《IMT-2030(6G)推进组： 2023智能超表面典型应用、挑战与关键技术研究报告（73页）.pdf》由会员分享，可在线阅读，更多相关《IMT-2030(6G)推进组： 2023智能超表面典型应用、挑战与关键技术研究报告（73页）.pdf（73页珍藏版）》请在三个皮匠报告上搜索。

1、北京稻壳科技有限公司Beijing Rice Hull Technology Co.,Ltd.地址：北京市朝阳区九住路 188 号IMT-2030(6G)推进组IMT-2030(6G)Promotion Group2023 年年 12 月月版权声明版权声明 Copyright Notification未经书面许可未经书面许可 禁止打印、复制及通过任何媒体传播禁止打印、复制及通过任何媒体传播2023 IMT-2030（6G）推进组版权所有IIMT-2030(6G)推进组IMT-2030(6G)Promotion Group前前言言智能超表面通过构建智能可控无线环境，将为未来 6G 带来一种全新的

2、网络范式。作为全新网元和基础使能技术，智能超表面将充分赋能 6G 网络，满足未来移动通信的巨大需求。智能超表面低成本、低功耗、简单易部署等特性，使其成为国际竞争中备受关注的研究热点，对智能超表面技术的不懈研究将成为未来无线通信的必争之地。2020 年 6 月，IMT-2030（6G）推进组成立了“智能超表面任务组”，标志着智能超表面研究真正开始从学术走向产业。2021 年 9 月 17 日和 2022 年 11 月 17 日，IMT-2030（6G）推进组分别发布了智能超表面技术研究报告（第一版）和智能超表面技术研究报告（第二版）。相对已发布的前两版报告，本研究报告作了全面更新，从应用场景、关

3、键技术、标准工作等多个维度展示了智能超表面在理论和工程化应用技术方面的最新进展。第二章应用场景考虑到工程化实践，从之前版本中十余个应用场景收敛聚焦于增强低频覆盖和容量、使能中高频连续覆盖、使能泛在近场、使能泛在感知定位四大智能超表面应用场景，聚焦于智能超表面技术与现网融合的高价值应用；第三章全面综述了智能超表面基础理论及关键技术的最新进展，新增基于智能超表面的近场辐射理论和系统仿真两部分内容；第四章是新增章节，对智能超表面工程化中面临的问题及其对标准化影响进行了全面梳理，探索智能超表面实际应用道路，为未来智能超表面商用做好准备。本报告是由 IMT-2030（6G）推进组智能超表面任务组的众多专

4、家共同努力编写完成。感谢各成员单位专家的辛苦付出，并感谢崔铁军院士、东南大学金石教授等资深专家的指导。IIIMT-2030(6G)推进组IMT-2030(6G)Promotion Group目目录录第第 1 章章 概述概述.1第第 2 章章 典型应用场景典型应用场景.32.1 增强低频覆盖和容量.32.2 使能中高频连续覆盖.52.3 使能泛在近场.62.4 使能泛在感知与定位.8第第 3 章章 潜在关键技术潜在关键技术.93.1 机理与模型.93.2 面向实现的波束赋形方案.113.3 使能近场.153.4 使能泛在感知与定位.243.5 新型相控阵天线.293.6 性能评估方法.30第第

5、4 章章 工程化挑战与解决方案工程化挑战与解决方案.484.1 硬件挑战.484.2 信道互易性.494.3 极化特性.514.4 功耗分析.514.5 成本分析.534.6 网络部署.544.7 潜在标准化工作.55第第 5 章章 总结与展望总结与展望.59参考文献参考文献.60贡献单位贡献单位.66IIIIMT-2030(6G)推进组IMT-2030(6G)Promotion Group图目录图目录图 2.1 基于数字编码超表面的收发射机框图1.3图 2.2 AAU 集成反射式智能超表面的超大规模天线设计示意图.3图 2.3 AAU 集成透射式智能超表面的超大规模天线设计示意图.4图 2.

6、4 基于智能超表面的信道侧辅助通信组网场景.4图 2.5 外场测试场景.5图 2.6 杭州亚运试点：潮汐效应区域，忙时扩充容量.5图 2.7 RIS 使能中高频连续覆盖.6图 2.8 近场应用场景.7图 2.9 近场定位场景模型5.8图 2.10 RIS 辅助定位场景.8图 3.1 透射、反射、吸波一体化 RIS 实现形式11.10图 3.2 有源超表面结构等效路传输模型.11图 3.3 条件采样平均（CSM）算法的图解.12图 3.4 不同波束赋形方案的接收功率 CDF 曲线.12图 3.5 基于 RIS 的无线通信链路模型.13图 3.6 包含控制节点的 RIS 系统框图.13图 3.7

7、两跳链路划分方式.14图 3.8 近场波束聚焦.17图 3.9 傅立叶平面波展开信道建模.18图 3.10 傅立叶平面波展开信道容量仿真.18图 3.11 近场多极化球面波建模.19图 3.12 离散/连续孔径通信容量极限分析.19图 3.13 超大规模 RIS 辅助的近远场混合通信场景模型.20图 3.14 近场波束分裂效应示意图.21图 3.15 近场宽带波束训练.22图 3.16 近场用户的能量扩散效应与远场波束空间角度的关系.23图 3.17 近场波束训练方案可达速率仿真图68.24图 3.18 RIS 辅助无线感知的系统模型.24图 3.19 RIS 辅助无线感知的仿真结果.25图

8、3.20 半被动 RIS 定位系统.26图 3.21 时分-特征序列混合感知协议.26图 3.22 全方向 RIS 辅助的双基地通感一体化系统.27图 3.23 不同天线数量和不同相位设计策略的定位误差61.27图 3.24 不同相位设计方案的定位误差62.28图 3.25 不同相位设计的定位性能65.29图 3.26 基于 RIS 的相控阵天线.29图 3.27 系统级仿真架构.30图 3.28 RIS 系统仿真评估对象.31图 3.29 RIS 系统仿真拓扑模型.33图 3.30 基于几何随机的统计性信道模型结构.34IVIMT-2030(6G)推进组IMT-2030(6G)Promoti

9、on Group图 3.31 RIS 辅助通信信道模型.35图 3.32 RIS 辅助的 F2M 几何信道模型示意图.36图 3.33 RIS 辅助下高铁通信信道模型示意图.37图 3.34 自由空间路径损耗模型验证测量实拍图68.37图 3.35 走廊场景基于 USRP 构建的 RIS 信道时域测量系统实拍图84.38图 3.36 镜像法示意图.39图 3.37 边缘绕射示意图.40图 3.38 用户和智能超表面位置分布.43图 3.39 不同位置、调控精度和阵子规模下的 CDF 曲线.44图 3.40 16x16 和 40 x40 RIS 系统仿真在不同波束宽度下的系统级仿真对比.45图

10、3.41 RIS 拓扑对 UE Throughput 性能影响(10GHz).45图 3.42 RIS 拓扑对 UE Throughput 性能影响(30GHz).46图 3.43 BUR 对 UE 吞吐量性能影响（10GHz）.46图 4.1 相位非理性对接收信号强度影响89.49图 4.2 RIS 辅助无线通信系统上下行信道互易性的测试环境.50图 4.3 破坏互易性的条件.50图 4.4 60入射角范围内互易性成立，角度大于60范围互易性变差.51图 4.5 单极化 RIS 对 45入射极化波仅对一个极化方向有赋形效果.51图 4.6 各类型 RIS 硬件及测试过程示意图.52图 4.7

11、 RIS 功耗测量结果展示.52图 4.8 NCR 示意图.55图 4.9 RIS 架构示意图.56图 4.10 NCR 与 RIS 的 RSRP 和 SINR CDF 对比（2.6GHz）.56图 4.11 26GHz 时 RSRP 和 SINR 的 CDF.571IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第第 1 章章 概述概述5G 网络已经商用落地四年，已经成为新型基础设施的重要组成部分。截止 2023 年 10月底，我国已累积建设 5G 基站约 321.5 万个1，5G 行业应用也已经融入 60 个国民经济大类，成为推动实体经济数字化转型升级的

12、“加速器”。随着用户需求不断演进，更优质的业务体验，更多垂直行业的业务拓展，都将驱动移动通信网络不断向前发展。未来，6G 在满足用户个性化需求的同时将社会福祉作为6G发展的重要方向，通过人机物多维泛在连接和普惠智能，实现物理世界和虚拟世界的连接，进而推动人类社会从“万物互联”演变为“万智互联”，形成真正意义上的智慧互联时代。为了满足更大带宽、更高速率、更低时延、更智能化的业务需求，工作频段更高、天线规模更大、设备算力更强是下一代未来移动通信网络发展的重要趋势。但是，更高频段、更大规模天线、更强算力的引入导致移动通信网络发展也面临诸多挑战。一是高频信道环境恶劣，相较于低频信号，高频信号的传播与穿

13、透损耗较大，受障碍物遮挡影响也更大，网络覆盖区域容易出现盲区或弱覆盖区域，不利于实现无线网络的泛在接入和深度覆盖；二是天线规模发展受限，伴随天线规模的增加，天线制造工艺与成本、信道测量与建模难度、信号处理运算量、参考信号开销等方面都会显著增加，对天线系统的一体化和集成度提出了更高的要求。因此，超大规模天线技术走向实用化的前提是低成本、低功耗、高可靠和易部署；三是能耗负担日益加剧，能耗是网络运营的关键因素，5G 基站相对 4G 基站能耗显著提升，以基站为代表的 RAN 侧主设备射频器件能耗约占设备能耗 55%，降低射频器件能耗，提升能效是牵引设备绿色演进的核心；四是被动适应无线环境，现阶段无线网

14、络智能调控能力仅限于收发端两侧，对无线信道环境中的路径损耗、多径衰落等现象只能采取被动适应的手段，空口常常成为限制网络性能的关键。智能超表面（Reconfigurable Intelligent Surface,RIS）作为电磁超材料的一种二维实现，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、极化和频率可控制的电磁环境。由于智能超表面采用少量有源器件甚至全无源器件的设计理念，并且可以通过采用超材料及可拼接部署方式，因此具备低成本、低功耗、低复杂度和易部署的优势，具备面向未来网络的部署潜力。近年来，智能超表面技术研究已经逐步从理论设计向应用落地发展。国内外高校、设备商、运营商等

15、众多智能超表面研发团队开展了大量内外场单站环境下智能超表面辅助的测试验证工作。随着智能超表面的理论与工程化应用技术研究不断深入，在学术和工程领域均取得了一定突破，RIS 工程化应用研究与实践成为当前关注的焦点。在业界的共同努力下，随着工程化问题被不断的提出和攻克，RIS 的研究正在逐步向低成本、低功耗和简单易部署的1https:/ Group技术目标迈进，为 RIS 在未来无线网络大规模部署打下了坚实基础。业界对 RIS 理论与技术研究的价值以及 RIS 对未来无线网络的变革性意义已逐渐形成共识。本技术研究报告的其余部分按以下方式组织：第二章介绍 RIS 典型应用场景；第三章讨论 RIS 潜在

16、关键技术；第四章探讨 RIS 工程化挑战与解决方案；第五章总结并展望未来发展方向。3IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第第 2 章章 典型应用场景典型应用场景随着 RIS 的理论与工程化应用技术研究的深入，其典型应用场景逐渐被揭示和识别。相较于 2022 版本，本版本中的应用场景逐步收敛，更加聚焦于 RIS 技术在实际场景中的具体应用。首先，本章探讨了 RIS 在低频段 5G 网络覆盖环境中的部署策略，并提供了实测的典型场景。接着，分析了中高频传播特性，并给出了 RIS 使能中高频段连续覆盖的场景。最后，分别提供了 RIS 使能近场和使能泛在的

17、感知与定位的应用潜力。2.1 增强低频覆盖和容量增强低频覆盖和容量对于低频场景，智能超表面既可以部署在收发端侧，也可以部署在信道侧，以增强网络的覆盖或容量。2.1.1部署在收发侧部署在收发侧在收发端侧，一方面，智能超表面可应用于简化收发信机设计。基于数字编码超表面的发射机将信源比特映射成智能超表面控制信号，调控智能超表面对入射波的电磁响应，可实现频移键控（Frequency Shift Keying，FSK）、相移键控（Phase Shift Keying，PSK）、正交幅度调制（Quadrature Amplitude Modulation，QAM）调制收发信机1，集能量辐射和信息调制功能于

18、一体，动态调控电波传播方向和谐波能量分布，简化收发信机架构，降低设备功率消耗，如图 2.1 所示。图图 2.1 基于数字编码超表面的收发射机框图基于数字编码超表面的收发射机框图1另一方面，在基站（Base Station，BS）侧，智能超表面还可以用于改善有源天线单元（Active Antenna Unit，AAU）设计。在现有 5G AAU 基础上，集成无源反射式智能超表面阵面，既可以实现一体化动态智能调控，扩展基站覆盖角度，又可以有效提升天线阵面口径增益，增加基站覆盖增益，如图 2.2 所示。在现有 5G AAU 基础上，集成透射式智能超表面阵面，可进一步扩展基站覆盖角度，有效提升基站覆盖

19、范围，解决边远郊区低容量场景，低成本低功耗覆盖补盲问题，如图 2.3 所示。图图 2.2AAU 集成反射式智能超表面的超大规模天线设计示意图集成反射式智能超表面的超大规模天线设计示意图4IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 2.3AAU 集成透射式智能超表面的超大规模天线设计示意图集成透射式智能超表面的超大规模天线设计示意图2.1.2部署在信道侧部署在信道侧在信道侧，智能超表面作为一种低成本低功耗的信道环境调控节点，应用于网络覆盖补盲、室内外覆盖增强、热点扩容等典型场景。智能超表面部署在基站与目标覆盖区域之间，如图 2.4 所示。对于如图 2

20、.4（a）所示的覆盖补盲场景，由于被建筑物遮挡，用户终端（User Equipment,UE）可能无法接收到来自基站的无线信号。将 RIS 部署在适当的位置，可以建立 BS-RIS-UE 的定向链路，从而提高位于基站覆盖边缘的用户性能。与室外环境相比，室内环境的穿墙损耗较大。对于如图 2.4（b）所示的室外覆盖室内场景，通过部署 RIS 能够有效解决由于穿墙损耗导致的从室外基站到室内用户的信号质量差的问题，为室内用户提供可靠、高速率的数据传输服务。对于如图 2.4（c）所示的室内覆盖场景，由于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。通过部署 RIS 可以增强到达目标用户的信号，显

21、著提升室内用户的通信质量。总而言之，可通过智能超表面按需构造非视距反射路径或改变电磁波透射特性，可有效解决由于障碍物遮挡产生的盲区问题，提升室外宏站穿透玻璃覆盖室内的网络质量，改善小区边缘用户富散射环境，提高小区边缘用户传输性能，以低成本、低功耗方式实现深度覆盖和提速扩容。(a)覆盖补盲(b)室外覆盖室内(c)室内覆盖图图 2.4 基于智能超表面的信道侧辅助通信组网场景基于智能超表面的信道侧辅助通信组网场景基于当前阶段的原型样机，业界主要针覆盖增强场景进行测试验证。例如，现网 RIS测试选择了如图 2.5 所示的三个场景2，针对低频段 2.6 GHz：隧道或停车场，该场景的用户少投资收益低，面

22、积大且比较封闭，宏站信号很难进入，但考虑安全性，设备部署有困5IMT-2030(6G)推进组IMT-2030(6G)Promotion Group难；室内场景，室分部署困难，用户网络需求度高；道路，室外空旷，周围多个信号重叠直射，干扰强，信号差。图图 2.5 外场测试场景外场测试场景随着理论和硬件的发展，RIS 可以通过改善信道条件（如汇聚能量、增加散射径等），实现对网络中信道条件较好的用户进行扩容增流传输。以 2023 年杭州亚运会试点计划为例，如图 2.6 所示，通过划分潮汐效应区域，实现忙时利用 RIS 扩充容量，闲时关断部分基站，利用 RIS 保证基本覆盖2。图图 2.6 杭州亚运试点

23、：潮汐效应区域，忙时扩充容量杭州亚运试点：潮汐效应区域，忙时扩充容量2.2 使能中高频连续覆盖使能中高频连续覆盖中频厘米波如 10GHz 频段也是 6G 候选频段和频谱机会点。厘米波频段具有丰富的漫反射和良好的散射和衍射效果，有潜力提供超分辨率空间传播路径。厘米波相对于高频通信具有相对较低的路径损耗可以实现更大范围的覆盖，同时相对于 sub-6G 频段具有更小的波长使能超大规模但较小尺寸的天线部署和配置。6IMT-2030(6G)推进组IMT-2030(6G)Promotion Group基于厘米波路损、波长以及成本等因素，厘米波基站和用户终端可以配置更多的射频通道（如 512+），这就提供了

24、基于高分辨率空间窄波束用以实现更高空间自由度的可能，因此该波段典型应用场景便是单用户多流或更高阶多用户复用场景。但考虑到物理环境的空间分辨率可能无法匹配或充分利用厘米波多天线系统所提供的空间自由度，RIS 可基于其低成本、低功耗特点，作为提供提升该自由度的使能手段部署于网络中。该场景中关键问题包括RIS 的部署和协作，RIS 辅助多用户 MIMO 系统的用户配对和调度，以及潜在大面板尺寸衍生的近场效应带来的复杂的波束训练，非平面波信道模型建模，以及近场码本设计等问题。高频毫米波和太赫兹是 6G 潜在工作频段。高频信号最明显的特征就是路径损耗较大，受障碍物遮挡、雨雪天气、环境吸收等影响大。按照

25、3GPP TR38.901 无线信道损耗模型，同等条件下 28GHz 毫米波信号的路径传输损耗比 3.5GHz 信号的路径损耗增大约 18dB。在穿透损耗方面，对于低频毫米波信号而言，混凝土和红外反射玻璃材质的障碍物几乎无法穿透，树叶、人体、车体等障碍物对低频毫米波信号的穿透损耗均在 10dB 以上，过大的穿透损耗将导致覆盖范围内的受遮挡区域通信质量发生显著恶化；而对于高频毫米波和太赫兹频段，障碍物会对无线信号造成数十 dB 的传播损耗。为克服高频毫米波和太特兹通信严重的路径损耗，基站和终端用户通常配备大规模天线阵列实现高增益的定向传输。强指向性的波束和高频信道的稀疏性导致信道矩阵存在秩亏问题

