拟波束赋形进行反射调控。其基本原理如图 4.5所示。图 4.5 智能超表面系统波束赋形设计RIS 的波束赋形相对于传统波束赋形存在许多新的特征和难点1-4:(1)由于 RIS 电磁单元个数较多,为每一个电磁单元设计波束赋形的参数具有较高的复杂度。降维与分组是平衡波束赋形精度和计算复杂度的有效方法。(2)RIS 通信中信道具有分段特性,需要联合设计 BS 的有源波束赋形和 RIS 的无源波束赋形。当 RIS 具有主动测量感知信号的能力时,可以直接获得分段信道 CSI,发射机到RIS、RIS 到接收机端的波束赋形向量的设计较为简单。但是当 RIS 不具有主动测量感知信号的能力
61、时,难以直接获得分段信道 CSI,RIS 到接收机的波束赋形的设计将是一个极具挑战的问题。RIS 辅助通信系统的波束赋形设计一般从优化的角度出发,将相移矩阵设计问题转化为22特定目标的优化问题,进而通过各类优化方法进行求解。此外,为降低运算复杂度,可以采用用户分组和 RIS 分块相结合的方法,充分利用空间资源,将高维度波束赋形进行降维,以低复杂度的设计实现多用户传输。此外,基于统计 CSI 的 RIS 波束赋形设计将有助于在低复杂度信道估计的情况下提升系统的频谱效率。在实际物理通信场景中,由于存在环境噪声、I/Q 不均衡、相位噪声、放大器非线性、相关核心器件工作点漂移(例如,高精度模数转换器)
62、、频谱泄露(例如,非理想宽带 RIS 制造工艺)等现象,因此假设硬件系统一直工作在完美与稳定状态是不切实际的34。如果忽略这类硬件偏差的影响,假设理想硬件状态下的波束赋形算法将会严重的扭曲训练导频和期望接收信号,因此我们也需要考虑硬件受限下的波束赋形。最后,RIS 硬件结构的进一步改进也会带来波束赋形的新设计需求。比如,为弥补 RIS引入的“乘性衰落”效应,可将无源 RIS 改进为有源 RIS,但有源器件的引入会导致 RIS 系统模型的改变,波束赋形也应随之改变5。4.2.4 数能同传数能同传电磁波能够同时传递信息和能量,高效无线能量传输与收集的理论与技术是当前的热点领域,是电磁场、微波、电路
63、与系统、电力电子、能量转换等多学科交叉的应用基础研究。目前,使用近场感应能量传输的无线供电已经初步形成了商业化标准,但其传输距离非常有限(通常不到一米)。而通过射频、微波的远距离无线能量传输可以在更长的范围内使用。在当今信息社会人们对各种电子产品日益增长的需求下,推动了无线通信、互联网和低功耗技术的迅猛发展,电子设备和智能设备的功耗要求随之降低,使得通过无线电波给低功耗设备供电成为可能。尽管电磁波能同时携带能量和信息,但现如今射频传输的能量和信息是分立处理的。数(数据信息)能(无线能量)同传的统一设计将能够在能量和信息之间进行权衡,以充分利用射频/微波频谱和网络基础设施进行通信和供电。形象地说
64、,对于数能同传的研究目标可以概括为,在性能和效率角度,实现信息和能量两者“1+12”,而在实施成本和系统复杂度上,实现两者“1+12”。在此目标下,需要研究的内容包括,能量与信息协同传输机制与最优化策略选择,新型电磁结构有源加载设计,RIS 对电磁波的高效自适应调控技术、多端口、宽角、全极化射频接收技术,宽带/多频、宽功率范围宽带大功率或微功率直流转换,高效功率合成、储能等关键技术难题。从系统方案上,数能同传可以分为三个主要方向,即无线携能通信(SimultaneouslyWireless Information and Power Transfer,SWIPT)、无线供能通信(Wireles
65、s PoweredCommunication,WPC)与 WPC-SWIPT 系统。图 4.6 基于智能超表面的 SWIPT 系统23基于 RIS 的 SWIPT 系统如图 4.6 所示,其中 RIS 作为一个多阵元发射机实现信息信号和能量信号同步传输。具体来说,RIS 的电磁单元对基站发送的能量信号和信息信号的相位、幅度和极化方向的实时调控,并将调控后的信号分别反射到相应能量接收机和信息接收机。能量接收机和信息接收机分别将接收到的信号用作能量接收和信息解调。相较于传统SWIPT 系统,基于 RIS 的 SWIPT 系统无需射频链,可以极大地降低阵列体制无线通信发射机的设计复杂度、硬件成本和功
66、耗。图 4.7 基于智能超表面的 WPC 系统基于 RIS 的 WPC 系统如图 4.7 所示,在混合基站(hybrid access point,HAP)上部署配备大规模阵列单元的 RIS,用于下行无线能量波束成形和上行信息接收。其工作原理为:将单位时间分为下行无线能量传输阶段和上行无线信息传输阶段。在下行无线能量传输阶段,能量受限设备收集由 RIS 调制射频能量信号并进行存储;在上行无线信息传输阶段,能量受限设备利用收集的能量发送信息给 RIS,RIS 通过对接收信号进行波束赋形处理并将其反馈给 HAP。该系统有以下优势:(1)以低成本、低复杂度方式实现下行能量波束对准和增强上行接收信号强
67、度;(2)有助于延长能量受限设备的运行寿命,实时、迅速信息反馈。图 4.8 基于智能超表面的 WPC-SWIPT 系统基于 RIS 的 WPC-SWIPT 系统如图 4.8 所示,将一个单位时隙分为两个传输阶段:无线能量传输阶段与无线信息与功率同传阶段。在第一阶段(无线能量传输阶段),功率站与 RIS发射能量信号给无线能量用户,无线能量用户进行能量采集,将采集的能量存储在电池中。在第二阶段(无线信息与功率同传阶段),无线能量用户停止能量采集,利用第一个阶段采集的能量为远端信息接收机传输信息。信息接收机将接收到的信号分为两个部分即能量采集部分与信息解码部分。该系统具有以下优势:1)RIS 的部署
68、增强了无线能量信号的传输,为24WPC 网络的实现提供了可能;2)扩大网络覆盖面积,为蜂窝边缘用户提供高质量通信服务;3)两个传输阶段都采用了能量采集技术,推动低功耗设备能够随时随地在移动中通信和供电。4.2.5 感知与定位感知与定位随着移动通信的飞速发展,未来无线网络在提供传统互联通信服务之外,也将使能感知增强型服务。未来的无线网络将转变为智能通信、感知和计算一体化系统。因此,除了基本的通信接入服务,未来无线网络也能够实现电磁环境智能感知和目标定位,边缘节点主动信息缓存和处理。环境智能感知可以进一步使能未来无线网络对低时延、高可靠和低能耗数据传输的需求,也有助于在信息物理系统中实现人与设备的
69、精确定位,带来更多人际网络交互的可能性。例如,通过统计分析、机器学习等手段,RIS 可以用来了解人类在无线网络中的行为或意图,优化无线通信系统的资源调度,使无线通信系统更加智能,进而改进通信性能和用户体验;此外,RIS 可以感知和识别人体动作,构建一个能在室内和室外场景中提供高精度的定位和定位服务平台,更好的实现人机互动、虚拟体感现实,以及智能家居、智能健康等服务12。传统无线系统的感知与定位能力主要受限于无线收发机的空间与角度辨识能力,使得传统无线设备无法细粒度地分辨电磁信号并提取无线信号细节特征,从而导致无法实现对电磁环境和目标准确的、鲁棒的感知与定位。RIS 可以被描述为一种使用磁信号撞
70、击确定散射体以获得环境特征的结构。不同于传统通信系统利用多径信号获得传输分集/复用增益,多径效应是感知/定位的误差来源之一。在 RIS 辅助的通信感知系统中,利用 RIS 设备的波束汇聚功能排除多径效应的干扰,从而提高感知/定位的准确度。当前的研究通常使用 RIS 作为辅助手段增强现有收发器的传输性能。实际上,由于 RIS 的每个散射单元都可以单独进行相位调整,因此对来自不同方向的入射信号能显示出不同的灵敏度。因此,RIS 可以配置为被动监视无线电环境的传感器设备阵列。具体来说,通过联合解析 RIS 在每个单元接收到的信号特征以获得描述电磁传播环境的高分辨率图像,可以将复杂的多径传播转变为使用
71、以图像表示的信息,并创建由位置信息和所测得的无线电参数组合而成的环境地图,进而为主动无线资源管理提供诸多机会。RIS 可以在极低功耗下引入大量电磁单元,易于大规模部署,因此相较于传统收发机在电磁感知方面具有以下优点:1)利用 RIS 反射无线信息,可以实现主动控制环境中的多径信号,将多径信号变废为宝,从而提升感知与定位精度;2)利用RIS 上大量的电磁单元可以极大提升对信号的空间分辨率,细粒度的估计无线信号的入射角度,最终提升感知与定位精度;3)所获得的大量数据信息可应用于数据驱动的人工智能技术,进而挖掘更全面更准确的环境信息。RIS 的感知能力不但有助于提供传统基于位置的服务与应用,也将在未
72、来通信系统中提高网络本身的通信与接入能力,包括高度聚焦的无线服务能力以及环境和情景感知的资源调度能力。由于 RIS 的诸多优势,在 RIS 的设计架构中,通信和感知功能并非独立的竞争同一无线资源,而是将有机结合通信和感知功能并使两者相辅相成,实现通信感知一体化。然而,传统的方法并不能直接运用在 RIS 上,仍有一些基础研究问题亟待解决,包括:面向通信感知一体化的 RIS 阵列控制、部署和优化方法;RIS 通信信号与感知信号的融合、提取和时间尺度匹配问题;高精度用户位置、方向、速度感知并辅助提高通信频谱效率问题等。25图 4.9智能超表面使能未来网络中通信与感知相辅相成34.2.6 频谱共享频谱
