本文为新加坡南洋理工大学赵俊和刘洋教授名为“A Survey of Intelligent Reflecting Surfaces(IRSs):Towards 6G Wireless Communication NetWorks” 的译文,为方便智能反射面研究的科研人员和从业者阅读,笔者略有改动,有不对的地方欢迎大家批评指正。
智能反射面(IRSs)通过调整无线环境来提高频谱和能源利用率。鉴于最近业界对IRSs的关注,将其看作是大有潜力的6G无线通信技术,我们将IRSs近期研究情况进行如下的分类整理。对于IRSs辅助的通信系统,包括容量/数据率分析、功率/频率优化、信道估计、基于深度学习的设计、可靠性分析。然后,我们回顾IRSs的实现以及IRSs在安全通信、终端定位和其他新用途的应用。展望IRSs在6G通信网络中发挥的重要作用,我们进一步确定了IRSs未来的研究方向,正如大规模MIMO在5G中的应用。作为即时的IRSs总结,我们的工作将会引起6G网络IRSs研究人员和从业者的兴趣。
关键词:智能反射面,6G通信,大规模MIMO,无线网络
随着5G通信网络进入商业化阶段,为了获得更快和更可靠的数据传输,下一代(6G)通信技术已经处于研究状态。智能反射面(IRSs)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和智能雷达创业公司MetaWave演示了meta-structure(元结构)技术在28GHz带宽的通信系统的应用。
智能反射面(IRSs):智能反射面由智能反射单元阵列组成,每个智能反射单元能够独立地对入射信号进行某些改变。一般包括:相位、振幅、频率、甚至极化。到目前为止,大量的研究,只针考虑到入射信号的相位偏移,所以IRSs不消耗传输功率。本质上,当直达信道质量较差时,IRS能够通过智能配置无线环境,帮助发射机和接收机进行消息传输。IRSs可安装在墙、建筑物墙和天花板上。
IRS辅助通信。图1展示了在树木阻碍了视线的情况下,基站(BS)与移动用户、无人机、智能汽车以及其他终端的IRS辅助通信。接再来的文章中,不失一般性,我们主要考虑基站与单用户和多用户的IRS辅助通信。
IRSs与大规模MIMO和其他相关技术进行比较:IRS可以被认为与大规模MIMO有关。大规模MIMO利用大型天线阵列提高频谱和功率利用率。我们设想IRS在6G中发挥重要作用,正如大规模MIMO之于5G。因此,IRS可以被看做是MIMO的2.0升级版。IRS与大规模MIMO。Hu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成线性关系,而不是大规模MIMO的对数关系。此外,最近的研究类似还包括反向散射通信、毫米波通信、密集组网。但是,这些相关技术不控制无线传输环境,并消耗能量。
IRS有很多近似概念,但各有侧重:
·large intelligent surface(LIS),偏好渐进分析,假设无线表面无限长或者天线数量多。表面主动传输信息,而不是像IRS那样被动反射基站端发出的信号。
·large intelligent metasurface(LIM)和programmer/reconfigurable metasurface,前缀“meta源于一个名叫“meta-atom”的金属图案。
·smart reflect-arrays,强调表面反射功能(这一点和IRS相同),不具备MIMO“放大-转发”/“解码-转发”的中继传输功能。
·reconfigurable intelligent surface,“重构”是指不管入射波角度如何,通过软编程的方法对反射信号的角度进行重构。
·software-defined surface(SDS)和software-defined metasurface(SDMs),灵感来自软件无线电,并考虑到表面对入射波的相互作用。
·passive intelligent surface(PIS)和passive intelligent mirrors,注重被动反射,不消耗能量。
为了论文的一致性,接下来我们使用IRS而不用其他的名称。此外,值得注意的是frequency selective surfaces(频率可选择表面)与IRSs不同,并被用于大规模MIMO系统以较少耦合效应。
论文结构:第二部分我们将IRSs最近的研究进行分类。第三部分论述我们的工作。第四部分,我们定义未来IRSs的几个研究方向。最后,在第五部分给出总结。
我们将IRSs近期研究分为: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、终端定位和其他新的应用。
胡等人证明IRS每平方米的容量与平均传输功率成线性关系,大规模MIMO是对数关系。
胡等人分析了IRS与单天线终端的容量。他们首先将整个反射面看作是一个接收天线。在这个场景中,对于足够大的表面区域,接收信号经过匹配滤波后,符号间干扰可以由一个类似辛格函数(sinc-function-like)来表示。当波长 趋于0时,每平方米容量趋于 (nats/Hz/volume-unit),其中: 表示volume-unit( 、 、 )上的传输功率, 表示加性高斯白噪声功率谱密度。
胡等人最近研究发现,当IRSs受到损伤后容量将退化。将IRS分割成有大量小的IRS单元组成的阵列可以缓和这种退化。
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和模型干扰信道看做是空间相关的瑞利信道。此外,信道硬化效应也考虑在内。研究表明,随着天线数量和移动终端的增加,渐进容量与精确的互信息一致。对于IRSs上行数据数据速率,June等人在考虑信道估计误差的情况下进行了渐进分析。
郭等人通过寻找最优的基站端主动波束成形和IRS端被动波束成形,最大化下行链路加权和,每一个权重代表一个移动终端的优先级。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,一个多天线基站与多个单天线用户通过IRS进行通信。通过优化基站端线性预编码器和功率分配以及在IRS端相位矩阵来最大化信干噪比(SINR)。他们分析了不同秩的“BS-IRS”信道矩阵和IRS单元之间的空间相关性。