26、。在极端的强视距传播场景，信道秩甚至会降至 1，无法发挥多天线系统的空间复用增益。为解决高频通信的信道秩亏问题，可在基站和终端用户之间部署分布式智能超表面，利用智能超表面的信道定制能力，灵活塑造秩可调的信道矩阵，提升系统空间复用能力。随着超材料天线的应用推广，智能超表面设备形态更加丰富多样，例如建筑物外墙装饰层，低成本、低功耗、易部署的智能超表面设备将使能高频移动通信。图图 2.7 RIS 使能中高频连续覆盖使能中高频连续覆盖2.3 使能泛在近场使能泛在近场如上节所述，为解决高频通信带来的问题，智能超表面技术能够重构无线传播环境并在基站（Base Station，BS）和用户之间建立额外的可靠

27、反射链路。RIS 反射元件的低成本和7IMT-2030(6G)推进组IMT-2030(6G)Promotion Group低复杂性特点也促进了超大规模 RIS 的出现，以实现更高的阵列增益。然而，随着 RIS 反射元件数量的增加，近场通信区域和远场通信区域的分界线距离 RIS 越来越远，使得近场区域变得不可忽略。与远场区域的平面波模型相比，近场区域的电磁结构有本质区别，应采用球面波模型3。近场的球面波传播模型包含角度和距离信息，这使得电磁波束在角度域和距离域上同时聚焦，形成近场波束聚焦。因此，近场通信可以利用距离这一新维度，为 RIS辅助无线网络实现更精确的信号增强、干扰管理和用户定位，如图

28、2.8 所示。就 RIS 辅助无线网络实现用户定位这一场景而言，在 4G/5G NR 蜂窝网络中，有定位需求的目标用户通常对来自多个基站的定位参考信号（Positioning Reference Signal,PRS）进行测量和处理。通过测量来自多个基站的 PRS 到达时间差（Reference Signal Time Difference,RSTD）及基站的位置信息可以计算得到目标用户的位置。因此，4G/5G NR 的定位精度取决于多个因素：每个基站与目标用户之间保证有直连路径、用户侧观测到的与其有直连链路的基站的数量、及用户侧 PRS 测量结果等。在基站与目标 UE 之间存在阻塞/遮挡的情

29、况下，部署 RIS 可以扩展由非直射基站发送的 PRS 的覆盖范围，从而增加用户处观测到的基站数量。此外，每个基站可能配置多套 PRS，多套 PRS 分别在不同的时隙进行传输。在不同的时隙开启 RIS，可以保证 UE 侧接收到来自每个基站的多个 PRS 来实现 PRS 的接收分集，从而显著提升定位精度。在远场区域，高频信道的秩通常较小，这制约了信道的空间复用增益。与此相对，由于球面波带来的信号幅度以及相位的非线性变化，近场信道往往满秩，可以有效改善系统的复用增益以及空间自由度。当用户位于辐射近场区域时，即使多个用户位于相同辐射角度，也可以通过对智能超表面配置不同的近场码本，通过波束聚焦来减轻同

30、信道干扰，支持多个共存的正交链路，实现空分多址4。图图 2.8 近场应用场景近场应用场景8IMT-2030(6G)推进组IMT-2030(6G)Promotion Group利用球面波前提供的角度信息和距离信息，可以进一步增强无线感知定位服务的精度，如图 2.9 所示，在远场模型中，所有阵元在同一路径上共享一个共同的到达角（Angle ofArrival，AoA），这一假设对于近场场景已不再适用，发射的电磁波到达 RIS 阵列中的每个反射元件时都会有不同的 AoA。另一方面，近场同行这也意味着信道的空间非平稳性加剧，这将给信道估计、码本设计、波束训练复杂度、移动性管理、信令设计等方面带来挑战。

31、图图 2.9 近场定位场景模型近场定位场景模型52.4 使能泛在感知与定位使能泛在感知与定位RIS 不仅能增强无线通信，还能增强系统的定位能力，这得益于 RIS 增强的环境感知能力。在有障碍物或直接路径的接收功率无法实现稳健连接的情况下，RIS 可以与基站一起充当参考节点，提供虚拟视距（Light of Sight，LoS）路径，从而实现精准定位。在自动驾驶中，如图 2.10 所示，即使 LoS 路径被暂时阻断，RIS 也能保证不间断的定位及通信服务，而大型的 RIS 可以利用导频信号的波前曲率来提供近场定位。此外，RIS 也可以在变极化、信号吸收和透射式等多种模式下工作，可以为三维定位提供更

32、大的灵活性和适应性，RIS 的相位值可以根据环境的变化而实时重新配置，从而提升了定位系统的准确性。另外，可以通过预配置基站或者 RIS 位置信息及参考信号来提高三维定位的准确性和鲁棒性。图图 2.10 RIS 辅助定位场景辅助定位场景9IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第第 3 章章潜在关键潜在关键技术技术相较于 2022 版本的 RIS 研究报告，本版本侧重相关理论及关键技术的最新进展，尤其专门新增了基于 RIS 的近场技术和系统仿真两部分内容。3.1 机理与模型机理与模型RIS 通过改变其人工微结构的电磁特性，形成了控制电磁波幅度、相位、频

33、率、极化、波矢等基本物理参量的独特能力，进而可以影响电磁波的折射、反射、透射等特性。在此基础上，RIS 通过操控环境中电磁波的传播行为，从而实现对无线信道进行调控的目的。作为超材料领域与通信领域的交叉热点，RIS 搭建起物理学与信息科学之间的桥梁，以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。3.1.1实现机理实现机理RIS 的实体硬件通常包括两部分：超表面阵面与控制电路。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调控的可重构性，如 PIN 二极管、变容二极管、

34、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6-8。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。初期，RIS 的实现形式主要基于传统反射式超表面技术，通过实时调整超表面的反射特性，对入射的电磁波作实时调控，进而改善通信环境，以其低成本、低剖面、轻重量、高灵活性等显著优点促进着新体制通信系统的发展。随着可重构超表面与智能控制电路两方面技术的日趋成熟，RIS 从最初相对单一的反射式，逐渐

35、发展出透射式，透射-反射一体式等新型实现形式，突破了反射式 RIS 仅能在信源同侧的空间内完成调控的限制，将其对电磁场与波的调控能力扩展到了全空间范围。具体地，透射式 RIS 调控的场空间与其信源分别位于超表面的两侧910。通过合理设计透射单元，配合智能控制电路来实时调节入射波的透射特性，RIS 出射口径面可形成特定的场分布，进而完成在出射面侧的场与波的灵活调控。透射-反射一体式 RIS 则是两者的结合，其既可以调控反射场，也可以调控透射场。以图 3.1 所展示的多功能透射-反射一体式 RIS为例，其功能可在智能电路的控制下，在透射、吸波、反射场调控等功能间实时切换11。10IMT-2030(

36、6G)推进组IMT-2030(6G)Promotion Group图图 3.1 透射、反射、吸波一体化透射、反射、吸波一体化 RIS 实现形式实现形式113.1.2传输模型传输模型在广义斯涅尔定律提出后，电磁超表面的发展受到了极大的鼓舞1213。而崔铁军院士于 2014 年首次提出的数字编码和现场可编程超超表面7，使超表面由“被动”变“主动”,从“模拟”变“数字”，进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，即一种全新的信息超表面1415。在该理论的指导下，RIS 的设计与优化得到了长足的进步。一个经典的 RIS 结构的等效电路传输模型可以用图 3.2 表示，其中参数固定的无源结构阻

37、抗网络 Z 连接了一个阻抗可变的负载阻抗网络 Za16，整个超表面单元的输入阻抗 Zin是无源结构阻抗网络 Z 和负载阻抗网络 Za的函数。利用传输线网络知识，可以用公式00+ininZZZZ(3.1)获得超表面单元的反射参数。依据功率守恒定律，超表面单元的透射参数计算公式如下(3.2)其中和T为复数形式。对于反射型单元，其反射幅度A，相位arg()；对于透射型单元同样适用。因此通过调整单元上可调器件的状态，可以改变负载阻抗网络的参数，进而改变整个传输模型的输入阻抗 Zin，最终调控 RIS 阵列中单元的电磁响应幅度和相位，重构网络传输矩阵。依据目标需求，综合考虑超表面单元的反射和透射系数，实

38、现反射式、透射式和透射-反射一体式等超表面单元设计。此时的信息超表面已不再是一个功能固化的器件，利用驱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。当信息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，其功能和性能为 RIS 的设计和实现奠定坚实基础。RIS 把超表面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。11IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.2 有源超表面结构等效路传输模型有

39、源超表面结构等效路传输模型3.2 面向实现的波束赋形方案面向实现的波束赋形方案之前版本重点关注理论层面，以达到一定性能指标为目标，对 RIS 波束赋形向量进行优化的算法研究，但是这些波束赋形算法的实现效果高度依赖于实时、全局、准确的信道状态信息，而 RIS 是由大规模无源单元构成，无法主动获取逐单元的经由 RIS 的信道状态信息，需要合理设计低复杂度、低开销、端到端的信道获取方案，对标准的影响较大，在实际通信系统中实现的难度较大。与基于信道状态信息的波束赋形优化方案相比，基于码本的波束扫描方案更易于在实际系统中实现。本版本主要考虑如何低开销、低复杂度地在实际系统中实现波束赋形与波束管理方案，探

40、索 RIS 对现有标准中的波束管理方案的影响。因此，本小节首先介绍了半静态 RIS 在较为简单的场景下，通过盲波束赋形，无需逐阵子信道估计，简单快速确定 RIS 相位，实现对一定区域覆盖。然后，面向标准化，提出了针对 RIS 的动态波束管理方案。3.2.1盲波束赋形盲波束赋形考虑到 RIS 级联信道估计的复杂性和所需要的参考信号、控制信令的开销，基于随机采样的方法可以不借助参考信号而对级联信道进行“盲估计”，进而计算出合适的 RIS 天线单元相位，使复合信道的容量最大化1718。随机采样方法利用统计学工具，可以有不同的实现方法。例如，最大随机采样（Random-Max Sampling，RMS

41、）方案的核心思想是从 RIS 离散相位的全部组合的一个子集（包含若干随机向量样本，记作集合 Q）中选择出测试端接收信号质量最好的一个样本，该方案只关注能使信噪比最大的调相向量，而其它的采样在整个算法中仅作为比较对象，并没有充分利用。再如，条件采样平均（Conditional Sample Mean，CSM）方案，弥补了 RMS 的缺陷，尽量利用所有采样的信息，来推断最佳的调相向量，将总样本集合 Q 分成 RIS 单元数个子集，给定某个单元的相位，对每个子集中所有的采样向量所对应的接收信号质量进行条件平均值的最大，该方案的思想如图 3.3 所示。所述方案的性能图 3.4 所示，由于充分利用了随机

42、采样点，CSM 的性能优于 RMS；CSM 和 RMS 是半静态的工作模式，并没有针对具体信道信息进行相位调整，所以相比 OPT 方案（基于信道状态信息的动态工作模式）要差一些。虽然动态模式的性能优于静态模式，但是需要设计相应的控制方案和传输方案。如何获得开销和性能的折中，为每种工作模式找到合适的场景是值得进一步研究的重要方向。12IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.3 条件采样平均（条件采样平均（CSM）算法的图解）算法的图解图图 3.4 不同波束赋形方案的接收功率不同波束赋形方案的接收功率 CDF 曲线曲线3.2.2波束失败恢复波束

43、失败恢复信道变化会导致波束的接收信号质量下降，接收端无法正确接收来自发端的控制信令，从而发生波束失败。在基于 RIS 的无线通信系统中，基站发出的信号，经过 RIS 反射/透射给 RIS，经历了 BS-RIS、RIS-UE 两段信道。如图 3.5 所示的基于 RIS 无线通信链路中，基站到 RIS 段链路由基站发送波束和 RIS 接收波束共同完成信号的传输，RIS 到 UE 段链路，13IMT-2030(6G)推进组IMT-2030(6G)Promotion Group由 RIS 发送波束和 UE 接收波束共同完成信号传输。其中一段链路的波束失败，就意味着整个链路的波束失败事件发生。图图 3.

44、5 基于基于 RIS 的无线通信链路模型的无线通信链路模型由于 RIS 没有信号处理功能，无法针对基站到 RIS 链路的波束失败事件进行检测和上报，仅能由 UE 针对基站-RIS-UE 的等效信道进行波束失败检测上报。UE 可以检测到等效链路发生了波束失败，相应地，在对新的候选波束进行测量时，也仅能对等效链路对应的波束进行测量。由于 UE 不能确定是哪段链路发生了失败，只能对两段信道的新波束均进行检测，即对级联链路的所有波束进行两两组合测量，这样会导致需要测量的新波束数量或波束组合数量较大。例如，当 BS 使用 M 个波束，RIS 接收使用 M1 个波束，RIS 发送使用 M2个波束，UE 接

45、收使用 N 个波束时，所需要测量的新波束组合数量组合数为 M*M1*M2*N。当终端能力受限时，检测到新波束的概率会大大降低，或者检测到的新波束的质量不佳。对于 RIS 而言，若需要为多个 UE 提供服务，每个时间单元仅有一套调控系数，因此分给每个UE 进行新波束测量的时间相对有限。为了解决以上问题，将基站到 RIS 到 UE 之间的等效链路划分为两段（第一跳链路和第二跳链路），从而使得 UE 可以对每一跳链路和等效信道进行波束失败检测，当等效信道发生波束失败，或某一跳信道发生波束失败时，UE 均可以进行波束失败恢复上报。考虑到 RIS 对信号不具备数字信号处理能力，可以引入具有数字信号处理能

46、力的控制节点对 RIS 进行控制或者由基站直接对 RIS 进行控制。图 3.6 为包含控制节点的 RIS 系统框图，1 个 BS 覆盖 L 个 RIS，每个 RIS 由 1 个控制节点进行控制，每个控制节点可以控制一个 RIS 阵面的波束调控或相位变换，为目标终端提供服务。控制节点图图 3.6 包含控制节点的包含控制节点的 RIS 系统框图系统框图14IMT-2030(6G)推进组IMT-2030(6G)Promotion Group假设 RIS 的调控矩阵可以写成=形式，其中用于对基站发送的信号进行接收调控，用于对 RIS 转发的信号进行发送调控，为补偿路损等影响的相位调控矩阵。此外，假设基

47、站的发送波束赋形矩阵为，UE 的接收波束赋形矩阵为,基站到 RIS 之间的信道为，RIS 到 UE 之间的信道为，则基站到 UE 之间的等效信道可以表示为：=(3.3)为了简化问题，令=，根据等效信道表达式，存在多种两跳链路划分方式，如第一跳链路为，第二跳链路为；又或者，第一跳链路为，第二跳链路为；还可以第一跳链路为，第二跳链路为。以第三种划分方式为例，图 3.7 提供了划分示意图。图图 3.7 两跳链路划分方式两跳链路划分方式在图 3.7 中，RIS 节点包含两部分，分别是控制节点和 RIS 阵面，其中控制节点用于接收基站的控制信息，并根据基站的配置对 RIS 阵面进行调控。控制节点与 RI

48、S 阵面部署在相同或相近地理位置上，具有数字信号处理功能、具有较低天线配置的节点（如具有单天线单通道、仅能进行全向传输等）。在将等效信道划分为两段信道后，UE 可以对第二跳信道和等效信道进行波束失败检测，当等效信道发生波束失败，或第二跳信道发生波束失败时，UE 均可以将失败事件上报给基站。其中，等效信道的波束失败检测过程和现有技术一致，如终端对等效信道对应的波束集合进行检测，当链路质量在一段时间内较差时，终端确定等效信道发生了波束失败事件，并将波束失败事件上报给基站。与等效信道波束失败检测类似，也由 UE 来执行第二跳链路的波束失败检测。实际上，第二跳链路的链路质量和第一跳链路的链路质量共同决

49、定了等效链路的质量。相应地，可以根据等效链路质量以及第一跳链路质量来对第二跳链路的质量进行估算，其中第一跳链路质量由 RIS 的控制节点测量并发送给 UE。控制节点可以像普通 UE 一样进行链路质量测量。由于控制节点和 RIS 部署在相同或相近的物理位置上，基站到控制节点的信道和基站到 RIS 的信道的最大差别在于两个信道的天线数是不同的。假设以 RSRP 来衡量链路质量，由于这种划分方式并未考虑 RIS 的接收波束赋形矩阵的影响（等效于 RIS 和控制节点一致，也进行全向接收），控制节点测量到的链路质量与实际第一跳链路的链路质量实质是相同的。为了体现不同天线数或 RIS 单元数对链路质量的影

50、响，控制节点还可以将补偿了天线数或单元数影响的第一跳链路质量指示给15IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupUE。例如，控制节点测量的第一跳链路质量为 RSRP 1，天线数或单元数的影响体现为偏移值dB，在 TDD 系统中，值可以由网路侧根据控制节点和 RIS 节点到基站之间链路的差异进行计算并配置给控制节点。在测量到第一跳链路的质量后，控制节点周期性地将测量值（如 RSRP 1+）指示给UE，则 UE 可以根据等效链路质量对应的 RSRP 2 和 RSRP 1+确定第二跳链路质量为 RSRP2-RSRP 1-。当 RSRP 2 或 RSRP 2-

51、RSRP 1-低于特定门限时，UE 均可以将波束失败事件上报给基站。在进行新波束测量时，新波束集合中包含了基站发送波束、RIS 接收波束和 RIS 发送波束的波束组合。基于图 3.7 中的划分方式，第一跳链路包含了基站发送波束的影响，第二跳链路包含了 RIS 接收波束和 RIS 发送波束的影响。在新波束识别过程中，若 UE 识别到等效链路质量较差而第一跳链路质量尚可时，则 UE 可以选择当前基站服务波束对应的新波束组合进行测量；若 UE 识别到等效链路质量较差，且第一跳链路质量也较差时，则 UE 可以选择当前 RIS 服务波束对应的新波束组合进行测量。其它两跳链路划分方法也是类似的，UE可以根

52、据等效信道的测量以及控制节点的指示，确定哪个波束或波束组合发生了波束失败。相比 UE 仅能确定等效链路发生失败的情况，本方法可以缩小新波束集合的测量范围，确保在有限的测量能力内，快速识别到新波束，进而缩短通信中断时间。此外，也可以考虑使用具备简单信号发射能力的 RIS 或控制节点，通过 RIS 或控制节点发送第二跳链路的测量信号，由 UE 进行第二跳链路的波束失败检测。等效链路的波束失败检测过程也由 UE 执行，测量信号为基站发送的测量信号。然后通过等效链路质量以及第二跳链路质量来对第一跳链路的质量进行估算。3.3 使能近场使能近场传统无线通信系统已经充分挖掘和利用了远场空间资源，进一步探索和