73、共享在有限的频谱资源下,难以满足未来无线网络对超高数据速率和海量访问需求。虽然新的频段,如高频毫米波和太赫兹频段,将被投入 6G 的研究,但是克服高频段的严重路径损耗是一项艰巨的任务。因此,仍然需要在现有低频段中开拓新颖的高频谱效率技术,以满足高效率、低成本和大规模接入需求。频谱共享能有效地提升频谱效率,其允许用户在满足共享规则下共享同频频谱资源,从而缓解频谱稀缺问题。RIS 通过智能改变无源元件的反射系数对电磁波进行控制,可实现无线通信网络的智能重构无线信道/无线电传播环境,其能够有效地提高频谱效率和能量效率,并降低通信干扰。因此 RIS 与频谱共享相结合可以进一步提升频谱效率,扩大通信覆盖
74、范围,如在授权频谱共享中,RIS 辅助的频谱共享系统通过 RIS 提供的具有更高信道增益的级联信道进行频谱共享接入,可以提高频谱利用率,进而提高频谱共享的收益。除此之外,在需要满足一定共享原则(如干扰约束)的频谱共享中,RIS 辅助的频谱共享系统能够在保证原频谱所有者或是具有高优先级用户的通信质量的同时为频谱共享用户提供更多可用频谱资源,并避免对其他用户产生干扰。传统的频谱共享技术通常利用信号的频谱空间特性,例如利用极化或波束对信号进行调控,以缓解原频谱所有者和频谱共享用户之间的干扰。相比于以上技术,RIS 作为通过改变电磁单元的反射加权系数智能重构无线信道的极具潜力的技术,其可以提供具有更高
75、信道增益的级联信道,进一步提升频谱共享的频谱效率。然而,在实际网络中,RIS 不仅会对入射的“目标信号”进行优化调控,也会对其他“非目标信号”进行非预期的异常调控1。非预期的异常调控可能导致 RIS 的优化调控失效,甚至降低系统的性能。因此,RIS 与频谱共享技术的结合在带来了新的机遇的同时也带来了的全新的挑战。由于 RIS 能够通过调整电磁单元的反射系数来实现智能重构无线信道,提供更高信道增益的级联信道。基于上述优点,可以将 RIS 应用到频谱感知的微弱信号检测中来提升检测性能。例如在能量检测算法中,准确检测到原频谱所有者信号的检测概率取决于认知用户的接收信噪比。对于微弱信号,过低的信噪比以
76、及较强的噪声不确定性会使得能量检测的性能极其不理想。因此,通过 RIS 调整反射相位,使得 RIS 反射信号与直连信号在频谱共享用户处实现相干叠加,从而获得更高的信号强度,这有效地弥补了能量检测在微弱信号检测方面的缺陷。在此过程中,RIS 仅作为增强信号强度的无源设备,不改变频谱感知的基本机制,可有效扩展至其他的频谱感知算法。因此,RIS 作为极具潜力的技术在频谱共享中的应用是具有积极意义的,其能够在提高频谱效率的同时提高频谱感知检测的准确性,从而实现可靠的频谱共享。264.2.7 RIS 驱动的无线通信安全一体化驱动的无线通信安全一体化无线内生安全挖掘、利用无线信道的内在安全属性,面向电磁传
77、播机理的内源性缺陷设计安全功能,为未来网络无线接入安全提供了新的技术途径。利用 RIS 构建电磁理论与信息论学科的交叉融合,能够为无线接入安全提供重要的手段支撑,完成“靠天吃饭”到人为塑造基因的转变。RIS 驱动的无线通信安全主要体现在以下几个方面:1)基于 RIS 的超高速率加密技术针对未来无线网络宽带通信场景的超高吞吐量需求,利用 RIS 对电磁波的幅度、相位、极化进行高效、快速、灵活调控的特点,提升原有信道的动态性和随机性,最大限度地认知信道并进一步按需改造信道,扩大物理层密钥生成的信道密钥空间,达到定制化信道生成能力,同时提高无线通信容量和无线密钥生成速率,逼近“一次一密”安全效果。2
78、)基于 RIS 的轻量级安全增强技术利用 RIS 信道定制化能力,可在合法与窃听信道差异较小导致安全性能难以提升的情况下增大信道差异,提高物理层安全传输性能。在无线内生安全技术中,加密和认证具有密不可分的内在联系。利用 RIS 信道定制化能力,将可重构的信道指纹这一新质元素用于数据认证,与通信一体化设计,无需引入额外资源,能够降低开销、提升能效,实现绿色安全数据认证。传统基于物理层特征的方法依赖大型多天线设备“被动”地观察无线信号的传播特征,而轻量级的 RIS 单元可以通过调节无线信号的相位、幅值等特征“主动”地定制无线信道,实现灵活、可控的加密与认证。另外,基于 RIS 的加密与认证可与传统
79、密码认证协议融合,在提供一次一密的同时用于实现一次一认证,完成加密认证一体化设计,提供轻量级安全增强机制。3)基于 RIS 的空域干扰抑制增强技术RIS 驱动的无线通信安全不仅包括传统意义上“security”,还包括广义的“safety”。RIS 可利用每个阵元状态捷变性和大量单元粒子状态的空间多样性和时间捷变性,改变传统同构天线阵列接收方式,形成空时二维可重构的新型天线阵列,通过对无线信道的差异化、精细化观测,提升信道矩阵的秩,使得信道去相关,降低多重信号之间的互干扰,在提高通信容量的同时产生新的干扰抑制能力,实现通信和干扰抑制一体化。以 RIS 技术在物联网安全中的应用为例,描述 RIS
80、 在无线通信安全领域的巨大潜力。由于 RIS 技术通过反射环境中的无线信号实现数据传输,在反射过程中,设备可以捕捉到更多细粒度的无线信号传播特征。通过精确的控制和提取这些无线特征,为实现轻量级的IoT 安全防护提供了可能。例如,利用信号到达角、信道状态信息和接收信号强度之类的细粒度物理层特征来降低攻击威胁的技术受到了广泛关注。RIS 单元具有功耗低、体积小、价格便宜特点,并且可以通过灵活控制对设备信号进行传输,利用多个 RIS 单元,构建类似于大规模天线阵列的分布式 RIS 阵列。如图 4.11 所示,通过利用 RIS 单元对无线信号的反射作用,灵活控制标签的工作模式,人为构造无线信号的多径传
81、播特征,从而实现对 IoT 设备身份的唯一限定。27图 4.11 基于智能超表面反射的信号传播特征4.2.8 基于基于 RIS 的发射机与接收机设计的发射机与接收机设计RIS 可以在外部信号控制下实现对反射电磁波或透射电磁波的各种参数的实时调控,包括电磁波的相位、幅度和极化方向等。利用其对电磁波灵活调控的能力,可以将 RIS 应用于发射机和接收机设计。同时,由于 RIS 是由大量的低成本和的低功耗的单元组成,RIS 辅助的基站设计可以降低基站的成本和功耗。图 4.12 基于智能超表面的直接调制发射机架构(反射式)目前学术界关于 RIS 发射机已有一些初步的研究探索。一种典型的基于 RIS 的发
82、射机是使用 RIS 对发射信号进行调制,主要包括基于 RIS 的直接调制发射机和基于 RIS 的空间调制发射机这两大类1。基于 RIS 的直接调制发射机基本原理如图 4.12 所示,使用 RIS 完成无线信号的直接调制和发射。馈源天线产生单音载波信号照射在 RIS 上,RIS 在外部基带信号控制下动态地调控反射电磁波的参数(图 4.12 为反射式架构示意,透射式基本原理与之相同),将信息直接调制在电磁波上。基于 RIS 的发射机架构不需要传统的射频链路,可以极大地降低阵列体制无线通信发射机的设计复杂度、硬件成本和功耗。近年来,研究者陆续原型验证了基于 RIS 的二进制频移键控(BFSK)发射机
83、2、基于 RIS 直接调控电磁波相位的正交相移键控(QPSK)发射机3、利用 RIS 多单元特性实现多路信号传输的 MIMO发射机4、基于 RIS 空时编码实现的多通道发射机5和在高频段上实现 256-QAM 高阶调制毫米波发射机6等。基于 RIS 的空间调制发射机利用空间调制、天线选择等方法对 RIS 区域划分选择,实现额外信息传递。这种架构可以在利用 RIS 低功耗优势的同时显著提升频谱效率7。一种基于 RIS 的空间-相位联合调制发射机如图 4.13 所示,它利用 RIS 多阵元带来的空间维度,即阵元索引来加载 RIS 的信号,在每个时隙自适应选择 RIS 阵元被动散射 RIS 信号8。
84、以传输“001”为例,如图 4.13 所示,“00”代表选择第一个阵元传输比特“1”。基于 RIS 的发射架构给未来无线发射机的设计提供了新的方向,有潜力在超大规模 MIMO 和毫米波、太赫兹通信发挥作用。28图 4.13 基于 RIS 的空间-相位联合调制示意图基于 RIS 的接收机设计还处于初期探索研究阶段。如图 4.14 所示,主要技术路线为利用 RIS 对透射或反射电磁波进行波前预处理来提高接收机性能或降低接收机硬件复杂度(图4.14 为透射式架构示意,反射式基本原理与之相同)。例如使用 RIS 调整接收信号的极化方向使其与接收机天线极化匹配9,从而增强接收信号强度。另外,也可以使用
85、RIS 对空间电磁波进行空间下变频10,从而有降低接收机的硬件设计复杂度的潜力。图 4.14 基于智能超表面波前预处理的接收机(透射式)此外,另一种基于 RIS 实现的发射机设计方案是将 RIS 部署在基站侧,用于替代传统发射机波束赋形常用的高功耗相控阵11,如图 4.15 所示。利用 RIS 调控馈源入射的信号,使之定向反射或透射,以形成高增益窄波束,从而能够以更低的成本和功耗实现与传统相控阵相同的波束赋形功能。图 4.15 智能超表面辅助的发射机架构11基于 RIS 的发射机和接收机设计还需要学术界和工业界形成更多的共识,推动在架构设计和 RIS 性能方面取得突破性的进展和创新。4.2.9