吴等人通过联合优化IRS相位矩阵和基站端波束成形,最大化SINR。
这一部分,我们总结最近的IRS辅助通信中的功率/频谱优化方面的研究。
黄等人寻找IRS相位矩阵和基站的最优功率分配,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,用户端获得完美的信号间干扰抑制。
Fu等人和June等人都研究了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成型器和IRS相位偏移最大化频谱利用率。该研究考虑的是典型的场景,通过接收导频信号进行获取信道状态信息,因此导频训练框架影响频谱效率。黄等人首先求出频谱利用率的渐进值,然后用这个结果去寻找最优的导频训练长度以逼近频谱利用率的渐进值。
在典型场景中,IRSs是被动的,不具备感知能力,因此基站通过控制信号进行下行链路的导频估计。然后基站向IRS控制器报告信道信息,这是相位偏移的依据。
Nadeem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,他们讲总的信道估计时间划分为若干个子阶段。在第一个子阶段,所有IRS单元被关闭,基站对所有用户的信道进行估计。在接下来的每一个子阶段,每个IRS单元轮流打开其他IRS单元关闭,基站进行估计。在协议的最后,采用MMSE算法综合各子阶段的估计结果,得到信道估计的综合图像。
Taha等人利用压缩感知和深度学习的方法分析信道估计问题。在他们设定的场景中,连接IRS控制器的IRS单元被看做是主动地,其余看做是被动的。他们利用压缩感知和深度学习技术分别对IRS的所有主动单元进行了信道估计,
He等人采用三阶段机制解决IRS辅助的MIMO系统信道估计问题。三阶段分别是:稀疏矩阵分解、模糊消除、矩阵补全。第一阶段,接收信号并用矩阵分解的方法导出基站与IRS的信道矩阵、和IRS与移动用户之前的信道矩阵。第二阶段,利用IRS状态矩阵消除矩阵分解方案的迷糊性。IRS状态矩阵中包含每一个IRS单元每一时刻的ON/OFF信息。第三阶段利用信道矩阵的性能回复丢失的项。这三个阶段分别采用双线性广义近似消息传输算法、贪婪追求算法和李曼流行梯度短发进行求解。
Mishra和Johansson提出了一种信道估计机制,解决IRS辅助的能量传输信道估计问题,能量从多天线信标传输到单天线用户。他们进一步用信道估计结果分别设计基站和IRS的有源/无源能量波束。此外,也提出了一种每个子阶段单个IRS单元打开其余关闭的信道估计方法,但这种信道估计方法在实际中表现不尽人意。
Liaskos等人通过深度学习配置IRSs,来辅助无线通信。具体地说,他们将无线传播看做是一个深度神经网络,IRS单元相当于神经元、单元间的相互作用相当于神经元之间的连线。通过训练,无线网络学会了IRSs的传播原理并配置IRSs。
June等人从上行链路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,得到数据和速率的分布。中断概率由低于期望值得和速率的概率给出。值得注意的是,尽管作者的早期工作是分析和速率的均值和方差,需要和速率的概率分布来计算中断概率。
Hu等人将IRSs看作是天线单元组成的网格。每个单元获得一个信号空间维度。证明在给定独立信号维度的情况下,六角形栅格可最小化IRS表面积。这个分析利用了经典的点阵理论,这个理论在计信息论、密码学、机器学习和知识表示中都有涉及。
Taha等人提出IRS结构包含两种IRS单元:有源和无源单元。有源单元与IRS控制器相连,无源单元不连接控制器。依据有源单元的信道信息进行系统优化,有源单元捕获环境信息和发射端/接收端的位置。
大量的研究利用IRSs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和合法用户的通信,这个简单的模型具有很好的拓展性。
可以利用IRS提高用户的数据速率,减少窃听者的数据速率,以提高通信安全性。前者和后者传输速率经过改良,被称为保密数据速率。这方面的成果有:
崔等人、沈等人、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。论文提出在基站功率受限的情况在,优化基站波束成形和IRS反射波束成形,最大化合法通信链路的安全性。论文的不同之处体现在优化的细节上。具体地说,交替使用用alternating optimization算法设计基站的波束成形和IRS的相位偏移。沈等人验证了多个合法用户和多个窃听者存在的场景。
胡等人利用IRS进行终端定位。Baser利用IRS辅助索引调制(Index modulation, IM)。
姜等人利用IRS辅助over-the-air computation,基站为移动用户数据进行一些计算。Baser提出用IRS作为接入点,将一个射频信号发生器靠近IRS,产生未调载波,然后调节IRS相位偏移传递信息。
Mishra和Johansson利用IRS进行能量传输,将能量从一个多天线能量源传输给单天线的用户。先进行信道估计然后用估计结果分别在基站和IRS端设置能量波束。
我们认为IRS在6G中将发挥重要作用,正如大规模MIMO之于5G。IRS是升级版MIMO 2.0。我们给出IRS的三个未来研究方向。
①现有的大多数IRSs研究和在无线物理层的应用都是理论分析和仿真验证,因此,将理论用于实践是一个方向。
②考虑IRSs的材料和制作过程。
③建立IRS功能限制的规范需要深入理解IRS对传统通信理论模型的影响。
在这篇综述文章中,我们对IRSs的近期研究进行了分类,并给出了IRSs的未来研究方向。作为推进6G无线通信的潜在技术,IRSs通过改变无线环境提高频谱和功率利用率。为建设6G通信网络,IRSs将得到更多的研究并取得更多成果。