53、利用近场空间资源，则有望为无线通信系统提供新的物理空间维度。未来 6G 网络中将会配置更大的天线孔径，并将使用毫米波、太赫兹等更高频段，其近场范围可达几十米甚至几百米，这将使得近场特性更加显著。同时，RIS、超大规模 MIMO、去蜂窝（Cell-free）等新技术的引入，则使得未来无线网络中近场场景广泛存在。近场通信技术也是实现未来 6G 网络更高的数据速率要求、高精度的感知需求及物联网无线传能需求等的使能技术之一，有机会成为未来 6G潜在无线空口关键技术之一。其中，RIS 所具备的超大尺寸、无源异常调控、低成本、低功耗和简单易部署等诸多特性，有机会在未来 6G 网络中构建泛在的近场无线传播环

54、境，并带来全新的网络范式。3.3.1近场概念近场概念根据电磁场与天线理论，天线辐射的电磁场分为近场区域（Near-field region）和远场区域（Far-field region）。近场区域进一步划分为感应近场区域（Reactive near-field region）（或16IMT-2030(6G)推进组IMT-2030(6G)Promotion Group称为非辐射近场区域，Non-radiating near-field region）和辐射近场区域（Radiating near-fieldregion）。在天线或散射体附近，非辐射近场行为占主导地位；而在远离天线或散射体的区域，电

55、磁辐射行为占主导地位。当天线在自由空间中辐射信号时，场分布由麦克斯韦方程组唯一确定，传播特性在不同的区域有一定的差异。这些区域中的电磁波表现出不同的传播特性。在远场区域，振幅、角度和相位的变化都可以忽略不计，并且路径损耗效应在确定接收信号强度时占主导地位。在近场中，根据从用户设备到天线表面的距离，存在明显的振幅、角度和相位变化。在远场区域内采用的平面波模型，天线阵列上的信号是平行的，每个天线具有相同的到达角，不同阵元的相位差只与到达角有关。而在近场区域内，不同天线信号不能看成平行，信号到达阵列呈现球面波形式，电磁波面必须精确地建模为球形19-21。相位差不仅与到达角有关，还与距离有关。从波束赋

56、形角度，波束操纵包括将能量集中在远场中的特定方向上（对应于在无限远处聚焦），在近场中操作允许将能量集中在空间中的特定点上。一般将近场和远场的边界距离称为瑞利距离（Rayleigh distance），该边界距离定义为/2d2D，其中，D为天线的最大尺寸，为波长19。感应近场非常靠近天线表面，其边界被认为是2。辐射近场区域（也称为菲涅尔区域，Fresnel near-field）覆盖了从2到瑞利距离/2d2D的大部分近场区域。近场传播将会带来不同于远场传播的信道环境：近场效应和空间非平稳性。另外，近场也会带来更为显著的宽带斜视效应。与传统远场相比，近场有三个显著不同的特征，即球面波模型（Sphe

57、rical Wave Model，SWM）、空间非平稳性（Spatial Non-Stationarity,SNS）和波束斜视效应（Beam Squint Effect，BSE）。另外，相对于远场，近场衰落随距离的变化更为剧烈：远场信号强度衰落与距离的平方成正比，而近场信号强度的衰落与距离的 46 次方成正比。3.3.2容量极限容量极限现有的 MIMO 容量理论分析和可达容量往往基于在远场平面波假设下建立的理论信道模型。得益于近场球面波波前的物理现象，通过对发送端天线阵列进行合理的波束赋形，可以利用球面波面实现近场波束聚焦（近场波束成形），以便将信号聚焦在特定位置，而不是像传统的远场波束转向（

58、远场波束成形）那样将信号转向特定角度，这使得用户的接收信号能量得到提高，同时用户之间的干扰强度降低，提升信道容量。因此，对于需要重新评估球面波信道模型建模下近场大尺寸天线阵列的信道容量。近场波束聚焦效果如下图所示，可以看到图 3.8 用户相对于发送端处于同一角度，但两者之间能量干扰很小。17IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.8 近场波束聚焦近场波束聚焦Pizzo,Marzetta 等学者在文献22-38中提出在波数域中对近场大规模天线阵列对应的通信信道进行建模。其主要思想是利用波数域信道的有限数量的采样点，基于傅里叶展开重构 HMIM

59、O 信道，如下图所示。与时域和频域之间的傅里叶变换类似，空间域和波数域之间的关系也由傅里叶变换描述，空间域信道可以通过波数域信道的傅里叶变换来表征，表示为,=122,?(3.4)其中,表示波数域信道，,表示接收波矢量，,表示发射波矢量，,是空间域信道。由上式可知，信道模型主要由三部分组成，即发射和接收波矢量和波数域信道。因此，空间域信道的建模可以等效于波数域信道的替代建模，由下式给出。,=12,(3.5)其中波数域信道可以用与散射环境和天线布置相关的信道谱密度,来表示；,涉及信道的随机特性。波数域信道一般具有稀疏结构，即以有限数量的非零系数为主。基于采样理论，可以对有限积分区域进行均匀采样，逼

60、近波长域信道。信道近似精度取决于该区域被采样的点数。随着计算复杂度的增加，人们可以通过生成更多的样本来获得更准确的信道表示。18IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.9 傅立叶平面波展开信道建模傅立叶平面波展开信道建模球面波信道建模对应的仿真结果如下，可以看到此时远场 Rayleigh 衰落模型已经不再适用，同时所建模的信道模型与物理 Clarke 模型相吻合。图图 3.10 傅立叶平面波展开信道容量仿真傅立叶平面波展开信道容量仿真在球面波效应以外，近场通信的另一大特征是三极化效应，文献39中作者通过矢量格林函数同时考虑了近场球面波信道和

61、多极化效应，并在此基础上建模了多极化近场球面波信道以及提出了面向极化和信道的双重预编码，其考虑的系统图如下所示：19IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.11 近场多极化球面波建模近场多极化球面波建模仿真结果证明，近场通信中的多极化效应能够在特定范围内显著提高系统容量。文献40研究了理想点源天线分布密度进行自由空间通信情况下的信道容量影响，其中的理想点源天线可以理解为不考虑耦合时的 RIS 元件，其通信场景图如图 3.12 所示。图图 3.12 离散离散/连续孔径通信容量极限分析连续孔径通信容量极限分析本文研究了在有限孔径面积下的非渐进性

62、能分析方案，以验证密布天线阵列是否可以实现相比于传统离散天线阵列更加的通信性能，对于 3 种收发机的信息容量比较建立在 SNR控制方案的基础上，要求连续表面和离散表面平均来看具有相同的 SNR。研究结果表明半波长采样方案接近最优，更密的天线分布只会在近场通信时带来微小增益。但非理想天线和存在阵列耦合时的容量极限情况仍需进一步研究。3.3.3信道估计信道估计围绕超大规模 RIS 近场效应所带来的挑战，近期开始涌现新的信道估计方法。随着 6G工作频段的升高，超大规模 RIS 成为潜在使能技术。然而阵列尺寸的增加导致近场区扩展，近场效应显著。电磁波在近场采用球面波进行建模，如继续采用平面波的信道估计

63、方法将导致功率扩散效应，降低信道估计精度。基于 Toeplitz 协方差矩阵的信号空间分析方法可进行超大规模 RIS 近场信道估计与定位41。而对于更为通用的场景即用户随机分布在近场与远场区域，需要考虑针对近远场混合 RIS 信道估计，近期工作提出一种基于功率扩散效应的压缩感知算法42。功率扩散效应指，将近远场混合多径信道从空域变换到角域后，近场径功率扩散至多个远场径对应的变换域基底，导致近场径方向、距离和强度信息无法被准确估20IMT-2030(6G)推进组IMT-2030(6G)Promotion Group计。而该方法将超大规模 RIS 的空域信道变换到角域-极化域联合域，使得功率扩散效

64、应对信道估计的干扰可以被识别和消除42。结合优化的正交匹配追踪算法可以提升超大规模 RIS空域信道的估计精度。图图 3.13 超大规模超大规模 RIS 辅助的近远场混合通信场景模型辅助的近远场混合通信场景模型此外，随着通感一体化技术的发展，对于用户和周围环境的感知信息，例如用户位置、用户移动速度、环境雷达探测数据或环境图像数据等，将更容易收集。利用这样的多模态数据结合导频信息，来进行 RIS 信道估计是一种潜在方法4344。利用神经网络辅助 RIS 信道估计以降低导频开销的方法也受到关注。例如使用卷积去噪网络、对抗生成卷积去噪网络和残差密集连接网络提取 RIS 信道的低秩特性进行 RIS 信道

65、估计45，或采用多层感知机神经网络对存在空间非平稳性的 RIS 辅助通信系统进行信道估计46，或设计偏移学习神经网络对室内毫米波 RIS 辅助通信系统进行信道估计47。除了以上方法，还可以采用基于码本设计和波束训练的方法进行信道估计与传输。通过波束训练获取等效信道的角度等信息，在避免直接对信道的高维参数进行估计的同时，获取必要的信道状态信息。对由于超大规模 RIS 所带来的用户随机分布在近场与远场中的普适情况，可以将球面波模型和平面波模型相结合，构造能够同时覆盖近场角度-距离维度和远场角度维度的多波束码字，从而形成近远场一体化码本48。多个用户可同时进行波束训练，并将使各个用户接收功率最大化的

66、码字序号统一反馈至发射机，获取等效信道信息。该波束训练机制无需对空域信道进行高精度估计，仅需一次用户反馈，从而降低开销。总之，对于未来 RIS 辅助通信场景中的信道估计研究，需要结合 RIS、基站与用户的实际硬件配置情况，从而设计低复杂度、低导频开销、适用范围广、工程实用的信道估计方法。3.3.4波束分裂波束分裂在近场宽带通信系统中，另一大问题便是近场波束分裂效应。在近场 RIS 中，基于移相器的波束成形器能够产生对准特定位置的聚焦波束，从而提供波束聚焦增益49。这种波束成形器在窄带系统中效果良好。然而，对于宽带系统，由于使用了几乎与频率无关的移相器，不同频率的球面波束会聚焦在不同的物理位置上

67、，这被称为近场波束分裂效应50。这种效应会导致严重的阵列增益损失，因为不同频率的波束无法与特定位置的目标用户对齐，这一点在宽带系统设计中需要仔细考虑。21IMT-2030(6G)推进组IMT-2030(6G)Promotion Group虽然波束分裂效应会使得宽带系统能量更难对准用户，导致波束赋形性能下降，但其也有对应的好处：由于相同的导频会对应产生空间上的多个波束，因此通过设计系统参数，可以控制波束在不同频率上的覆盖角度范围。得益于此，可以在远场实现非常快速的 CSI 获取，实现快速波束训练或波束跟踪。传统远场通信中对这个问题的研究主要分为两类工作：第一类技术希望减轻远场波束分裂造成的阵列增

68、益损失，在波束成形结构中引入时延电路，减轻远场波束分裂效应；第二类技术通过控制时延参数和多波束实现在大规模多输入多输出系统中快速获取远场 CSI。近场波束分裂效应影响如下图 3.14 所示，可以看到在近场宽带通信时空间上有多个能量聚焦点。图图 3.14 近场波束分裂效应示意图近场波束分裂效应示意图文献50中对近场波束分裂效应进行了定义和分析，并利用基于时延（Time delay，TD）的波束成形器来克服这一效应。我们建议将整个阵列划分为多个子阵列，然后假定用户位于整个阵列的近场范围内，但位于每个子阵列的远场范围内。在此基础上，还可以利用延时电路来补偿近场球面波面引起的不同子阵列之间的群延迟。因

69、此，整个带宽上的光束可以聚焦在所需的空间角度和距离上，近场光束分裂效应也相应得到缓解。文献23提出了一种利用近场波束分裂效应的快速宽带近场波束训练方案。作者首先证明了近场可控波束分裂的效果，通过精心设计的延时电路，不仅可以控制不同频率上波束的覆盖角度范围，还可以控制不同频率上波束的覆盖距离范围，从而实现对近场波束分裂的控制，只需一条射频（RF）链就能同时产生聚焦于多个位置的多个光束。基于这种波束分裂效果，本文进一步提出了一种宽带近场波束训练方案，以实现快速近场 CSI 采集，显著减少波束训练开销。近场波束训练系统图如图 7。22IMT-2030(6G)推进组IMT-2030(6G)Promot

70、ion Group图图 3.15 近场宽带波束训练近场宽带波束训练证明了时间分集波束形成器在整个带宽上产生的波束可以覆盖多个角度和距离，并在减少训练开销的情况下实现接近最优的平均速率。3.3.5波束扩散波束扩散在大规模 RIS 系统中，当 RIS 使用远场波束对准近场设备时，将产生波束扩散现象（如下图 8 所示）。即远场波束的能量扩散到近场设备周围的角度区域内。这种现象本质上是由于近场信道导向向量和远场波束向量非正交性导致的。特别地，由于波束能量扩散，当使用远场波束对齐近场设备时会带来两个问题：1.近场设备获得的波束增益下降；2.该波束对其附近的其他设备将造成较大的干扰。远近场波束扩散效应在大

71、规模 RIS 系统中具有诸多意义。例如，考虑混合远近场通信场景，即一些用户位于 RIS 的远场区域，而另一些用户位于 RIS 的近场区域。此时，当近场用户的角度与远场用户相近时，远场波束的能量就泄漏（扩散）到近场用户，从而带来对近场用户的干扰。值得注意的是，即使近场用户与远场用户角度差别较大（参见图 8 阴影区域），近场用户也会受到远场用户波束的强烈干扰；这个现象与仅存在近场或远场用户的场景中的结果存在显着差异。文献51中对于远场波束干扰进行分析，首先利用菲涅尔函数得到远场波束对近场用户造成的用户间干扰的闭式表达式，然后在此基础上分析基站天线数量、远场波束对干扰和用户可达速率的影响，并进一步指

72、出需要设计有效的算法来降低远近场用户间的干扰。另一方面，近场波束扩散现象也可以被利用于近场节点充电。即利用大规模 RIS 对远场用户的信息波束来为近场设备无线充电。具体来说，文献52考虑近场能量收集（EH）和信息解码（ID）接收器场景，在 ID 总和速率和基站发射功率的满足约束下，通过联合设计基站波束调度和功率分配来最大化所有 EH 接收器处收获的加权总功率。该工作指出，与远场信能同传场景（SWIPT）只需要建立信息波束不同，远近场信能同传场景既需要建立信息波束，还需要建立能量波束进行传能。23IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.16

73、近场用户的能量扩散效应与远场波束空间角度的关系近场用户的能量扩散效应与远场波束空间角度的关系3.3.6波束训练波束训练对于大规模 RIS 近场波束训练，一种有效的方法是先利用 RIS 和基站位置固定的性质，设计基站到 RIS 的波束；然后进一步设计 RIS 到用户的近场波束。与远场波束训练不同，RIS 近场波束训练需要在角度域和距离域两个维度上进行波束搜索。具体地，文献53提出一种新的极域码本，其中每个波束码字指向具有目标角度和距离的特定位置。在角度和距离采样方面，研究表明应该采取角度均匀采样，距离非均匀采样的策略，且距离的采样密度应该随着距离增大而增大，这样才能最小化相邻码字的列相干性。基于

74、近场的极域码本，一种直接的波束训练方法是对所有可能的波束码字进行二维穷举搜索。然而，这将导致过高的波束训练开销（即采样角度和距离的乘积），而留给数据传输的时间不足。为降低穷举搜索的导频开销文献54提出一种有效的两阶段快速近场波束训练方法。具体地，当使用远场 DFT 波束码本扫描时，在一定角度域内（称为显著角度区域），用户可以收到相对较高的波束功率。研究发现，用户真实的角度大约位于该显著角度区域中间。因此，利用这一重要的现象，首先使用角度域 DFT 码本估计用户的角度，然后使用极域码本进一步估计用户的距离。文献55提出一种高效的近场分层波束训练方法。具体来说，在第一阶段，采用超大规模阵列的中心子

75、阵列通过传统的远场分层码本在角度域中搜索粗略的用户方向。然后，第二阶段，在给定粗略的用户方向，使用专门设计的近场码本在极域中逐步搜索细粒度的用户方向和距离。如下图 3.17 所示，这些方案显著减少训练导频开销的同时获得相当的通信系统可达速率。文献提出一种基于 DFT 码本的联合角度与距离波束训练方案。具体地，研究利用 DFT 波束码本估计用户角度，然后通过分析接收波束图的能量信息求解得到用户距离。此外，文献57提出一种基于深度学习的波束训练方案，该方案使用卷积神经网络测量传统远场宽波束的波束增益来预测最佳近场码字，缓解了近场波束训练导频开销巨大的问题。24IMT-2030(6G)推进组IMT-

76、2030(6G)Promotion Group图图 3.17 近场波束训练方案可达速率仿真图近场波束训练方案可达速率仿真图683.4 使能泛在感知与定位使能泛在感知与定位传统的感知与定位研究主要工作在天线的远场区域，例如基于距离（到达时间或差分到达时间）测量的伪距定位（四点定位）和基于距离结合到达角测量的几何定位方法。RIS 在远场可以增强感知与定位覆盖，提供新的测量参考节点，利用集成传感器（半被动 RIS），以及通过高空间分辨率波束等方式增强感知与定位性能。随着高频段部署的提升，例如毫米波频段，RIS 在高精度定位中的优势更为突出，而RIS 的感知与定位覆盖范围也逐步进入近场区域。需要进一步

77、研究 RIS 在近场感知与定位中的关键问题。3.4.1远场感知与定位远场感知与定位无线感知与无线通信相比，主要挑战是视距链路条件和链路预算。通信在没有视距链路下仍然可以通过非视距链路传输信号，但无线感知主要依赖于视距链路的测量。链路预算的挑战在于感知中信号的传播路径是基站到目标的前向路径与目标反射的反向路径之和。RIS有绕过遮挡和增强信号的优点，可应对以上挑战。（a）RIS 反射前向路径（b）RIS 反射反向路径（c）RIS 反射两次图图 3.18 RIS 辅助无线感知的系统模型辅助无线感知的系统模型25IMT-2030(6G)推进组IMT-2030(6G)Promotion Group以单基

78、地感知系统为例，当前向与反向路径都经过 RIS 反射，根据 RIS 辅助的无线感知链路预算可知，基站接收的回波信号功率与 RIS 单元数量的四次方成正比，因此感知信号强度可以通过增加 RIS 单元数量有效地提高。反之，可以得到在达到感知灵敏度或一定能量增益需求下所需的 RIS 尺寸。在 3.5GHz 频段，部署在 UMa 小区边缘的 RIS（尺寸为 4平方米）可以在其前方约 80m70m（同一水平高度）的区域实现感知能量增益。RIS 在无线感知中的另一优点是提供新的参考点。在无 RIS 的传统蜂窝系统中，需要至少 4 个非共面基站对目标三维定位，而定位误差主要取决于其中感知回波信号最弱的基站的