86、 AI 使能智能超表面使能智能超表面针对 RIS 系统,已有大量基于传统通信原理和信号处理技术的研究。然而,传统技术通常依赖于精准的数学模型,难以应对实际通信系统中复杂场景和不确定性干扰,且计算开销巨大。为了解决上述问题,研究者们将 AI 技术引入到 RIS 系统的设计,并在信道获取、波束赋形设计、资源调度方面取得了初步进展。试验结果表明,AI 技术可以解决复杂场景中的非线性拟合问题,在模型不准甚至无模型的条件下达到了比传统技术更优的效果1。29RIS 智能技术面临的挑战包括:1)RIS 的无源特性:由于 RIS 通常是无源的,因此仅可在收发两端获得接收信号的观测,这将导致 RIS 两侧的信道
87、信息耦合为级联信道,影响后续的波束赋形设计。2)模型训练的复杂性:相比于传统的大规模 MIMO 系统,由于 RIS 系统通信涉及到反射调相等操作,其模型结构更为复杂,因此需要对神经网络的结构进行更为精巧的设计;另外,RIS 的大规模阵列也将导致庞大的信道规模,造成巨大的训练开销;此外,即使通过增加少量有源结构的方式进行信道采样和外推重构,由于硬件和功耗限制等原因,有源电磁单元在训练过程中的切换将带来不可避免的时间开销。3)部署方式的多样性:与现有的基站中继策略相比,RIS 的部署成本更低,可部署的范围更广。对 RIS 部署的设计,由于传统优化方法的局限性以及其较慢的收敛速度,有必要针对特定场景
88、,使用基于 AI 的方法设计灵活的 RIS 部署策略。4)模型的泛化能力:基于 AI 的技术可精确映射特定用户的信道模型以及该用户所在的相关环境。然而训练好的网络仅适用于既定环境。由于用户的移动性和周边环境的动态性,事先训练好的网络很难适用于动态变化的位置和场景。因此,有必要构建具有泛化能力并可在不同场景下迁移的神经网络。5)模型的可解释性:虽然大量实验结果已经证明了 AI 技术的有效性,但其内部运行机制并没有理论支撑和解释,相应理论层面的性能和鲁棒性分析欠缺,无法根据特定优化准则和传输环境进行设计和改进。RIS 关键智能技术包括:1)智能信道获取:允许 RIS 阵面配备少量反射激活单元,通过
89、离线方式训练天线选择-信道外推网络,获得最优激活单元图案以及激活单元信道与全信道之间的内在映射关系。同时,将激活单元处的信道估计建模为降噪问题,并使用残差网络隐式地学习残差噪声,从有噪声的在线观测中恢复激活单元信道。最后,使用外推网络获取全部信道信息2。2)智能波束赋形设计:可使用深度强化学习方法(DRL),每个阶段的状态由当前时刻的发送功率、用户接收功率、上一阶段的动作和信道信息确定,以基站的发射波束赋形矩阵和 RIS 的波束赋形矩阵为动作,以和速率为预定义奖励,通过观测事先定义的奖励和环境交互过程中的反复试验试错来获取基站的发射波束赋形矩阵和 RIS 的波束赋形矩阵联合设计3。另外,可将深
90、度决策梯度(DDPG)算法引入 DRL 框架,以在连续的动作空间中选取最优的动作,实现 Q 网络输出的最大化4。3)智能资源调度:多个 RIS 构建的网络也可用 DRL 进行调度优化。可由发射波束赋形矩阵、上一阶段各个 RIS 的波束赋形矩阵和信道信息定义当前状态;动作由基站和所有RIS 的波束赋形矩阵构成。用吞吐量和波束赋形方向带来的损失定义即时奖励。通过反复的试验即可实现基站的数字波束赋形矩阵和 RIS 的模拟波束赋形矩阵的联合设计5。RIS 智能技术未来趋势可以概括为:1)RIS 智能预部署相对于传统的组合优化方法,基于 AI 的离线训练能更精确的匹配各种应用场景的需求。一方面,由于 R
91、IS 在特定环境中可选位置有限,因此 RIS 部署可以视为图案选择问题,从而通过构造分类网络来获得最优部署方案。另一方面,可定义结合部署成本和系统性能的损失函数,以衡量部署方案的整体效益。此外,RIS 也可部署在无人机上,通过对无人机位置和轨迹的智能调度规划,获取整个系统的最佳网络拓扑形态。2)基于 RIS 的新型神经网络结构30深度学习(DL)中的深度神经网络(DNN)利用一种分层的互联结构来模拟人脑神经元之间的连接。模仿此结构,可以探索基于 RIS 的新型神经网络结构。具体来说,RIS 深度神经网络以电磁信号为信息传输媒质,将 RIS 中的电磁单元作为神经元,其权重为可编程透射系数,是模型
92、的可训练部分;将多层 RIS 作为全连接层,相邻层之间的电磁单元以电磁波传播方式进行互连。这种 RIS 深度神经网络不仅可以实现图像分类等深度学习应用,还有望构造新型的无线通信编解码器来实现射频信号的直接处理与收发。针对不同任务,电磁单元的权重参数通过相应的神经网络算法进行训练并通过外部控制信号进一步配置,具有可编程、可重构的功能,兼有高灵活性和低功耗等优势,具有很大的发展潜力。3)模型的进一步泛化大多数 RIS 关键智能技术仅考虑了特定环境,为了进一步提高模型的泛化能力,可结合基于迁移学习和联邦学习的方案。在迁移学习中,利用不同模型的相关性,将训练好的模型参数转移到新模型中以提高模型学习效率
93、。在多用户系统中,为降低收集数据带来的传输开销,可采用联邦学习框架,用户处理本地数据集并更新模型,仅将更新差值反馈回基站。在此基础上,基站汇总收集的更新数据、完成模型更新、并将更新后的模型参数发送给用户。4)基于 AI 辅助 RIS 的成像、感知与定位系统预计在未来网络中,快速成像、高分辨率传感、高精度定位等将于基本的无线通信功能并存,实现通信、成像、感知、定位一体化的目标。RIS 和 AI 技术可以通过适当的设计去辅助成像、传感和识别等应用。一方面,AI 技术可以提取环境深层特征和隐藏模式,加快RIS 辅助成像速度,提高成像分辨率;另一方面,在盲区中部署 RIS,可以有效增强覆盖来获取信道信
94、息从而扩大感知范围。AI 技术可以增加对有效信息中掺杂的环境噪声的抵抗能力,实现前所未有的高精度传感和定位功能。4.3 系统与网络架构系统与网络架构RIS 是一种全新的、革命性的技术,改变和控制传统电磁波的传输路径、用户接收的信号,对现有的通信系统与网络架构带来翻天覆地的变化。4.3.1 基于基于 RIS 的系统分类的系统分类RIS 的引入会改变原网络的信号传输结构,本节将从传输信号、控制信息交互及 RIS 数量等不同角度进行分类分析,如图 4.16 所示。1)从信号传输的角度,RIS 可以用于信号反射和信号透射。在反射型 RIS 系统中,RIS分布在传播环境中的散射体表面,能够实现信号传输的
95、反射调控。在透射型 RIS 系统中,RIS 部署在透射性较好的物体上,能够实现信号传输的透射调控。针对特定场景需求,RIS也可以设计为对信号传输实现透射和反射混合调控。2)从控制信息交互的角度,对 RIS 控制信息的传输可以分为基于有线回传的 RIS 系统和基于无线回传的 RIS 系统,如图 4.16 所示。基于有线回传的 RIS 系统中,RIS 通过有线连接的方式来实现与基站之间控制信息的交互与协作,该传输结构具有较高的可靠性,但受到部署环境的制约。而基于无线回传的 RIS 系统在 RIS 处需配备无线收发机以实现与基站间的控制信息交互与协作,该传输结构具有更高的灵活性,但传播链路易受电磁环
96、境波动影响。3)从 RIS 数量角度可以分为单 RIS 系统和多 RIS 系统。多 RIS 系统提供了更大的灵活性,但需要考虑 RIS 协调部署与选址优化问题,并需要考虑 RIS 间协同问题。其中,RIS 间协同涉及 RIS 选择机制设计、RIS 间信号干扰处理等问题。31图 4.16 基于智能超表面的典型通信系统.4.3.2 基于基于 RIS 的网络架构的网络架构RIS 引入到现有网络架构中最主要的优势是:更大的空间自由度、更精准的 3D 波束成型和更低的系统功耗。从频谱利用的角度来讲,RIS 的网络架构可以分为:非频谱共享的 RIS 网络和基于频谱共享的 RIS 网络。1)非频谱共享的 R
97、IS 网络。由于用户占用不同频带,不需要考虑多类用户的共道干扰抑制与消除问题。从网络架构的本质来讲,RIS 改变了传统信号的传输路径,实现信道可控,使得目标信号选择最有利的信道进行传输。带来的问题是改变信号传输空间结构的同时,在信号处理、波束赋形、面板材料设计、RIS 优化部署等方面带来更多的挑战。2)基于频谱共享的 RIS 网络。在该网络中,不同用户采用竞争与机会式的方式使用频谱,RIS 在该网络中可以作为干扰协调与信号对齐的作用。在该网络中,存在不同类型的用户占用相同频带的情况,需要控制共道干扰大小,主要目标是提高频谱利用率。RIS 在该网络中可以作为频谱感知与决策中心,也可以作为信号辅助
98、传输的反射器件,其核心问题是频谱感知、共享信道的干扰抑制、跨层或同层网络干扰消除。从网络架构的角度,RIS 改变了传统的认知网络只在收发机处具有频谱感知能力的现象,RIS 可以根据通信设计需求作为数据转发中心或频谱感知与决策中心。基于频谱共享的 RIS 网络,典型的可以分为基于 RIS 辅助的多层异构融合网络和基于 RIS 辅助的认知无线电网络。对上述两类网络,宽带 RIS 的工作带宽可以覆盖多个不同频点通信系统的工作带宽,多个通信系统以共建共享的模式使用RIS 设备来提高通信效率和协调系统间干扰。4.3.3 基于基于 RIS 的网络部署的网络部署RIS 以其低成本、低功耗、简单易部署的特点,
