IRS综述智能反射面研究面向6G无线通信网络

本文是新加坡南洋理工大学赵军教授和刘洋教授的《智能反射表面(IRS)调查:迈向6G无线通信网络》的译文。 为了方便智能反光面研究的研究者和实践者阅读,作者稍作修改,如有错误,欢迎大家批评指正。

概括:

智能反射表面 (IRS) 通过适应无线环境来提高频谱和能源利用率。 鉴于IRS被认为是一种有前途的6G无线通信技术,最近业界对IRS的关注,我们将IRS的最新研究分类如下。 针对 IRS 辅助的通信系统,包括容量/数据速率分析、功率/频率优化、信道估计、基于深度学习的设计和可靠性分析。 然后,我们回顾了IRS的实施以及IRS在安全通信、终端定位和其他新用途中的应用。 展望IRS将在6G通信网络中发挥的重要作用,我们进一步确定了IRS未来的研究方向,例如大规模MIMO在5G中的应用。 作为 IRS 的直接总结,我们的工作将会引起 6G 网络中 IRS 的研究人员和实践者的兴趣。

关键词:智能反射面、6G通信、大规模MIMO、无线网络

一、简介

随着5G通信网络进入商用阶段,为了获得更快、更可靠的数据传输,下一代(6G)通信技术已经处于研究状态。 智能反射表面(IRS)引起了学术界和工业界的兴趣。 2018年11月,日本移动运营商NTT DoCoMo和智能雷达初创公司MetaWave演示了元结构技术在28GHz带宽通信系统中的应用。

智能反射面(IRS):智能反射面由一系列智能反射单元组成,每个单元都可以独立地对入射信号做出一定的改变。 一般包括:相位、幅度、频率,甚至极化。 到目前为止,大量研究仅考虑了入射信号的相移,因此IRS不消耗传输功率。 本质上,当直接信道质量较差时,IRS可以通过智能配置无线环境来帮助发送器和接收器传输消息。 IRS 可以安装在墙壁、建筑物墙壁和天花板上。

国税局协助沟通。 图 1 显示了当树木遮挡视线时,IRS 辅助的基站 (BS) 与移动用户、无人机、智能汽车和其他终端之间的通信。 在下面的文章中,不失一般性,我们主要考虑基站与单用户和多用户之间的IRS辅助通信。

通信无线网络优化_无线通信_通信无线设备安装

IRS 与大规模 MIMO 及其他相关技术相比:IRS 可以被认为与大规模 MIMO 相关。 大规模 MIMO 利用大型天线阵列来提高频谱和功率利用率。 我们预计 IRS 在 6G 中发挥重要作用,就像大规模 MIMO 在 5G 中发挥的作用一样。 因此,IRS可以看作是MIMO 2.0的升级版本。 IRS 和大规模 MIMO。 胡等人。 首次对IRS的容量进行了分析,证明每平方米表面积的容量与平均功率呈线性关系,而不是大规模MIMO的对数关系。 此外,最近的研究还包括反向散射通信、毫米波通信和密集组网。 然而,这些相关技术无法控制无线传输环境并且消耗能量。

IRS 有许多类似的概念,但每个概念都有自己的侧重点:

·大型智能表面(LIS),更喜欢渐近分析,假设无线表面无限长或天线数量很大。 表面主动传输信息,而不是像IRS那样被动反射来自基站的信号。

·大型智能超表面(LIM)和编程器/可重构超表面,前缀“meta”来自一种称为“meta-atom”的金属图案。

·智能反射阵列强调表面反射功能(与IRS相同),不具备MIMO“放大转发”/“解码转发”中继传输功能。

·可重构智能表面,“重构”是指无论入射波的角度如何,通过软编程重构反射信号的角度。

软件定义表面 (SDS) 和软件定义超表面 (SDM) 受到软件无线电的启发,并考虑了表面与入射波的相互作用。

·被动式智能表面(PIS)和被动式智能镜子专注于被动反射,不消耗能源。

为了本文的一致性,我们将在下文中使用 IRS 而不是其他名称。 此外,值得注意的是,频率选择性表面与 IRS 不同,用于大规模 MIMO 系统中以减少耦合效应。

论文结构:在第二部分中,我们对 IRS 的最新研究进行了分类。 第三部分讨论我们的工作。 在第四部分中,我们定义了未来IRS的几个研究方向。 最后,第 5 节给出了结论。