79、测距误差。而在 RIS 辅助的感知中，RIS 可以取代感知信号最弱基站，作为一个新参考点。由于不需要 RIS 相对于服务基站而只需要相对于信号最弱基站提供能量增益，所需的 RIS尺寸进而减小，可以降低部署成本和难度。蒙特卡洛仿真验证了该方案的可行性和 RIS 辅助下目标定位性能的提升，仿真场景为低空无人机感知。如图 3.19 所示的仿真结果展示了目标无人机在小区中不同位置的感知信号能量增益和是否有 RIS 辅助的定位误差对比。（a）基于四点定位的 RIS 能量增益（b）三维目标定位误差图图 3.19 RIS 辅助无线感知的仿真结果辅助无线感知的仿真结果感知和定位受限于视距链路的缺失和信号衰落，

80、而 RIS 能够提供虚拟视距链路并定向增强波束强度，有效的提高无线感知的范围，解决目前通感一体化中通信和感知能力不对称的问题。通过在有源传感器接收目标反射的回波进行信号处理，估计出到达时间（Time OfArrival，TOA）和到达方向（Angle Of Arrival，AOA），根据几何关系确定目标位置是一种常见的定位手段。文献58研究了半被动 RIS 辅助的感知系统性能，如图 3.20 所示，半被动 RIS 系统能很好的克服全被动 RIS 在感知系统中的路径损耗严重的问题。通过推导了关于 TOA 和 AOA 估计的克拉美罗界，RIS 单元数，感知单元数对于定位性能影响的闭式表达式，半被动

81、 RIS 辅助的无线感知系统性能上界在理论上被给出，亚米级的感知精度和半被动 RIS 的性能优势也在仿真实验中被验证。26IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.20 半被动半被动 RIS 定位系统定位系统针对 RIS 辅助的多目标感知系统，不同应用场景下的感知性能要求（如感知频率、感知精度等）会有所不同，基于时分、特征序列和混合时分特征序列三种协议是实现不同性能折中的手段，如图 3.21 所示，通过将空间中待感知的目标分组和时隙划分，能够灵活调节性能59。图图 3.21 时分时分-特征序列混合感知协议特征序列混合感知协议为解决传统基于反射

82、或透射 RIS 覆盖区域不全的问题，全反向 RIS 是一种潜在的技术手段，如图 3.22 所示，在该模型中，双功能基站与 RIS 联合生成多波束指向多用户和多目标，实现整个空间的通感一体化信号覆盖，并通过双基地雷达来完成回波的信号处理，也能降低信号多次反射引起的路径损耗60。27IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.22 全方向全方向 RIS 辅助的双基地通感一体化系统辅助的双基地通感一体化系统3.4.2近场感知与定位近场感知与定位RIS 在近场（Near Field，NF）定位领域具有巨大的潜力，通过调整 RIS 相位，可以实现精确的信

83、号聚焦，使其集中在特定方向上，这在定位中具有重要意义。针对利用 RIS 辅助定位目前已有研究，文献61考虑了 RIS 在反射模式下的近场定位场景，此场景下远场定位采用的平面波波前不再适用，因此采用了球面波前的入射方式。首先，通过推导出的克拉美劳下界（Cramr-Rao Bound，CRLB），对 RIS 存在下的最终定位和方向估计性能进行了分析。随后，通过分析几何精度稀释系数（Geometric Dilution of Precision，GDOP），评估了 RIS 的几何形状对用户设备（User Experience，UE）定位的影响。最后，通过 RIS 的次优相位设计，以最大化信噪比的方式

84、，进一步提升了定位性能。图 3.23 表示了 RIS 使用不同天线数量和不同相位设计策略的定位误差。图图 3.23 不同天线数量和不同相位设计策略的定位误差不同天线数量和不同相位设计策略的定位误差61文献62引入了一种上行定位方案，其中 UE 利用 RIS 的波束聚焦能力，通过基站进行定位。在远场多路径模型不适用的情况下，使用了近场多路径模型，研究时采用了压缩感知（Compressed Sensing，CS）技术，有效地解决了基于网格的 CS 可能导致的基差错配问题。28IMT-2030(6G)推进组IMT-2030(6G)Promotion Group最后，通过迭代设计 RIS 的相位，以达

85、到最大化信噪比的目的，从而显著提高了定位性能。图 3.24 是使用不同相位设计方案的定位误差。图图 3.24 不同相位设计方案的定位误差不同相位设计方案的定位误差62文献63深入研究了在连续多载波(Multi Carrier,MC)下行链路多径辅助定位，分别在视距（Line of Sight，LOS）和非视距（None Line of Sight，NLOS）条件下进行了理论定位性能的表征和分析。研究表明，当 UE 足够接近 RIS 或 RIS 较大时，通过利用近场中 RIS 反射多径分量的信号波前曲率，可以直接推断用户在 NLOS 情况下的位置，从而实现定位。同时，文献64针对锚节点（Anch

86、ors Node,AN）和未知节点（Unknown Node,UN）之间不存在 LOS 路径的情况，提出了一种基于 RIS 辅助的基于接收信号强度(Received Signal Strength,RSS)的近场定位算法。该算法首先利用RIS建立AN和UN之间的虚拟视距路径（Virtual Lineof Sight,VLOS）路径，然后通过 RSS 最大值原理进行初步定位，将估计结果转换为 UN 位置的目标区域，并通过交替迭代方法在目标区域中搜索以获得准确的位置信息。当前对 RIS 在近场定位下的研究主要侧重于单个目标的位置定位，而应用于感兴趣区域（Area of Interest,AOI）中

87、所有目标的定位服务问题尚未得到充分解决。特别值得注意的是，RIS 辅助的定位系统在应用于 AOI 时，有助于避免在目标位置变化时需要频繁调整 RIS 相位的问题。相较于单一目标场景，AOI 的 RIS 最优相位问题更为复杂。为了解决上述问题，文献65提出了 RIS 辅助近场区域定位的架构，包括 RIS 相位设计和位置确定两个关键部分。通过定义 AOI 的平均定位精度，文献引入了一种离散化方法来实现 RIS 相位设计。接着，通过将 AOI 转换为不确定性模型，将相位设计问题转化为鲁棒优化问题，并提出了一种基于迭代熵正则化（Iterative Entropy Regularization,IER）

88、的算法来解决这一问题。最终，通过这种方法得到最佳的 RIS 相位设计，为 AOI 中的目标节点提供了在任何位置都能达到最佳定位性能的近场目标定位算法。如图 3.25 所示数值结果所示，在近场定位中，所提架构是有效的，其中相位设计策略与最优 RIS 相位几乎一致，所提出的定位方法可以通过应用设计的 RIS 相位方案实现近乎最优的定位性能。29IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.25 不同相位设计的定位性能不同相位设计的定位性能653.5 新型相控阵天线新型相控阵天线在下一代移动通信中，为了实现性能的大幅提升，大带宽的毫米波以及更高的太赫兹

89、频段已经成为一种趋势。但是随着频率的提升，路损系数也随之提升，因此，高频段需要更大规模的阵列实现更高的增益来抵消较强衰落带来的性能损失。但是，大规模乃至超大规模的传统相控阵需要数量庞大的移相器和复杂的功分网络，因此带来加工、调控等方面的复杂度和难以承受的成本。针对以上问题，可以考虑利用超表面对波束的调控能力，基于 RIS 实现成本较低和架构简化的大规模天线阵列发射机，使阵列规模的进一步扩展与性能的进一步提升成为可能。图图 3.26 基于基于 RIS 的相控阵天线的相控阵天线图 3.26 为一种基于 RIS 的大规模天线发射机原型样机。该平台采用两个不同极化的RIS 阵面对两个对应极化方向的馈源

90、天线的电磁波进行相移调控，实现高精度的模拟波束赋形，同时支持多流传输。在该架构中，相较于传统的阵列天线，无需相移器，且原本的多个小的功放由等于流数个数的大功放进行了替代，无需考虑多个小功放之间的差异性66。基于 RIS 的发射机由于馈源天线与 RIS 距离较近，且馈源指向性与用户位置相反，因而馈源与用户之间的信道可以忽略，进一步降低了系统设计的复杂度。在调控原理上，由于 RIS阵元数目较多、级联信道难以估计和测量，因此采用码本的方式进行 RIS 调控，可以实现波束搜索、跟踪、恢复等管理过程。30IMT-2030(6G)推进组IMT-2030(6G)Promotion Group3.6 性能评估

91、方法性能评估方法系统仿真性能评估是对 RIS 大规模组网部署策略和效果的提前预演，通过模拟实际环境中多小区多用户的复杂通信环境，可以初探 RIS 对通信网络中干扰和系统性能的影响。对 RIS 网络实际性能的深入全面深入的系统级仿真评估是衡量 RIS 潜在性能空间的必要手段，充分公正的系统级性能评估也可以为 RIS 的标准化和规模商用前景提供极其重要的参考依据和数据基础。本节从系统级仿真平台搭建框架、方法论、信道建模等方面给出系统级仿真评估的必要基础，进一步给出了初步的系统性能评估结果。3.6.1系统框架与仿真方法论系统框架与仿真方法论A.系统级平台基本架构系统级平台基本架构系统级仿真平台的基本

92、架构如图 3.27 所示，与 RIS 相关的模块用黄色高亮出来。额外需要输入 RIS 相关配置，包括调控比特数、反射单元数、节点位置、水平和垂直波束个数和间隔等，以及基站到 RIS 和 RIS 到终端的两段信道相关参数。同时需要对 RIS 引入的通信系统的信道进行重新建模，基于 3GPP TR38.901 中的信道模型，同时考虑级联和直连信道。对于波束扫描方案，先确定 RIS 的波束方向，进而在该方向上进行信道生成；对于波束赋形方案，需要分别生成两段级联的信道状态信息，再进行 RIS 相位调整。图图 3.27 系统级仿真架构系统级仿真架构B.评估因素评估因素31IMT-2030(6G)推进组I

93、MT-2030(6G)Promotion Group评估因素可以包括调控比特数、反射面个数、反射面单元数、节点位置等不同规格性参数配置，以及典型相位调控方案，例如，基于波束扫描的方案和基于信道估计的用户专用（UE-Specific）波束赋形等。首先，RIS 反射面的阵列规模直接影响反射面的阵列增益，观测评估在实际网络中的UE SINR/Throughput 性能在不同规模下的性能变化趋势，是衡量其在实际系统中潜在价值的有效手段。其次，RIS 的节点位置或拓扑（如图 3.28 所示）也会极大影响 RIS 的实际性能。RIS面板挂高、面板倾角、方位角，与其他节点的相对距离和 RIS 面板朝向的评估

94、验证对 RIS性能衡量都较为重要。图图 3.28 RIS 系统仿真评估对象系统仿真评估对象另一方面，考虑到更普遍的 RIS 的无源特性假设，BS、RIS 和 UE 的相对分布研究对RIS 受益用户和场景的定义有比较大的价值。节点位置分布对系统性能的影响可以通过引入指标受益用户比例（BUR,Beneficial UE Ratio）来实现。具体地，BUR 指标可以通过比较级联信道和直接信道之间的信道条件（路径损耗、RSRP.），评估与特定 RIS 有关的潜在有益 UE 数量，可以由特定的信道条件阈值（例如，路径损耗之间阈值）反映，如 BUR 可定义为：_AAll UENUMBURNUM(3.6)其

95、中，集合 A 对应着满足阈值上述阈值条件的所有 UE 集合。C.评估指标评估指标评估指标可以涵盖信干噪比（Signal to Noise and Interference Ratio，SINR）和参考信号接收强度（Reference Signal Received Power，RSRP）的累积概率函数（cumulative probabilityfunction，CDF），吞吐量及用户吞吐的 CDF 等。32IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupRIS 的优化整体目标之一是：最大化(直达+反射)目标信号功率，最小化(直达+反射)干扰信号功率。UE

96、SINR 是体现 RIS 优化目标的最为直观的指标之一。该指标体现了邻区和本区干扰 RIS 对目标用户信干噪比的影响，在实际性能评估中，UE SINR 的分布曲线可以直观体现 RIS 对于传统 MIMO 系统的影响，用以分析在不同的信干噪比区域 RIS 的额外增益大小和趋势。RIS的另一个衡量指标是用户吞吐。BS侧和RIS侧的预编码的联合优化可以增强BS-UE端到端等效信道，再加上可能存在的秩增强特性，这些都进而转化为用户体验速率的增强。在实际性能评估中，UE 吞吐的分布曲线可以从统计意义上体现 RIS 对于网络中不同用户的吞吐影响。D.干扰建模干扰建模考虑更实际的系统时，需要对来自于本区和邻

97、区服务及干扰基站，以及服务及干扰 RIS的权值做出合理的假设。考虑到实际部署的限制，假设服务 RIS 权值矩阵配置为任一目标用户的最优相位配置，而干扰 RIS 的权值则可取单位阵或者随机相位矩阵。目标小区i和目标小区内用户u相关的RIS采用基于该用户的最优相位配置（如基于瞬时或统计信道信息）。非目标小区内的RIS或目标小区内用户的非服务RIS相位配置可采用如下两种方案中一种：单位阵：单位阵配置,.（默认值）；随机相位矩阵：=。此外，各 RIS 上相位（包含目标小区和非目标小区内 RIS）的控制采用服务基站配置值，计算精确的用户端干扰。E.拓扑建模拓扑建模基于 RIS 对信号的被动反射特性，RI

98、S 面板的拓扑建模设计对系统性能尤为重要。具体地，RIS 节点的拓扑建模参数可以包括位置参数、空间特性和规模参数。在仿真中，RIS 节点的拓扑建模参数包括：（1）RIS 位置参数：方位角、高度 h、距离 r；（2）RIS 规模及空间特性：阵子数、朝向、俯仰角。实际仿真系统中的 RIS 节点的拓扑建模可如图 3.29 所示：33IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.29 RIS 系统仿真拓扑模型系统仿真拓扑模型图 3.29 中，以 RIS 拓扑中位置参数为例，若基站坐标为,bibibixyz，则 RIS 节点的位置模型,rkrkrkxyz可

99、以表示为：coscosrkbikris kbs iris kxxrcossinrkbikris kbs iris kyyrsinrkbikris kzzr(3.7)式中，bs i指 i-th BS 的方向角，ris k指 k-th RIS 相对于基站阵列法线方向的方位角，ris k则指 k-th RIS 阵列中心相对于基站天线中心阵的俯仰角。3.6.2信道建模信道建模RIS 的引入为信道建模带来新的范式，RIS 的部署使得信道环境在原有 BS-Rx 链路的基础上增加了 RS-RIS-Rx 链路传播路径，使得 RIS 使能的无线信道更为复杂。同时，建模过程中还需考虑 RIS 本身存在的物理特性，

100、包括 RIS 辐射图案，RIS 单元之间的互偶问题等。此外，RIS 通过改变入射多径分量相位对信道特性造成影响，因此基于不同 RIS 相位优化方案探究 RIS 特性对通信信道空间、时间和频率维度特征的影响。主流的信道建模方法包括基于几何的统计性建模方法（Geometry Based StochasticModeling，GBSM）和基于射线追踪的确定性建模方法。基于几何的统计性建模方法可以很好的还原某一类场景下信道的统计特性，同时其复杂度低、方便实现等优点使得该模型成为现有的 5G 标准化信道模型67。基于射线跟踪的确定性信道建模方法通过电磁传播理论识别从发射端到接收端的所有多径，极大地提高了

101、建模的准确度，随着计算机计算能力的提升，该模型逐渐获得了业界的认可，成为标准化信道模型的可选模型68。本文基于上述两种主流信道建模方法，实现 RIS 的信道建模。（1）基于几何的统计性信道建模方法）基于几何的统计性信道建模方法34IMT-2030(6G)推进组IMT-2030(6G)Promotion Group基于几何的统计性建模（GBSM）方法的基本原理是通过对信道进行大量测量，得到相应场景的信道特性统计分布。在进行信道仿真时通过对这些统计分布进行随机采样生成信道特征，还原完整的信道信息。考虑到无线通信系统在时域、频域和空间域的分辨率不断提高，多径的聚簇效应愈加明显，GBSM 模型以簇结构

102、为基础进行建模，其具体的模型结构如图3.30 所示。图图 3.30 基于几何随机的统计性信道模型结构基于几何随机的统计性信道模型结构考虑收发端为多天线的情况，若发射端有个发射天线，接收端有个接收天线，信道可以用 维的复矩阵表示，矩阵中每个元素表示对应子信道的信道冲激响应，具体可以表示为68：,=1=1?n,m,n,m,n,m,n,m,n,mTexp,n,m1exp n,mn,m1exp 2,2exp n,m,n,m,n,m,n,m,n,m.exp 2n,m+n,m exp 2n,m n,m.(3.8)其中：、表示簇和对应径的个数；,表示簇中第个径的功率；矩阵部分引入极化，其中有垂直极化和平行极

103、化两个正交的极化方向，相应的表示极化方向上的天线方向图；,，,，,，,表示第个簇中第条多径的水平到达角，垂直到达角，水平离开角和垂直离开角；表示多径的初始相位，,表示相应子径的交叉极化功率比；表示中心载波波长，为到达角和离开角的球坐标单位向量，表示收发端对应天线的位置向量；,表示多普勒频移，,表示对应子径的时延。35IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.31 RIS 辅助通信信道模型辅助通信信道模型下将 RIS 引入到该模型框架中，其信道模型如图 3.31 所示。可以看到，RIS 信道在传统的 Tx-Rx 直接信道之外又引入了 Tx-RI

104、S-Rx 级联信道。Tx-Rx 直接信道可以直接表示为公式（3.9）的形式，因此，对 RIS 信道建模的关键在于对 Tx-RIS-Rx 级联信道的建模。信号在 Tx-RIS-Rx 级联信道传播会经历三个过程，首先通过 Tx-RIS 信道传播到 RIS 处，然后被RIS 反射，最后反射信号通过 RIS-Rx 信道传播到 Rx 处。在每个过程中，信号的幅度、相位和极化都可能发生改变（存在能够调控极化方向的 RIS）。基于上述思想，第个发射机和第个接收机之间的 Tx-RIS-Rx 级联信道冲激响应(CIR)可以表示为69：,=1,11,12,22,21,12,2,2,2,2,2,2,2,2,2Tex