99、有机会泛在部署于网络中,智能调控电磁波传播环境,支持现有通信网络场景的补盲、补弱和增加信道自由度等。例如,RIS 可以被用于替换传统无蜂窝网络中的部分基站,从而减少无蜂窝网络所需的成本和功耗,在资源受限的情况下进一步提高无蜂窝网络的网络容量1。从通信环境复杂角度,可将部署场景分为小范围可控的受限区域和大范围复杂环境两大类。1)小范围可控的受限区域,例如典型的室内热点覆盖区域。在该场景中,无线传播环32境相对独立,主要散射体数量有限且方便在相应的表面部署 RIS。因此可以部署足够密度的RIS 联合优化调度与调控,按需精准调控无线传播环境,构建一个精确控制的无线智能环境。2)大范围复杂环境。此类环
100、境,业务分布相对稀疏,重点在于对无线传播信道的大尺度特性如阴影衰落、自由空间传播路损等进行调控。因此,对于大范围复杂环境,RIS 主要对已有或新引入的主要传播路径/主散射体进行调控,实现半动态或静态地调控无线信道的大尺度特性2-3。图 4.17 给出了典型通信场景下 RIS 部署与优化的基本过程。首先,在复杂度和成本约束下,以自然信道和业务需求分布作为基础输入,设计初始的 RIS 部署拓扑结构。然后,基于 RIS 的自适应无线传输调控性能,进一步迭代优化 RIS 的部署拓扑结构,从而构建智能可控无线环境。具体而言,RIS 部署优化设计的目标是寻求复杂度、成本及性能的平衡,从而输出 RIS 部署
101、位置、密度、RIS 形态、调控/协作关系等参数1。图 4.17 典型通信场景下智能超表面的部署与优化33第五章第五章 技术技术成熟度成熟度、挑战和趋势、挑战和趋势RIS 是一种新涌现的动态电磁参数调控技术,在多个领域(如无线通信、数能同传、通感融合等)已经初步展示了其强大的性能。但是,RIS 仍然面临诸多技术问题、产业成熟度问题、部署问题和标准化进程的挑战,需要在多种无线系统及应用场景下对 RIS 关键技术和方案展开深入研究和全面评估,为未来无线网络的发展提供新的技术路线。5.1 技术成熟度技术成熟度RIS 技术成熟度可以分为 R、I、S 三个维度,R(Reconfigurable)是超材料表
102、面反射、透射等电磁特性的可重配置能力;I(Intelligent)指控制电路依据无线环境时变特性和业务需求对超材料表面控制的智能化程度;S(Surface)是面向不同工作频段的超材料表面设计与制造工艺。目前,在 S 方面,电控领域主要有半导体和液晶两大类超材料表面,基于半导体的超表面技术工艺比基于液晶的超表面技术工艺稍成熟,且调控响应快,但在高频段半导体工艺成本较高,而液晶可以以较低成本实现。在 R 方面,超表面目前具备有限程度的反射和透射调控能力。在 I 方面,基站、终端与超表面之间的信息交互是现阶段制约 RIS 技术智能化程度的关键,无源超表面只能被动地感知无线环境和定位终端,导致 RIS
103、 系统缺乏智能化感知控制所需的环境数据和基础信息,部分 RIS 原型系统控制电路依赖预置码本实现超表面有限程度的可编程控制,灵活实时感控一体的内生智能能力有待进一步提升。总的来说,目前,超表面原型系统的初级能力已经具备,但是尚需通过定义新的接口或空口协议实现与基站、终端的深度融合。RIS 作为通信系统的一部分,其频段支持情况与不同频段器件成熟度紧密相关。从目前已有的实验系统或原型样机看,较低频段(例如 Sub-6G、毫米波低频段)的器件成熟度较高,RIS 的成本和功耗都较低,技术更加成熟。但是,在毫米波高频段以及太赫兹频段,由于高频器件成熟度限制,RIS 的成本和能耗优势目前并没有得到充分的体
104、现,在该频段验证 RIS 系统的能力有限,因此相应的 RIS 系统成熟度也较低。未来随着高频器件的成熟和大规模应用,RIS 在高频段下的竞争优势也将逐步凸显。RIS 的增益与使用环境密切相关。RIS 超表面单元的频率特性相对固定,导致其对宽带信号的调控能力受一定限制。在给定的控制信号下,超表面单元在不同子载波的反射系数就已经确定,因此对不同子载波独立调控能力受限。因此,在频率平坦衰落环境下,由于信道的频域特性相对一致,RIS 带来的增益较为明显。此场景多发生在室内环境中,或窄带系统中。然而在宽带系统中,如果存在较大的时延扩展,例如室外非直射场景,那么 RIS 的增益就会受限。近年来,学术界和产
105、业界也针对 RIS 原型系统的增益进行了实验和验证1-5。众多实验和测试表明,RIS 的部署可以有效的提高吞吐量(用户吞吐提升 1-2 倍),室内覆盖提升约10dB,室外环境下,小区边缘覆盖平均可以提升 3-4 倍。从 RIS 的硬件成本上看,其硬件器件成本在低频段较低,在高频段有待进一步控制。在一些收发机架构下 RIS 还可以一定程度上替代传统射频链路中的模拟器件,如混频器、滤波器、功率放大器等部分,甚至替代部分基带处理电路,从而降低整体结构的复杂度和设计制造成本。从部署成本上看,在应用于传统通信场景时,如需要大规模部署,可能存在选址和部署引入的成本问题。例如,对 RIS 面板的控制还需要复
106、杂的馈电线路,在一些覆盖盲区或者热点区域,供电线的到站难度和成本不低于光纤难度,会限制 RIS 的部署和应用;对于面积较大的 RIS,还可能存在风阻大的问题,对于部署选址要求更高,也有可能增大维34护成本和难度。因此,RIS 能否在实际网络中真正实现低成本、易部署还面临着较大挑战。从产业化推进的角度看,RIS 系统在低频段成熟度较高,在高频段成熟度较低,部署选址和供电等方面还存在较大挑战。在室内环境频率平坦衰落环境下,RIS 增益较为明显,在室外存在较大时延扩展的环境下,RIS 的增益会受限。目前产业界已规划了一些场景下的RIS 测试验证和试点应用,推动 RIS 关键技术验证和全面性能评估。针
107、对 RIS 的标准化研究暂未启动,需要针对信道模型、信道估计与反馈方法、节点功能定义、系统流程设计等方面进行标准化讨论,进一步推动 RIS 的产业化成熟。5.2 技术挑战技术挑战根据 RIS 技术研究的进展和成熟度分析,其在规模商用之前仍将面临来自多方面、多层次的技术挑战、成本挑战和部署挑战。总结起来,RIS 技术面临的主要挑战可分为三类:RIS 硬件设计实现挑战、基带处理算法挑战和无线网络架构设计挑战等。从 RIS 硬件功能角度看,RIS 材料和器件成熟度较低、成本尚高。例如,RIS 单元结构对电磁信号幅度和相位的调控具有很强的耦合性,无法完成电磁波信号特性的独立调控,限制了 RIS 在更多
108、场景下的广泛应用;RIS 阵列有效工作带宽受限,对入射电磁波的能量转换效率较低,难以支持未来无线网络大宽带传输和远距覆盖。从 RIS 基带算法、系统设计来看,缺少完整的传输理论基础和可靠的信道模型及系统模型。例如,对于这种 RIS 使能的新型通信系统传输方案的最优设计,缺少完善的基础信息理论指导。RIS 的信道模型还不完善,目前仅有部分研究机构对 RIS 信道模型展开了初步的研究,缺少 RIS 对实际传输环境控制能力的分析;缺少完备的测试平台和样机系统对 RIS潜在性能增益进行全面、可信的评估。从未来无线网络新架构来看,基于 RIS 的无线网络架构不明确。RIS 作为一个新型的无线网络节点,目
109、前的成果中缺少对 RIS 接口协议和网元功能的研究和讨论;缺少对 RIS 在未来无线网络中的拓扑结构、部署规模、部署方式和成本以及实时控制需求的分析;缺少RIS 对未来无线网络的性能分析,如网络容量性能、时延性能和安全性能等。从实际组网方式来看,基于 RIS 支持多带宽、多制式的通信模式研究较少。RIS 在实际网络部署中需要考虑多个通信系统之间的同频/异频共存问题。目前,大部分 RIS 相关的研究工作均集中在单一通信系统的性能优化,对于 RIS 在多通信系统中的同频和异频共存问题研究还未引起重点关注。与 RIS 相关的同频和异频共存问题需要在 RIS 信道模型成熟后进行系统的仿真评估;根据评估
110、结果从 RIS 设备指标、频谱规划、组网部署等多个方面设计方案克服 RIS 的同频和异频共存问题。5.3 技术趋势技术趋势为加快 RIS 技术的成熟和规模化商用,RIS 未来的主要研究趋势包括:RIS 硬件架构及调控算法的研究、智能环境通信新理论和基带新算法的研究、无线网络新架构等研究方向。RIS 硬件架构及调控算法研究:探索具备对电磁信号特性实现独立控制的单元器件扩展,例如可以在大带宽内实现对电磁波幅度、相位、频谱或极化等电磁参数独立和高速调控;设计具有功能多样性的 RIS 阵列,例如优化设计 RIS 单元空间排布方式、异构多类型原子集成阵列和多层、多功能 RIS 集成模组,提高 RIS 阵
111、列有效工作带宽、提高能量转换效率;研究和设计 RIS 基础调控算法集合及其功能扩展的调控算法,灵活扩展 RIS 阵列的功能集合和拓展 RIS 新的应用场景。智能环境通信新理论和基带新算法的研究:探索智能环境无线通信系统架构及传输体系35设计的基础理论和方法论。例如,探索电磁信息理论,用其指导未来无线传输系统的设计。研究和开发高效的基带算法以支持 RIS 技术在无线系统中的广泛应用。例如:1)针对不同传输场景,采用灵活方案进行 RIS 信道的测量和建模(包括 RIS 本身的电磁兼容模型建模),如基于统计模型和实际测量相结合的建模方案,或基于电磁计算的确定性信道建模方案,或基于多种方案融合的建模方