II. 美国国税局近期研究分类

我们将IRS的最新研究分为:容量/数据速率分析、功率/频谱优化、信道估计、基于深度学习的设计、可靠性分析、安全通信、终端定位和其他新应用。

A.容量/数据速率分析

胡等人。 证明每平方米IRS容量与平均发射功率呈线性关系,而大规模MIMO则呈对数关系。

胡等人。 分析了IRS单天线终端的容量。 他们首先将整个反射面视为接收天线。 在这种情况下,对于足够大的表面积,接收信号经过匹配滤波后,符号间干扰可以用类似sinc函数的形式表示。

通信无线网络优化_通信无线设备安装_无线通信

当接近0时,每平方米的容量趋于

通信无线设备安装_通信无线网络优化_无线通信

(nats/Hz/体积单位),其中:

通信无线设备安装_无线通信_通信无线网络优化

表示体积单位(

无线通信_通信无线网络优化_通信无线设备安装

,

无线通信_通信无线设备安装_通信无线网络优化

,

通信无线设备安装_通信无线网络优化_无线通信

)关于发射功率,

通信无线设备安装_无线通信_通信无线网络优化

表示加性高斯白噪声功率谱密度。

胡等人最近的一项研究。 发现 IRS 损坏时其容量会下降。 将 IRS 划分为大量小型 IRS 单元的阵列可以缓解这种退化。

June 等人对 IRS 辅助通信系统的上行数据速率进行了渐进分析。 他们将信道估计误差视为空间相关瑞利信道并将干扰信道建模。 此外,还考虑了通道硬化效应。 结果表明,随着天线和移动终端数量的增加,渐近容量与精确的互信息是一致的。 对于 IRS 的上行数据速率,June 等人。 考虑到信道估计误差进行渐近分析。

郭等人。 通过在基站处寻找最优的主动波束成形和在IRS处的被动波束成形来最大化下行链路加权和,每个权重代表移动终端的优先级。 为了便于优化分析,仅考虑IRS相位偏移取离散值的情况。

Nadeem 等人设定的场景。 是单小区多用户系统,多天线基站通过IRS与多个单天线用户通信。 通过优化基站侧的线性预编码器和功率分配以及IRS侧的相位矩阵,最大化信号干扰噪声比(SINR)。 他们分析了“BS-IRS”信道矩阵与不同秩的IRS单元之间的空间相关性。

吴等人。 通过联合优化IRS相位矩阵和基站侧波束赋形来最大化SINR。

B.功率/频谱优化

在本节中,我们总结了 IRS 辅助通信中功率/频谱优化的最新研究。

黄等人。 研究了IRS相位矩阵和基站的最佳功率分配,以最大化下行链路比特每焦耳的功率效率。 为了简化分析,他们认为基站采用了完美设计的迫零预编码矩阵,用户端获得了完美的信号间干扰抑制。

傅等人。 和六月等人。 两人都研究了 IRS 辅助通信系统的频谱效率最大化问题。 具体来说,通过优化接入点波束形成器和 IRS 相位偏移来最大化频谱利用率。 本研究考虑了通过接收导频信号获得信道状态信息的典型场景,因此导频训练框架影响频谱效率。 黄等人。 首先找到频谱利用率的渐近值,然后利用该结果找到最佳导频训练长度以近似频谱利用率的渐近值。

C.信道估计

典型场景下,IRS是无源的,不具备感知能力,因此基站通过控制信号进行下行导频估计。 然后基站将信道信息报告给IRS控制器,这是相位偏移的基础。

纳迪姆等人。 提出了一种基于最小均方误差(MMSE)的信道估计协议。 具体来说,他们将总信道估计时间分为几个子阶段。 在第一个子阶段,所有 IRS 单元都关闭,基站估计所有用户的信道。 在每个后续子阶段中,每个IRS单元打开并且其他IRS单元关闭,并且基站执行估计。 在协议的最后,使用MMSE算法来综合每个子阶段的估计结果,以获得信道估计的综合图像。

塔哈等人。 使用压缩感知和深度学习方法来分析信道估计问题。 在他们的场景中,连接到 IRS 控制器的 IRS 单元被认为是主动的,其余的被认为是被动的。 他们利用压缩感知和深度学习技术分别对IRS的所有活动单元进行信道估计。