105、p 2,22,21exp 2,22,21exp 2,2exp 2,2?1,1,1,1,2,2,2,21,1,1,1,2,2,2,21,1,1,1,2,2,2,21,1,1,1,2,2,2,2exp 1,11,11exp 1,11,11exp 1,1exp 1,1,1,1,1,1,1,1,1,1 exp 22,2+1,1 exp 22,2 1,1 2,2.(3.9)式中包含两套链路多径参数，分别对应 Tx-RIS 信道和 RIS-Rx 信道，对于 Tx-RIS 信道，多径功率（1,1）、时延（1,1）、角度（1,1,1,1,1,1,1,1）、交叉极化比（1,1），以及随机相位（1,112,(1,

106、2,)）等参数参照 3GPP TR38.901 中小尺度参数流程的方法生成。RIS-Rx 信道对应的整套参数包括反映接收端多普勒频移的2,2也用模型中的方式生成。RIS 对簇和多径的影响包含在 RIS 辐射方向图12中，当1=2时，它的幅度和相位分别代表 RIS 的同极化反射幅度增益和相移，当1 2时，它的幅度和相位代表 RIS 的交叉极化反射幅度增益和相移。RIS 辐射方向图12的求解过程将在下一节中给出。36IMT-2030(6G)推进组IMT-2030(6G)Promotion Group当前，大多数基于实测的 RIS 信道建模主要集中在路径损耗，文献69基于实验测量数据提出 RIS 辅

107、助双径传播信道模型，该模型考虑了直射路径和 RIS 辅助路径。文献71研究广播和波束成形场景下 RIS 辅助信道自由空间路径损耗模型，探究 RIS 功耗和入射角对路径损耗的影响。文献72基于测量结果提取了室内场景 RIS 辅助通信系统的路径损耗和阴影衰落，刻画路径损耗为浮动截距和 CI 模型两种形式进行对比分析。文献73利用 RIS 辅助自由空间路径损耗测量系统，并研究了毫米波频段不同 RIS 配置对接收功率的影响。规则/非规则几何信道模型近年来被学术界和工业界广泛使用。该建模方式通过对传播场景几何结构做抽象和建模，不依赖于实测数据且无需地理信息。文献73基于远场假设提出了适用于室内和室外环境

108、的 RIS 增强系统的毫米波级联信道模型，该模型考虑了 RIS 元素增益和阵列响应。文献74建立了双 RIS 协同辅助通信的随机信道模型，将 RIS 分别置于发射端和接收端。文献75基于多径簇结构建立 RIS 辅助 MIMO 端到端信道模型，研究了 RIS 的物理特性（如尺寸、方向和配置）对 RIS 信道的影响。在实测数据相对匮乏的情况下，基于几何的随机性信道建模方法可以有效地实现对 RIS信道特征的表征，并且可以很好的将 RIS 相位设计对信道特性的影响与模型结构实现融合。当前，基于几何理论的 RIS 信道建模研究主要取得了如下代表性进展。针对 F2M（Fix-to-Mobile)典型通信场

109、景，提出了 RIS 辅助三维非平稳几何信道模型1667，如图 3.32所示。在该模型中，假设空间中散射体处于单圆柱表面，除了视距传输之外，包含发射端-RIS-接收端以及发射端-散射体-接收端一次反射路径。在此基础上，通过几何原理描述 RIS 时变动态信道特性。图图 3.32 RIS 辅助的辅助的 F2M 几何信道模型示意图几何信道模型示意图针对高度移动场景，如图 3.33 所示为基于非规则几何原理提出的 RIS 辅助高速移动场景的几何模型76。RIS 的安装具有一定的灵活性，将 RIS 安装在高铁车窗辅助车载用户通信，结合 RIS 辐射图案建立 RIS 辅助的毫米波高铁信道模型，描述高速移动带

110、来的信道非平稳性以及多径分量在时延、功率和多普勒等维度的时变动态性变化。37IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.33 RIS 辅助下高铁通信信道模型示意图辅助下高铁通信信道模型示意图RIS 信道模型特征不仅需要考虑复杂环境下信号的电波传播特性，还与 RIS 单元的相位设计密切相关，因此如何建立准确且复杂度低的 RIS 信道模型以及针对性地设计 RIS 相位是未来 RIS 信道建模研究亟需解决的问题。RIS 信道大尺度特性建模方面，主要聚焦于 RIS 信道路径损耗的测量建模。文献77和文献78中考虑了自由空间条件下 RIS 的单个电磁单元

111、提供的辅助子链路和 RIS 整体提供的辅助链路的自由空间路径损耗建模。自由空间下 RIS 单元路径损耗与收发机到 RIS 单元距离乘积的平方成正比，与收发天线增益、单元面积的平方、单元反射效率等成反比。自由空间下 RIS 整体路径损耗可由单元路径损耗叠加推导得到，故 RIS 整体路损还与 RIS 单元个数有关。以上建模研究还指出，自由空间下远场波束成型场景，整体路损与收发机到 RIS 中心距离乘积的平方成正比，与超表面总面积平方成反比。近场广播场景下，整体路损与收发机到 RIS 中心距离和的平方成正比，与 RIS 总面积无关。在暗室场景的多个频段该自由空间下 RIS 路径损耗模型预测值与测量结

112、果吻合度较好，验证了模型的有效性。基于自由空间下 RIS 路径损耗模型，文献79开展了适用于近场、远场、混合场的 RIS 反射波束设计。图图 3.34 自由空间路径损耗模型验证测量实拍图自由空间路径损耗模型验证测量实拍图6838IMT-2030(6G)推进组IMT-2030(6G)Promotion Group实际环境下的 RIS 路径损耗建模方面，文献80-82基于传统的浮动截距（FI）模型以及自由空间下 RIS 波束成型整体路损模型，提出了适用于 RIS 辅助无线通信的改进 FI 模型。该模型指出，实际环境下 RIS 路径损耗与收发机到 RIS 中心的距离以及其与 RIS 法线的夹角有关。

113、针对无 RIS 辅助，采用等相位配置的 RIS 镜面反射以及采用动态阈值方法83的 RIS智能反射三种模式，实地测量表明 RIS 辅助能有效降低路径损耗，而 RIS 采用智能反射模式时效果最好。RIS 信道小尺度特性建模方面，主要聚焦于时延拓展，多径传播等。当前基于实测开展的 RIS 辅助信道时延特性建模研究较少。文献82中研究了无 RIS 辅助，RIS 镜面反射以及RIS 智能反射三种模式下的均方根时延拓展以及频域稳定性。均方根时延扩展方面，智能反射模式最小，无 RIS 模式最大，镜面反射模式位于中间，RIS 智能反射模式能够有效聚焦信号能量；频域稳定性方面，无 RIS 模式下信道呈现明显的

114、频率选择性衰落，有 RIS 辅助时，镜面反射和智能反射模式下信道呈现平坦衰落。文献84对无 RIS 模式，RIS 镜面反射模式和 RIS 智能反射模式下实际走廊场景的功率时延谱进行了测量。测量结果表明，与无 RIS 信道相比，RIS 智能反射能使接收功率提升10dB 以上。随着 RIS 到接收机距离增加，RIS 智能反射能使虚拟直射径功率维持在较好的水平，呈现出良好的空间一致性，可以应用于 RIS 辅助的波束追踪。RIS 辅助信道的多簇特性在该文献中被建模为改进的 S-V 模型，分簇结果表明 RIS 智能反射表现出功率最强的首达簇，并且簇内多径衰减速度最快。走廊场景下，受狭窄空间影响，与无 R

115、IS 相比，RIS 镜面反射会产生多个反射簇。图图 3.35 走廊场景基于走廊场景基于 USRP 构建的构建的 RIS 信道时域测量系统实拍图信道时域测量系统实拍图84（2）基于确定性的建模方法）基于确定性的建模方法不同于统计性信道建模方法，确定性信道建模方法是对真实通信场景高精度还原建模的信道建模方法，它通过对真实的无线传播环境进行重构，提取环境中物体的几何描述和电磁参数等信息，根据电磁波传播理论对无线信道进行精准的描述。在确定性信道建模体系中，39IMT-2030(6G)推进组IMT-2030(6G)Promotion Group主要有基于麦克斯韦方程组的全波分析法和基于几何近似进行数值计

116、算的射线跟踪法两大类方法。其中射线跟踪法应用较为广泛。射线跟踪建模方法依据几何光学理论与一致性绕射理论可以实现对发送端和接收端之间的所有射线（路径）传播过程的预测，精准模拟传播路径之后，就可以确定射线的离开角、到达角、光程等参数。之后，将电磁波的能量传播看作射线（光）的传播，根据电磁学理论和相应的反射系数、绕射系数和穿透系数进行电磁计算，预测所有路径的电磁参数，进而可以得到每条射线的功率等信道参数，最终计算出信道的传播特性，包括路径损耗、角度扩展、时延扩展等，建立对应于具体环境的信道模型。射线跟踪法预测射线传播路径的过程称为射线寻径，完成射线寻径后即可提取多径角度和时延信息。根据射线寻径结果计

117、算每条射线幅度和相位的过程称为电磁计算，其中射线寻径是射线跟踪较为核心的部分。射线寻径包括反射射线的射线寻径和绕射射线的射线寻径。对于反射射线的射线寻径，常用的一种方法为镜像法。如图 3.36 所示，Tx 表示发射点，Rx 代表接收点，O 为平面 P1 上的反射点。由镜像法可知，通过对 Tx 做关于P1的镜像对称点Tx，连接Tx与 Rx，连线与平面P1的交点即为反射点 O。从 Tx 开始，经过反射点 O，最终到达 Rx 的路径就是所求的一次反射射线。对于高阶反射射线，可以通过递归使用镜像法求得。值得注意的是，计算高阶反射射线的计算开销很大，而高阶反射射线又因其功率较低而对信道的影响比较微小，因

118、此有理由忽略反射次数过高的反射射线。文献85中指出，在室内场景中，当射线反射次数高于二时，对信道的影响几乎可忽略。图图 3.36 镜像法示意图镜像法示意图对于绕射射线的射线寻径，可通过一致性绕射理论完成。一致性绕射理论表明，在入射媒质与出射媒质相同的情况下，射线的入射角等于出射角。由这一定律可以确定绕射射线的几何轨迹。图 3.37 为边缘绕射示意图，其中，B 点为 Tx 在障碍物边缘上的垂足，A 点为 Rx在边缘上的垂足，由一致性绕射理论可知，RxAP 与TxBP 相似。若已知收发端位置，只需简单求解点到直线的距离，就可以根据相似三角形定律得到绕射点 P 的位置，由此，绕射射线的射线寻径完成。

119、40IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.37 边缘绕射示意图边缘绕射示意图下面给出单 RIS 辅助通信系统的远场确定性信道建模方法。与传统射线追踪信道建模仿真流程一样，该方法分为射线寻径和电磁计算两部分。需要计算的射线路径可以分为两类，第一类是Tx-Rx直达射线路径，第二类是Tx-RIS-Rx级联射线路径。对于 Tx-Rx 直达射线路径，它不受 RIS 的影响和控制，因此，其计算方法与传统的射线跟踪计算方法一致。对于 Tx-RIS-Rx 级联射线路径，它的计算方法为：首先，分别计算 Tx-RIS 段的射线路径和 RIS-Rx 段的射线路

120、径，记其数量分别为1和2。然后，依次取出 Tx-RIS 段的每条射线路径，将其与 RIS-Rx 段的所有射线路径进行拼接。拼接起来的射线路径就是 Tx-RIS-Rx 段级联射线路径。可知，Tx-RIS-Rx 级联射线路径数量为12。这是不难理解的，因为 RIS 的反射信号并非完全指向某一个方向，而是呈现出一个有主瓣和旁瓣的波束，覆盖全角度范围。这样，每一条 Tx-RIS 段的射线路径在经 RIS 反射后，都会被分散在所有反射角度上，然后沿着每一条 RIS-Rx 段的射线路径到达 Rx。在计算出这两类射线路径后，需要沿着射线路径进行电磁计算，得到每条射线路径的幅度、相位等信息。对于 Tx-Rx

121、直达射线路径，它的电磁计算仍然遵循传统射线跟踪的流程。对于 Tx-RIS-接收端级联射线路径，它的计算方法为：首先，计算出所有的 Tx-RIS 段射线路径的幅度、相位信息。然后，计算 RIS 的电磁响应，通过一个由 RIS 辐射方向图组成的矩阵来表示。经 RIS反射后的信号和入射至 RIS 的信号相比，其幅度、相位和极化可能都发生了变化，可以采用一个交叉极化矩阵来表征这种变化，写为=,.(3.10)其中，和是入射的垂直角和水平角，和是出射的垂直角和水平角，12,12,是 RIS 辐射方向图，当1=2时，它的幅度和相位分别代表 RIS 的同极化反射幅度增益和相移，当1 2时，它的幅度和相位代表

122、RIS 的交叉极化反射幅度增益和相移。41IMT-2030(6G)推进组IMT-2030(6G)Promotion Group接着，计算出所有的 RIS-Rx 段的射线路径的幅度、相位信息。最后，将上述三个部分级联起来，得到所有 Tx-RIS-Rx 级联射线路径的幅度、相位信息。通过上述分析，要基于射线追踪实现 RIS 的信道建模，计算 RIS 的辐射方向图至关重要。由于 RIS 由很多阵元组成，它的辐射方向图可以通过相干叠加各个阵元的辐射方向图得到，表示为矩阵的形式为12,=,112,12,.(3.11)其 中，和 分 别 为 入 射 和 出 射 方 向 上 的 RIS 阵 列 导 向 矢

123、量，,12,1,2,N 代表第个 RIS 阵元的辐射方向图，它的幅度和相位分别表示 RIS 阵元的反射幅度增益和相移，N 是 RIS 阵元数量。因此，需要找到一种计算 RIS 阵元辐射方向图的方法。文献86中通过物理光学法计算了 RIS 阵元辐射方向图。文献87中用cosq函数拟合了 RIS 阵元辐射方向图。文献88中，通过在目标方向选取观测点，对比观测点处的信号和入射到 RIS 阵元的信号，分析了 RIS阵元对信号施加的影响，给出了 RIS 阵元辐射方向图的具体公式，为：,12,=421,1,2(3.12)其中，是信号波长，是观测点到 RIS 阵元的距离，,1表示观测点处的反射场在1极化上的

124、分量，,2表示 RIS 阵元处的入射场在2极化上的分量。可以发现，RIS 阵元的辐射方向图受其反射系数的控制，因为，改变 RIS 阵元的反射系数可以改变,1，进而改变 RIS 阵元辐射方向图。从发送端天线 s 到接收端天线 u、经过 RIS 所有阵元反射的端到端信道可以进一步表示为（与上面的(2)式兼容，只是将 RIS 所有阵元的辐射方向图、可调权值的效果显式表达为各阵元之和）：,=1,11,12,22,21,12,2,2,2,2,2,2,2,2,2Texp 2,22,21exp 2,22,21exp 2,2exp 2,2?=1?exp 1,11,11exp 1,11,11exp 1,1exp

125、 1,1,1,1,1,1,1,1,1,1 exp 22,2+1,1 exp 22,2 1,1 2,2.42IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(3.13)其中 Q 是 RIS 阵元总数，单个 RIS 阵元 q 对信道的贡献包括辐射方向图、入射与反射的波程差相位、可调权值：=,1,1,1,1,2,2,2,2,1,1,1,1,2,2,2,2,1,1,1,1,2,2,2,2,1,1,1,1,2,2,2,2 exp 22,2+1,1 (3.14)其中是 RIS 阵元 q 的坐标，RIS 入射或反射径的方向矢量为：,=sin,cos,sin,sin,cos

126、,(3.15)RIS 阵元 q 从极化2到极化1的辐射方向图为：,1,21,1,1,1,2,2,2,2,1,2,(3.16)RIS 阵元 q 配置的权值为（包括幅度和相位）。RIS 阵元辐射方向图模型 1：采用 cosq()函数形式的辐射方向图模型，在这种模型下，由入射到反射的效果可以解耦为入射与反射两部分之乘积，即：,1,1,1,1,2,2,2,2,1,1,1,1,2,2,2,2,1,1,1,1,2,2,2,2,1,1,1,1,2,2,2,2=,2,2,2,2,2,2,2,2,1,1,1,1,1,1,1,1T(3.17)在此种 RIS 阵元辐射方向图模型下，端到端级联信道可以进一步解耦为第一

127、跳信道（RIS-TX）、第二跳信道（RX-RIS）与 RIS 权值：,=1,?(3.18)其中表示对时延的卷积，两跳的信道分别为：43IMT-2030(6G)推进组IMT-2030(6G)Promotion Group,=2,22,22,2,2,2,2,2,2,2,2,2T?exp 2,22,21exp 2,22,21exp 2,2exp 2,2,2,2,2,2,2,2,2,2 exp 22,2+2,2 exp 22,2 2,2,=1,11,11,1,1,1,1,1,1,1,1,1T?exp 1,11,11exp 1,11,11exp 1,1exp 1,1,1,1,1,1,1,1,1,1 ex

128、p 21,1+1,1 exp 21,1 1,1(3.19)3.6.3系统性能评估系统性能评估以下对评估指标和因素、典型调控模式和节点分布进行举例说明。A.规格性参数性能规格性参数性能可以考虑不同的用户位置和智能超表面部署位置下的系统性能，如图 3.38 所示。评估指标是 SINR 和 RSRP 的 CDF，如图 3.39 所示2。表格表格 3.1 系统仿真参数系统仿真参数图图 3.38 用户和智能超表面位置分布用户和智能超表面位置分布参数值参数值参数值频点2.6 GHz阵子数16*16,40*40阵子间隔0.8*0.5RIS 个数/扇区8,16基站高度25m用户高度1.5mRIS 高度15mR

129、IS 极化单极化场景7 小区 21 扇区44IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.39 不同位置、调控精度和阵子规模下的不同位置、调控精度和阵子规模下的 CDF 曲线曲线通过系统级仿真，可以初步得到如下结论：在无线网络中部署 RIS 可以显著提高系统的性能，增加单个智能超表面的单元数或增加每个扇区的智能超表面个数可以提高系统的性能；与部署在小区中间相比，部署在小区边缘的智能超表面更能提升边缘用户的性能；2bit调控 RIS 性能已经接近理想调相性能。B.典型调控模式性能典型调控模式性能基于系统级仿真平台，可以验证和对比智能超表面的不同调控