112、案等;2)探索支持 RIS 通信的空口方案和关键算法,如基于 AI的信道信息获取机制和波束赋型方案设计,分布式 RIS 协作传输方案等;3)开发完备的系统级仿真平台和系统验证平台,对设计的新方案进行全面的性能评估和实测评估;推动空口方案的标准化进程和 RIS 技术的产业化进程。无线网络新架构设计方面的研究:探索多种传输场景下 RIS 网元功能的定义,RIS 和无线网络间的控制方式及对应的接口协议;研究在无线同构网络内或在无线异构网络内 RIS的网络拓扑结构及部署方案;探索融合 RIS 的无线网络新架构的可扩展性、移动性、安全性、鲁棒特性及时延特性等,并推动新型无线接入网络架构相关的标准化进程。
113、36第六章第六章 总结与展望总结与展望RIS 技术采用可编程新型亚波长二维超材料,通过数字编码对电磁波进行主动的智能调控,形成幅度、相位、极化和频率可控制的电磁场,提供了物理电磁世界与数字信息世界之间的接口。RIS 技术能够突破传统无线信道不可控特性,实现主动地控制无线传播环境,在三维空间中实现信号传播方向调控及增强或消除,抑制干扰并增强信号,构建智能可编程无线环境新范式。作为一种全新且极具潜力的基础性关键技术,RIS 具有低成本、低功耗、易部署等特点,将能够支持绿色通信,并使能智能无线环境。RIS 典型应用包括解决无线通信中的覆盖空洞问题、扩展覆盖范围、抑制电磁干扰,提升传输自由度、支持大规
114、模连接及实现高精度感知与定位等。其与多技术的融合具有极大应用潜力,可以减小环境干扰,低成本实现高性能传输,提高环境感知能力,是实现未来通信感知一体化的潜在关键使能技术。RIS 通过构建智能可控无线环境,将给未来 6G 带来一种全新的通信网络范式,满足未来移动通信需求。简化版本的 RIS 将有机会在 5G-Advanced 阶段初步商业部署及标准化,尤其可以改善 5G 毫米波覆盖问题。RIS 由中国自主提出并引发全球跟进,未来将成为我国在基础原创及全产业链全面领先的潜在突破领域之一。37参考文献参考文献1.概述概述1 F.Tariq,M.R.A.Khandaker,K.-K.Wong,M.Imr
115、an,M.Bennis,and M.Debbah,“A speculative study on6G,”IEEE Wireless Commun.,vol.27,no.4,pp.118-125,Aug.2020.2 T.J.Cui,M.Q.Qi,X.Wan,J.Zhao,and Q.Cheng,“Coding metamaterials,digital metamaterials andprogrammable metamaterials,”Light-Sci.Appl.,vol.3,pp.1-9,Oct.2014.3 L.Zhang,X.Q.Chen,S.Liu,Q.Zhang,J.Zhao
116、,J.Y.Dai,G.D.Bai,X.Wan,Q.Cheng,G.Castaldi,V.Galdi,and T.J.Cui,“Space-time-coding digital metasurfaces,”Nat.Commun.,vol.9,no,1,pp.1-11,Oct.2018.4 C.Huang,A.Zappone,G.C.Alexandropoulos,M.Debbah and C.Yuen,“Reconfigurable intelligent surfacesfor energy efficiency in wireless communication,”IEEE Trans.W
117、ireless Commun.,vol.18,no.8,pp.4157-4170,Aug.2019.5 Q.Wu and R.Zhang,“Towards smart and reconfigurable environment:Intelligent reflecting surface aidedwireless network,”IEEE Commun.Mag.,vol.58,no.1,pp.106-112,Jan.2020.6 M.Di Renzo,A.Zappone,M.Debbah,M.-S.Alouini,C.Yuen,J.de Rosny,and S.Tretyakov,“Sm
118、art radioenvironments empowered by reconfigurable intelligent surfaces:How it works,state of research,and the roadahead,”IEEE J.Sel.Areas Commun.,vol.38,no.11,pp.2450-2525,Nov.2020.7 Y.Han,W.Tang,S.Jin,C.-K.Wen,and X.Ma,“Large intelligent surface-assisted wireless communicationexploiting statistical
119、 CSI,”IEEE Trans.Veh.Technol.,vol.68,no.8,pp.8238-8242,Aug.2019.8 C.Huang,Z.Yang,G.C.Alexandropoulos,K.Xiong,L.Wei,C.Yuen,Z.Zhang,M.Debbah,“Multi-hopRIS-empowered terahertz communications:A DRL-based hybrid beamforming design,”IEEE J.Sel.AreasCommun.,vol.39,no.6,pp.1663-1677,Apr.2021.9 C.Liaskos,S.N
120、ie,A.Tsioliaridou,A.Pitsillides,S.Ioannidis,and I.F.Akyildiz,“A new wirelesscommunication paradigm through software-controlled metasurfaces,”IEEE Commun.Mag.,vol.56,no.9,pp.162-169,Sep.2018.10 C.Huang,S.Hu,G.C.Alexandropoulos,A.Zappone,C.Yuen,R.Zhang,M.D.Renzo,and M.Debbah,“Holographic MIMO surfaces
121、 for 6G wireless networks:Opportunities,challenges,and trends,”IEEE WirelessCommun.,vol.27,no.5,pp.118-125,Oct.2020.11 J.Chen,Y.-C.Liang,Y.Pei,and H.Guo,“Intelligent reflecting surface:A programmable wirelessenvironment for physical layer security,”IEEE Access,vol.7,pp.82599-82612,Jun.2019.12 S.Yu,H
122、.Liu,and L.Li,“Design of near-field focused metasurface for high-efficient wireless power transferwith multifocus characteristics,”IEEE Trans.Ind.Electron.,vol.66,no.5,pp.3993-4002,May.2019.13 J.Hu,H.Zhang,B.Di,L.Li,K.Bian,L.Song,Y.Li,Z.Han,H.V.Poor,“Reconfigurable intelligent surfacebased RF sensin
123、g:Design,optimization,and implementation,”IEEE J.Sel.Areas Commun.,vol.38,no.11,pp.2700-2716,Nov.2020.14 W.Tang,M.Z.Chen,J.Y.Dai,Y.Zeng,X.Zhao,S.Jin,Q.Cheng,and T.J.Cui,“Wireless communicationswith programmable metasurface:New paradigms,opportunities,and challenges on transceiver design,”IEEEWireles
124、s Commun.,vol.27,no.2,pp.180187,Apr.2020.15 J.Zhao,X.Yang,J.Y.Dai,Q.Cheng,X.Li,N.H.Qi,J.C.Ke,G.D.Dai,S.Liu,S.Jin,A.Alu,and T.J.Cui,“Programmable time-domain digital-coding metasurface for non-linear harmonic manipulation and newwireless communication systems,”Natl.Sci.Rev.,vol.6,no.2,pp.231-238,Mar.
