IRS综述2：面向智能可重构环境——智能反射面辅助的无线通信网络
本文依据Qingqing Wu和Rui Zhang的文章“Towards Smart and Reconfigurable Environment Intelligent Reflecting Surface Aided Wireless Network(2)-annotated”整理的笔记，欢迎IRS研究者和从业人员批评指正。
摘要
IRS是一种全新的革命性技术，它通过由大量低成本无源反射单元组成的平面智能地重构无线传输环境，显著提高无线通信网络的性能。具体地说，IRS单元通过控制入射信号的幅度和（或）相位反射入射信号，从而协同实现细粒度的三维波束成形，用于定向信号的增强和抵消。本文，首先介绍了IRS技术概况，包括它在无线通信中的主要应用、相对于现有技术的竞争优势、硬件架构、信号模型。然后，我们提出了设计和实现IRS辅助的混合（有源和无源并存）无线通信网络方面的关键挑战（传统网络仅包含有源器件）。最后，数字结果表明IRS对传统无线网络的性能提升。
引言
虽然5G物理层技术通常能够适应无线环境的变化，但信号的传播本质上是随机的，很大程度上是不可控的。而智能反射面可以通过软件控制反射，来重构无线传播环境。具体地说，IRS是由大量低成本无源反射单元组成的平面，每个单元可以独立改变入射信号的振幅和或相位，从而协同实现细粒度的三维波束成形。IRS通过可控的反射修改了无线信道，为无线通信提供了一个新的自由度，为实现智能可编程无线环境铺平了道路，这与现有的发射机/接收机无线链路配置形成了鲜明对比。由于IRS不使用射频链（一种成本高能耗大的器件），并且工作距离短，成本低、能耗低，因此可以密集部署，不需要考虑IRSs之间的干扰管理。此外，IRS可以根据不同的应用场景，安装在不同的建筑物表面，尽管底层通信建模需要进一步考虑。
图1图解了IRS辅助无线网络的几个典型应用。在（a）中，用户位于死区中，在死区中，用户与基站之间被障碍物阻塞。在这种情况下，通过部署与基站和用户有均有直达链路的IRS帮助信号绕过障碍物，从而在基站和用户之间创建了虚拟视线（LoS）链路。这对极易受室内阻塞影响的毫米波通信特别有效。
图（b）中，IRS用于提高物理层安全性。当窃听者到基站的距离小于合法用户到基站的距离，或者窃听者与合法用户处在相同方向时，可以在窃听者附近部署IRS，用IRS反射的信号抵消窃听者接收到的信号，从而减少信息泄露。
在（c）中，IRS可以为小区边缘用户提高本小区信号功率，抑制来自邻近小区的干扰。
图（d），在大规模低功耗终端设备D2D（端到端）通信系统中，IRS被用于信号反射并缓解信号之间的干扰。IRS单元通过被动波束成形补偿信号因传输造成功率损耗，提高功率的传输效率。
IRS与有源中继相比，有源中继通过信号“再生”和“重传”来协助信源和信宿之间的通信，但IRS不使用有源模块（如信号放大器），仅仅是反射接收到的信号。此外，因为自干扰的影响，有源中继经常工作在半双工状态下，但IRS工作在全双工状态下，因此有源中继的频谱利用率低于IRS。虽然全双工中继也是可以实现的，需要有效的自干扰消除技术，成本很高。
不同于传统的反向散射通信，如RFID标签，IRS主要用于增强现有的通信链路，而不是发送自身信息。反向散射通信需要在接收端实现自干扰抵消以便解码标签信息。但在IRS辅助通信系统中，直达路径：“基站-终端”和反射路径：“基站-IRS-终端”都携带相同的信息，两路信号可以在终端进行叠加，以提高信号的质量。
IRS与基于大规模MIMO的有源表面也有不同之处，两者阵列架构不同（无源versus有源），工作机制也不同（反射versus传输）。
尽管IRS有很多优势，IRS辅助无线通信网络有有源器件（基站，接入点AP，用户终端）和无源器件（IRS）两部分组成，因此与传统的只含有有源部分的网络相比有显著的不同。这促使本文对IRS进行概述，包括：信号模型、硬件架构、被动波束成形、信道估计、部署等。具体地说，阐述了IRS辅助无线通信网络面临的主要挑战和潜在的解决方案，激发未来的研究。数值结果验证了IRS在一些典型无线应用中的有效性。
信号模型和硬件架构
这一章，首先给出了IRS反射的一般模型，然后给出IRS的硬件架构，讨论由此引发的实际应用中的IRS反射系数设计的限制。