130、模式下的性能，包括静态/半静态模式和动态模式。动态工作模式是利用终端的信道信息反馈，进行指向具体终端的波束赋形，根据信道状态信息的不同形成了两种动态模式：如果信道信息只是接收信号强度，则为基于波束扫描的动态工作模式；如果信道信息是完整的信道状态信息，包含不限于幅度和相位，则为基于信道状态信息（CSI）的动态工作模式。此时考虑的因素除了 RIS 规模和位置外，还有调控精度和波束宽度。评估对象可以是 SINR 和 RSRP 的 CDF 曲线，如图 3.40所示。45IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 3.40 16x16 和和 40 x40 R

131、IS 系统仿真在不同波束宽度下的系统级仿真对比系统仿真在不同波束宽度下的系统级仿真对比通过系统级仿真，可以初步得到如下结论：当反射面规模较大时，基于信道信息针对用户波束赋形方法具有显著的性能增益。当反射面规模较小、且波束扫描间隔与波束宽度相当时，波束扫描与针对用户的波束赋形的性能相当。C.RIS 拓扑性能拓扑性能本小节分析RIS拓扑、规模以及BS-UE，BS-RIS-UE在不同的信道假设下的UE Geometry性能。分别在 10GHz 和 30GHz 两个频点下进行了分析。具体地，10GHz 下我们考虑了 4 种不同的 RIS 拓扑；30GHz 下我们考虑了不同的 RIS 规模。（a）BS-

132、UE 信道存在 LOS 径假设（b）BS-UE 信道存在 N-LOS 假设图图 3.41 RIS 拓扑对拓扑对 UE Throughput 性能影响性能影响(10GHz)46IMT-2030(6G)推进组IMT-2030(6G)Promotion Group（a）BS-UE 信道存在 LOS 径假设（b）BS-UE 存信道在 N-LOS 假设图图 3.42 RIS 拓扑对拓扑对 UE Throughput 性能影响性能影响(30GHz)不难发现，用户Geometry性能伴随着RIS拓扑，RIS规模，以及不同的BS-UE，BS-RIS-UE在不同的信道假设而改变。在直达信道质量较好时，无论何种

133、RIS 拓扑、RIS 规模设计，基于用户 Geometry 增益都较小；而仅当直达信道质量变差时，可以明显观测到 RIS 的性能增益。如前文所述，用户受益比例很大程度上影响 RIS 系统的增益空间，本示例中考虑 7 阶不同的 BUR 阈值定义来反应不同的受益户比例，以及研究对应的性能增益。图 3.43 中可以发现，用户吞吐性能伴随着 RIS BUR 增加而递增。当受益用户比例占系统用户数 2%时，RIS 相比于 MIMO 基线的增益仅为 3%，只有当受益用户比例达到 30%时，RIS 才会带来较大的用户吞吐增益，如相比于 MIMO 基线性能提升 20%。(a)UE 吞吐累计分布函数性能(b)不

134、同信噪比下 BUR 分布(c)不同 BUR 阈值条件下小区平均吞吐增益图图 3.43 BUR 对对 UE 吞吐量性能影响（吞吐量性能影响（10GHz）47IMT-2030(6G)推进组IMT-2030(6G)Promotion Group仿真发现，BUR 的假设对 RIS 系统的增益空间识别极为关键，因此在后续方案性能评估和潜在的标准化进程中方案性能比较过程中在对齐的 BUR 假设下展开更能客观和公平地体现 RIS 系统的增益空间48第第 4 章章工程化挑战与解决方案工程化挑战与解决方案智能超表面关键技术研究和基本功能实现当前已比较深入，但从理论研究到应用落地仍面临很多挑战，当前缺乏对 RIS

135、 实际工程应用面临难点的分析和对 RIS 标准化影响的讨论。在本章，探讨 RIS 面临的工程化挑战，结合实际条件分析对应的解决方案，探索 RIS 实际应用道路，为未来 RIS 商用做好准备。智能超表面关键技术研究和基本功能实现当前已比较深入，但从理论研究到应用落地仍面临很多挑战，当前缺乏对 RIS 实际工程应用面临难点的分析和对 RIS 标准化影响的讨论。在本章，探讨 RIS 面临的工程化挑战，结合实际条件分析对应的解决方案，探索 RIS 实际应用道路，为未来 RIS 商用做好准备。4.1 硬件挑战硬件挑战随着 RIS 工程化的深入，工业界出现了各种不同的 RIS 形式，并根据不同的技术特征、

136、形态和形式进行分类。例如，根据频段，RIS 可工作于中低频、毫米波、太赫兹频段；根据透射/反射功能，RIS 分为反射型、折射型、同时反射和折射型；根据调控方式，RIS 分为基于 PIN 管、变容二极管、MEMS、液晶、石墨烯等类型；根据调控动态性，RIS 分为静态调控、半静态调控、动态调控。每种类型的 RIS 具有独特的技术特点，未来实际应用中部署哪些类型的 RIS 仍需进一步研究和探索，以满足不同场景需求。RIS 物理实现会受到固有硬件损伤的不利影响，例如单元响应的幅度相位相关性、量化误差、相位噪声、放大器非线性、载波频率和采样率偏移以及 I/Q 失衡等。尽管可以使用校准、预失真或补偿技术部

137、分抵消其中一些缺陷，但由于时变硬件特性和随机噪声的非理想估计等，在实际情况下大量失真不可避免。（1）量化误差：高分辨率元件会增加硬件成本、设计复杂性和控制开销。为降低硬件成本和功耗，对于具有大量单元的 RIS，一般采用有限数量的离散相移和振幅的 RIS 单元，RIS移相矩阵的优化变得更具挑战性。量化导致严重的信息丢失，基于无限精度量化的传统信道估计方法不再适用于低分辨率的场景。当前研究表明单比特设计由于粗略的相位分辨率而产生 3-4 dB 插入损耗，导致低孔径效率。（2）单元响应的幅度相位相关性：大多数关于 RIS 的工作都假设了理想的相移模型，在每个单元上都有全信号反射，而不管每个单元的相移

138、如何，这在实践中很难实现，因为反射幅度和反射相位之间存在强耦合。当前普遍假设的仅相位调控的反射模型并不准确，反射幅度往往取决于相移本身取值。（3）RIS 单元极化问题：对双极化 RIS，每个 RIS 单元可同时调控双极化信号，独立改变不同极化信号的相位。然而，引入双极化 RIS 使得系统分析和设计变得更加复杂，并且，在实际系统中，双极化缺陷始终存在，包括不同输入端口之间的耦合等硬件损伤和散射环境中发生的偏振转换等辐射损伤。受这些缺陷的影响，两个极化中的子信道不再正交，并且由于交叉极化干扰，实际容量提升有限。49IMT-2030(6G)推进组IMT-2030(6G)Promotion Group

139、（4）耦合：对单元间距较小，特别是小于半波长情况，耦合问题成为不可忽视的硬件挑战。对耦合的建模是十分必要的，虽然以高保真度捕捉耦合的模型是有益的，但该模型的复杂度将影响其对优化不同准则（如能源效率和频谱效率）的帮助程度。（5）相位非理想：RIS 面板在生产、安装、部署、维护等各阶段都存在影响相位调控精度的不利因素，例如温差、形变、平整度、PIN 管失效、频偏等。在 RIS 工程应用中需要建模存在相位误差的 RIS 反射模型，包括全局随机相位误差、分组随机相移误差、分组固定相位误差等89。例如，随着使用时间的增长，PIN 管可能失效，这可以看作一种分组随机相移误差，其影响如图 4.1 所示。图图

140、 4.1 相位非理性对接收信号强度影响相位非理性对接收信号强度影响894.2 信道互易性信道互易性信道的互易性是保证 TDD MIMO 系统基于非码本下行链路预编码得以实现的必要条件。由于 RIS 的人工电磁特性并不严格遵循正常的自然规律，势必带来是否会影响网络互易性的疑问。电磁互易性是指当源点和观测点交换位置时，源点在观测点产生的电磁场保持不变的现象，这一现象源于麦克斯韦方程组与时间的对称性。根据 Rayleigh-Carson 互易性定理得到，材料和传输介质互易，即可以保证无线信道的互易性。一般来说，当作用于 RIS 单元的控制信号保持不变，构成 RIS 的材料（如金属贴片、介质层和电子元

141、件）是遵循互易性定理的，因此，在正常条件下，RIS 辅助的无线信道依然具有互易性，该结论可以通过对常见的变容二极管 RIS 和 PIN 管 RIS 两种原型样机在如图 4.2 所示的测试环境下的测量结果证明90，测量结果如表格 4-1 所示。表格表格 4.1 两种两种 RIS 的信道互易性的测量结果的信道互易性的测量结果RIS 类型入射角()反射角()下行接收功率（dBm）上行接收功率(dBm)变容管300-42.6-42.7变容管5030-53.6-53.7PIN 管350-49.4-49.2PIN 管50-58.2-58.250IMT-2030(6G)推进组IMT-2030(6G)Prom

142、otion Group图图 4.2 RIS 辅助无线通信系统上下行信道互易性的测试环境辅助无线通信系统上下行信道互易性的测试环境虽然常见的 RIS 依然保持信道互易性，但是仍然存在打破信道互易性的可能性，例如，使用有源非互易性电路、时变的单元控制、采用非线性和不对称结构设计。虽然信道互易性经常被用来设计高效的无线通信协议，但在一些潜在的应用场景中，信道互易性并不是必需的，例如无线电力传输和安全无线通信。有一些在 RIS 辅助无线通信系统中打破信道互易性的方法，包括使用有源非互易性电路、执行时变控制、采用非线性和不对称结构（如图 4.3）。当入射角度过大时，会导致交换收发机位置时入射和反射波束方

143、向出现偏差，如图 4.4 所示，但并不必然导致信道非互易91。（a）有源非互易性电路）有源非互易性电路；（b）时变控制）时变控制；（c）非线性和不对称结构）非线性和不对称结构图图 4.3 破坏互易性的条件破坏互易性的条件51IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图图 4.4 60入射角范围内互易性成立，角度大于入射角范围内互易性成立，角度大于60范围互易性变差范围互易性变差应对 RIS 可能引入的非互易性有两种思路：避免和利用。对于避免非互易性，可以提高制备工艺避免可能引入的非理想因素，降低非互易性的可能性；可以进行上下行校准方法来弥补已存在的非互

144、易性因素。对于利用非互易性，可以利用非互易性 RIS 控制传输状态（包括双向传输、正向传输、反向传输和无传输），从根本上解决数据流拥塞和电磁污染等问题92；上下行非互易性可能对于无线能量传输和安全无线通信等场景更为有利。4.3 极化特性极化特性通过电磁仿真发现单极化 RIS 仅能对一种极化波（其电场平行于表面电流）调相及波束赋形，如图 4.5 所示 45极化波经单极化 RIS 反射会出现两个主瓣方向不同的极化波束，导致接收增益下降、双流传输受到影响。因此，双极化 RIS 更有利于为保证接收增益和双流传输。图图 4.5 单极化单极化 RIS 对对 45入射极化波仅对一个极化方向有赋形效果入射极化

145、波仅对一个极化方向有赋形效果4.4 功耗分析功耗分析RIS硬件总功耗由两部分组成，第一部分是由FPGA控制板和控制电路产生的静态功耗，第二部分是由 RIS 单元产生的单元功耗。文献93对 RIS 的总功耗进行了建模。静态功耗中，FPGA 控制板功耗可视为固定值，驱动电路功耗与硬件实现方式、极化方式、单元个数、调控自由度以及单个驱动电路产生的控制信号数量和功耗有关；单元功耗中，硬件实现方式不同，RIS 单元功耗建模也不相同。具体来说，基于 PIN 管的 RIS 的单元功耗与极化方式、单元个数、单元编码状态、单元调控比特精度等有关；基于变容管的 RIS 的变容管电流在工作时可以忽略不计，因此单元功

146、耗约等于 0；基于 RF 开关型的 RIS 单元功耗与极化方式、单元个数、单个 RF 开关功耗有关，与单元编码状态无关。对于单元的每个比特来说，只有在编码为1时才会消耗功率，而当编码为0时，功率消耗为 0。52IMT-2030(6G)推进组IMT-2030(6G)Promotion Group分别对 PIN 管型 RIS、变容管型 RIS 以及 RF 开关型 RIS 硬件分别进行实际功耗测量，验证功耗模型。最终测量结果与理论功耗建模保持较好的一致性，如图 4.6 和图 4.7 所示。(a)基于 PIN管的 35GHz双极化RIS;(b)基于 PIN管的 3.5GHz RIS;(c)基于RF 开

147、关的3.6 GHz 2bit RIS;(d)基于变容管的 3.15GHz 3bit RIS图图 4.6 各类型各类型 RIS 硬件及测试过程示意图硬件及测试过程示意图图图 4.7 RIS 功耗测量结果展示功耗测量结果展示基于实测结果，对各类型 RIS 的功耗进行了总结如下：FPGA 控制板功耗主要为 FPGA、光口等硬件功耗，可建模为固定值，测量型号为XC7K70T 的 FPGA 功耗为 4.8 W；PIN 管型 RIS 静态功耗：PIN 管单元能够以移位寄存器作为驱动电路，驱动电路简单且功耗较低，使用 8bit 移位寄存器控制 8 个 PIN 管，测量其功耗为 0.066 mW，即产生单个控

148、制信号仅消耗 0.066/8=0.008 mW。53IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupPIN 管型 RIS 单元功耗：单元功耗变化范围较大，RIS 单元编码状态是影响单元功耗大小的重要因素。测量单个 PIN 管功耗值为 12.6 mW。PIN 管型 RIS 若想实现低功耗，需要进行低功耗编码设计，尽可能使相位编码中的 PIN 管导通数量越少越好。变容管型 RIS 静态功耗：对于连续相位调控的变容管型 RIS，需要 DAC 和运算放大器作为驱动电路，功耗很高。用四通道 DAC 和运算放大器产生 4 个控制信号，测得两部分功耗值为 1720 mW，

149、即产生单个控制信号消耗 1720/8=430 mW。对于离散相位调控的变容管型 RIS，可以使用 PWM 信号和电平转换器组合或 CMOS 逻辑电路产生离散相位，驱动电路功耗会降低。变容管型 RIS 单元功耗：只有在变容管两端施加反偏电压时，结电容才会随偏置电压的变化而变化，从而实现调相功能；然而反偏电压会加厚变容管内部的 PN 结，阻止电流通过，因此 RIS 中的变容管工作时总是处于“断开”状态，因此单元功耗约等于 0，这一特性使得其具有实现低功耗的潜力。此外，目前在高频范围内设计和变容管型 RIS 仍存在挑战。RF 开关型 RIS 静态功耗：与 PIN 管型 RIS 驱动电路相似，驱动电路

150、简单且功耗较低。RF 开关型 RIS 单元功耗：其单元功耗仅与单元个数和单个 RF 开关单元的功耗有关，与单元的编码状态无关。测得单个 RF 开关单元的功耗值约为 500 W，是微瓦级别，因此单元功耗极低。作为一种新兴类型 RIS，RF 开关型 RIS 的驱动电路和单元功耗都很低，因此具有实现低功耗的潜力，未来可以深入研究。4.5 成本分析成本分析目前，大部分 RIS 设备都是由大学实验室或大学创办的小型创业公司设计的，其成本和功耗都比较高，如表格 4.2 所示。到一定阶段，基本设计原则确定后，RIS 的硬件设计应由更专业的公司来进行，并配备更专业的设计工具和测试环境。此外，生态链不同层次的供

151、应商应进一步优化 RIS 设备的制造，以降低成本，并使制造超大尺寸和大量元件的 RIS面板成为可能。成本优化包括尝试使用性能要求更宽松的 PIN 二极管和变容二极管，包括更长的切换时间、更高的非线性度等。由于大多数现成的半导体分立设备都用于信号处理，因此这种成本优化是可能的。当 RIS 面板的经济规模达到一定程度时，电路元件供应商就可以为 RIS 设备定制 PIN 二极管和变容二极管；RIS 面板的制造也将由更专业的供应商来完成。根据入射角/反射角计算元素相位需要消耗一定的功率。就目前而言，FPGA 足以满足此类计算的需要，其专有算法经过改进，可有效降低功耗。然而，从长远来看，随着 RIS元素

152、数量的增加，和/或如果需要更复杂的软校正来减轻元表面硬件的非理想特性或补偿近场效应，计算会非常密集，使用定制化的 ASIC 芯片可有效降低功耗，提高性能。表格表格 4.2 成本成本分析示例（参照某原型样机实现）分析示例（参照某原型样机实现）名目名目技术参数技术参数/工艺工艺单价单价数量数量控制单元控制单元FPGAVirtex-5 FX100T10001DAC双输入/输出 FlexRIO 适配器（100 MS/s 采样速率）601时间模块10 MHz501电源模块DC（20V）150154IMT-2030(6G)推进组IMT-2030(6G)Promotion Group超表面面板超表面面板贴片

153、元器件物料及工艺成本变容二极管SMV-2019（Skyworks,Inc）3512电容1 pF0.1512SMT浸焊0.021024PCB 板材物料F4BK265（介电 2.56，损耗正切0.001）3001加工沉金（线宽 0.4 mm）801合计合计3497.684.6 网络部署网络部署从通信环境复杂度和 RIS 部署及调控复杂度角度，可以把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，此两类场景对 RIS 网络部署原则和需求有较大差异94。小范围可控的受限区域，有机会部署足够密度的 RIS 并实现精确电磁环境智能调控，例如典型的室内热点覆盖区域。大范围复杂环境，业务分布相对稀疏，

154、不方便也不必要实现无线传播环境的精确控制。对于此类环境，可以重点对无线传播信道的大尺度特性进行调控，包括阴影衰落、自由空间传播路损等大尺度特性。从网络部署层面，本节主要分析网络控制模式与独立模式，以及集中式与分布式部署95。（1）网络控制模式与独立模式从是否受控于网络的角度，RIS 部署模式可以分为两类。其中，RIS 由网络控制的部署模式称为“网络控制模式”，RIS 自我控制的部署模式称为“独立模式”96。表格 4.3 较了独立模式和网络控制模式的优势和挑战。表格表格 4.3 网络控制模式与独立模式的对比网络控制模式与独立模式的对比类型优势挑战网络控制模式支持多网络协同支持多用户接入更好满足授