125、2019.3816 J.Y.Dai,W.Tang,J.Zhao,X.Li,Q.Cheng,J.C.Ke,M.Z.Chen,S.Jin,and T.J.Cui,“Wirelesscommunications through a simplified architecture based on time-domain digital coding metasurface,”Adv.Mater.Technol.,vol.4,no.7,pp.1-8,Jul.2019.17 W.Tang,J.Y.Dai,M.Z.Chen,K.-K.Wong,X.Li,X.Zhao,S.Jin,Q.Cheng,and T
126、.J.Cui,“MIMOtransmission through reconfigurable intelligent surface:System design,analysis,and implementation,”IEEE J.Sel.Areas Commun.,vol.38,no.11,pp.2683-2699,Nov.2020.18 W.Tang,M.Z.Chen,X.Chen,J.Y.Dai,Y.Han,M.Di Renzo,Y.Zeng,S.Jin,Q.Cheng,and T.J.Cui,“Wireless communications with reconfigurable
127、intelligent surface:Path loss modeling and experimentalmeasurement,”IEEE Trans.Wireless Commun.,vol.20,no.1,pp.421-439,Jan.2021.19 W.Tang,X.Chen,M.Z.Chen,J.Y.Dai,Y.Han,M.Di Renzo,S.Jin,Q.Cheng,and T.J.Cui,“Path lossmodeling and measurements for reconfigurable intelligent surfaces in the millimeter-w
128、ave frequency band,”arXiv:2101.08607,Jan.2021.20 V.Arun and H.Balakrishnan,“RFocus:Beamforming using thousands of passive antennas,”in Proc.17thUSENIX Symposium on Networked Systems Design and Implementation(NSDI 20),Santa Clara,USA,2020.21 L.Dai,B.Wang,M.Wang,X.Yang,J.Tan,S.Bi,S.Xu,F.Yang,Z.Chen,M.
129、Di Renzo,C.-B.Chae,and L.Hanzo,“Reconfigurable intelligent surface-based wireless communications:Antenna design,prototyping,andexperimental results,”IEEE Access,vol.8,pp.45913-45923,Mar.2020.22 M.Dunna,C.Zhang,D.Sievenpiper,and D.Bharadia,“Scatter MIMO:Enabling virtual MIMO with smartsurfaces,”MobiC
130、om20,London,U.K.,2020.23 跨 学 科 创 新,中 国 移 动 联 合 崔 铁 军 院 士 团 队 率 先 完 成 智 能 超 表 面 技 术 试 验 EB/OL.https:/ 中 兴 通 讯 联 合 中 国 电 信 完 成 业 界 首 个 5G 高 频 外 场 智 能 超 表 面 技 术 验 证 测 试 EB/OL.https:/ 中兴通讯携手中国联通完成全球首个 5G 中频网络外场下的智能超表面技术验证EB/OL.https:/ 数学与通信完美结合罗智泉教授团队与华为合作取得 5G 网络中应用智能反射面技术的突破EB/OL.http:/ N.Yu,P.Genevet
131、,M.A.Kats,F.Aieta,J.P.Tetienne,F.Capasso,and Z.Gaburro,“Light propagation withphase discontinuities:generalized laws of reflection and refraction,”Science,vol.334,no.6054,pp.333-337,Oct.2011.2 T.J.Cui,M.Q.Qi,X.Wan,J.Zhao,and Q.Cheng,“Coding metamaterials,digital metamaterials andprogrammable metamat
132、erials,”Light-Sci.Appl.,vol.3,pp.1-9,Oct.2014.3 Y.Zhang,J.Zhang,M.D.Renzo,H.Xiao and B.Ai.“Performance analysis of RIS-aided systems withpractical phase shift and amplitude response,”IEEE Trans.Veh.Technol.,vol.70,no.5,pp.4501-4511,May2021.4 H.Du,J.Zhang,J.Cheng,and B.Ai.“Millimeter wave communicati
133、ons with reconfigurable intelligentsurfaces:Performance analysis and optimization,”IEEE Trans.Commun.,vol.69,no.4,pp.2752-2768,Apr.2021.395 J.Zhang,H.Du,Q.Sun,B.Ai,and D.W.K.Ng.“Physical layer security enhancement with reconfigurableintelligent surface-aided networks,”IEEE Trans.Information Forensic
134、s and Security,vol.16,pp.3480-3495,May2021.6 J.Zhang,H.Liu,Q.Wu,Y.Jin,Y.Chen,B.Ai,S.Jin,and T.J.Cui.“RIS-aided next-generation high-speedtrain communications:Challenges,solutions,and future directions,”IEEE Wireless Commun.,to appear,2021.7 Q.Sun,P.Qian,W.Duan,J.Zhang,J.Wang,and K.Wong.“Ergodic rate
135、 analysis and IRS configuration formulti-IRS dual-hop DF relaying systems,”IEEE Commun.Lett.,Jul.2021.3.潜在应用场景与需求潜在应用场景与需求1 C.Huang,S.Hu,G.C.Alexandropoulos,A.Zappone,C.Yuen,R.Zhang,M.D.Renzo,M.Debbah,“Holographic MIMO surfaces for 6G wireless networks:Opportunities,challenges,and trends”,IEEE Wirel
136、essCommun.,vol.27,no.5,pp.118-125,Oct.2020.2 W.Tang,J.Y.Dai,M.Z.Chen,K.K.Wong X.Li,X.Zhao,and T.J.Cui,“MIMO transmission throughreconfigurable intelligent surface:System design,analysis,and implementation,”IEEE J.Sel.Areas Commun.,vol.38,no.11,pp.2683-2699,Nov.2020.3 M.Di Renzo et al.,“Smart radio e
137、nvironments empowered by reconfigurable intelligent surfaces:How itworks,state of research,and the road ahead,”IEEE J.Sel.Areas Commun.,vol.38,no.11,pp.2450-2525,Nov.2020.4.潜在关键技术潜在关键技术4.1.2 智能超表面调控智能超表面调控1 N.Yu,P.Genevet,M.A.Kats,F.Aieta,J.P.Tetienne,F.Capasso,and Z.Gaburro,“Light propagation withp
138、hase discontinuities:Generalized laws of reflection and refraction,”Science,vol.334,no.6054,pp.333-337,Oct.2011.2 T.J.Cui,M.Q.Qi,X.Wan,J.Zhao,and Q.Cheng,“Coding metamaterials,digital metamaterials andprogrammable metamaterials,”Light-Sci.Appl.,vol.3,pp.1-9,Oct.2014.3 G.Liu,L.Li,J.Hang,H.Liu,X.Gao,Y
139、.Shi,and T.J.Cui,“Frequency-domain and spatial-domainreconfigurable metasurface,”ACS Applied Materials&Interfaces,vol.12,no.20,pp.23554-23564,2020.4 L.Li,Y.Li,Z.Wu,F.Huo,Y.Zhang,C.Zhao,“Novel polarization-reconfigurable converter based onmultilayer frequency-selective surfaces,”Proceedings of the IE
140、EE,vol.103,no.7,pp.1057-1070,2015.4.1.3 RIS 硬件技术特性分析硬件技术特性分析1 苗菁.基于远场方向图诊断相控阵天线失效阵元的方法研究D.电子科技大学.4.2.1 信道测量与建模信道测量与建模1 3GPP TR38.901 V16.0.0 Study on channel model for frequencies from 0.5 to 100 GHzS,2019.2 ITU-R M.2412 Guidelines for evaluation of radio interface technologies for IMT-2020S,2017.3
141、W.Tang,M.Z.Chen,X.Chen,J.Y.Dai,Y.Han,M.Di Renzo,Y.Zeng,S.Jin,Q.Cheng,and T.J.Cui,“Wireless communications with reconfigurable intelligent surface:Path loss modeling and experimentalmeasurement,”IEEE Trans.Wireless Commun.,vol.20,no.1,pp.421-439,Jan.2021.404 W.Tang,X.Chen,M.Z.Chen,J.Y.Dai,Y.Han,M.Di
142、Renzo,S.Jin,Q.Cheng,and T.J.Cui,“Path lossmodeling and measurements for reconfigurable intelligent surfaces in the millimeter-wave frequency band,”arXiv:2101.08607,Jan.2021.5 M.Di Renzo,F.H.Danufane,X.Xi,J.de Rosny,and S.A.Tretyakov,“Analytical modeling of the path-lossfor reconfigurable intelligent
143、 surfaces-anomalous mirror or scatterer?”IEEE 21st International Workshop onSignal Processing Advances in Wireless Communications(SPAWC),May 2020.6 G.Gradoni and M.Di Renzo,“End-to-end mutual-coupling-aware communication model for reconfigurableintelligent surfaces:An electromagnetic-compliant appro
144、ach based on mutual impedances”,IEEE WirelessCommun.Lett.,vol.10,no.5,pp.938-942,May 2021.7 窦建武,陈艺戬,张楠,等.智能可控电磁表面信道建模J.电波科学学报,2021,36(3):368-377.8 G.Sun,R.He,et al.,“A 3D geometry-based non-stationary MIMO channel model for RIS-assistedcommunications,”in Proc.IEEE VTC Fall,pp.1-5,2021.9 Z.Ma,B.Ai,R.