他等人。 采用三阶段机制解决IRS辅助MIMO系统的信道估计问题。 这三个阶段是:稀疏矩阵分解、模糊消除和矩阵补全。 在第一阶段,接收信号并使用矩阵分解方法导出基站和IRS之间的信道矩阵以及IRS和移动用户之间的信道矩阵。 第二阶段,IRS状态矩阵用于消除矩阵分解方案的歧义性。 IRS状态矩阵包含每个IRS单元在每个时刻的ON/OFF信息。 第三阶段利用通道矩阵的性能来恢复丢失的项目。 这三个阶段分别采用双线性广义逼近消息传输算法、贪心追踪算法和Liman流行的梯度短发算法来求解。

Mishra 和 Johansson 提出了一种信道估计机制来解决 IRS 辅助的能量转移信道估计问题,其中能量从多天线信标转移到单天线用户。 他们进一步利用信道估计结果分别设计了基站和IRS的有源/无源能量束。 此外,还提出了一种在每个子级中打开单个IRS单元而关闭其余单元的信道估计方法,但这种信道估计方法在实践中表现不理想。

D.基于深度学习的设计

利亚斯科斯等人。 通过深度学习配置 IRS 以协助无线通信。 具体来说,他们将无线传播视为一个深度神经网络,其中IRS单元相当于神经元,单元之间的相互作用相当于神经元之间的连接。 通过训练,无线网络学习IRS的传播原理并配置IRS。

E. IRS 辅助通信的可靠性分析

六月等人。 从上行速率分配和中断概率的角度对IRS辅助通信系统进行了可靠性分析。 利用李亚普诺夫中心极限定理,获得数据和速率的分布。 中断概率由低于预期值和比率的概率给出。 值得注意的是,虽然作者早期的工作分析了总和率的均值和方差,但计算停电概率需要总和率的概率分布。

F.完成

胡等人。 将IRS视为由天线单元组成的网格。 每个单元获取一个信号空间维度。 结果表明,在给定独立信号维度的情况下,六边形网格可最小化 IRS 表面积。 该分析借鉴了经典格理论,涉及计算信息论、密码学、机器学习和知识表示。

Taha等人提出IRS结构包含两种类型的IRS单元:主动单元和被动单元。 主动单元连接到 IRS 控制器,被动单元不连接到控制器。 系统优化是基于主动单元的信道信息来执行的,主动单元捕获环境信息和发射器/接收器的位置。

G.安全通信

大量研究利用IRS来提高无线通信物理层的安全性。 在Wyner提出的最简单的窃听信道中,窃听者正在窃听发射机与合法用户之间的通信。 这种简单的模型具有良好的可扩展性。

IRS可用于提高用户的数据速率并降低窃听者的数据速率,以提高通信安全性。 前一种传输速率和后一种传输速率已被修改并被称为安全数据速率。 该领域的成就包括:

崔等人,沉等人,于等人。 研究了在窃听者存在的情况下多天线基站与单天线合法用户之间的通信。 论文提出优化基站波束成形和IRS反射波束成形,以在基站功率有限的情况下最大限度地保证合法通信链路的安全性。 论文之间的差异体现在优化的细节上。 具体地,交替使用交替优化算法来设计基站的波束成形和IRS的相位偏移。 沉等人。 验证了存在多个合法用户和多个窃听者的场景。

H.终端定位等新应用

胡等人。 使用IRS进行终端定位。 Baser使用IRS来辅助索引调制(Index modulo,IM)。

江等人。 使用IRS辅助空中计算,基站对移动用户数据进行一些计算。 Baser提出使用IRS作为接入点,将射频信号发生器靠近IRS放置以产生未调制的载波,然后调整IRS相位偏移来传输信息。

Mishra 和 Johansson 使用 IRS 将能量从多天线能源传输到单天线用户。 首先进行信道估计,然后利用估计结果分别在基站和IRS处设置能量波束。

三. 国税局未来的研究方向

我们相信 IRS 将在 6G 中发挥重要作用,就像 5G 中的大规模 MIMO 一样。 IRS是MIMO 2.0的升级版本。 我们为国税局提供了三个未来的研究方向。

①现有IRS在无线物理层的研究和应用大多是理论分析和仿真验证。 因此,理论联系实际是一个方向。

②考虑IRS的材料和生产工艺。

③建立IRS功能限制规范需要深入了解IRS对传统通信理论模型的影响。

四、结论

在这篇综述文章中,我们对 IRS 的最新研究进行了分类,并提供了 IRS 的未来研究方向。 作为推进 6G 无线通信的潜在技术,IRS 通过改变无线环境来提高频谱和功率利用率。 为了建设6G通信网络,IRS将接受更多研究并取得更多成果。