信号模型
如图1所示，IRS辅助通信系统中，基站到用户经过了三个组件的串联，即：BS-IRS链路、IRS反射和IRS-user链路。IRS的每个单元接收来自发送端的组合信号。通过可调振幅和（或）相位将组合信号进行散射，从而产生“乘法”信道模型。
从数学上看，第n个IRS单元反射后的信号
等于入射信号
乘以反射系数 
。
，n = 1 ,2 ,…,N。其中：
，
是反射系数，分别控制反射信号的幅度和相位偏移，N是IRS的反射单元的数量。通过智能调节反射系数，IRS可以实现多种功能。如：最大化死区用户的接收功率、可抵消信号或干扰。IRS各个单元不必设置相等的反射幅度，可以设置不同的幅度，相位偏移同理。在实际应用中，单元的耦合、噪声和硬件的不完美等因素都需要在建模中加以考虑，这些因素对IRS的影响仍是研究的主题。
硬件架构、离散幅度和相位模型
IRS的硬件架构基于“metasurface”的概念，“metasurface”是由数字可控的二维超材料制成。
如图2所示，典型的IRS架构由三层硬件和一个控制器组成。外层，大量的金属片 (元件)印在介电基板上，直接与入射信号相互作用。中间层使用铜板避免信号能量泄漏。最内层是一个控制电路板，负责调节每个元件的反射振幅/相移，并连接到IRS的智能控制器。实际中，可以用FPGA作为控制器。 通过控制PIN管的开闭，调整信号的相位。 通过改变电阻的大小，可以控制反射的幅度在[0~1]之间的某个值。出于成本考虑，一般是精度有限的离散值而非任意可调的连续值。
主要的设计挑战
除硬件的设计和制造，还面临被动波束成形设计、IRS信道估计、部署的挑战。
被动波束成形
波束成形的设计的难点之一在于IRS每个单元的振幅和相位偏移是离散的。除了使用穷举搜索法，还有一种实用的方法是首先舍弃取值离散这一约束，用连续的幅值/相移来求解，然后将得到的解量化，取离散集中的近似值。这种方法可以将计算量减少到求解一个关于N的多项式，但会因为量化误差造成性能损失，这种损失取决于量化级数和IRS单元的数量N。为了进一步提高性能，一种启发式算法能够通过迭代优化离散的振幅/相位值，迭代时需固定其他单元的值。
另一方面，IRS被动波束成形一般需要联合基站和接口AP的主动波束成形一起优化。例如，当“基站-用户”的直接链路被阻挡时，基站的波束需要指向IRS，以便通过最大化IRS到用户的反射，增强用户接收的信号。当“基站-用户”链路的衰减和IRS反射链路衰减相当时，需要合理设计基站端的波束成形，以平衡基站到用户和IRS。在上述两个情况下，都需要IRS单元以最大的幅度进行反射，基于信道状态调节相位偏移（这就是IRS被动波束成形），这样才能在用户端将来自基站和用户的两路信号进行叠加。
在多用户情况下，IRS辅助系统不仅可以通过反射波束成形得到所需信号，还可以抑制同频干扰。例如，通过设计IRS反射波束成形，靠近IRS的用户可以容忍更多来自临近基站的干扰——IRS反射干扰可以最大化与来自临近基站的干扰信号相抵消。这为临近基站设计波束成形、服务IRS反射区域之外的用户，提供了更大的灵活度。除了上述优势，遇到的问题有，当主动与被动波束成形联合优化时，优化问题求解变得更加复杂。为解决此类问题，交替优化（迭代优化一个波形时，固定其他的波束，直至收敛）算法常被用来求解次优解。此外，无线网络通常工作在频率选择性的宽带信道里，基站可以通过信号处理技术在频域内进行主动波束成形，但在IRS中实现这种复杂的信号处理非常困难的。因此，IRS的反射系数需要根据不同频率子带进行均衡，这使得有源和无源联合波束成形优化变得更加复杂。
先前的研究表明，在单用户IRS辅助系统中，当N趋于正无穷时，接收信号功率与IRS单元数量N的平方成正比。换言之，当N足够大时，N每增加一倍，用户接收信号的获得6dB功率增益。IRS不仅可以获得反射增益，还可以从基站端获得能量（这一点大规模MIMO无法实现）。此外，如果对相位偏移进行b-bit的均匀量化，N平方的功率规律依然成立，并且N不需要趋于无穷大。
IRS信道估计
IRS被动波束成形获得的各种增益需要以准确的信道状态信息为前提（IRS与基站之间的信道、IRS与用户之间的信道）。根据是否在IRS单元处安装射频链（RF chains），可将信道状态信息分为两类：