155、权频谱无线网络共存需求网络部署相对复杂需要部署网络控制链路需要设计测量和控制信令迭代流程独立模式无需网络控制链路网络易部署适用于非授权频谱低共存需求场景存在多网络干扰协同问题可能造成严重干扰无法很好地支持多用户接入通过对上述两个种模式优劣势的比较分析，并结合授权频谱和非授权频谱的特点，可以知道：1）网络控制模式：适用于复杂网络和具有高网络共存要求的授权频谱场景（即蜂窝网络）；2）独立模式：适用于简单网络、局域覆盖的非授权频谱技术场景（例如，Wi-Fi）。（2）集中式与分布式考虑多用户网络的 RIS 部署，网络中一个基站与 1 个用户（或组相邻用户）通信，用户彼此之间距离足够远。在这种情况下，有

156、两种不同的策略来部署网络中的个 RIS 反射元件：1）分布式部署，其中反射元件形成多个分布式 RIS，每个 RIS 位于一个用户附近；2）集中式部署，所有的反射元件形成一个位于基站附近的大型 RIS。注意，对于=1 的单用户情况，上述两种部署策略是等效的，因为都在基站处实现最大接收信号功率。然而，对于 1 的情况，这两种部署策略通常会导致用户和基站之间的信道不同。在集中式部署下，所有用户都可以通过个反射元件来服务；而在分布式部署下，每个用户只使用个反射元55IMT-2030(6G)推进组IMT-2030(6G)Promotion Group件的小部分来获得最近的 RIS 的服务，因为较远的 R

157、IS 反射的信号由于路径损失很大而太弱。就系统容量而言，集中式 RIS 部署通常比分布式 RIS 部署更有利，但值得注意的是，在部署 RIS 时，可能还需要考虑其他实际因素。首先，分布式部署需要更多的 RIS，因此基站和 RIS 控制器之间需要更多的回程链路来交换信息，从而导致网络开销增加。其次，由于站点/空间限制，在基站附近部署大型集中式 RIS 并不总是可行的，而在用户端部署多个分布式 RIS 通常更灵活。第三，集中对抗分布式 RIS 部署的性能增益是在双信道条件的假设下，而在实践中，两种部署策略下的信道统计数据可能会在 LoS 概率，NLoS 衰落分布、信道相关性等方面有很大差异，这可能

158、导致不同场景下的不同比较结果。4.7潜在标准化工作潜在标准化工作4.7.1概述概述2021 年 6 月，3GPP RAN Rel-18 研讨会中，有公司提出 RIS 研究课题的立项，包括 RIS的应用场景、系统架构、信道建模等相关研究内容，这也是 RIS 首次出现在 3GPP 的讨论中。虽然 RIS 课题吸引了众多公司的兴趣，但是有一些公司对 RIS 的鲁棒性和成熟度表达了顾虑。总体来说，一是当时各公司对 RIS 的接受度并不高；二是 Rel-18 有另一个研究课题被提出，即网络控制中继（NCR,Network Controlled Repeater），该技术是面向传统直放站（Repeater

159、）的演进，在传统放大转发的基础上引入了网络侧对中继的控制。从功能上来看，NCR 和 RIS 非常相像，这也使得想引入波束转发能力的公司转向支持 NCR 立项97。最终，2021 年 12 月，NCR 研究课题（SI,Study Item）成功在 3GPP Rel-18 立项，经过半年的研究后，于 2022 年转为标准化项目（WI,Work Item），并于 2023 年基本完成了核心的标准工作。目前，已进入 Rel-19 立项阶段，在 2023 年 6 月举办的 3GPP Rel-19 研讨会中，有 10家左右的公司再次提出了对 RIS 研究课题的立项需求，主要包括研究其信道建模、系统模型、评

160、估方法、控制方式等。从各公司的观点转变中可以感觉到，RIS 的标准化工作已越来越近。4.7.2RIS 与与 NCR 对比对比NCR 的基本架构如图 4.8 所示，包括两个功能实体，其中 NCR-MT 用于 NCR 和基站的信息交互，NCR-Fwd 用于信息转发。整个系统包括三条链路，接入链路（Access-link），回程链路（Backhaul Link）以及控制链路（C-link）。图图 4.8 NCR 示意图示意图56IMT-2030(6G)推进组IMT-2030(6G)Promotion Group与传统直放站相比，NCR 引入了网络侧的控制功能，以实现波束转发。且 NCR 重点关注高频

161、段的覆盖增强的应用场景，兼顾中低频。NCR 与基于波束赋形的 RIS 在系统参数、工作模式、控制信令等细节方面存在一定的差异，具体如表格 4.4 所示。表格表格 4.4 NCR 与与 RIS 对比对比NCRRIS系统架构系统架构两个功能实体，三条链路；控制链路和回传链路是带内的，共享公共射频模块需要通信与控制模块，两条链路(如图 4.9所示)；RIS 控制和转发可以分开硬件器件硬件器件天线、射频及数字基带处理器件；收发天线独立，可实现收发波束灵活独立调整，实现全双工需要隔离通信部分：天线、射频及数字基带处理器件；转发部分：近无源电磁单元、控制器件；自然具备全双工特性，成本较低数据处理数据处理仅

162、处理控制链路的数据，不处理转发链路的数据单元数单元数天线单元较少，不超过基站侧天线单元单元数更多，波束指向性更高协议影响协议影响网络侧网络侧，可能会引入终端侧影响噪声及干扰噪声及干扰引入额外的热噪声，可能会放大干扰不引入额外的噪声，可能会放大干扰信号自激信号自激有无图图 4.9 RIS 架构架构示意图示意图本节通过系统级仿真评估了 RIS 和 NCR 辅助通信系统在 FR1 和 FR2 下的性能。对于 FR1 频段，考虑 2.6GHz 载频，仿真假设 NCR 只放大信号而不采用波束赋形，RIS采用反射波束赋形。从图 4.10 中可以看出，在某些配置下，NCR 的 RSRP 性能会优于 RIS。

163、但是，RIS 的 SINR 性能优于 NCR。这是因为 NCR 不仅放大了信号功率，还放大了噪声和干扰。如果考虑 NCR 的自激问题，其性能会进一步恶化。图图 4.10 NCR 与与 RIS 的的 RSRP 和和 SINR CDF 对比（对比（2.6GHz）57IMT-2030(6G)推进组IMT-2030(6G)Promotion Group对于 FR2 频段，考虑 26GHz 载频，仿真假设 NCR 采用波束扫描，RIS 考虑针对用户的波束赋形方案。如图 4.11 所示，2500 个阵子的 RIS 的性能优于 30dB 增益的 NCR。图图 4.11 26GHz 时时 RSRP 和和 SI

164、NR 的的 CDF4.7.3潜在标准影响潜在标准影响从标准化的角度来看，有三种潜在的 RIS 类型：全透明 RIS，非透明 RIS，半透明 RIS98。这里的“透明”不是对物理材料的描述，而是指 RIS 作为网络节点时，是否对网络侧、终端侧有标准影响。其中，全透明 RIS 对网络和终端都是“不可见的”，不受网络侧控制。由于全透明 RIS 不涉及控制信息交互问题，较容易部署，但是它只能实现粗粒度调整，并且运维也存在较大挑战。非透明 RIS 将引入网络侧和终端侧的协议影响，有助于实现基站对 RIS 更精细的控制，以充分发掘 RIS 能力，但是需要以增加网络和终端的复杂度为代价，这可能会给终端厂商带

165、来额外的挑战。半透明 RIS，也即终端透明 RIS，它仅对网络“可见”，受网络侧控制，但是对终端“不可见”。因此，无论 RIS 是否参与信息传输，终端侧的行为应该保持不变，这种模式的 RIS 与 NCR 最为相似。通过对比，可以发现在这三种模式中，半透明RIS 在控制灵活性和终端复杂度之间起到了很好的平衡，在现阶段来看最具应用前景。借鉴NCR 标准化经验，RIS 潜在标准化工作方向包括99：系统模型及信道模型：RIS 主要由 PIN 二极管、变容二极管、液晶等电磁单元构成，因此目前标准采用的天线模型将难以适用，需要针对 RIS 电磁单元的具体特性，构建新的单元模型及系统模型。另外，将 RIS

166、引入无线通信系统后，传统的直连信道模型将不再适用，需要定义新的级联信道模型，同时也包括 RIS 在信道模型中的等效模型。虽然学术界及业界在信道模型方面研究已有一定进展，但是尚未收敛，信道建模工作仍面临挑战。信道测量与反馈：基于 RIS 的不同应用场景，信道类型可能包括：基站-RIS 信道是半静态的，而 RIS-用户信道是动态的（UE 移动性引起）；基站-RIS 信道是动态的，而 RIS-用户信道是半静态的（例如，RIS 部署在车辆顶端为车内用户提供无缝覆盖的场景）；基站-RIS 信道和 RIS-用户信道都是动态的（例如 RIS 部署在无人机上的场景）。RIS 辅助无线通信的信道测量和反馈取决于

167、 RIS 的特性。若 RIS 不具有执行信道测量的能力，则需要优化和配置 RIS 系数进而辅助基站或用户发送的参考信号来测量和反馈级联信道。当基站和用户之间存在直连链路时，通过 RIS 的 ON/OFF 控制信息，可以分离级联链路与直连链路。若 RIS 能够执行信道测量，其可以分别测量基站-RIS，RIS-用户和基站-RIS-用户等三段信道，并将测量结果反馈给基站以获得单独/分离的信道。因此，需要设计信道测量与反馈机制以灵活得到直连链路和级联链路的信道状态。58IMT-2030(6G)推进组IMT-2030(6G)Promotion Group控制信号、信令研究：RIS 部署网络中后，需要受网

168、络侧控制，否则将对运营商的网络规划及运维带来巨大的挑战。为此，如何实现 RIS 的有效控制至关重要。在 RIS 控制信号、信令研究方面，首先需要甄别哪些控制信息、信令可以重用 NCR 的相关设计。在研究过程中，挖掘 RIS 独有的控制机制，从而最大程度上提升标准工作效率。全双工操作：RIS 与 NCR 最大的不同在于：RIS 天然的工作在全双工模式，且入射信号与反射信号间没有额外的时延。如果能够充分利用 RIS 的全双工特性，可以有效的提升系统容量。此外，为推动 RIS 相关标准立项，需要甄别 RIS 技术核心优势及关键应用场景，尤其是在 NCR 已经完成标准立项的情况下，相应场景及需求的甄别

169、尤为重要。为此，还需要业界一同努力，聚焦 RIS 的关键应用，推进相关标准化进程。59IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第第 5 章章总结与展望总结与展望随着智能超表面（RIS）的理论与工程化应用技术研究的深入，其典型应用场景、工程化落地的挑战及其解决方案逐渐被揭示和识别。本报告基于 RIS 领域最新的研究进展及众多工程实践，首先给出了 RIS 最为典型的几类应用场景，包括增强低频段覆盖与容量、使能中高频网络的连续覆盖、使能泛在近场和使能泛在感知与定位业务；其次，讨论了 RIS 实现机理与关键工程化，尤其专门新增了基于RIS 的近场技术和系统仿

170、真两部分内容；然后，着重分析探讨了 RIS 工程化应用面临的挑战及其解决方案，包括网络部署、硬件挑战、功耗成本及标准化分析等主要方面。在后续的研究中，我们需要在加强基础理论研究的基础上，进一步推动 RIS 的工程化应用研究，优化工程化解决方案，推动 RIS 标准化研究和工程化落地。以下是需要重点加强研究的几个方面：（1）进一步加强 RIS 信道建模与仿真评估机制研究，推进其系统仿真方法论的标准化工作，为 RIS 的工程化研究工作打下坚实基础。（2）深入分析 RIS 作为未来 6G 新增网元和基础使能技术时面临的挑战，探索实现低成本、低功耗和简单易部署的工程化解决方案。（3）RIS 作为支持实现

171、 6G 泛在近场传播环境的关键使能技术，将可以提升通信系统性能，并使能 6G 网络的泛在感知与定位业务。虽然基于 RIS 的近场技术这几年在学术研究方面有很多突破，但在工程化研究方面还有很多挑战，需要进一步加强研究。（4）网络部署、标准化研究等工程化研究也需要进一步加强投入。RIS 通过构建智能可控无线环境，将给未来 6G 带来一种全新的网络范式。作为全新网元和基础使能技术，RIS 将全面赋能 6G 网络，满足未来移动通信需求。60IMT-2030(6G)推进组IMT-2030(6G)Promotion Group参考文献参考文献1程强，崔铁军.电磁超材料，东南大学出版社，2022，南京。2Y

172、.Yuan,et.al.,“Field trial of reconfigurable intelligent surface(RIS)with statistics-based optimization for5G commercial networks,”to be published in IEEE Wireless Communications.3M.Cui,Z.Wu,Y.Lu,X.Wei and L.Dai,Near-Field MIMO Communications for 6G:Fundamentals,Challenges,Potentials,and Future Direc

173、tions,in IEEE Communications Magazine,vol.61,no.1,pp.40-46,January 2023,doi:10.1109/MCOM.004.2200136.4H.Zhang,N.Shlezinger,F.Guidi,D.Dardari and Y.C.Eldar,6G Wireless Communications:FromFar-Field Beam Steering to Near-Field Beam Focusing,in IEEE Communications Magazine,vol.61,no.4,pp.72-77,April 202

174、3,doi:10.1109/MCOM.001.2200259.5Y.PAN,C.PAN,S.JIN,et al.RIS-Aided Near-Field Localization and Channel Estimation for the TerahertzSystemJ/OL.IEEEJournalofSelectedTopicsinSignalProcessing,2023:1-14.DOI:10.1109/JSTSP.2023.3285431.6KE J C,DAI J Y,CHEN M Z,et al.Linear and Nonlinear Polarization Synthes

175、es and Their ProgrammableControls based on Anisotropic Time-Domain Digital Coding Metasurface J.Small Struct,2021,2(1).7CUI T J,QI M Q,WAN X,et al.Coding metamaterials,digital metamaterials and programmablemetamaterials J.Light Sci Appl,2014,3.8WANGHL,ZHANGYK,ZHANGTY,etal.BroadbandandProgrammableAmp

176、litude-Phase-Joint-Coding Information Metasurface J.ACS Appl Mater Interfaces,2022,14(25):29431-40.9YU H,SU J X,LI Z R,et al.A Novel Wideband and High-Efficiency Electronically Scanning TransmitarrayUsing Transmission Metasurface Polarizer J.IEEE Trans Antennas Propag,2022,70(4):3088-93.10 LI H,LI Y

177、 B,GONG C Y,et al.Design of Programmable Transmitarray Antenna With IndependentControls of Transmission Amplitude and Phase J.IEEE Trans Antennas Propag,2022,70(9):8086-99.11 WANG H L,MA H F,CHEN M,et al.A Reconfigurable Multifunctional Metasurface for Full-SpaceControls of Electromagnetic Waves J.A

178、dv Funct Mater,2021,31(25).12 SCHURIG D,MOCK J J,JUSTICE B J,et al.Metamaterial electromagnetic cloak at microwave frequenciesJ.Sci,2006,314(5801):977-80.13 CHEN H T,TAYLOR A J,YU N F.A review of metasurfaces:physics and applications J.Rep Prog Phys,2016,79(7).14 CUI T J,LIU S,ZHANG L.Information me

179、tamaterials and metasurfaces J.J Mater Chem C,2017,5(15):3644-68.15 CUI T J,LI L L,LIU S,et al.Information Metamaterial Systems J.Isci,2020,23(8).16 ZHANG Z,ZHANG J W,WU J W,et al.Macromodeling of Reconfigurable Intelligent Surface Based onMicrowave Network Theory J.IEEE TransAntennas Propag,2022,70

180、(10):8707-17.17 袁弋非，苏鑫，顾琪，李亚，张雁茗，6G 智能超表面（RIS）通信技术初探，电子工业出版社，北京，2023 年 12 月.18 REN S,SHEN K,ZHANG Y,et al.Configuring Intelligent Reflecting Surface with Performance Guarantees:BlindBeamformingJ/OL.arXiv:2112.02285cs,math,20212022-04-27.http:/arxiv.org/abs/2112.02285.19 M.Cui,Z.Wu,Y.Lu,X.Wei,and L.D

181、ai,“Near-field communications for 6G:Fundamentals,challenges,61IMT-2030(6G)推进组IMT-2030(6G)Promotion Grouppotentials,and future directions,”arXiv preprint arXiv:2203.16318,Mar.2022.20 M.Cui and L.Dai,“Channel estimation for extremely large-scale MIMO:Far-field or near-field?”IEEETrans.Commun.,vol.70,

182、no.4,pp.26632677,Apr.2022.21 H.Zhang,N.Shlezinger,F.Guidi,D.Dardari,M.F.Imani,and Y.C.Eldar,“Beam focusing for near-fieldmulti-user mimo communications,”IEEE Trans.Wireless Commun.,pp.11,Mar.2022.22 T.L.Marzetta,“Spatially-stationary propagating random field model for massive MIMO small-scale fading

183、,”in Proc.2018 IEEE Int.Symp.Inf.Theory(ISIT),Jun.2018,pp.391395.23 A.Pizzo,T.L.Marzetta,and L.Sanguinetti,“Spatially-stationary model for holographic MIMO small-scalefading,”IEEE J.Sel.Areas Commun.,vol.38,no.9,pp.19641979,Sep.2020.24 Y.Zhang,C.You,L.Chen and B.Zheng,Mixed Near-and Far-Field Commun

184、ications for ExtremelyLarge-Scale Array:An Interference Perspective,in IEEE Communications Letters,vol.27,no.9,pp.2496-2500,Sept.2023,doi:10.1109/LCOMM.2023.3296409.25 Y.Zhang,C.You,W.Yuan,F.Liu,and R.Zhang,“Joint Beam Scheduling and Power Allocation for SWIPTin Mixed Near-and Far-Field Channels.”ar

185、Xiv,May 21,2023.Accessed:Jul.06,2023.26 M.Cui and L.Dai,“Channel Estimation for Extremely Large-Scale MIMO:Far-Field or Near-Field?,”IEEETransactionsonCommunications,vol.70,no.4,pp.26632677,Apr.2022,doi:10.1109/TCOMM.2022.3146400.27 Y.Zhang,X.Wu,and C.You,“Fast Near-Field Beam Training for Extremely

186、 Large-Scale Array,”IEEEWireless Commun.Lett.,vol.11,no.12,pp.26252629,Dec.2022,doi:10.1109/LWC.2022.3212344.28 C.Wu,C.You,Y.Liu,L.Chen,and S.Shi,“Two-Stage Hierarchical Beam Training for Near-FieldCommunications,”IEEE Trans.Veh.Technol.,pp.113,2023,doi:10.1109/TVT.2023.3311868.29 X.Wu,C.You,J.Li,an