145、He,R.He,C.Liu,N.Wang,M.Yang,Z.Zhong,and W.Fan,“Multipath fading channelmodeling with aerial intelligent reflecting surface,”in Proc.IEEE GLOBECOM,2021.4.2.2 信道估计与反馈信道估计与反馈1 A.Taha,M.Alrabeiah,and A.Alkhateeb,“Enabling large intelligent surfaces with compressive sensing anddeep learning,”arXiv:1904.1
146、0136v2,Apr.2019.2 C.Hu,and L.Dai,S.Han,and X.Wang,“Two-timescale channel estimation for reconfigurable intelligentsurface aided wireless communications,”IEEE Trans.Commun.,2021.3 X.Wei,D.Shen,and L.Dai,“Channel estimation for RIS assisted wireless communicationsPart II:Animproved solution based on d
147、ouble-structured sparsity,”IEEE Commun.Lett.,vol.25,no.5,pp.1403-1407,May2021.4 H.Liu,J.Zhang,Q.Wu,H.Xiao,and B.Ai,“ADMM based channel estimation for RISs aided MillimeterWave Communications,”IEEE Commun.Lett.,vol.25,no.9,pp.2894-2898,Jul.2021.5 Z.He and X.Yuan,“Cascaded channel estimation for large
148、 intelligent metasurface assisted massive MIMO,IEEE Wireless Commun.Lett.,vol.9,no.2,pp.210-214,Feb.2020.6 B.Zheng and R.Zhang,“Intelligent reflecting surface-enhanced OFDM:Channel estimation and reflectionoptimization,”IEEE Wireless Commun.Lett.,vol.9,no.4,pp.518522,Apr.2020.7 C.Singh,K.Singh,and K
149、.H.Liu,“Fast beam training for RIS-assisted uplink communication,”arXiv:2107.14138,Jul.2021.8 D.Shen and L.Dai,“Dimension reduced channel feedback for reconfigurable intelligent surface aided wirelesscommunications,”IEEE Trans.Commun.,Jul.2021.9 W.Xu,F.Gao,J.Zhang,X.Tao,and A.Alkhateeb,“Deep learnin
150、g based channel covariance matrixestimation with user location and scene images,”IEEE Trans Commu.,Aug.2021.4.2.3 波束赋形波束赋形1 C.Huang,R.Mo,and C.Yuen,“Reconfigurable intelligent surface assisted multiuser MISO systemsexploiting deep reinforcement learning,”IEEE J.Sel.Areas Commun.,vol.38,no.8,pp.1839-
151、1850,Aug.2020.2 B.Di,H.Zhang,L.Song,Y.Li,Z.Han,and H.V.Poor,“Hybrid beamforming for reconfigurable intelligentsurface based multi-user communications:achievable rates with limited discrete phase shifts,”IEEE J.Sel.AreasCommun.,vol.38,no.8,pp.1809-1822,Aug.2020.413 P.Wang,J.Fang,L.Dai,and H.Li,“Joint
152、 transceiver and large intelligent surface design for massive MIMOmmWave systems,”IEEE Trans.Wireless Commun.,vol.20,no.2,Feb.2021.4 S.Abeywickrama,R.Zhang,Q.Wu,and C.Yuen,“Intelligent reflecting surface:practical phase shift modeland beamforming optimization,”IEEE Trans.Commun.,vol.68,no.9,pp.5849-
153、5863,Sept.2020.4.2.4 数能同传数能同传1 S.Yu,H.Liu,and L.Li,“Design of near-field focused metasurface for high efficient wireless power transferwith multifocus characteristics,”IEEE Trans.Industrial Electronics,vol.66,no.5,pp.3993-4002,May 2019.2 L.Li,H.Liu,H.Zhang,and W.Xue,“Efficient Wireless Power Transfe
154、r System Integrating with Metasurfacefor Biological Applications,”IEEE Trans.Industrial Electronics,vol.65,no.4,pp.3230-3239,Apr.2018.3 I.Krikidis,S.Timotheou,S.Nikolaou,G.Zheng,D.W.K.Ng,and R.Schober,“Simultaneous wirelessinformation and power transfer in modern communication systems”,IEEE Commun.M
155、ag.,vol.52,no.11,pp.104-110,Nov.2014.4 M.Rajabi,N.Pan,S.Claessens,S.Pollin,and D.Schreurs,“Modulation techniques for simultaneous wirelessinformation and power transfer with an integrated rectifier-receiver,”IEEE Trans.Microwave Theory andTechniques,vol.66,no.5,pp.2373-2385,2018.4.2.5 感知与定位感知与定位1 H.
156、Zhang,H.Zhang,B.Di,K.Bian,Z.Han,and L.Song,“MetaLocalization:Reconfigurable intelligentsurface aided multi-user wireless indoor localization,”IEEE Trans.Wireless Commun.,Jun.2021.2 L.Li,Y.Shuang,Q.Ma,H.Li,H.Zhao,M.Wei,C.Liu,C.Hao,C.Qiu,and T.J.Cui,“Intelligentmetasurface imager and recognizer,”Light
157、 Sci.Appl.,Oct.2019.3 E.Calvanese Strinati,G.C.Alexandropoulos,V.Sciancalepore,M.Di Renzo,H.Wymeersch,D.T.P.Huy,M.Crozzoli,R.DErrico,E.de Carvalho,P.Popovski,P.D.Lorenzo,L.Bastianelli,M.Belouar,J.Mascolo,G.Gradoni,S.Phang,G.Lerosey,and B.Denis,“Wireless environment as a service enabled by reconfigur
158、ableintelligent surfaces:The RISE-6G perspective,”in Proc.2021 Joint European Conference on Networks andCommunications&6G Summit(EuCNC/6G Summit),Jun.2021.4.2.6 频谱共享频谱共享1赵 亚 军,菅 梦 楠.6G 智 能 超 表 面 技 术 应 用 与 挑 战 J/OL.无 线 电 通 信 技术:1-162021-08-12.http:/ 基于基于 RIS 的发射机与接收机设计的发射机与接收机设计1 S.Guo,S.Lv,H.Zhang,J
159、.Ye,and P.Zhang,“Reflecting modulation,”IEEE J.Sel.Areas Commun.,vol.38,no.11,pp.2548-2561,Nov.2020.2 J.Zhao,X.Yang,J.Y.Dai,Q.Cheng,X.Li,N.H.Qi,J.C.Ke,G.D.Bai,S.Liu,S.Jin,A.Alu,and T.J.Cui,“Programmable time-domain digital-coding metasurface for non-linear harmonic manipulation and new wirelesscommu
160、nication systems,”National Science Review,vol.6,no.2,pp.231-238,Mar.2019.3 J.Y.Dai,W.K.Tang,J.Zhao,X.Li,Q.Cheng,J.C.Ke,M.Z.Chen,S.Jin,and T.J.Cui,“Wirelesscommunications through a simplified architecture based on time-domain digital coding metasurface,”AdvancedMaterials Technologies,vol.4,no.7,pp.1-
161、8,Jul.2019.424 W.Tang,J.Y.Dai,M.Z.Chen,K.Wong,X.Li,X.Zhao,S.Jin,Q.Cheng,and T.J.Cui,“MIMOtransmission through reconfigurable intelligent surface:System design,analysis,and implementation,”IEEE J.Sel.Areas Commun.,vol.38,no.11,pp.2683-2699,Nov.2020.5 L.Zhang,M.Z.Chen,W.Tang,J.Y.Dai,L.Miao,X.Y.Zhou,S.