第一种，为了降低成本和和节约能源，IRS端是去掉发射射频链的，但其单元都配备低功耗的接收射频链，有感知能力进行信道估计。因此，基站和用户到IRS的信道状态可以在IRS端记性估计。为了减少IRS端接收射频链的数量，子阵列技术被用于信道估计，每个子阵列由临近几个单元（或水平或垂直）组成的簇构成，每个簇等价于一个接收射频链。因此，通过对临近的子阵列进行适当的干涉，每个子阵列中的所有单元的反射因子可以设置为相同或不同。
第二种，当IRS不配备接收射频链时，IRS不能直接进行信道估计。我们可以对“基站-IRS”和“IRS-用户”串联信道进行联合估计，而不是在IRS分别估计。另一个方法是根据基站或者用户的反馈，实现IRS被动波束成形。
IRS部署
如何在复杂无线网络中部署IRSs，优化有源基站和无源IRSs以获得最优的性能，是一个严峻的挑战。一般来说，与传统无线网络中部署有源BS和中继相比，这个问题应该有不同的考量。
在单小区简单场景中，IRS应该部署在与基站存在视线传播（LoS）的位置上，以便获得更多信号功率进行传播。但是，当IRS需要支持在基站和多个用户之间的同步传输时，这种简单的部署策略可能不再满足要求。这是因为IRS与基站之间的单一LoS路径导致低秩MIMO信道不能实现空间复用。因此，IRS部署的位置需要与基站同时具有强LoS路径和足够多的非LoS路径，以便能够符合高秩MIMO的要求，这是个权衡问题。此外，IRS部署需要考虑用户的空间密度。例如：优先部署在用户多的热点地区、部署在在小区边缘减少同频干扰。
在实际应用中，信号传播环境非常复杂，每个IRS都和多个基站相关联。仅用启发式算法是无效的，穷举搜索法也不现实。基于光线追踪的的方法计算成本很高，而且需要特定地点的信息（室内通信中的建筑/楼层布局）。确定IRS最合适的部署位置是一个非常有现实意义的问题。解决这个问题的方法之一是机器学习技术，如深度学习（DL）。比如先在将IRS部署在一些经过选择的适当位置，并收集关键性能指标（不同用户位置测量的接收信号强度）。然后利用这些位置（标签）和相应的性能指标（数据）训练一个深度神经网络。接下来，在部署阶段用期望达到的性能指标作为神经网络的输入，用训练好的DL网络预测位置。在这些位置部署IRSs后，可以收集到一组新的性能指标，用于进一步训练DL网络，以提高DNN的预测精度。
数值结果
场景：
图3，一个有M根天线的基站、一个有N个单元的IRS，一个单天线用户。符号d（单位：米）表示用户与基站的水平距离。“BS-IRS”信道由LoS链路主导，其路径损耗指数是2.2。但是，“BS-user”和“IRS-user”信道满足瑞利衰落，路径损耗指数是3.2。接收机的噪声功率是-80dB。
为了证明IRS的信号功率放大能力，我们假设图三的用户需要接收基站和IRS反射信号。假设BS天线数为M=5，IRS单元数为N=4，我们对四种方案进行比较。
·联合优化
·BS-user最大比传输，基站波束成形朝向“BS-user”信道
·BS-IRS最大比传输，BS波束朝向“BS-IRS”单秩信道
·基准比对框架：没有IRS
图4，我们给出了不同距离d对应的基站所需最小发射功率，目标用户信噪比（SNR）20dB。在没有IRS的方案中，距离d越远，基站需要的发射功率越大。部署IRS后，衰减问题得到缓解，当用户靠近IRS时，IRS可以显著提高信噪比。比远离基站和IRS的用户相比，靠近基站或者IRS的用户，基站需要更少的发射功率。这证明了IRS可以在它的附近创建“信号热点”。此外，与其他基站端启发式波束成形方案相比，有源和无源联合波束成形设计可以使基站显著节能。
图5展示了不同相位偏移量化下，基站所需发射功率与，IRS反射单元数N的关系。
干扰抑制
图6展示了在是不同优化情况下，用户端归一化干扰功率与IRS反射单元N的关系。这同样可以用作防窃听。
结论
本文中，我们对IRS进行了综述，它可以实现无线通信环境的智能可重构，是未来无线通信网络的一项很有潜力的技术。IRS可以感知无线环境，利用先进的信号处理和机器学习技术，相应地动态调整反射系数，实现不同的功能。由于IRS辅助无线通信网络是一门新技术，目前处于探索阶段，希望本文能对未来的研究提供有效的指导。我们相信IRS将对传统通信架构造成根本性的改变，是未来研究的富矿。