187、d Y.Zhang,“Near-Field Beam Training:Joint Angle and Range Estimation withDFT Codebook.”arXiv,Sep.21,2023.Accessed:Nov.09,2023.30 W.Liu,H.Ren,C.Pan,and J.Wang,“Deep Learning Based Beam Training for Extremely Large-ScaleMassiveMIMOinNear-FieldDomain,”IEEECommunicationsLetters,pp.11,2022,doi:10.1109/LC

188、OMM.2022.3210042.31 A.Elzanaty,A.Guerra,F.Guidi and M.Alouini,Reconfigurable intelligent surfaces for localization:Position and orientation error bounds,IEEE Trans.Signal Process.,vol.69,pp.5386-5402,2021.32 O.Rinchi,A.Elzanaty and M.-S.Alouini,Compressive Near-Field Localization for Multipath RIS-A

189、idedEnvironments,in IEEE Communications Letters,vol.26,no.6,pp.1268-1272,June 2022,doi:10.1109/LCOMM.2022.3151036.33 M.Rahal,B.Denis,K.Keykhosravi,B.Uguen and H.Wymeersch,RIS-Enabled Localization ContinuityUnder Near-Field Conditions,2021 IEEE 22nd International Workshop on Signal Processing Advance

190、s inWireless Communications(SPAWC),Lucca,Italy,2021.34 S.Huang,B.Wang,Y.Zhao and M.Luan,Near-Field RSS-Based Localization Algorithms UsingReconfigurable Intelligent Surface,in IEEE Sensors Journal,vol.22,no.4,pp.3493-3505,15 Feb.15,2022.35 Zeng S,Di B,Zhang H,et al.RIS-based IMT-2030 Testbed for MmW

191、ave Multi-stream Ultra-massiveMIMO Communications Online.Available:arXiv:2310.15486,2023.36 M.Luan,B.Wang,Y.Zhao,Z.Feng and F.Hu,Phase Design and Near-Field Target Localization forRIS-Assisted Regional Localization System,IEEE Transactions on Vehicular Technology,vol.71,no.2,pp.1766-1777,Feb.2022.37

192、 A.Pizzo,T.Marzetta,and L.Sanguinetti,“Holographic MIMO communications under spatially-stationaryscattering,”in Proc.2020 54thAsilomar Conf.Signals,Sys.,Comp.,Nov.2020,pp.702706.38 A.Pizzo,L.Sanguinetti,and T.L.Marzetta,“Fourier plane-wave series expansion for holographic MIMO62IMT-2030(6G)推进组IMT-20

193、30(6G)Promotion Groupcommunications,”IEEE Trans.Wireless Commun.,pp.11,Sep.2022.39 L.Wei et al.,Tri-Polarized Holographic MIMO Surfaces for Near-Field Communications:ChannelModelingandPrecodingDesign,inIEEETransactionsonWirelessCommunications,doi:10.1109/TWC.2023.3266298.40 Wan,Z.,Zhu,J.,and Dai,L.,

194、“Can Continuous Aperture MIMO Achieve Much Better Performance thanDiscrete MIMO?”,arXiv e-prints,2023.doi:10.48550/arXiv.2301.08411.41 Y.Pan,C.Pan,S.Jin,and J.Wang,“RIS-Aided Near-Field Localization and Channel Estimation for theTerahertz System,”IEEE J.Sel.Top.Signal Process.,vol.17,no.4,pp.878-892

195、,July 2023.42 S.Yue,S.Zeng,L.Liang,and B.Di,“Channel Estimation for Holographic Communications in HybridNear-Far Field.”in IEEE Glob.Commun.Conf.(GLOBECOM),Kuala Lumpur,Malaysia,Dec.2023.43 W.Xu,F.Gao,J.Zhang,X.Tao,and A.Alkhateeb,“Deep Learning Based Channel Covariance MatrixEstimation with User Lo

196、cation and Scene Images,”IEEE Trans.Commun.,vol.69,no.12,pp.8145-8158,Dec.2021.44 X.Wang,Z.Lin,F.Lin,and L.Hanzo,“Joint Hybrid 3D Beamforming Relying on Sensor-Based Trainingfor Reconfigurable Intelligent Surface Aided TeraHertz-Based Multiuser Massive MIMO Systems,”IEEESens.J.,vol.22,no.14,pp.14540

197、-14552,July,2022.45 Y.Jin,J.Zhang,C.Huang,L.Yang,H.Xiao,and B.Ai,“Multiple Residual Dense Networks forReconfigurable Intelligent Surfaces Cascaded Channel Estimation”,IEEE Trans.Veh.Technol.,vol.71,no.2,pp.2134-2139,Feb.2022.46 J.Xiao,J.Wang,Z.Chen,and G.Huang,“U-MLP-Based Hybrid-Field Channel Estim

198、ation for XL-RISAssisted Millimeter-Wave MIMO Systems,”IEEE Wireless Commun.Lett.,vol.12,no.6,pp.1042-1046,June 2023.47 Z.Chen et al.,“Offset Learning Based Channel Estimation for Intelligent Reflecting Surface-Assisted IndoorCommunication,”IEEE J.Sel.Top.Signal Process.,vol.16,no.1,pp.41-55,Jan.202

199、2.48 Y.Zhang,B.Di,H.Zhang and L.Song,“Near-Far Field Beamforming for Holographic Multiple-InputMultiple-Output,”J.Commun.Inform.Netw.,vol.8,no.2,pp.99-110,June 2023.49 O.E.Ayach,S.Rajagopal,S.Abu-Surra,Z.Pi,and R.W.Heath,“Spatially sparse precoding in millimeterwave MIMO systems,”IEEE Trans.Wireless

200、 Commun.,vol.13,no.3,pp.14991513,Mar.2014.50 M.Cui,L.Dai,R.Schober,and L.Hanzo,“Near-field wideband beamforming for extremely large antennaarray,”arXiv preprint arXiv:2109.10054,Sep.2021.51 Y.Zhang,C.You,L.Chen and B.Zheng,Mixed Near-and Far-Field Communications for ExtremelyLarge-Scale Array:An Int

201、erference Perspective,in IEEE Communications Letters,vol.27,no.9,pp.2496-2500,Sept.2023,doi:10.1109/LCOMM.2023.3296409.52 Y.Zhang,C.You,W.Yuan,F.Liu,and R.Zhang,“Joint Beam Scheduling and Power Allocation for SWIPTin Mixed Near-and Far-Field Channels.”arXiv,May 21,2023.Accessed:Jul.06,2023.53 M.Cui

202、and L.Dai,“Channel Estimation for Extremely Large-Scale MIMO:Far-Field or Near-Field?,”IEEETransactionsonCommunications,vol.70,no.4,pp.26632677,Apr.2022,doi:10.1109/TCOMM.2022.3146400.54 Y.Zhang,X.Wu,and C.You,“Fast Near-Field Beam Training for Extremely Large-Scale Array,”IEEEWireless Commun.Lett.,

203、vol.11,no.12,pp.26252629,Dec.2022,doi:10.1109/LWC.2022.3212344.55 C.Wu,C.You,Y.Liu,L.Chen,and S.Shi,“Two-Stage Hierarchical Beam Training for Near-FieldCommunications,”IEEE Trans.Veh.Technol.,pp.113,2023,doi:10.1109/TVT.2023.3311868.56 X.Wu,C.You,J.Li,and Y.Zhang,“Near-Field Beam Training:Joint Angl

204、e and Range Estimation withDFT Codebook.”arXiv,Sep.21,2023.Accessed:Nov.09,2023.57 W.Liu,H.Ren,C.Pan,and J.Wang,“Deep Learning Based Beam Training for Extremely Large-Scale63IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupMassiveMIMOinNear-FieldDomain,”IEEECommunicationsLetters,pp.11,2022,doi:10.1109/LCOM

205、M.2022.3210042.58 M.Hua,Q.Wu,W.Chen,Z.Fei,H.C.So and C.Yuen,Intelligent Reflecting Surface Assisted Localization:PerformanceAnalysis andAlgorithm Design,in IEEE Wireless Communications Letters.59 K.Meng,Q.Wu,R.Schober and W.Chen,Intelligent Reflecting Surface Enabled Multi-Target Sensing,inIEEE Tran

206、sactions on Communications,vol.70,no.12,pp.8313-8330,Dec.2022.60 Zhang Z,Chen W,Wu Q,et al.Intelligent omni surfaces assisted integrated multi target sensing and multiuser MIMO communicationsJ.arXiv preprint arXiv:2307.06605,2023.61 A.Elzanaty,A.Guerra,F.Guidi and M.Alouini,Reconfigurable intelligen

207、t surfaces for localization:Position and orientation error bounds,IEEE Trans.Signal Process.,vol.69,pp.5386-5402,2021.62 O.Rinchi,A.Elzanaty and M.-S.Alouini,Compressive Near-Field Localization for Multipath RIS-AidedEnvironments,in IEEE Communications Letters,vol.26,no.6,pp.1268-1272,June 2022,doi:

208、10.1109/LCOMM.2022.3151036.63 M.Rahal,B.Denis,K.Keykhosravi,B.Uguen and H.Wymeersch,RIS-Enabled Localization ContinuityUnder Near-Field Conditions,2021 IEEE 22nd International Workshop on Signal Processing Advances inWireless Communications(SPAWC),Lucca,Italy,2021.64 S.Huang,B.Wang,Y.Zhao and M.Luan

209、,Near-Field RSS-Based Localization Algorithms UsingReconfigurable Intelligent Surface,in IEEE Sensors Journal,vol.22,no.4,pp.3493-3505,15 Feb.15,2022.65 M.Luan,B.Wang,Y.Zhao,Z.Feng and F.Hu,Phase Design and Near-Field Target Localization forRIS-Assisted Regional Localization System,IEEE Transactions

210、 on Vehicular Technology,vol.71,no.2,pp.1766-1777,Feb.2022.66 Zeng S,Di B,Zhang H,et al.RIS-based IMT-2030 Testbed for MmWave Multi-stream Ultra-massiveMIMO Communications Online.Available:arXiv:2310.15486,2023.67 J.Zhang,Y.Zhang,Y.Yu,et al.,“3-D MIMO:How much does it meet our expectations observed

211、fromchannel measurements?,”IEEE Journal on Selected Areas in Communications,vol.35,no.8,pp.1887-1903,Aug.2017.68“GuidelinesforevaluationofradiointerfacetechnologiesforIMT-2020,”ITU-RM.2412,https:/www.itu.org,Tech.Rep.,2017.69 H.Gong,J.Zhang,Y.Zhang,et al.,“How to extend 3D GBSM to RIS cascade channe

212、l with non-ideal phasemodulation?”arXiv preprint arXiv:2302.07501,2023,arXiv:2302.07501.70 R.Zhou et al.,Modeling and Measurements for Multi-path Mitigation with Reconfigurable IntelligentSurfaces,2022 16th European Conference onAntennas and Propagation(EuCAP),Madrid,Spain,2022,pp.1-5.71 Tang W,Chen

213、 M,et al.Wireless communications with reconfigurable intelligent surface:Path loss modelingand experimental measurementJ.IEEE Transactions on Wireless Communications.2021.20(1):421-439.72 B.Gao et al.,Propagation Characteristics of RIS-assisted Wireless Channels in Corridors:Measurementsand Analysis

214、,2022 IEEE/CIC International Conference on Communications in China(ICCC),Sanshui,Foshan,China,2022,pp.550-554.73 W.Tang et al.,Path Loss Modeling and Measurements for Reconfigurable Intelligent Surfaces in theMillimeter-Wave Frequency Band,in IEEE Transactions on Communications,vol.70,no.9,pp.6259-6

215、276,Sept.2022.64IMT-2030(6G)推进组IMT-2030(6G)Promotion Group74 E.Basar,I.Yildirim and F.Kilinc,Indoor and Outdoor Physical Channel Modeling and EfficientPositioning for Reconfigurable Intelligent Surfaces in mmWave Bands,in IEEE Transactions onCommunications,vol.69,no.12,pp.8600-8611,Dec.2021.75 H.Jia

216、ng,Z.Zhang,B.Xiong,J.Dang,L.Wu and J.Zhou,A 3D Stochastic Channel Model for 6G WirelessDouble-IRS Cooperatively Assisted MIMO Communications,2021 13th International Conference onWireless Communications and Signal Processing(WCSP),Changsha,China,2021,pp.1-5.76 Y.Yuan,R.He,B.Ai,et al.,A 3D Geometry-Ba

217、sed Reconfigurable Intelligent Surfaces-Assisted MmWaveChannel Model for High-Speed Train Communications,IEEE Transactions on Vehicular Technology,toappear,2023.77 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 intelligen

218、t surface:Path loss modeling and experimentalmeasurement,”IEEE Trans.Wireless Commun.,vol.20,no.1,pp.421-439,Jan.2021.78 W.Tang et al.,“Path loss modeling and measurements for reconfigurable intelligent surfaces in themillimeter-wave frequency band,”IEEE Trans.Commun.,vol.70,no.9,pp.6259-6276,Sept.2

219、022.79 S.Meng,W.Tang,Z.Yu,J.Wang,J.Lan,X.Su,Y.Yuan,X.Li,S.Jin,Q.Cheng,and T.J.Cui,“Anefficient multi-beam generation method for millimeter-wave reconfigurable intelligent surface:Simulationand measurement,”IEEE Trans.Veh.Technol.,early access,May 2023.80 B.Gao et al.,“Propagation characteristics of

220、RIS-assisted wireless channels in corridors:Measurements andanalysis,”IEEE/CIC ICCC 2022.(Best PaperAward)81 J.Lan et al.,“Measurement and characteristic analysis of RIS-assisted wireless communication channels insub-6 GHz outdoor scenarios,”IEEE VTC Spring 2023.82 J.Sang et al.,“Multi-scenario broa

221、dband channel measurement and modeling for sub-6 GHz RIS-assistedwireless communication systems,”submitted to IEEE Trans.Wireless Commun.,2023.83 J.Sang et al.,“Quantized phase alignment by discrete phase shifts for reconfigurable intelligentsurface-assisted communication systems,”submitted to IEEE

222、Trans.Veh.Technol.,2023.84 Y.Ren et al.,“Time-domain channel measurement and small-scale fading characterization for RIS-assistedwireless communication systems,”submitted to IEEE Trans.Veh.Technol.,2023.85 J.Zhan,J.Zhang,L.Tian et al.,“Comparative channel study of ray tracing and measurement for an

223、indoorscenario at 28 GHz,”in 12th European Conference on Antennas and Propagation(EuCAP 2018),2018,pp.1-586 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):368-377.87 E.Basar,I.Yildirim and F.Kilinc,“Indoor and Outdoor Physical Channel Modeling and EfficientPositioningforReconfigurableIntelligentSurfac

224、esinmmWaveBands,”IEEETransactionsonCommunications,vol.69,no.12,pp.8600-8611,Dec.2021.88 H.Jiang,Z.Zhang,B.Xiong,J.Dang,L.Wu and J.Zhou,A 3D Stochastic Channel Model for 6G WirelessDouble-IRS Cooperatively Assisted MIMO Communications,2021 13th International Conference onWireless Communications and S

225、ignal Processing(WCSP),Changsha,China,2021,pp.1-5.89 J.Yang,Y.Chen,Y.Cui,Q.Wu,J.Dou and Y.Wang,How Practical Phase-shift ErrorsAffect Beamformingof Reconfigurable Intelligent Surface?,in IEEE Transactions on Communications.90 TANG W,CHEN X,CHEN M Z,等.On channel reciprocity in reconfigurable intellig

226、ent surface assistedwirelessnetworksJ.IEEEWirelessCommunications,2021,28(6):94101.DOI:10.1109/MWC.001.2100136.65IMT-2030(6G)推进组IMT-2030(6G)Promotion Group91 H.ZHANG,B.DI.Intelligent omni-surfaces:simultaneous refraction and reflection for full-dimensionalwireless communicationsJ.IEEE Communications

227、Surveys&Tutorials,2022,24(4):19972028.DOI:10.1109/COMST.2022.3202813.92 MA Q,CHEN L,JING H B,et al.Controllable and programmable nonreciprocity based on detachabledigitalcodingmetasurfaceJ.AdvancedOpticalMaterials,2019,7(24):1901285.DOI:10.1002/adom.201901285.93 WANG J,TANG W,LIANG J C,et al.Reconfi

228、gurable intelligent surface:power consumption modeling andpractical measurement validationJ.IEEE Transactions on Antennas and Propagation,2022:11.DOI:10.1109/TAP.2022.3216555.94 赵亚军,菅梦楠.6G 智能超表面技术应用与挑战J.无线电通信技术,2021,47(06):679-691.95 智能超表面技术白皮书.RISTA.2023.96 Zhao,Y.;Lv,X.Reconfigurable Intelligent S

229、urfaces for 6G:Applications,Challenges and Solutions.Preprints 2022,2022120006(doi:10.20944/preprints202212.0006.v2).97 N.Li,J.Zhu,P.Li,B.Wang,X.She and P.Chen,Considerations on Potential Standardization Work forReconfigurable Intelligent Surface,2022 IEEE 8th ICCC,Chengdu,China,2022,pp.320-324.98 N

230、.Li,J.Zhu,J.Guo,X.She and P.Chen,Analysis of Reconfigurable Intelligent Surface-Aided WirelessCommunication:Potential Schemes,Standard Impact and Practical Challenges,2022 IEEE/CIC ICCCWorkshops,Sanshui,Foshan,China,2022,pp.211-215.99 6G 可重构智能表面白皮书.中国电信，电子科技大学.2023.66IMT-2030(6G)推进组IMT-2030(6G)Promo

231、tion Group贡献单位序号序号主要贡献单位主要贡献单位1东南大学2中兴通讯股份有限公司3北京交通大学4中国移动通信有限公司5中国联合网络通信集团有限公司6中国电信股份有限公司7华为技术有限公司8中国信息通信研究院9中国铁塔股份有限公司10清华大学11浙江大学12上海交通大学13北京大学14中信科移动通信技术股份有限公司15西安电子科技大学16高通无线通信技术（中国）有限公司17南方科技大学18维沃移动通信有限公司19联想北京软件有限公司20南京航空航天大学21西安邮电大学22北京理工大学25重庆邮电大学26之江实验室27华中科技大学28北京邮电大学29复旦大学30紫光展锐31北京小米移动软件有限公司32行晟科技33钱塘信息高等研究院34华中科技大学35紫金山实验室36中国科学技术大学37NTT DoCoMo38三星电子39京信网络40深圳市大数据研究院联系方式邮箱：COPYRIGHT2023 IMT-2030(6G)PROMOTION GROUP.ALL RIGHTS RESERVED.