162、Jin,Q.Cheng,and T.J.Cui,“A wirelesscommunication scheme based on space-and frequency-division multiplexing using digital metasurfaces,”NatureElectronics,vol.4,pp.218227,Mar.2021.6 M.Z.Chen,W.Tang,J.Y.Dai,J.C.Ke,L.Zhang,C.Zhang,J.Yang,L.Li,Q.Cheng,S.Jin,and T.J.Cui,“Accurate and broadband manipulatio
163、ns of harmonic amplitudes and phases to reach 256QAM millimeter-wavewireless communications by time-domain digital coding metasurface,”National Science Review,Jul.2021.7 E.Basar,“Reconfigurable intelligent surface-based index modulation:A new beyond MIMO paradigm for 6G,”IEEE Trans.Commun.,vol.68,no
164、.5,pp.3187-3196,May 2020.8 Z.Niu,W.Wang,and T.Jiang,“Spatial modulation for ambient backscatter communications:Modeling andanalysis,”in Proc.2019 IEEE Global Communications Conference(GLOBECOM),Dec.2019.9 L.Chen,W.Hu,K.Jamieson,X.Chen,D.Fang,and J.Gummeson,“Pushing the physical limits of IoTdevices
165、with programmable metasurfaces,”in Proc.18th Symposium on Networked Systems Design andImplementation,2021.10 W.Tang,M.Z.Chen,J.Y.Dai,Y.Zeng,X.Zhao,S.Jin,Q.Cheng,and T.J.Cui,“Wireless communicationswith programmable metasurface:New paradigms,opportunities,and challenges on transceiver design,”IEEEWir
166、eless Commun.,vol.27,no.2,pp.180-187,Apr.2020.11 Y.Lu and L.Dai,“Reconfigurable intelligent surface based hybrid precoding for THz communications,”arXiv:2012.06261,Dec.2020.4.2.9 AI 使能智能超表面使能智能超表面1 A.M.Elbir and K.V.Mishra,“A survey of deep learning architectures for intelligent reflecting surfaces,
167、”arXiv:2009.02540,Dec.2020.2 S.Zhang,S.Zhang,F.Gao,J.Ma,and O.A.Dobre,“Deep learning optimized sparse antenna activation forreconfigurable intelligent surface assisted communication,”IEEE Trans.Commun.,Jul.2021.3 C.Huang,R.Mo,and C.Yuen,“Reconfigurable intelligent surface assisted multiuser MISO sys
168、temsexploiting deep reinforcement learning,”IEEE J.Sel.Areas Commun.,vol.38,no.8,pp.1839-1850,Aug.2020.4 K.Feng,Q.Wang,X.Li,and C.-K.Wen,“Deep reinforcement learning based intelligent reflecting surfaceoptimization for MISO communication systems,”IEEE Wireless Commun.Lett.,vol.9,no.5,pp.745-749,May2
169、020.5 C.Huang,Z.Yang,G.C.Alexandropoulos,K.Xiong,L.Wei,C.Yuen,and Z.Yang,“Hybrid beamformingfor RIS-empowered multi-hop Terahertz communications:a DRL-based method,”in Proc.2020 IEEE GlobecomWorkshop,Dec.2020.4.3.3 基于基于 RIS 的网络部署的网络部署1 赵 亚 军,菅 梦 楠.6G智 能 超 表 面 技 术 应 用 与 挑 战 J/OL.无 线 电 通 信 技术:1-162021
170、-08-12.http:/ 赵亚军,章嘉懿,艾渤.智能超表面在智能高铁通信场景的应用探讨J/OL.中兴通讯技术,2021.433 J.Zhang,H.Liu,Q.Wu,Y.Jin,Y.Chen,B.Ai,S.Jin,and Tie Jun Cui.“RIS-aided next-generationhigh-speed train communications:Challenges,solutions,and future directions,”IEEE Wireless Commun.,toappear,2021.5.1 技术成熟度技术成熟度1 跨学科创新,中国移动联合崔铁军院士团队率先完
171、成智能超表面技术试验EB/OL.https:/ 中兴通讯联合中国电信完成业界首个 5G 高频外场智能超表面技术验证测试EB/OL.https:/ 中兴通讯携手中国联通完成全球首个 5G 中频网络外场下的智能超表面技术验证EB/OL.https:/ 数学与通信完美结合罗智泉教授团队与华为合作取得 5G 网络中应用智能反射面技术的突破EB/OL.http:/ 5G Evolution and 6G:HAPS,metasurface lens and pinching antenna EB/OL.https:/www.nttdocomo.co.jp/english/info/media_center
172、/event/mwc21/contents/exhibits06/.2021.44主要贡献单位总编辑(总编辑(Editor-in-chief)崔铁军院士(),东南大学主编(主编(Editors)金石(),东南大学章嘉懿(),北京交通大学赵亚军(),中兴通讯袁弋非(),中国移动孙欢(),华为技术有限公司引用格式引用格式:崔铁军,金石,章嘉懿,赵亚军,袁弋非,孙欢等,智能超表面技术研究报告R,IMT-2030(6G)推进组,2021.Citation:Cui Tiejun,Jin Shi,Zhang Jiayi,Zhao Yajun,Yuan Yifei,Sun Huan,et.al,Resear
173、chReport on Reconfigurable Intelligent Surface(RIS)R,IMT-2030(6G)Promotion Group,2021.致谢(致谢(Acknowledgement):):感谢 IMT-2030(6G)推进组与 RIS 任务组全体成员单位的大力支持与积极贡献。45贡献单位贡献单位联络人联络人贡献章节贡献章节贡献人贡献人中兴通讯股份有限公司菅梦楠总负责第 4 章,牵头 4.2.1 和4.2.2,总体修订菅梦楠,赵亚军,韩志强,孙波,窦建武东南大学唐万恺总负责第 1 章,牵头 4.2.8,参与 2,4.1 和 4.2.9金石,程强,唐万恺,党建,陈
174、伟聪,王静赫北京交通大学章嘉懿总负责第 2 章和第 6 章,参与4.2.1章嘉懿,金宇,何睿斯中国移动通信技术股份有限公司吴丹总负责第 3 章,牵头 5.1,参与 3.1.1,3.1.2,总体修订袁弋非,吴丹,顾琪,李亚华为技术有限公司孙欢总负责第五章,牵头 4.1,参与 3.1.3孙欢清华大学高飞飞牵头 4.2.9高飞飞清华大学戴凌龙参与 4.1.3,4.2.2,4.2.9戴凌龙清华大学杨帆fan_参与 5.1杨帆,许慎恒浙江大学黄崇文牵头 4.2.3,参与 1,2,3.1.1,3.2.1,3.2.4,3.2.5黄崇文西安电子科技大学李龙牵头 4.1.2 和 4.2.4李龙,史琰,韩家奇南京
175、航空航天大学周福辉牵头 4.2.6,参与 3.2.8周福辉,吴雨航西安邮电大学褚宏云参与 4.2.2褚宏云北京理工大学郑重牵头 4.2.5郑重,费泽松战略支援部队信息工程大学孙小丽牵头 4.2.7,参与 3.1.2,3.2.4金梁,黄开枝,孙小丽,许晓明,钟州重庆邮电大学徐勇军牵头 4.3,参与 3.2.2,3.2.3,3.2.8,4.2.4徐勇军之江实验室郭荣斌参与 1,3.2.2,3.2.7,4.1郭荣斌,杨斌华中科技大学骆志青zhiqing_,参与 4.1.1,4.2.5,4.2.7,4.2.8王巍,骆志青,董慧鑫46联想张翼参与 3.1.1,3.1.4,3.2.1张翼,朱晨曦中国电信李
176、南希参与 3.1.1,3.1.2,3.1.3李南希,朱剑驰复旦大学杨涛参与 3.1.1杨涛,肖戈川紫光展锐苗润泉runquan.M参与 3.1.1,3.1.5苗润泉北京小米移动软件有限公司赵文素参与 3.1.1,3.1.5,3.2.1,3.2.4,3.2.5,3.2.6,3.2.9,3.2.10赵文素,池连刚中国联合网络通信集团有限公司刘秋妍参与 3.1.1,3.1.2,5.1,总体修订李福昌,刘秋妍维沃移动通信有限公司杨坤参与 4.2.2,5.2,总体修订秦飞,姜大洁,杨坤中信科移动通信技术股份有限公司苏昕参与第 5 章秦海超,苏昕行晟科技张剑年参与 5.1张剑年华中科技大学尹海帆参与 5.1尹海帆紫金山实验室赵见磊参与 4.2.7赵见磊中国科学技术大学卢汉成参与第 3 章卢汉成NTT DoCoMo侯晓林houdocomolabs-参与第 1 章侯晓林三星电子孙程军参与修订孙程军,喻斌,王翯